Deteksi Tepi Deteksi tepi (Edge Detection) pada suatu citra suatu proses yang menghasilkan tepi-tepi dari

obyekobyek 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. Macam-macam metode untuk proses deteksi tepi ini, antara lain:

Metode Robert: Metode Robert adalah nama lain dari teknik differensial yang dikembangkan di atas, yaitu 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).

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.

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.

Metode Canny: Operator Canny merupakan deteksi tepi yang optimal. Operator Canny menggunakan Gaussian Derivative Kernel untuk menyaring kegaduhan dari citra awal untuk mendapatkan hasil deteksi tepi yang halus. Metode Laplacian of Gaussian (LOG): 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.

Di bawah ini merupakan source code untuk membuat program menggunakan metode-metode tersebut:

Metode Robert
% --- Executes on button press in pushbutton5. function pushbutton5_Callback(hObject, eventdata, handles) % hObject handle to pushbutton5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) proyek=guidata(gcbo); I=get(proyek.axes1,'Userdata'); gray=rgb2gray(I); BW=edge(gray,'roberts'); set(proyek.figure1,'CurrentAxes',proyek.axes2); set(imshow(BW)); set(proyek.axes2,'Userdata',A); redo_Callback(hObject,eventdata, handles);

Metode Prewitt
% --- Executes on button press in pushbutton3. function pushbutton3_Callback(hObject, eventdata, handles) % hObject handle to pushbutton3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) proyek=guidata(gcbo); I=get(proyek.axes1,'Userdata'); gray=rgb2gray(I); BW=edge(gray,'prewitt'); set(proyek.figure1,'CurrentAxes',proyek.axes2); set(imshow(BW)); set(proyek.axes2,'Userdata',A); redo_Callback(hObject,eventdata, handles);

Metode Sobel
% --- Executes on button press in pushbutton2. function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) proyek=guidata(gcbo); I=get(proyek.axes1,'Userdata'); gray=rgb2gray(I); BW=edge(gray,'sobel'); set(proyek.figure1,'CurrentAxes',proyek.axes2); set(imshow(BW)); set(proyek.axes2,'Userdata',A); redo_Callback(hObject,eventdata, handles);

Metode Canny
% --- Executes on button press in pushbutton8. function pushbutton8_Callback(hObject, eventdata, handles) % hObject handle to pushbutton8 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) proyek=guidata(gcbo); I=get(proyek.axes1,'Userdata'); gray=rgb2gray(I); BW=edge(gray,'canny'); set(proyek.figure1,'CurrentAxes',proyek.axes2); set(imshow(BW));

set(proyek.axes2,'Userdata',A); redo_Callback(hObject,eventdata, handles);

Metode Laplacian of Gaussian (LOG)

% --- Executes on button press in pushbutton4. function pushbutton4_Callback(hObject, eventdata, handles) % hObject handle to pushbutton4 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) proyek=guidata(gcbo); I=get(proyek.axes1,'Userdata'); gray=rgb2gray(I); BW=edge(gray,'log'); set(proyek.figure1,'CurrentAxes',proyek.axes2); set(imshow(BW)); set(proyek.axes2,'Userdata',A); redo_Callback(hObject,eventdata, handles);

Berikut outputnya : Tampilan saat file tugas.m di run. Masukkan gambar menggunakan tombol Open.
open

Deteksi tepi prewit

Deteksi tepi robert

Deteksi tepi canny

Deteksi tepi sobel

Deteksi Tepi Laplacian of Gaussian (LOG)