Citra Beny 1
-
Upload
moh-hidayat -
Category
Documents
-
view
134 -
download
4
Transcript of Citra Beny 1
ANALISA PENINGKATAN KUALITAS CITRA HASIL DETEKSI TEPI MENGGUNAKAN DUAL OPERATOR
Beny Arief S.1), Ike Fibriani, ST., MT.2)
Jurusan Teknik Elektro Fakultas Teknik Universitas JemberJln. Slamet Riyadi No.62 Jember 68111
[email protected]), [email protected])
ABSTRAK
Kualitas dari citra hasil deteksi tepi mengalami peningkatan dengan menggunakan
kombinasi dua operator pendeteksi tepi. Dari proses ini kami dapatkan bahwa citra yang telah
dikombinasikan memberikan hasil deteksi tepi yang lebih baik dibandingkan dengan citra
deteksi tepi yang hanya menggunakan suatu operator. Proses deteksi tepi pada citra dan
kombinasinya di analisa menggunakan analisis secara subjektif (mennggunakan survei dan
visualisasi manusia) dan analisis secara objektif (menggunakan histogram citra untuk
menghitung piksel tepi pada citra hasil deteksi tepi). Dan dari dua analisis ini, didapatkan
bahwa kombinasi dari dua citra hasil deteksi tepi yang menggunakan operator Gradient dan
operator Laplacian adalah citra yang bisa memberikan hasil terbaik dibandingkan dengan
citra kombinasi lainnya.
Kata Kunci: Deteksi tepi, Operator Gradient, operator Laplace, kombinasi citra
1. PENDAHULUAN
1.1 Latar Belakang
Citra (image) sebagai salah satu
komponen multimedia memegang
peran peting sebagai bentuk informasi
visual. Citra mempunyai karakteristik
yang tidak dimiliki oleh data teks,
yaitu citra kaya akan informasi. Dalam
arti umum, citra (image) adalah
bentuk artifak yang mereproduksi
kembali kemiripan dari suatu benda
yaitu bentuk fisiknya. Sedangkan
dalam pengertian secara terminologi
gambar atau citra merupakan fungsi
menerus (continue) dari intensitas
cahaya pada bidang dwimatra. Yaitu
di bidang sumbu x dan y koordinat
cartesian.
Suatu objek yang berada dalam
bidang citra dan tidak bersinggungan
dengan batas bidang citra, berarti
objek tersebut dikelilingi daerah yang
bukan objek yaitu latar belakang.
Pertemuan antara bagian objek dan
bagian latar belakang disebut epi
obyek. Oleh karenanya tepi sebuah
obyek berguna untuk memisahkan
obyek-obyek yang saling
bersinggungan sehingga mereka tidak
dianggap sebagai suatu obyek yang
besar dan tetap dapat dilacak atau
dianalisis secara individu1.
Deteksi tepi adalah operasi
pengolahan citra yang termasuk dalam
bidang analisa citra. Proses deteksi
tepi merupakan proses untuk mencari
perbedaan intensitas yang menyatakan
batas suatu obyek dalam suatu citra.
Atau dalam arti lain dapat dikatakan
bahwa edge detection (deteksi tepi) ini
merupakan proses pencarian lokasi
diskontinuitas melalui analisa
terhadap level intensitas piksel-piksel,
khususnya dalam suatu lingkungan
kecil bagian gambar yang disebut
neighborhood atau sub gambar1.
Oleh karenanya tepi sebuah
obyek berguna untuk memisahkan
obyek-obyek yang saling
bersinggungan sehingga mereka tidak
dianggap sebagai satu obyek yang
besar dan tetap dapat dilacak atau
dianalisis secara individu.
Pada penelitian-penelitian
sebelumnya mengenai deteksi tepi
citra, antara lain yaitu Wendy
Rinaldy2 yang dalam tulisannya
dengan judul Analisa Operator
Pendeteksi Edge dengan Teknik
Spasial Domain menganalisa
pengaplikasian operator pendeteksi
tepi dengan teknik spasial domain
pada suatu citra digital, kemudian
memberi kesimpulan keuntungan dan
kelemahan masing-masing operator.
Mark Ruzon dan Calo Tomasi3 dalam
tulisan mereka yang berjudul Color
Edge Detection with the Compass
Operator mengembangkan suatu
operator pendeteksi edge baru yang
disebut compass operator yang
kemudian banyak diyakini sebagai
operator yang handal dalam
mendeteksi tepi atau sisi pada suatu
citra. Operator tersebut selanjutnya
juga digunakan pada penelitian-
penelitian berikutnya oleh Bruce
Maxwell dengan Stephanie Brubaker4
dalam tulisannya yang berjudul
Texture Edge Detection Using the
Compass Operator dan Stephanie
Wojtkowski5 dengan tulisan yang
berjudul Applying the Compass
Operator to Texture Edge Detection,
mereka menganalisa penggunaan
operator kompas untuk mendeteksi
tepi pada citra berwarna. Kemudian N.
Srinivasa dan K. Rajgopal6 di dalam
tulisan dengan judul Detection of
Edges from Projections mereka
menganalisa pengimplementasian
operator pendeteksi tepi unuik citra
atau gambar yang berasal dari hasil
scanning, yaitu CT Scan dan hasil
rontgen tubuh manusia.
Berdasarkan dari penelitian-
penelitian tersebut dapat dikatakan
bahwa dalam hal proses pendeteksian
tepi, terdapat banyak variasi teknik
yang dapat digunakan, di mana tiap
teknik tersebut dapat dikembangkan
menjadi operator yang memiliki
karakteristik tersendiri dengan segala
kelebihan dan kekurangan.
Karakteristik sebuah operator
pendeteksi tepi terkadang tidak dapat
memberikan informasi mengenai
karakteristik citra yang memadai
sehingga hasil akhir dari proses
pengolahan citra tersebut tidak sesuai
dengan keinginan.
Agar dapat mendeteksi tepi
obyek dalam suatu citra dengan hasil
yang maksimal maka dalam penelitian
ini digunakan kombinasi antara dua
buah operator pendeteksi tepi dengan
teknik yang satu sama lain berbeda.
Tujuannya adalah untuk menentukan
dan menganalisa citra dengan teknik
kombinasi operator manakah yang
dapat memberikan pendekatan yang
paling akurat atau yang paling sesuai
dalam pendeteksian tepi obyek pada
suatu citra digital. Kemudian
diharapkan dengan kombinasi ini
dapat memberikan hasil deteksi tepi
yang lebih akurat daripada
penggunaan operator tunggal.
1.2 Tujuan
Tugas Akhir ini bertujuan untuk
meningkatkan kualitas citra.
Peningkatan kualitas citra ini termasuk
memperbaiki citra ketika diproses.
Untuk menandai bagian yang menjadi
detail citra dan untuk memperbaiki
detail dari citra yang kabur, yang
terjadi karena error atau adanya efek
dari proses akuisisi citra
1.3 Landasan Teori
Beberapa macam teknik yang
digunakan untuk mendeteksi tepi,
antara lain Operator gradien pertama
(differential gradien), Operator
turunan kedua (Laplacian) dan
Operator kompas (Compass operator).
Dalam media satu dimensi,
sebuah tepi dihubungkan dengan
puncak lokal pada fungsi turunan
pertama dari intensitas. Perubahan
mendadak pada nilai intensitas dalam
suatu citra dapat dilacak menggunakan
perkiraan diskrit pada gradien.
Gradien adalah kesamaan dua dimensi
dari turunan pertama dan didefinisikan
sebagai vektor seperti diperlihatkan
dalam persamaan1:
Dalam persamaan (1),
besaran gradien dapat dinyatakan
dengan hukum phytagoras sebagai:
Beberapa operator gradien
pertama lain yang digunakan untuk
mendeteksi tepi di dalam citra, yaitu1:
Operator Sobel; operator ini
menggunakan prinsip operasi spasial
dengan ukuran maks 3x3. Tinjau
pengaturan piksel di sekitar piksel
(x.y):
Operator sobel adalah
magnitudo dari gradien yang dihitung
dengan:
Operator sobel dapat dinyatakan
dalam bentuk maks:
Operator Prewitt; Persamaan
gradien pada operator prewitt sama
dengan operator sobel, tetapi
menggunakan nilai c = 1:
Operator Roberts; Dalam
bentuk maks konvolusi operator
roberts adalah :
Untuk kekuatan tepi dihitung
dengan rumus:
Operator turunan kedua disebut
juga operator Laplace. Operator ini
memperkirakan suatu Laplacian pada
suatu fungsi kontinu yang di
difenisikan sebagai diferensial parsial
kedua dari fungsi intensitas piksel
terhadap sumbu X dan Y. Operator
Laplacian dalam deteksi tepi pada
umumnya tidak dipergunakan secara
langsung, dikombinasikan dengan
suatu kemel Gaussian menjadi sebuah
operator Laplacian of Gausslan
(Log)7.
Gambar 1 merupakan skema
pendeteksian tepi citra menggunakan
operator Lapalacian of Gaussian1 ;
Gambar 1. Skema deteksi tepi
citra dengan operator
LoG
Dari gambar 1:
Bentuk maks LoG yang
berukuran 5 x 5 :
Operator Kompas adalah hasil
pengembangan terbaru dalam
pendeteksian tepi pada suatu citra atau
gambar. Konsep dasarnya adalah
pertama - pertama kompas yang
dengan radius tertentu dihadapkan
pada suatu piksel sebuah citra.
Kemudian dilakukan perhitungan
dengan mengkonvolusikan piksel (x,y)
dan mask kompas yang menampilkan
tepi dari 8 macam arah mata angin
yaitu Utara, Timur Laut, Timur,
Tenggara, Selatan, Barat Daya dan
Barat Laut:
Lalu dicari nilai kekuatan tepi
( magnitude) yang terbesar dan
arahnya dengan persamaan di bawah
ini1
Jika mask k adalah mask yang
memberikan kekuatan terbesar, maka
arah tepi ditentukan dari mask k
tersebut.
1.4 Manfaat
bahan belajar bagi pembaca
yang ingin mempelajari lebih lanjut
mengenai Dengan adanya materi
mengenai Peningkatan Kualitas Citra
menggunakan metode dua operator,
maka pembaca dapat memperoleh
wawasan tambahan dalam hal
tersebut. Juga sebagai Peningkatan
Kualitas Citra dengan metode
dimaksud.
1.5 Rumusan Masalah
1. Apakah teknik yang tepat untuk
mendeteksi tepi sebuah citra dari
sekian banyak variasi teknik yang
dapat digunakan, dimana tiap
teknik tersebut memiliki
karakteristik tersendiri dengan
segala kelebihan dan
kekurangannya ?
2. Bagaimana meningkatkan kualitas
dari hasil deteksi tepi sebuah citra
dengan berbagai teknik operator
yang telah ada ?
3. Apakah kombinasi terbaik dari
dua buah operator pendeteksi tepi
citra ?
1.6 Batasan Masalah
1. Teknik pengaturan intensitas yang
digunakan dalam peningkatan
kualitas citra menggunakan
metode operator.
2. Seberapa jauh citra digital dapat
ditingkatkan kualitasnya dengan
teknik pengolahan citra digital.
3. Perbandingan antara kombinasi-
kombinasi dalam operator
pendeteksian tepi.
2 METODOLOGI PENELITIAN
Ditinjau dari tujuan dasarnya
maka penelitian ini termasuk dalam
jenis penelitian metode
eksperimental8. Sampel penelitian
yang akan digunakan adalah 6 buah
citra digital yang diambil dengan
kamera digital menggunakan objek
berbeda dalam masing – masing citra.
Dengan citra digital tersebut nantinya
akan dilakukan similasi pemrograman
menggunakan software MATLAB ver
7.0.1
Untuk menganalisa penelitian
yang dilakukan maka digunakan dua
metode yaitu metoe subyekti dan
obyektif. Dimana metode subyekti
adalah dengan menggunakan bantuan
beberapa orang responden dalam
memberikan penilian terhadap citra
deteksi tepi manakah yang
memberikan hasil terbaik melalui
kuesioner yang dibagikan kepada
mereka. Sedangkan metode obyektif
yaitu dengan menggunakan histogram
untuk menghitug piksel tepi yang
dihasilkan suatu citra hasil
penggabungan dua operator
pendeteksi tepi.
Sistem penelitian yang
dilakukan dapat disederhanakan
melalui blok diagram seperti Gambar
2:
Citra awal yang digunakan
sebagai input atau masukan dalam
penelitian penelitian ini adalah 6 buah
citra berwarna yang berukuran 640 x
480 piksel dengan tipe file JPEG. Di
dalam masing – masing citra tersebut
terdapat berbagai macam obyek
dengan bentuk, warna dan intensitas
warna yang berbeda. Hal ini dilakukan
untuk membandingkan serta menguji
kinerja masing – masing operator edge
detector dalam mendeteksi tepi obyek
pada citra tersebut. Proses
pendeteksian tepi dilakukan dengan
menggunakan program MATLAB ver
7.0.1. Listing program telah dibuat
sebelumnya dengan
mengakomodasikan rumus pada
persamaan 1-6 yang telah disebutkan
pada bagian pendahuluan. Citra yang
digunakan nantinya akan
dikonvolusikan dengan setiap operator
pendeteksi tepi untuk menghasilkan
citra yang dinamakan nantinya sebagai
citra hasil deteksi tepi.
3 HASIL DAN PEMBAHASAN
Yang dimaksud dengan tepi
(edge) adalah perubahan nilai
intensitas derajat keabuan yang
mendadak besar dalam jarak yang
singkat. Tepi biasanya terdapat pada
batas antara dua daerah yang berbeda
pada suatu citra. Tujuan operasi
pendeteksian tepi adalah untuk
meningkatkan penampakan garis batas
suatu daerah atau objek di dalam citra.
Pada deteksi tepi ini, ada beberapa
metode yang ada pada deteksi tepi,
yakni Sobel, Prewitt, Roberts,
Laplacian, Compass. Berikut data dari
masing-masing metode dapat dilihat
pada gambar 1:
Dari gambar diatas dapat dilihat
bahwa pendeteksi tepi yang lebih baik
dan jelas adalah pada operator Canny.
Maka dalam paper ini digunakan
operator Canny untuk mewakili
operator Gradien pertama.
Kemampuan untuk meletakkan dan
menandai semua tepi yang ada sesuai
dengan pemilihan parameter-
parameter konvolusi yang dilakukan.
Sekaligus juga memberikan
fleksibilitas yang sangat tinggi dalam
hal menentukan tingkat deteksi
ketebalan tepi tersebut.
Setelah gradien pertama,
kemudian menganalisis gradien kedua.
Gradien kedua bisa disebut juga
operator laplacian.sebagai tambahan
antara gradien pertama dan gradien
kedua yakni operator compass.
Operator Laplacian dan Compass
Dapat dilihat gambar di bawah ini:
Laplacian
Compass
CITRA
AWAL
Robert
s
Prewitt
Canny
Sobel
Operator laplace 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 turunan
kedua. Pada operator ini sangat
berbeda dengan operator lainnya,
operator ini akan menangkap tepian
dari semua arah dan menghasilkan
tepian yang lebih tajam dan tebal. Jika
dibandingkan antara operator
laplacian dan canny, sebenarnya
hampir mirip, tetapi perbedaannya
mungkin jika operator canny pada
hasil citra nampak lebih tipis,
sedangkan pada operator laplacian
hasil citranya tampak lebih tebal.
Operator kompas, digunakan
untuk mendeteksi semua tepi dari
berbagai arah di dalam citra. Operator
kompas yang dipakai untuk deteksi
tepi menampilkan tepi dari 8 macam
arah mata angin yaitu utara, timur laut,
timur, tenggara, selatan, barat, barat
daya, dan barat laut.
Setelah melakukan analisis dari
semua operator yakni operator gradien
pertama, operator kedua atau operator
laplacian dan compass. Kita
mengunakan 3 citra sebagai objek
pengujian agar dapat mengetahui
perbedaannya. Dapat dilihat pada
gambar dibawah ini:
Citra Awal
Gradien 1 + Laplacian
Gradien 1 + Compass
Laplacian + Compass
Botol
Mobil
Bunga
Gabungan antara operator
gradient 1 dan Laplacian memberikan
hasil yang paling baik. Dengan
mengurangkan operasi hasil penebalan
dan penipisan maka akan diperoleh
citra yang menonjolkan tepi obyek,
karena daerah non-tepi obyek sudah
hilang karena pengurangan tersebut.
Dilihat sekilas antara gabungan
gradien 1+laplacian dan gradien
1+compass, nampak sama tetapi pada
tingkat tingkat ketebalannya berbeda.
Dari data diatas, hasil deteksi
tepi dari beberapa operator terlihat
seperti sama. Salah satunya mungkin
disebabkan karena citra yang
digunakan memiliki tepi yang sedikit.
Namun masih bisa dilihat perbedaan
pada masing – masing gambar.
Tabel jumlah piksel putih citra hasil
deteksi tepi
Citra Awal
Histogram Citra
Gradien 1 +
Laplacian
Gradien 1 +
Compass
Laplacian+
CompassInput
1
(bunga
)
Jumlah piksel putih
37.224 31.210 19.119
Input
2
(mobil)
Jumlah piksel putih
237.429 212.350 149.702
Input
3
(botol)
Jumlah piksel putih
63.280 57.336 51.049
Pada data tersebut dapat
dijelaskan bahwa Gradien 1 +
Laplacian memiliki jumlah piksel
37.224, Gradien 1 + Compass
memiliki jumlah piksel 31.210 dan
Laplacian + Compass jumlah
pikselnya 19.119. Jumlah piksel putih
yang paling banyak adalah Gradien 1
+ Laplacian. Diperkuat dengan
penjelasan di atas bahwa kombinasi
ini paling baik daripada yang lain.
4. Penutup
4.1 kesimpulan
Berdasarkan hasil penelitian
yang dilakukan, dapat diambil
beberapa kesimpulan yaitu deteksi
pepi menggunakan operator laplacian
dapat memberikan gambaran batasan
tepi objek pada citra tersebut, maka
operator laplacian ini dapat dikatakan
bahwa operator laplacian lebih tajam
dan tebal daripada operator lainnya.
Kombinasi operator gradien 1 dan
laplacian merupakan mendeteksi tepi
paling baik daripada kombinasi
operator lainnya.
Daftar Referensi
[1] Munir, Rinaldy. 2004. Pengolahan
Citra Digital dengan Pendeteksian
Algoritma, Informatika, Bandung
[2] Rinaldy, Wendy.1997. Analisa
Operator Pendeteksi Edge dengan
Teknik Spasial Domain. Jurusan
Teknik Elektro, Universitas
Indonesia, Jakarta
[3] Ruzon, Mark A dan Calo Tomasi.
1999. Color Edge Detection with
the Compass Operator. Computer
Science Department. Stanford
University, California
[4] Maxwell, A Bruce dan Stephanie J.
Brubaker. Texture Edge Detection
Using the Compass Operator.
Department of Engineering.
Swarthmore College
[5] Wojtkowski, Stephanie J. 2002.
Applying the Compass Operator to
Texture Edge Detection.
Swarthmore College
[6] N, Srinivasa dan K, rajgopal.
Detection of Edge from Projection,
IEEE Transactions on Medical
Imaging, vol. 11, no.1, March 1992
[7] Image Processing Research Group
Institut Teknologi Bandung. Modul
2-Edge Detection Praktikum
EC4041 Pengolahan citra dan
Pengenalan Pola. Department
Teknik Elektro, Institut Teknologi
Bandung
[8] nazir, Muhammad. 1983. Metode
Penelitian. Ghalia Indonesia,
Jakarta
[9] ahmad Basuki, Jozua F Palandi dan
Fatchurrochman. 2005. Pengolahan
Citra Digital menggunakan Visual
Basic. Graha Ilmu, Yogyakarta
[10] Ahmad, Usman. 2005. Pengolahan
Citra Digital dan Teknik
Pemrogramannya. Graha Ilmu,
Yogyakarta
[11] Ebrahimi, Touradj. 2005. Image
and Video Processing Laboratory
3, Edge and Contour Detection-
Solution
[CV Penulis]
Beny Arief Setiawan, menyelesaikan
studi SMA dalam bidang IPA di SMA
Srono pada tahun 2009 dan melanjutkan
studi S1 pada bidang ilmu elektronika
dan telekomunikasi di Universitas
Jember pada tahun ini.
LAMPIRAN
Gradien pertama dan Laplacian
function pushbutton1_Callback(hObject, eventdata, handles)proyek=guidata(gcbo);I=get(proyek.axes2,'Userdata');if isequal(I,[]) msgbox('Belum ada gambar!','Peringatan','warn');elsegray=rgb2gray(I);x = edge(gray,'canny');y = edge(gray,'log');BW = x+y;set(proyek.figure1,'CurrentAxes',proyek.axes3);set(imshow(BW));set(proyek.axes3,'Userdata',A);redo_Callback(hObject, eventdata, handles);end
Gradien pertama dan Compass
function pushbutton2_Callback(hObject, eventdata, handles)proyek=guidata(gcbo);I=get(proyek.axes2,'Userdata');if isequal(I,[]) msgbox('Belum ada gambar!','Peringatan','warn');elsegray=rgb2gray(I);x = edge(gray,'canny');utara=[1 1 1;1 -2 1;-1 -1 -1];selatan=[-1 -1 -1;1 -2 1;1 1 1];timur=[-1 1 1;-1 -2 1;-1 1 1];barat=[1 1 -1;1 -2 -1;1 1 -1];timurlaut=[1 1 1;-1 -2 1;-1 -1 1];tenggara=[-1 -1 1;-1 -2 1;1 1 1];baratdaya=[1 -1 -1;1 -2 -1;1 1 1];baratlaut=[1 1 1;1 -2 -1;1 -1 -1];a=conv2(gray,utara,'same');b=conv2(gray,selatan,'same');c=conv2(gray,timur,'same');
d=conv2(gray,barat,'same');e=conv2(gray,timurlaut,'same');f=conv2(gray,tenggara,'same');g=conv2(gray,baratdaya,'same');h=conv2(gray,baratlaut,'same');y = edge((a)+(b)+(c)+(d)+(e)+(f)+(g)+(h));BW = x+y;set(proyek.figure1,'CurrentAxes',proyek.axes3);set(imshow(BW));set(proyek.axes3,'Userdata',A);redo_Callback(hObject, eventdata, handles);end
Laplacian dan Compass
function pushbutton3_Callback(hObject, eventdata, handles)proyek=guidata(gcbo);I=get(proyek.axes2,'Userdata');if isequal(I,[]) msgbox('Belum ada gambar!','Peringatan','warn');elsegray=rgb2gray(I);x = edge(gray,'log');utara=[1 1 1;1 -2 1;-1 -1 -1];selatan=[-1 -1 -1;1 -2 1;1 1 1];timur=[-1 1 1;-1 -2 1;-1 1 1];barat=[1 1 -1;1 -2 -1;1 1 -1];timurlaut=[1 1 1;-1 -2 1;-1 -1 1];tenggara=[-1 -1 1;-1 -2 1;1 1 1];baratdaya=[1 -1 -1;1 -2 -1;1 1 1];baratlaut=[1 1 1;1 -2 -1;1 -1 -1];
a=conv2(gray,utara,'same');b=conv2(gray,selatan,'same');c=conv2(gray,timur,'same');d=conv2(gray,barat,'same');e=conv2(gray,timurlaut,'same');f=conv2(gray,tenggara,'same');g=conv2(gray,baratdaya,'same');h=conv2(gray,baratlaut,'same');y = edge((a)+(b)+(c)+(d)+(e)+(f)+(g)+(h));BW = x+y;set(proyek.figure1,'CurrentAxes',proyek.axes3);set(imshow(BW));set(proyek.axes3,'Userdata',A);redo_Callback(hObject, eventdata, handles);end