Citra Beny 1

of 21 /21
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 Jember Jln. Slamet Riyadi No.62 Jember 68111 [email protected] 1) , Ik3fi[email protected] 2) 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

Embed Size (px)

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 Jember Jln. 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

yang tidak dimiliki oleh data teks, yaitu citra kaya akan informasi. Dalam

1.1 Latar Belakang

arti umum, citra (image) adalah bentuk artifak yang mereproduksi

Citra (image) sebagai salah satu komponen multimedia memegang

kembali kemiripan dari suatu benda yaitu bentuk fisiknya. Sedangkan

peran peting sebagai bentuk informasi visual. Citra mempunyai karakteristik

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

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 yang judul lain yaitu Wendy Rinaldy2 dengan

dalam Analisa

tulisannya Operator Teknik

Pendeteksi Spasial

Edge Domain

dengan

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

bersinggungan sehingga mereka tidak dianggap sebagai suatu obyek yang besar dan tetap dapat dilacak atau dianalisis secara individu1. Deteksi tepi adalah operasi

tulisan mereka yang berjudul Color Edge Detection with the Compass Operator mengembangkan suatu

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

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 penelitianoleh Bruce

terhadap level intensitas piksel-piksel, khususnya dalam suatu lingkungan kecil bagian gambar yang disebut neighborhood atau sub gambar . Oleh karenanya tepi sebuah obyek berguna untuk memisahkan1

penelitian

berikutnya

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

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 ini

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

diharapkan dengan kombinasi

operator pendeteksi tepi unuik citra atau gambar yang berasal dari hasil scanning, yaitu CT Scan dan hasil rontgen tubuh manusia. Berdasarkan dari penelitian-

dapat memberikan hasil deteksi tepi yang lebih akurat daripada

penggunaan operator tunggal.

1.2 Tujuan Tugas Akhir ini bertujuan untuk meningkatkan kualitas citra.

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

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

karakteristik tersendiri dengan segala kelebihan Karakteristik dan sebuah kekurangan. operator

pendeteksi tepi terkadang tidak dapat memberikan karakteristik informasi citra yang mengenai memadai 1.3 Landasan Teori Beberapa macam teknik yang digunakan untuk mendeteksi tepi, antara lain Operator gradien pertama (differential turunan gradien), Operator dan

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

kedua

(Laplacian)

Operator kompas (Compass operator). Dalam sebuah tepi media satu dimensi, dengan

dihubungkan

puncak lokal pada fungsi turunan

pertama dari intensitas. Perubahan mendadak pada nilai intensitas dalam suatu citra dapat dilacak menggunakan perkiraan diskrit pada gradien.

Operator sobel dapat dinyatakan dalam bentuk maks:

Gradien adalah kesamaan dua dimensi dari turunan pertama dan didefinisikan sebagai vektor seperti diperlihatkan dalam persamaan1:

Operator Prewitt; Persamaan gradien pada operator prewitt sama dengan operator sobel, tetapi

menggunakan nilai c = 1:

Operator Dalam persamaan (1), bentuk maks besaran gradien dapat dinyatakan dengan hukum phytagoras sebagai:

Roberts; konvolusi

Dalam operator

roberts adalah :

Untuk kekuatan tepi dihitung 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 turunan kedua disebut juga operator Laplace. Operator ini memperkirakan suatu Laplacian pada suatu fungsi kontinu yang di dengan rumus:

difenisikan sebagai diferensial parsial kedua dari fungsi intensitas piksel terhadap sumbu X dan Y. Operator Operator sobel adalah Laplacian dalam deteksi tepi pada umumnya tidak dipergunakan secara langsung, dikombinasikan dengan

magnitudo dari gradien yang dihitung dengan:

suatu kemel Gaussian menjadi sebuah operator (Log)7. Laplacian of Gausslan

Gambar 1 merupakan skema pendeteksian tepi citra menggunakan operator Lapalacian of Gaussian1 ;

Gambar 1. Skema deteksi tepi citra dengan operator LoG Dari gambar 1: Lalu dicari nilai kekuatan tepi ( magnitude) yang terbesar dan arahnya dengan persamaan di bawah ini1

Jika mask k adalah mask yang Bentuk maks LoG yang berukuran 5 x 5 : memberikan kekuatan terbesar, maka arah tepi ditentukan dari mask k tersebut.

1.4 Manfaat Operator Kompas adalah hasil pengembangan terbaru dalam bahan belajar bagi pembaca yang ingin mempelajari lebih lanjut mengenai Dengan adanya materi

pendeteksian tepi pada suatu citra atau gambar. Konsep dasarnya adalah

mengenai Peningkatan Kualitas Citra menggunakan metode dua operator, maka pembaca dapat memperoleh wawasan tambahan dalam hal

pertama - pertama kompas yang dengan radius tertentu dihadapkan pada suatu piksel dilakukan sebuah citra.

Kemudian

perhitungan

tersebut. Juga sebagai Peningkatan Kualitas dimaksud. Citra dengan metode

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:

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 segala

tersendiri kelebihan

dengan dan

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

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 ?

memberikan penilian terhadap citra 1.6 Batasan Masalah 1. Teknik pengaturan intensitas yang digunakan kualitas dalam citra peningkatan menggunakan 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 penggabungan pendeteksi tepi. Sistem dilakukan penelitian dapat yang suatu dua citra hasil operator

metode operator. 2. Seberapa jauh citra digital dapat ditingkatkan kualitasnya dengan teknik pengolahan citra digital. 3. Perbandingan antara kombinasikombinasi dalam operator

pendeteksian tepi.

disederhanakan

melalui blok diagram seperti Gambar 2 METODOLOGI PENELITIAN Ditinjau dari tujuan dasarnya maka penelitian ini termasuk dalam jenis penelitian8

2:

metode penelitian

eksperimental .

Sampel

yang akan digunakan adalah 6 buah citra digital yang diambil dengan kamera digital menggunakan objek

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) intensitas adalah derajat perubahan keabuan nilai yang

mendadak besar dalam jarak yang singkat. Tepi biasanya terdapat pada Citra awal yang digunakan batas antara dua daerah yang berbeda pada suatu citra. Tujuan operasi pendeteksian tepi adalah untuk

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

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,

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

Laplacian, Compass. Berikut data dari masing-masing metode dapat dilihat pada gambar 1:

pendeteksian tepi dilakukan dengan menggunakan program MATLAB ver 7.0.1. Listing program telah dibuat sebelumnya mengakomodasikan rumus dengan pada

persamaan 1-6 yang telah disebutkan

Setelah

gradien

pertama,

CITRA AWAL

kemudian menganalisis gradien kedua. Gradien kedua bisa disebut juga operator laplacian.sebagai tambahan antara gradien pertama dan gradien

Roberts

kedua

yakni

operator

compass.

Operator Laplacian dan Compass Dapat dilihat gambar di bawah ini:

Prewitt

Laplacian

Canny

Compass

SobelOperator laplace mendeteksi

lokasi tepi khususnya pada citra tepi Dari gambar diatas dapat dilihat bahwa pendeteksi tepi yang lebih baik dan jelas adalah pada operator Canny. Maka dalam paper ini digunakan operator operator Canny untuk mewakili pertama. 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

Gradien

berbeda dengan operator lainnya, operator ini akan menangkap tepian dari semua arah dan menghasilkan tepian yang lebih tajam dan tebal. Jika dibandingkan laplacian dan antara canny, operator sebenarnya

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

hampir mirip, tetapi perbedaannya mungkin jika operator canny pada hasil citra nampak lebih tipis,

ketebalan tepi tersebut.

sedangkan pada operator laplacian hasil citranya tampak lebih tebal. Operator kompas, digunakanBunga

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 hasil Gabungan antara operator gradient 1 dan Laplacian memberikan 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 gradien sekilas antara dan gabungan gradien

mengunakan 3 citra sebagai objek pengujian agar dapat mengetahui

1+laplacian

1+compass, nampak sama tetapi pada tingkat tingkat ketebalannya berbeda. Dari data diatas, hasil deteksi

perbedaannya. Dapat dilihat pada gambar dibawah ini:Citra Awal Gradien 1+ Laplacia n Gradien 1+ Compass Laplacia n+ Compass

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 hasilBotol

deteksi tepi Citra Awal Histogram Citra Gradien 1+ Laplacia n Gradien 1+ Compas s Laplacia n + Compass

Mobil

Input 1 (bunga ) Jumlah piksel putih Input 2 (mobil) Jumlah piksel putih Input 3 (botol) Jumlah piksel putih 237.429 212.350 149.702 37.224 31.210 19.119

4. Penutup 4.1 kesimpulan Berdasarkan yang dilakukan, hasil dapat penelitian 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 63.280 57.336 51.049 [1] Munir, Rinaldy. 2004. Pengolahan Citra Digital dengan Pendeteksian Algoritma, Informatika, Bandung Pada data bahwa tersebut Gradien dapat 1 + [2] Rinaldy, Wendy.1997. Analisa

dijelaskan

Operator Pendeteksi Edge dengan Teknik Spasial Domain. Jurusan Teknik Elektro, Universitas

Laplacian memiliki jumlah piksel 37.224, Gradien 1 + Compass [3]

memiliki jumlah piksel 31.210 dan Laplacian + Compass jumlah

Indonesia, Jakarta Ruzon, Mark A dan Calo Tomasi. 1999. Color Edge Detection with the Compass Operator. Computer Science Department. Stanford

pikselnya 19.119. Jumlah piksel putih yang paling banyak adalah Gradien 1 + Laplacian. Diperkuat dengan [4]

penjelasan di atas bahwa kombinasi ini paling baik daripada yang lain.

University, California Maxwell, A Bruce dan Stephanie J. Brubaker. Texture Edge Detection Using the Compass Operator.

Department

of

Engineering.

[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

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 EC4041 Detection Pengolahan Pola. Praktikum citra dan

Jember pada tahun ini.

Pengenalan

Department

Teknik Elektro, Institut Teknologi Bandung [8] nazir, Muhammad. 1983. Metode Penelitian. 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 Graha Teknik Ilmu, Ghalia Indonesia,

Pemrogramannya. Yogyakarta

[11] Ebrahimi, Touradj. 2005. Image and Video Processing Laboratory 3, Edge and Contour DetectionSolution

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'); else gray=rgb2gray(I); x = edge(gray,'canny'); y = edge(gray,'log'); BW = x+y; set(proyek.figure1,'CurrentAxes',pr oyek.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'); else gray=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',pr oyek.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'); else gray=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',pr oyek.axes3); set(imshow(BW)); set(proyek.axes3,'Userdata',A); redo_Callback(hObject, eventdata, handles); end