113118016 - satriyo sujoko

5/11/2018 113118016 - Satriyo Sujoko - slidepdf.com

http://slidepdf.com/reader/full/113118016-satriyo-sujoko 1/4

1

Edge Detection Pada Sebuah Citra Digital dan Perbandingannya

Satriyo Sujoko

IFX-35-01 Fakultas Informatika Institut Teknologi Telkom, Bandung

[email protected]

Abstrak

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.

Operator edge detection yang ada sekarang sangat beragam, dari dasarturunan pertama berkembang ke turunan

kedua dan terakhir terdapat turunan ketiga dari edge detection , dan digunakan penerapannya sesuai kebutuhan

sistem. Operator edge detection turunan pertama berorientasi kepada angka-angka yang tersusun matematis, yang

serimg kita sebut dengan matriks. Sehingga konversi dari satu model ke model yang lain pun sangat dimungkinkan

dengan operasi penambahan, pengurangan, perkalian dan pembagian matriks – matriksnya. Dari operator edge detection yang ada dan digabungkan dengan perhitungan matriks untuk konversinya maka

muncul algorithma-algorithma untuk membuat citra digital lebih enak di lihat di mata manusia. Proses pendeteksian

warna sendiri memang bersifat lossy, tetapi tidak mengurangi nilai estetika yang ada dalam suatu citra digital.

Kata kunci : Edge Detection, Prewitt, Laplace

1. Pendahuluan

Edge detection adalah hal mendasar dalam

pengolahan citra dan visi komputer, khusunya di

bidang fitur deteksi dan ekstrasi fitur, yang bertujuan

untuk mengidentifikasi titik-titik dalam gambar digital

dimana perubahan kecerahan gambar tajam atau lebih

formal, memiliki diskontinuitas. Masalah yang sama

untuk menemukan diskontinuitas dalam sinyal 1Ddikenal sebagai langkah deteksi. Edge detection

digunakan untuk menandai bagian dari detail citra dan

dapat juga untuk memperbaiki detail citra yang kabur,

yang terjadi karena error.

Gambar 1 Proses Pendeteksian tepi citra

Macam – macam atau teknik yang digunakan

dalam pendeteksian tepi atau edge detection dalam

citra sangat beragam. Diantaranya yaitu ada prewitt /

sobel edge detection dan canny / laplacian edge

detection yang mempunyai kelebihan dan

kekurangan-nya masing-masing.

Dari sekian banyak nya teknik edge detection

atau yang sering disebut dengan metode /opertor,kebanyakan orang menggunakan metode prewitt ,

sobel dan robert sesuai kebutuhan masing – masing.

Bila diperhatikan bahwa tepi suatu gambar terletak

pada titik-titik yang memiliki perbedaan tinggi.

Berdasarkan prinsip-prinsip filter pada citra maka

tepi suatu gambar dapat diperoleh menggunakan

High Pass Filter (HPF).

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 padadomain 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.



2

2. Metode Edge Detection

2.1 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 yna gdikenal

sebagai fungsi untuk membangkitkan HPF. Kernel

filter yang digunakan dalam metode Prewitt ini adalah

:

H = [ ] dan V = [ ] Secara teknis metode prewitt merupakan

operator diferensiasi diskrit, komputasi perkiraan

gradien dan fungsi intensitas citra. Operator prewitt

didasarkan pada convolving gambar dengan filter

yang memiliki cost kecil, dipisahkan dengan integerdalam arah horisontal dan vertikal yang sangat

serderhana dalam hal perhitungan. Di sisi lain,

pendekatan gradien yang dihasilkan relatif kurang

khususnya untuk variasi frekuensi warna yang tinggi

dalam gambar.

Operator menghitung gradien dari intensitas citra

pada setiap titik memberikan arah peningkatan

kemungkinan terbesar dari terang ke gelap, dalam

tingkat perubahan arah citra tersebut. Dalam

prakteknya, besarnya (kemungkinan tepi) perhitungan

lebih handal dan lebih mudah untuk

menginterpretasikan dari perhitungan arah.

Gambar 2. Contoh Gambar sebelum dilakukan

Edge Detection metode Prewitt

Gambar 3. Contoh Gambar setelah dilakukan

Edge Detection metode Prewitt

Hasil dari operator Prewitt pada titik gambar yang

berada dalam wilayah intensitas citra yang konstan

adalah vektor nol dan pada suatu titik

pada tepi adalah sebuah vektor yang titik di tepi, dari

gelap ke terang nilai-nilai.

Karena fungsi intensitas dari gambar digital

hanya dikenal pada titik – titik diskrit, turunan dari

fungsi ini tidak dapat didefinisikan kecuali kita

berasumsi bahwa ada fungsi kontinyu intensitas yang

mendasar dan telah terbuat sampel pada titik – titik

gambar. Metode sobel merupakan pendekatan yang

kurang akurat dari gradien gambar, tetapi masih

cukup berkualitas untuk digunakan dalam banyak

aplikasi praktis. Lebih tepatnya ia menggunakan nilai

intensitas hanya di daerah matriks 3x3 sekitar

gambar untuk perkiraan gradien gambar yang sesuai,

dan hanya menggunakan nilai – nilai integer untuk

koefisien yang berat intensitas gambar untuk

menghasilkan pendekatan gradien.

Dalam penanganan noise mungkin operator

prewitt kurang dan lebih baik dengan menggunakanoperator sobel dalam menangani noise yang muncul.

Hal ini dikarenakan operator sobel lebih baik dalam

melakukan penanganan noise.

2.2 Operator Laplace

Operator Laplace merupakan turunan kedua

dalam metode pendeteksian tepi atau kita sebut

dengan Edge Detection. Operator ini biasanya

digunakan dalam mendeteksi lokasi tepi khususnya

pada citra tepi yang curam. Pada tepi yang curam,

turunan keduanya mempunyai persilangan nol, yaitu

titik di mana terdapat pergantian tanda nilai turunankedua, sedangkan pada tepi yang landai tidak

terdapat persilangan nol. Contohnya adalah

operator Laplacian Gaussian, operator Gaussian.

Mendeteksi lokasi tepi lebih akurat khususnya

pada tepi yang curam. Turunan keduanya

mempunyai persilangan nol (zero-crossing), yang

merupakan lokasi tepi yang akurat.



3

Gmbar 4 . Macam – macam model tepi pada

edge detection

Untuk mengurangi deteksi tepi yang palsu

difilter dulu dengan fungsi Gaussian. Laplacian of

Gaussian filtering bertujuan untuk menghilangkan

noise dan meningkatkan kwalitas detil. Laplacian

bertujuan untuk meningkatkan kwalitas detil (detail

enhancement).

Gambar 5. Skema deteksi tepi yang mengalami

gangguan

Jadi untuk mendeteksi tepi citra yang mengalami

gangguan dapat dilakukan salah satu dari operasi

berikut :

1. konvolusi citra dengan fungsi gauss G(x,y)

kemudian dilakukan operasi laplacian

terhadap hasilnya.

2. konvolusi citra dengan LoG.

Gmbar 6. Contoh filter LoG 5 X 5

Laplacian ini umum digunakan untuk deteksi

tepi dalam gambar digital. Operasi gradien sangat

cocok untuk tepi yang tajam dimana piksel dari gray

level berubah sangat cepat. Namun jika gray level

berubah perlahan dari gelap ke terang maka

operasi gradient akan menghasilkan tepi yang

melebar. Maka untuk mengatasinya bisa

dilakukan menggunakan metode laplacian. Metode

ini akan

mendeteksi zero crossing ,untuk menentukan garis

batas antara hitam dan putih, yang terdapat pada

turunan kedua dari citra yang bersangkutan.

Kekurangann dari penerapan perator laplacian

adalah sangat sensitif terhadap noise, namun

demikian edge detection dengan operator ini

dapat di tingkatkan hasilnya dengan menerapkan

thresholding.

Output dari Laplacian dari Gussian (LOG)

Operator diperoleh dengan operasi konvolusi sebagai

berikut:

Dasar pemikiran dari operator laplacianadalah penggunaan turunan kedua untuk

mendeteksi garis pinggir yang dihasilkan oleh

perubahan kontras gray level pada citra.

Kemudian mencari titik pelana (zero crossing)

untuk digunakan sebagai lokasi garis tepi (edge).

Penjumlahan turunan kedua di kedua arah x dan

y suatu matriks citra inilah yang disebut disebut

laplacian.



4

Filter Gaussian digunakan untuk menghaluskan

dan turunan kedua dari yang digunakan untuk langkah

peningkatan. Kriteria deteksi adanya zero crossing

pada turunan kedua dengan puncak besar terkait

dalam derivatif pertama.

Gambar 7. Hasil citra setelah dilakukan edge

detection dengan operator Laplacian.

Dalam pendekatan ini, pertama – tama

kebisingan dikurangi dengan convoluting gambar

dengan filter Gaussian. Poin kebisingan terisolasi danstruktur kecil disaring dengan smoothing namun ujung

– ujung tersebar. Piksel dengan gradien lokal

maksimal dianggap sebagai tepi oleh detektor

tepi. Arah tepi diperoleh dengan menggunakan arah

dimana terjadi zerocrosing.

Dalam LoG ada dua metode yang secara

matematis setara, kedua metode tersebut dapat

diterapkan dalam kecenderungan yang terlihat sejenis,

metode tersebut adalah :

- Convolve gambar dengan smoothing

gaussian filtering dan menghitung Laplacian

dari hasilnya.

- Convolve gambar dengan filter linier yang

merupakan Laplacian dari filter gaussian itu

sendiri.

Hal ini juga terjadi di log. Smoothing dilakukan

dengan filter gaussian, peningkatan ini dilakukan

dengan mengubah tepi ke zero crossings dan deteksi

dilakukan dengan mendeteksi zero crossings.

Daftar Pustaka

[1] Phillip A. Mlsna1and Jeffrey J. Rodríguez

Northern Arizona, University of Arizona

[2] http://en.wikipedia.org/wiki/Edge_detection

[3] http://my.opera.com/aviciena/blog/index.dml/

tag/pengolahan-citra

[4] http://www.antonio.web.id/tugas-grafcit-

pendeteksian-tepi/

[5] http://id.wikipedia.org/wiki/Pengolahan_citra

[6] K. Pratt , William. Digital Image Processing:

PIKS Inside, Third Edition. 2001 : Los Altos,

California.

http://en.wikipedia.org/wiki/Edge_detection

http://my.opera.com/aviciena/blog/index.dml/%20tag/pengolahan-citra


http://www.antonio.web.id/tugas-grafcit-pendeteksian-tepi/






http://en.wikipedia.org/wiki/Edge_detection

113118016 - satriyo sujoko

Documents