View
759
Download
104
Category
Preview:
Citation preview
MAKALAH
SISTEM PENGOLAHAN CITRA
PENDETEKSIAN TEPI (EDGE DETECTION)
Oleh:
I MADE MARCHRIEZA 131421001
SASKIA MABRURA 131421019
GRACE VENNYDIA TAMBUNAN 131421020
NONI SORAYA 1314210
UNIVERSITAS SUMATERA UTARA - MEDAN
PROGRAM STUDI S-1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER-TI
TAHUN AJAR 2013-2014
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa atas selesainya
penyusunan makalah Pendeteksian Tepi Citra (Edge Detection) ini. Makalah ini disusun
untuk menyelesaikan tugas kuliah dalam mata kuliah Pengolahan Citra.
Makalah ini berisi pembahasan mengenai konsep pendeteksian tepi citra serta
pengelompokannya berdasarkan operator atau metode metode yang digunakan dalam
proses pendeteksian tepi suatu citra (edge detection) untuk memperoleh citra hasil.
Kami menyadari bahwa makalah ini jauh dari sempurna. Oleh karena itu kritik dan
saran dari semua pihak yang sifatnya membangun selalu kami harapkan demi
kesempurnaan makalah ini.
Akhir kata, kami ucapkan terima kasih kepada semua pihak yang telah berperan
dalam penyusunan makalah ini dari awal sampai akhir.
Medan, 20 Desember 2013
Penulis
ABSTRACT
Teknik peningkatan mutu citra dapat dibagi menjadi dua yaitu Peningkatan
mutu citra pada domain spasial dan Peningkatan mutu citra pada domain frekuensi.
Peningkatan mutu citra pada domain spasial sendiri masih dibagi menjadi dua
macam yaitu point processing dan mask processing. Pada mask processing kita
melakukan operasi terhadap suatu jendela ketetanggaan pada citra. Salah satu
contoh dari peningkatan mutu pada domain spatial menggunakan mask processing
adalah edge detection. Deteksi tepi (Edge Detection) pada suatu citra adalah suatu
proses yang menghasilkan tepi-tepi dari obyek-obyek citra. Deteksi tepi sendiri
dimanfaatkan untuk berbagai keperluan diantanya yang sedang hangat di bahasa
saat ini adalah penggunaan deteksi tepi dalam penggunaannya untuk aplikasi
pengenalan nomor mobil. Tujuan dari teknik peningkatan mutu citra adalah untuk
melakukan pemrosesan terhadap citra agar hasilnya mempunyai kwalitas relatif
lebih baik dari citra awal untuk aplikasi tertentu.
Keyword : Domain Spasial, Mask Processing, Edge Detection
BAB I
PENDAHULUAN
1.1 Latar Belakang
Dalam bidang pengolahan citra, istilah citra mengacu pada suatu fungsi
intensitas dalam bidang dua dimensi. Pemrosesan citra menggunakan
komputer membutuhkan citra digital sebagai masukannya. Oleh karena itu, kita
mengenal beberapa macam format citra digital, yang masing-masing memiliki
format penyimpanan dan pembacaan data yang berbeda-beda. Proses
mengubah citra ke bentuk digital bisa dilakukan dengan beberapa perangkat,
misalnya scanner, kamera digital, dan handycam. Ketika sebuah citra sudah
diubah ke dalam bentuk digital (selanjutnya disebut citra digital), bermacam-
macam proses pengolahan citra dapat diperlakukan terhadap citra tersebut.
Pengolahan citra digital dapat dilakukan berbagai cara diantaranya
adalah representasi dan permodelan citra, peningkatan kualitas citra, restorasi
citra, analisis citra, rekonstruksi citra dan kompresi citra. Pada makalah ini,
pengolahan citra digital difokuskan pada teknik peningkatan mutu pada
domain spatial khususnya penggunaan untuk teknik deteksi tepian (Edge
Detection).
Teknik image enhancement digunakan untuk meningkatkan kualitas
suatu citra digital, baik dalam tujuan untuk menonjolkan suatu ciri tertentu
dalam citra tersebut, maupun untuk memperbaiki aspek tampilan. Proses ini
biasanya didasarkan pada prosedur yang bersifat eksperimental, subjektif, dan
amat bergantung pada tujuan yang hendak dicapai.
Proses peningkatan mutu citra bertujuan untuk memperoleh citra yang
dapat memberikan informasi sesuai dengan tujuan/kepentingan pengolahan
citra. Proses peningkatan mutu citra ini termasuk memperbaiki citra yang
ketika proses akuisisi mengalami ganguan yang signifikan seperti noise,
gangguan geometris, radiometrik dan beberapa gangguan faktor alam lainnya.
Secara umum domain dalam pengingkatan mutu citra ini dapat dilakukan
secara spatial dan frekuensi. Domain Spatial melakukan manipulasi nilai pixel
secara langsung dengan dipengaruhi oleh nilai pixel lainnya secara spatial
sedangkan domain frekuensi berdasarkan frekuensi spektrum citra.
Domain Spasial merupakan teknik peningkatan mutu citra yang
melakukan manipulasi langsung pixel (x,y) suatu citra dengan menggunakan
fungsi transformasi: g(x, y) = T[f(x, y)], dimana f(x, y) sebagai citra input, g(x, y)
hasil citra yang sudah diproses dan T adalah operator pada f yang didefinisikan
berdasarkan beberapa lingkungan di (x, y). Teknik ini ditunjukkan pada
gambar 5.2 Masking/Filter suatu pixel (x,y) ditentukan berdasarkan pixel
tetangganya yang didefinisikan sebagai bentuk bujur sangkar (sering
digunakan) ataupun circular sebagai sub-citra yang berpusat di titik (x,y)
dengan ukuran lebih dari 1x1(gambar 5.3 menggunakan masking 3x3). Pusat
sub-citra berpindah dari satu pixel ke pixel lainnya dimulai dari pojok atas.
Nilai koefisien masking ditentukan berdasarkan prosesnya. Teknik masking
digunakan untuk penajaman citra dan penghalusan citra.
Edge detection adalah pendekatan yang paling umum digunakan untuk
mendeteksi diskontinuitas graylevel. Hal ini disebabkan karena titik ataupun
garis yang terisolasi tidak terlalu sering dijumpai dalam aplikasi praktis. Suatu
edge adalah batas antara dua region yang memiliki graylevel yang relatif
berbeda. Pada dasarnya ide yang ada di balik sebagian besar teknik edge-
detection adalah menggunakan perhitungan local derivative operator. Gradien
dari suatu citra f(x,y) pada lokasi (x,y) adalah vector.
1.2 Rumusan Masalah
Berdasarkan dari latar belakang yang diuraikan diatas, maka dapat dirumuskan
beberapa permasalahan yaitu sebagai berikut:
a. Bagaimana cara mendeteksi tepi citra?
b. Bagaimana membedakan ketiga metode pendeteksian tepi?
1.3 Tujuan
Tujuan dari makalah ini yaitu untuk membahas dan menganalisis lebih rinci
tentang pendeteksian tepi dari suatu cita dan mengetahui perbedaan dari pedeteksian
dengan metode yang berbeda yaitu Robert, Prewitt, Sobel.
BAB II
PEMBAHASAN
1. Tepi Citra (Edge)
Tepi (edge) adalah perubahan nilai intensitas derajat keabuan yang
cepat/tiba-tiba (besar) dalam jarak yang singkat. Sedangkan deteksi tepi (Edge
Detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi
dari obyek-obyek citra, tujuannya adalah Untuk menandai bagian yang menjadi
detail citra Untuk memperbaiki detail dari citra yang kabur, yang terjadi karena
error atau adanya efek dari proses akuisisi citra Suatu titik (x,y) dikatakan
sebagai tepi (edge) dari suatu citra bila titik tersebut mempunyai perbedaan
yang tinggi dengan tetangganya. Pada gambar 2.1 di bawah ini dapat dilihat
proses yang dilakukan untuk memperoleh tepi gambar dari suatu citra yang
ada.
Gambar 2.1. Proses deteksi tepi citra
Pada gambar 2.1. terlihat bahwa hasil deteksi tepi berupa tepi-tepi dari
suatu gambar. Bila diperhatikan bahwa tepi suatu gambar terletak pada titik-
titik yang memiliki perbedaan tinggi.
Gambar 2.2. Hasil deteksi tepi
Proses deteksi tepi (edge detection) sendiri masing dapat dikelompokkan
berdasarkan operator atau metode yang digunakan dalam proses pendeteksian
tepi suatu citra (edge detection) untuk memperoleh citra hasil. Adapun ketiga
metode tersebut adalah :
1. Metode Robert
Metode Robert adalah nama lain dari teknik differensial pada arah
horisontal dan differensial pada arah vertikal, dengan ditambahkan proses
konversi biner setelah dilakukan differensial. Teknik konversi biner yang
disarankan adalah konversi biner dengan meratakan distribusi warna
hitam dan putih.. Metode Robert ini juga disamakan dengan teknik DPCM
(Differential Pulse Code Modulation).
Operator Robert menggunakanoperator gradient berukuran 2 x 2 :
Gradient magnitude dari operator Robert adalah sebagai berikut :
Karena operator Robert hanya menggunakan convolution mask
berukuran 2 x 2, maka operator Robert sangat sensitive terhadap noise.
Contoh deteksi tepi dengan Robert :
4 5 7 5 1 6 8 5 3 1
2 1 3 4 5 4 1 5 6 5
4 3 2 6 9 3 2 6 7 9
4 2 5 7 1 0 7 2 5 1
2 4 8 6 3 2 4 8 6 3
citra awal citra hasil pendeteksian tepi
f’[0,0] = |4-1| + |5-2| = 6
2. Metode Prewitt
Metode Prewitt merupakan pengembangan metode Robert dengan
menggunakan filter HPF yang diberi satu angka nol penyangga. Metode ini
mengambil prinsip dari fungsi laplacian yang dikenal sebagai fungsi untuk
membangkitkan HPF.
Operator Prewitt menggunakan delapan buah kernel operator gradient :
Dengan menggunakan batuan program matlab maka Pendektesian
tepi (Edge Detection) dengan operator Prewitt dapat dilihat
implementasinya. Berikut ini adalah listing program yang akan digunakan
untuk mengimplementasikan deteksi tepi denngan operator Prewitt :
Contoh sintak program Matlab untuk pendeteksian tepi citra:
citra=imread('D:\MATLAB PROJECT\Vincent.tif');ic= rgb2gray(citra);px=[-1 0 1;-1 0 1;-1 0 1]; %% DeteksiVertikalicx=filter2(px,ic); % convolutionpy=px'; %% DeteksiHorizontalicy=filter2(py,ic);edge_p=sqrt(icx.^2+icy.^2);edge_t=im2bw(edge_p/255,0.3);figure, imshow(citra), title('Citra Asli');subplot(2,2,1), imshow(icx/255), title('Deteksi Vertikal');subplot(2,2,2), imshow(icy/255), title('Deteksi Horisontal');subplot(2,2,3), imshow(edge_p/255), title('Deteksi Citra Dengan Batasan (255)');subplot(2,2,4), imshow(edge_t), title('Citra Hasil Deteksi Tepi');
Dari program diatas maka akan didapat tampilan atau hasil detesi tepi
dengan operator Prewitt sebagai berikut :
Contoh lain penggunaan operator Prewitt dapat menggunakan
Listing berikut ini :
l=imread('D:\MATLAB PROJECT\tree.bmp');l1=rgb2gray(l);l2=fft(double(l1));l2_1=fft(double(l));figure(1)clf(subplot(1,3,1),imshow(l));title('Original image');hold on;subplot(1,3,2),imshow(l1);title('Gray scale image');% creat filter matrix(3×3 window)h=fspecial('prewitt');l_pre=uint8(round(filter2(h,l1)));l_pre_1=fft(double(l_pre));subplot(1,3,3),imshow(l_pre)title('Prewitt filtered image');
Capture :
3. Metode Sobel
Metode Sobel merupakan pengembangan metode robert dengan
menggunakan filter HPF yang diberi satu angka nol penyangga. Metode ini
mengambil prinsip dari fungsi laplacian dan gaussian yang dikenal sebagai
fungsi untuk membangkitkan HPF. Kelebihan dari metode sobel ini adalah
kemampuan untuk mengurangi noise sebelum melakukan perhitungan
deteksi tepi.
Operator Sobel menggunakan kernel operator gradient 3 x 3 :
Operator Sobel melakukan deteksi tepi dengan memperhatikan tepi
vertical dan horizontal. Gradient Magnitude dari operator Sobel adalah
sebagai berikut :
Dengan menggunakan batuan program matlab maka pendektesian
tepi (Edge Detection) dengan operator Sobel dapat dilihat implementasinya.
Berikut ini adalah listing program yang akan digunakan untuk
mengimplementasikan deteksi tepi denngan operator Sobel :
l=imread('D:\MATLAB PROJECT\Vincent.tif');l1=rgb2gray(l);l2=fft(double(l1));l2_1=fft(double(l));figure(1)clf(subplot(1,3,1),imshow(l));title('Original image');hold on;subplot(1,3,2),imshow(l1);title('Gray scale image');% creat filter matrix(3×3 window)h=fspecial('sobel');l_sobel=uint8(round(filter2(h,l1)));l_sobel_1=fft(double(l_sobel));subplot(1,3,3),imshow(l_sobel)title('Sobel filtered image');
Perbandingan pendeteksian tepi dengan operator Prewitt dengan
Operator Sobel :
Script
l=imread('D:\MATLAB PROJECT\lenna.bmp');l1=rgb2gray(l);l2=fft(double(l1));l2_1=fft(double(l));figure(1)clf(subplot(2,2,1),imshow(l));title('Original image');hold on;subplot(2,2,2),imshow(l1);title('Gray scale image');% creat filter matrix(3×3 window)h=fspecial('prewitt');l_pre=uint8(round(filter2(h,l1)));l_pre_1=fft(double(l_pre));subplot(2,2,3),imshow(l_pre)title('Prewitt filtered image');% creat filter matrix(3×3 window)h=fspecial('sobel');l_sobel=uint8(round(filter2(h,l1)));l_sobel_1=fft(double(l_sobel));subplot(2,2,4),imshow(l_sobel)title('Sobel filtered image');
Capture
BAB III
PENUTUP
3.1 Kesimpulan
Berdasarkan uraian pembahasan mengenai pendeteksian tepi diatas
dapat disimpulkan sebagai berikut:
1. Edge detection adalah pendekatan yang paling umum digunakan untuk
mendeteksi diskontinuitas graylevel.
2. Suatu edge adalah batas antara dua region yang memiliki graylevel yang relatif
berbeda.
3. Penerapan metode Sobel, metode Prewitt, dan metode Robert untuk
meningkatkan penampakan garis batas suatu daerah atau objek di dalam citra
dalam aplikasi lebih efektif mengenali suatu citra dua dimensi.
Recommended