Anda di halaman 1dari 21

BAB II

LANDASAN TEORI

2.1

Pengertian Citra
Citra (image) atau istilah lain untuk gambar sebagai salah satu komponen

multimedia yang memegang peranan sangat penting sebagai bentuk informasi


visual. Meskipun sebuah citra kaya akan informasi, namun sering kali citra yang
dimiliki mengalami penurunan mutu, misalnya mengandung cacat atau noise.
Tentu saja citra semacam ini menjadi lebih sulit untuk diinterpretasikan karena
informasi yang disampaikan oleh citra tersebut menjadi berkurang.
Suatu citra dapat didefinisikan sebagai fungsi f (x,y) berukuran M baris
dan N kolom, dengan x dan y adalah koordinat (x,y) dinamakan intensitas atau
tingkat keabuan dari citra pada titik tersebut. Apabila nilai x,y dan nilai amplitudo
f secara keseluruhan berhingga (finite) dan bernilai diskrit, maka dapat dikatakan
bahwa citra tersebut adalah citra digital.
Citra, menurut kamus Webster, adalah suatu representasi, kemiripan, atau
imitasi dari suatu objek atau benda, sedangkan secara harafiah, citra (image)
adalah gambar pada bidang dwimatra (dua dimensi). citra merupakan fungsi
menerus (continue) dari intensitas cahaya pada bidang dwimatra. Sumber cahaya
menerangi sebuah objek, dan objek tersebut memantulkan kembali sebagian dari
berkas cahayanya.Pantulan cahaya ini ditangkap oleh oleh alat-alat optik,
misalnya mata pada manusia, kamera, pemindai (scanner), dan sebagainya,
sehingga bayangan objek yang disebut citra tersebut terekam.

Citra juga merupakan bentuk dari dua dimensi untuk di jadikan fisik nyata
menjadi tiga dimensi. Dalam perwujudannya, citra dibagi menjadi dua yaitu still
images (citra diam) dan moving images (citra bergerak). Citra diam adalah citra
tunggal yang tidak bergerak, sedangkan citra bergerak adalah rangkaian citra
diam yang ditampilkan secara beruntun (sekuensial) sehingga memberi kesan
pada mata kita sebagai gambar yang bergerak. Gambar atau citra dapat disebut
sebagai sebuah bidang datar yang mempunyai fungsi dua dimensi f(x, y), dimana
nilai x dan y merupakan koordinat pada sebuah bidang datar dan amplitudo dari f
dapat disebut sebagai intensitas atau gray-level atau biasa disebut tingkat ke abuabuan dari sebuah gambar pada koordinat x dan y.
2.1.1

Elemen Citra
Citra mengandung sejumlah elemen dasar. Elemen dasar tersebut di

manipulasi dalam pengolahan citra, elemen tersebut adalah:


a. Warna
Warna adalah persepsi yang dirasakan oleh sistem visual manusia terhadap
panjang gelombang cahaya yang dipantulkan oleh objek. Setiap warna
mempunyai panjang gelombang . Warna yang diterima oleh mata merupakan hasil
kombinasi cahaya dengan panjang gelombang berbeda. Kombinasi warna yang
memberikan rentang warna yang paling lebar adalah red (R), green (G), blue (B).
b. Kecerahan (Brightness)
Kecerahan disebut juga intensitas cahaya. Kecerahan pada sebuah piksel (titik)
di dalam citra bukanlah intensitas yang rill, tetapi sebenarnya adalah intensitas
rerata dari suatu area yang melingkupinya.

c. Kontras (Contrast)
Kontras adalah sebaran terang dan gelap dalam sebuah citra. Sebuah citra
dikatakan memiliki kontras yang rendah jika citra tersebut memiliki komposisi
sebagian besar terang atau sebagian besar gelap. Dan sebaliknya, jika sebagian
kecil terang atau gelap maka citra dikatakan memiliki kontras tinggi.
d. Bentuk (Shape)
Pada citra yang dilihat dengan mata adalah citra 2D, namun sebenarnya objek
berupa 3D. Informasi bentuk objek diperolah dari citra yang ditangkap sistem
visual atau yang disebut dengan segmentasi citra.
e. Tekstur (Texture)
Distribusi spasial dari derajat keabuan didalam sekumpulan piksel yang
bertetangga. Sistem visual manusia tidak menerima informasi per piksel, namun
yang diterima adalah sekumpulan piksel sebagai satuan.
f. Ressolusi (Resolution)
Resolusi menunjukkan tingkat kerincian suatu citra dan dapat menyatakan
banyak piksel per satuan panjang, contoh: 120 x 100 m (Semakin kecil ukuran,
semakin tinggi resolusi) atau piksel per inci, contoh: 72dpi (Semakin besar dpi,
resolusi juga semakin tinggi).
2.1.2

Format Citra
Menurut Shapiro et al, 2001, beberapa format berasal dari perusahaan-

perusahaan yang memebuat perlengkapan pengolahan citra atau grafik; perangkat


lunak dokumentasi umum dan konfersi tersedia. Rincian yang diberikan
selanjutnya seharusnya memberikan bacaan informasi praktis untuk mengatasi

10

citra computer. Walaupun berubah-ubah sesuai dengan teknologi, ada beberapa


konsep umum yang harus dikuasai.
a. GIF (Graphics Interchange Format)
Format file GIF ini dirilis tahun 1987, digunakan untuk menyimpan dan
mentransfer gambar dalam metode indeks warna (tidak lebih dari 256). Pada
tahun 1989 format telah diupdate. Nama versi baru terlihat seperti gif89. Ini
mendukung saluran tambahan untuk melakukan efek transparansi dan untuk
mengadakan satu set gambar dalam sebuah file tunggal dimana kerangka
menunjukkan waktu dan animasi yang ditampilkan.
Saat ini format GIF ini adalah salah satu format grafis paling populer.
Meskipun tidak cocok untuk memegang gambar fotorealistik, karena tidak dapat
berisi lebih dari256 warna. Hal ini sebagian besar digunakan untuk menampilkan
animasi dan gambar-gambar tanpa campuran.
Format file gif ini telah mendapat serangkaian fitur algoritma kompresi yang
memungkinkan mengkompresi gambar dengan warna horizontal yang berurutan.
Itu berarti bahwa file, yang berisi bar horizontal, akan mengambil tempat lebih
sedikit daripada file yang sama dengan bar vertical.
b. TIFF (Tagged Image File Format)
Format ini dirilis pada tahun 1986 dan umumnya digunakan untuk menahan
putih dan hitam dari scangambar (Tiff 3.0). Dirilis pada tahun 1987, Tiff 4.0
mempunyai kemampuan untuk warna gambar RGB. Format Tiff saat ini (Tiff 6.0)
adalah format file yang kaya dan fleksibel, didukung oleh banyak program.
Format ini mampu merekam gambar halftone dengan berbagai intensitas pixel.

11

Jadi, itu dianggap menjadi format yang sempurna untuk data grafis penyimpanan
dan pengolahan.
c. JPEG (Joint Photographic Experts Group)
Format Jpeg dirancang untuk mentransfer data grafis dan gambar melalui
jaringan telekomunikasi digital dan umumnya digunakan untuk menyimpan dan
mentransfer penuh warna fotorealistik gambar. Sebelum Jpeg, ada format sangat
sedikit, yang mendukung 24 bit gambar. TIFF dan BMP format yang diizinkan
memegang 24 bit data, tetapi mereka gagal untuk melakukan kompresi lossless
data, yang berisi ribu warna dari dunia nyata, pada tingkat kualitas tinggi.
Algoritma kompresi adalah data yang dihapus untuk dealokasi (memungkinkan
untuk menaikkan derajat kompresi). Data dipegang sebagai blok pixel dalam
warna tertentu dengan informasi intensitas yang disimpan (masalah ini adalah
bahwa mata manusia lebih baik dari perubahan warna). Foto dan multi-warna
gambar, ditransfer dalam format ini, yang ideal untuk jaringan telekomunikasi
digital. Hal ini tidak mungkin untuk memperbaiki gambar Jpeg, meskipun
mungkin untuk merendahkan kualitas gambar mereka dengan mengurangi ukuran
file.
d. Bitmap
Bitmap adalah format Windows Home, yang digunakan secara praktis untuk
semua kemungkinan penyimpanan data raster. Semua versi BMP dirancang untuk
komputer dengan prosesor Intel. Arus versi format adalah perangkat
independable (berarti Bitmap yang menentukan warna piksel tanpa referensi ke
layar perangkat) dan memungkinkan untuk merekam gambar dari tingkat kualitas
yang berbeda (ke titik 32 bit). Setelah direvisi, format ini digunakan untuk
menahan warna dan gambar

hitam dan putih, sehingga menjadi umum.

12

Keuntungan utama dari format dianggap kegunaan dan dukungan perangkat lunak
yang luas.
e. PNG (Portable Network Graphic)
Format file png adalah format progresif relatif baru yang awalnya dirancang
untuk menggantikan Gif. Format png telah mendapat satu set fitur baru yang tidak
ada di Gif. Format ini menangani tingkat transparansi 256 (yang berarti bahwa
gambar mungkin transparan sebagian). Faktanya, bahwa format ini mendukung
kedalaman warna hingga 48 bit dan melakukan kompresi lossless, memungkinkan
untuk mengadakan gambar fotorealistik.

2.1.3

Matriks bitmap
Citra bitmap adalah susunan bit-bit warna untuk tiap pixel yang

membentuk pola tertentu. Pola-pola warna ini menyajikan informasi yang dapat
dipahami sesuai dengan persepsi indera penglihatan manusia. Format file ini
merupakan format grafis yang fleksibel untuk platform Windows sehingga dapat
dibaca oleh program grafis manapun. Format ini mampu menyimpan informasi
dengan kualitas tingkat 1 bit sampai 24 bit. Citra bitmap didefinisikan sebagai
fungsi f (x,y) dengan xdan y adalah koordinat bidang. Besaran f untuk tiap
koordinat (x,y) disebut intensitas atau derajat keabuan citra pada titik tersebut [1].
Pada Gambar 2.1 ditunjukkan gambar bitmap beserta nilai matriksnya.

13

Gambar 2.1. Bitmap dengan nilai matriks nya


Dari definisi di atas yang diperjelas oleh Gambar 2.1, bitmap dimodelkan
dalam bentuk matriks. Nilai pixel atau entri-entri dari matriks ini mewakili warna
yang ditampilkan di mana ordo matriks merupakan dimensi panjang dan lebar dari
bitmap. Nilai-nilai warna ditentukan berdasarkan intensitas cahaya yang masuk.
Dalam komputer, derajat intensitas cahaya diwakili oleh bilangan cacah. Nilai 0
menerangkan tidak adanya cahaya sedangkan nilai yang lain menerangkan adanya
cahaya dengan intensitas tertentu. Nilai-nilai ini bisa didapatkan melalui fungsifungsi yang disediakan oleh bahasa pemrograman berdasarkan input berupa lokasi
entri-entri matriks yang hendak dicari.
2.1.4

Pixel
Pixel (Picture Elements) adalah nilai tiap-tiap entri matriks pada bitmap.

Rentang nilai-nilai pixel ini dipengaruhi oleh banyaknya warna yang dapat
ditampilkan. Jika suatu bitmap dapat menampilkan 256 warna maka nilainilaipixelnya dibatasi dari 0 hingga 255. Suatu bitmap dianggap mempunyai
ketepatan yang tinggi jika dapat menampilkan lebih banyak warna.

14

Prinsip ini dapat dilihat dari contoh pada Gambar 2.2 yang memberikan
contoh dua buah bitmap dapat memiliki perbedaan dalam menangani transisi
warna putih ke warna hitam.

Gambar 2.2 Perbedaan ketepatan warna bitmap


Perbedaan ketepatan warna bitmap menjelaskan bahwa bitmap sebelah
atas memberikan nilai untuk warna lebih sedikit daripada bitmap di bawahnya.
Untuk bitmap dengan pola yang lebih kompleks dan dimensi yang lebih besar,
perbedaan keakuratan dalam memberikan nilai warna akan terlihat lebih jelas.
Sebuah citra adalah kumpulan pixel-pixel yang disusun dalm larik dua dimensi.
indeks baris dan kolom (x,y) dari sebuah pixel dinyatakan dalam bilangan bulat.
Pixel (0,0) terletak pada sudut kiri atas pada citra, indeks x begerak ke kanan dan
indeks bergerak ke bawah.
2.2

Jenis Citra
Nilai suatu pixel memiliki nilai dalam rentang tertentu, dari nilai minimum

sampai nilai maksimum. Jangkauan yang digunakan berbeda-beda tergantung dari


jenis warnanya. Namun secara umum jangkauannya adalah 0 255, citra dengan
penggambaran seperti ini digolongkan ke dalam citra integer. Berikut adalah jenisjenis citra berdasarkan nilai pixel-nya.

15

2.2.1

Citra Grayscale
Citra grayscale adalah citra yang hanya menggunakan warna pada

tingkatan warna abu-abu. Warna abu-abu adalah satu-satunya warna pada ruang
RGB dengan komponen merah, hijau dan biru mempunyai intensitas yang sama.
Pada citra beraras keabuan hanya perlu menyatakan nilai intensitas untuk tiap
piksel sebagai

nilai tunggal, sedangkan pada citra berwarna perlu tiga nilai

intensitas untuk tiap pikselnya. Untuk mengubah citra berwarna yang mempunyai
nilai matrik masing-masing r, g dan b menjadi citra grayscale dengan nilai s,
maka konversi dapat dilakukan dengan mengambil rata-rata dari nilai r,g dan b
sehingga dapat dituliskan menjadi:
S=

R+G+ B
3

Dimana:
S= Citra Grayscale
R= Red
G= Green
B= Blue

2.2.2

Citra Biner
Citra biner adalah citra digital yang hanya memiliki dua kemungkinan

nilai pixel yaitu hitam dan putih. Citra biner juga disebut sebagai citra B & W
(black and white) atau monokrom. Citra biner sering kali muncul sebagai hasil

16

dari proses pengolahan seperti segmentasi, pengambangan, morphologi, ataupun


dithering.
2.3

Noise (derau)

Noise adalah suatu gangguan yang disebabkan oleh penyimpanan data digital
yang diterima oleh alat penerima data gambar yang dapat mengganggu kualitas
citra. Noise dapat disebabkan oleh gangguan fisik (optik) pada alat penangkap
citra misalnya kotoran debu yang menempel pada lensa foto maupun akibat proses
pengolahan yang tidak sesuai. Ada tiga jenis noise yaitu gaussian noise, speckle
noise, dan salt and pepper noise.
1. Noise gaussian merupakan model noise yang mengikuti distribusi normal
standar dengan rata-rata nol dan standard deviasi 1. Efek dari gaussian noise
ini pada gambar adalah munculnya titik-titik berwarna yang jumlahnya sama
dengan persentase noise.
2. Noise speckle merupakan model noise yang memberikan warna hitam pada
titik yang terkena noise. Noise salt and pepper adalah bentuk noise yang
biasanya terlihat titik-titik hitam dan putih pada citra seperti tebaran garam
dan merica.
3. Noise salt and pepper

disebabkan karena terjadinya

error bit

dalam

pengiriman data, pixel-pixel yang tidak berfungsi dan kerusakan pada lokasi
memori.

17

2.4

Deteksi Tepi (Edge Detection)


Deteksi tepi (edge detection) adalah suatu proses yang menghasilkan tepi-

tepi dari obyek-obyek citra, tujuannya adalah 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 (Ramdhani dan Murinto,
2013). Deteksi tepi merupakan salah satu operasi dasar dari pemrosesan citra. Tepi
merupakan batas dari suatu objek. Pada proses klasifikasi citra, deteksi tepi sangat
diperlukan sebelum pemrosesan segmentasi citra. Batas objek suatu citra dapat
dideteksi dari perbedaan tingkat keabuannya (Purnomo dan Muntasa, 2010).
Tepi atau sisi dari sebuah obyek adalah daerah di mana terdapat perubahan
intensitas warna yang cukup tinggi. Proses deteksi tepi (edge detection) akan
melakukan konversi terhadap daerah ini menjadi dua macam nilai yaitu intensitas
warna rendah atau tinggi, contoh bernilai nol atau satu. Deteksi tepi akan
menghasilkan nilai tinggi apabila ditemukan tepi dan nilai rendah jika sebaliknya
(Lusiana, 2013).
Deteksi tepi banyak dipakai untuk mengidentifikasi suatu objek dalam
sebuah gambar. Tujuan dari deteksi tepi adalah untuk menandai bagian yang
menjadi detail citra dan memperbaiki detail citra yang kabur karena adanya
kerusakan atau efek akuisisi data.Dalam citra, sebagian besar informasi terletak
pada batas antara dua daerah yang berbeda(Yulianto dkk, 2009).

18

Pelacakan tepi merupakan operasi untuk menemukan perubahan intensitas


lokal yang berbeda dalam sebuah citra. Gradien adalah hasil pengukuran
perubahan dalamsebuah fungsi intensitas, dan sebuah citra dapat dipandang
sebagai kumpulan beberapa fungsi intensitas kontinu sebuah citra. Perubahan
mendadak pada nilai intensitas dalamsuatu citra dapat dilacak menggunakan
perkiraan diskrit pada gradien. Gradien disini adalah kesamaan dua dimensi dari
turunan pertama dan didefinisikan sebagai vektor(Lusiana, 2013). Oleh karena itu
teknik deteksi tepi sering digunakan sebagai dasar tekniksegmentasi untuk proses
segmentasi yang lain.
2.4.1

Operator Roberts
Operator Robert pertama kali dipublikasikan pada tahun 1965, terdiri atas

dua filer berukuran 2x2. Ukuran filter ini membuat komputasi sangat cepat.
Namun kelebihan ini sekaligus menimbulkan kelemahan, yakni sangat
terpengaruh oleh derau. Selain itu, operator Roberts memberikan tanggapan lemah
terhadap tepi, kecuali kalau tepi sangat tajam.
Operator Robert adalah nama lain dari teknik differensial yang sedang
dikembangkan, 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.

19

x
Z1

Z2

Z3

Z4

x+1
y
y+1

(a) Posisi citra pada citra f


1

-1
(b) Gx

-1
(c) Gy

Gambar 2.3 Operator Roberts (b) dan (c) serta posisi pada citra f

Sebenarnya operator sedehana ini hanya memeriksa sebuah piksel tambahan pada
satu arah gradient tetapi karena yang diperiksa adalah piksel dalam arah diagonal,
maka secara keseluruhan piksel-piksel yang terlibat membentuk jendela matrik
2x2. bentuk jendela yang demikian lebih menekankan pemeriksaan pada kedua
arahdiagonal, dari pada arah horizontal atau arah vertikal, sehingga perbedaan
yang terletak pada sisi-sisi miring objek akan terdeteksi dengan lebih baik. Untuk
nilai Gx dan nilai Gy dapat dikombinasikan untuk mencari nilai mutlak gradient
pada suatu titik dengan persamaan sebagai berikut:

20

r(y,x)=

(z z ) +(z z )
2

Dimana :
r(y,x)= Nilai operator Roberts pada (y,x)
Z1-Z4= Isi matriks pada gambar 2.3
Sedangkan untuk perhitungan pendekatan gradient dapat dilakukan dengan
pendekatan sebagai berikut:
|G|=|

Gx

|+|

Gy

Dimana :
G= Nilai mutlak gradient pada suatu titik
Gx= Nilai gradient x
Gy= Nilai gradient y
2.4.2

Operator Prewit
Operator Prewitt merupakan pengembangan Operator robert dengan

menggunakan High Pass Filter (HPF)yang diberi satu angka nol penyangga, serta
menggunakan persamaan yang sama dengan operator sobel yang menggunakan
matrik 3x3. Operator ini mengambil prinsip dari fungsi laplacian yang dikenal
sebagai fungsi untuk membangkitkan HPF.

21

x-1

x+1

Z1

Z2

Z3

y-1

Z4
Z7

Z5
Z8

Z6
Z9

y+1
(a) Posisi citra pada citra f
1

-1

1
1

0
0

-1
-1
(b) Gx

-1

-1

-1

0
1

0
1

0
1

(c) Gy
Gambar 2.4 Operator Prewit (b) dan (c) serta posisi pada citra f
Operator prewitt tidak meletakkan penekanan atau pembobotan pada piksel-piksel
yang lebih dekat dengan titik pusat dari jendela, dengan demikian ke-8 piksel
tetangga mempunyai pengaruh yang sama terhadap perhitungan gradien pada titik
pusat jendela. Inilah yang menjadi perbedaan antara operator prewitt dengan
operator sobel.

22

Fungsi Prewit berguna untuk melakukan pengujian operator Prewitt pada citra
skala keabuan.
2.4.3

Operator Sobel
Proses yang digunakan oleh operator sobel merupakan proses dari sebuah

konvolusi yang telah di tetapkan terhadap citra yang terdeteksi. Dalam operator
sobel digunakan matrik konvolusi 3 X 3 dan susunan piksel-pikselnya di sekitar
pixel (x, y) seperti bagan berikut:
x-1

x+1

Z1

Z2

Z3

y-1

Z4
Z7

Z5
Z8

Z6
Z9

y+1
(a) Posisi citra pada citra f
-1

-2
-1

0
0

2
1
(b) Gx

0
-1

0
-2

0
-1

(c) Gy

23

Gambar 2.5 Operator Sobel (b) dan (c) serta posisi pada citra f
Operator sobel merupakan pengembangan Operator robert dengan menggunakan
filter HPF yang diberi satu angka nol penyangga. Operator ini mengambil prinsip
dari fungsi laplacian dan gaussian yang dikenal sebagai fungsi untuk
membangkitkan

HPF. Kelebihan dari Operator sobel ini adalah kemampuan

untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi. Biasanya


operator sobel menempatkan penekanan atau pembobotan pada piksel-piksel yang
lebih dekat dengan titik pusat jendela, sehingga pengaruh piksel-piksel tetangga
kan berbeda sesuai dengan letaknya terhadap titik di mana gradien dihitung. Dari
susunan nilai-nilai pembobotan pada jendela juga terlihat bahwa perhitungan
terhadap gradien juga merupakan gabungan dari posisi mendatar dan posisi
vertikal.
2.4.4

Operator Frei Chen


Operator Frei-Chen adalah salah satu operator yang digunakan untuk

deteksi tepi pada citra, kadang disebut juga operator isotropik ditunjukkan di
seperti pada gambar dibawah ini. Opetaror ini mirip seperti operator sobel, dengan
dengan setiap angka 2 diganti menjadi akar 2.
x-1

x+1

Z1

Z2

Z3

y-1

Z4
Z7

Z5
Z8

Z6
Z9

24

y+1
(a) Posisi citra pada citra f

-1

-1

1
(

(b) Gx

0
-1

0
-1

(c) Gy
Gambar 2.6 Operator Frei-Chen (b) dan (c) serta posisi pada citra f

2.4.5 Operator Laplacian


Operator Laplacian biasanya selalu di sebut dengan sebutan operator
turunan. Operator Laplacian biasanya mendeteksi tepi lebih akurat khususnya
pada tepi

yang curam. Pada tepi yang curam, turunan keduanya memiliki

zerocrossing (persilangan nol), yaitu titik di mana terdapat pergantian tanda nilai
turunan kedua, sedangkan pada tepi yang landai tidak terdapat persilangan nol.
Operator Laplace memiliki jumlah seluruh koefisiennya nol dan koefisiennya
mengandung nilai negatif maupun positif. Representasi turunan kedua dalam
bentuk kernel operator Laplacian adalah sebagai berikut:

25

x-1

x+1

Z1

Z2

Z3

y-1

Z4
Z7

Z5
Z8

Z6
Z9

y+1
(a) Posisi citra pada citra f
0

-1

-1
0

4
-1

-1
0
(b) #1

-1

-1

-1

-1
-1

8
-1

-1
-1

(c) #2
Gambar 2.7 Operator Laplacian (b) dan (c) serta posisi pada citra f

2.4.6

Operator Canny
Operator Canny ditemukan oleh John Canny pada tahun 1986, terkenal

sebagai deteksi tepi yang optimal. Algoritma ini memberikan tingkat kesalahan
rendah, mengalokasi titik-titik tepi (jarak piksel-piksel tepi yang ditemukan

26

deteksi dan tepi yang sesungguhnya sangat pendek), dan hanya memberikan satu
tanggapan untuk satu tepi.
Langkah-langkah Deteksi Tepi Canny:
Langkah 1:
Menghilangkan Noise yang ada pada citra dengan mengimplementasikan
Filter Gaussian. Hasilnya citra akan tampak sedikit buram. Hal ini dimaksudkan
untuk mendapatkan tepian citra yang sebenarnya. Bila tidak dilakukan maka garisgaris halus juga akan dideteksi sebagai tepian.
Langkah 2:
Penghalusan gambar terhadap derau dilakukan, dilakukan proses untuk
mendapatkan kekuatan tepi (edge strength). Hal ini dilakukan dengan
menggunakan operator Gaussian.
Selanjutnya gradient dapat dapat dihitung melalui rumus :

|G| = |G x|+|G y|
G= Nilai mutlak gradient pada suatu titik
Gx= Nilai gradient x
Gy= Nilai gradient y

27

Langkah 3:
Langkah ketiga berupa penghitungan arah tepi. Rumus yang digunakan
untuk keperluan ini :
1
theta= tan G x , G y

Langkah 4:
Setelah arah tepi diperoleh, perlu menghubungkan antara arah tepi dengan
sebuah arah yang dapat dilacak dari citra.
Langkah 5:
Setelah arah tepi diperoleh, penghilangan nonmaksimum dilaksanakan.
Penghilangan nonmaksimum dilakukan disepanjang tepid an menghilangkan
pixel-pixel yang tidak dianggap sebagai tepi. Dengan cara seperti itu deperoleh
tepi yang tipis.