Anda di halaman 1dari 6

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/321747638

Implementasi Algoritma Canny dalam Pengenalan Wajah menggunakan


Antarmuka GUI Matlab

Article  in  Image Processing, IET · December 2017

CITATIONS READS

0 3,579

2 authors, including:

Intan Dwi Kurniawati


Institut Teknologi Sepuluh Nopember
5 PUBLICATIONS   0 CITATIONS   

SEE PROFILE

All content following this page was uploaded by Intan Dwi Kurniawati on 12 December 2017.

The user has requested enhancement of the downloaded file.


1

Implementasi Algoritma Canny dalam Pengenalan


Wajah menggunakan Antarmuka GUI Matlab
Intan Dwi Kurniawati1,a), Ir. Apriani Kusumawardhani, M.Sc. 1,b)
Departemen Teknik Fisika, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS)
Jl. Arief Rahman Hakim, Surabaya 60111 Indonesia
a)
intan.dwikurniawati10@gmail.com
b)
aprianitf@gmail.com

Abstrak—Metode edge detection dapat digunakan untuk Salah satu aplikasi dari deteksi tepi Canny adalah untuk
mendeteksi semua tepi atau garis-garis yang membentuk objek pengenalan wajah (Face Recognition). Face Recognition atau
gambar. Tujuan dari deteksi tepi adalah agar objek di dalam pengenalan wajah adalah salah satu jenis pengenalan pola atau
gambar dapat dikenali. Salah satu metode edge detection adalah
biasa disebut pattern recognition. Pengenalan ini dapat
Canny Edge Detection. Prosedur dilakukan dengan menerapkan
dilakukan dengan sumber input data. Database galeri wajah
langkah – langkah metode Canny Edge Detection. Kelebihan dari
deteksi tepi Canny ini adalah kemampuan untuk mengurangi disiapkan terlebih dahulu yang akan digunakan sebagai input
noise sebelum melakukan perhitungan deteksi tepi. Pengenalan data. Tujuan dari deteksi wajah adalah untuk melokalisasi
pola wajah (Face Recognition) adalah suatu cara yang digunakan wajah berdasarkan image[3].
untuk membedakan antara satu pola wajah dengan pola wajah
yang lainnya. Algoritma deteksi tepi Canny digunakan untuk II. DASAR TEORI
proses pengolahan citra dimana citra RGB akan diubah menjadi A. Pengolahan Citra Digital
citra biner. Terdapat beberapa langkah untuk melakukan deteksi Citra digital adalah citra f(x,y) yang telah dilakukan
tepi Canny untuk pengenalan wajah yaitu smoothing, finding
digitalisasi baik koordinat area maupun brightness level. Nilai
gradien, non-maximum suppression, double thresholding, dan
edge tracking by hysteresis. Dengan menggunakan algoritma
f di koordinat (x,y) menunjukkan brightness atau grayness
deteksi tepi Canny, pola wajah dapat dikenali. level dari citra pada titik tersebut. Citra digital diwakili oleh
sebuah matrik yang terdiri dari M kolom dan N baris dimana
Kata Kunci—Canny Edge Detection, Face Recognition perpotongan antara kolom dan baris disebut piksel (pixel =
picture element), yaitu elemen terkecil dari sebuah citra.
I. PENDAHULUAN Pengolahan citra digital merupakan proses yang bertujuan
Wajah merupakan salah satu anggota tubuh yang biasanya untuk menganalisis citra dengan bantuan komputer[4]. Filter
digunakan untuk membedakan atau mengenali seseorang. smoothing digunakan untu mengaburkan dan mengurangi noise
Setiap wajah seseorang memiliki pola yang kompleks. Karena pada tahap preprocessing [7].
cukup sulit untuk membedakan wajah seseorang, maka
dibutuhkan suatu metode untuk mereduksi kompleksitas dari B. Citra Biner
pola wajah. Metode yang digunakan adalah deteksi tepi. Tepi Citra biner adalah citra dengan setiap piksel hanya
(edge) adalah perubahan nilai intensitas derajat keabuan. dinyatakan dengan sebuah nilai dari dua buah kemungkinan
Tujuan mendeteksi tepi adalah untuk mengelompokkan obyek (yaitu nilai 0 dan 1).Nilai 0 menyatakan warna hitam dan nilai
– obyek dalam citra dan juga digunakan untuk menganalisa 1 menyatakan warna putih. Citra jenis ini banyak dipakai
citra lebih lanjut. Terdapat beberapa algoritma yang digunakan dalam pemrosesan citra, misalnya untuk kepentingan
untuk mendeteksi tepi, salah satu diantaranya adalah deteksi memperoleh tepi bentuk suatu objek [5].
tepi Canny (Canny Edge Detection)[1]. Algoritma Canny
adalah suatu algoritma deteksi tepi yang dilakukan dengan C. Deteksi Tepi Canny
pendekatan konvolusi terhadap fungsi matriks gambar dan Salah satu operator deteksi tepi adalah deteksi tepi Canny
operator Gaussian[2]. Canny Edge Detector dikembangkan yang dikembangkan oleh John F. Canny. Ada beberapa kriteria
oleh John F. Canny pada tahun 1986 dan menggunakan deteksi tepi paling optimum dengan algoritma Canny sebagai
algoritma yang bertahap untuk mendeteksi berbagai tepi dalam berikut:
gambar. Kategori algoritma yang dikembangkan oleh John F. a. Mendeteksi dengan baik (kriteria deteksi)
Canny adalah memaksimalan mendeteksi titik tepi yang benar Kemampuan untuk meletakkan dan menandai semua tepi
dengan cara memaksimalkan signal to noise dan tepi yang yang ada sesuai dengan pemilihan parameter-parameter
terdeteksi harus sedekat mungkin dengan tepi yang nyata. konvolusi yang dilakukan. Sekaligus juga memberikan
Algoritma Canny berjalan dalam 5 langkah yang terpisah yaitu fleksibilitas yang sangat tinggi dalam hal menentukan
smoothing, finding gradien, non-maximum suppression, tingkat deteksi ketebalan tepi sesuai yang diinginkan.
double thresholding, dan edge tracking by hysteresis.
2

b. Melokalisasi dengan baik (kriteria lokalisasi) Terdapat beberapa langkah – langkah yang dilakukan untuk
Dengan Canny dimungkinkan dihasilkan jarak yang mengimplementasikan deteksi tepi Canny. Langkah – langkah
minimum antara tepi yang dideteksi dengan tepi yang asli. tersebut adalah sebagai berikut:
c. Respon yang jelas (kriteria respon) 1. Image Smoothing
Hanya ada satu respon untuk tiap tepi, sehingga mudah Smoothing merupakan proses mengaburkan gambar dengan
dideteksi dan tidak menimbulkan kerancuan pada tujuan untuk menghilangkan derau. Hal ini dapat dilakukan
pengolahan citra selanjutnya. Pemilihan parameter deteksi dengan menggunakan filter Gaussian [5].
tepi Canny sangat mempengaruhi hasil dari tepian yang
dihasilkan. Beberapa parameter tersebut adalah nilai 2 4 5 4 2
standart deviasi Gaussian dan nilai ambang (threshold) [1]. 4 9 12 9 4
1/159 5 12 15 12 5
D. GUI Matlab 4 9 12 9 4
GUI adalah singkatan dari Graphical User Interface,
2 4 5 4 2
sebuah aplikasi display dari Matlab yang mengandung perintah
yang mempermudah user dalam menjalankan sebuah program
2. Finding Gradien
dalam Matlab. Pada GUI terdapat obyek grafik seperti tombol
Setelah derau dihilangkan pada proses smoothing,
(button), textbox, menu, slider, dll. GUI Matlab dapat
dilakukan proses untuk mendapatkan kekuatan tepi (edge
digunakan media pembelajaran [6]. Untuk manampilkan GUI
strength). Tepian harus ditandai pada gambar yang memiliki
dapat menuliskan “guide” pada Command window di Matlab.
gradien yang besar. Digunakan operator gradien dan
dilakukan pencarian secara horizontal dan vertikal.
III. METODE
Untuk melakukan deteksi tepi Canny, terdapat beberapa
-1 0 +1 +1 +2 +1
langkah kerja yang harus dilakukan. Langkah kerja yang
dilakukan dapat dilihat pada diagram alir berikut: Gx = -2 0 +2 Gy = 0 0 0
-1 0 +1 -1 -2 -1-

Mulai Hasil dari kedua operator digabungkan dengan rumus:


G = sqrt(Gx2 + Gy2 ).......................................................(2.1)
Selanjutnya menentukan arah tepian dengan menggunakan
Input Image rumus:
θ = arctan ( )…..........................................................(2.2)
Setelah arah tepi diperoleh, perlu menghubungkan antara
Image Smoothing arah tepi dengan sebuah arah yang dapat dilacak dari citra.
Membagi ke dalam 4 warna.

Finding Gradien

Non-maximum Suppression

Double Thresholding Gambar 3. 2 Pembagian Warna Arah Tepi


Semua arah tepi yang berkisar antara 0 dan 22,5 serta 157,5
dan 180 derajat (warna biru) diubah menjadi 0 derajat.
Edge Tracking by Hysteresis Semua arah tepi yang berkisar antara 22,5 dan 67,5 derajat
(warna kuning) diubah menjadi 45 derajat. Semua arah tepi
yang berkisar antara 67,5 dan 112,5 derajat (warna merah)
diubah menjadi 90 derajat. Semua arah tepi yang berkisar
Output Image
antara 112,5 dan 157,5 derajat (warna hijau) diubah
menjadi 135 derajat.
3. Non-maximum Suppression
Selesai Penghilangan non-maximum dilakukan di sepanjang tepi
dan menghilangkan piksel – piksel yang tidak dianggap
sebagai tepi. Hanya nilai maksimum yang ditandai sebagai
Gambar 3. 1 Diagram Alir Eksperimen tepi. Sehingga didapatkan garis tepi yang lebih ramping.
3

4. Double Thresholding
Untuk membuat gambar biner, diterapkan dua buah
thresholding yaitu low thresholding (T1) dan high
thresholding (T2). Nilai yang kurang dari T1 akan diubah
menjadi hitam (nilai 0) dan nilai yang lebih dari T2 diubah
menjadi putih nilai 255).
5. Edge Trancking by Hysteresis
Tepian final ditentukan dengan menekan semua sisi yang
tidak terhubung dengan tepian yang kuat. Semua piksel yang
terhubung dengan piksel putih yang memiliki nilai lebih
besar dari T1 juga dianggap sebagai tepi.

IV. HASIL DAN PEMBAHASAN


1. Deteksi Tepi Canny
Setelah dilakukan pemrograman pada software Matlab,
didapatkan hasil berikut:
Gambar 4. 3 Hysteresis Low Threshold

Gambar 4. 4 Hysteresis High Threshold


Gambar 4. 1 Gambar Asli
2. GUI Matlab
Untuk membuka GUI pada Matlab, menuliskan “guide” pada
Command Window dan membuat interface sebagai berikut:

Gambar 4. 2 Filter orientasi horizontal dan vertikal


Gambar 4. 5 Tampilan awal GUI Matlab
4

Dalam membuat Face Recognition, dibutuhkan dua axis dan Untuk melihan deteksi tepi Canny, menekan tombol “Canny
juga dua button. Kemudian klik tombol “run” yang berbentuk Edge Detection”sehingga didapatkan gambar hasil deteksi tepi
segitiga berwarna hijau yang ada pada bagian atas untuk canny sebagai berikut:
menjalankan program sehingga tampilannya sebagai berikut:

Gambar 4. 6 Tampilan setelah menekan tombol run

Button yang bertuliskan “Select Image” digunakan untuk Gambar 4. 9 Canny Edge Detection untuk sampel A
memilih gambar yang akan dibuat deteksi tepinya. Gambar
dapat dipilih dari folder dalam komputer.

Gambar 4. 7 Memilih gambar dari folder dalam komputer


Gambar 4. 10 Canny Edge Detection untuk sampel B
Setelah menekan tombol “open”, gambar akan otomatis
ditamplkan pada interface.

Gambar 4. 8 Gambar ditampilkan pada interface Gambar 4. 11 Canny Edge Detection untuk sampel C
5

V. KESIMPULAN
Deteksi tepi Canny dapat diaplikasikan untuk pengenalan
wajah. Operator Canny dapat mendeteksi tepi dengan jelas.
Untuk mendapatkan hasil gambar deteksi tepi Canny,
dilakukan perhitungan nilai gradien dan arah orientasi yang
meliputi arah horizontal dan vertikal. Citra yang dihasilkan
dari deteksi tepi ini adalah citra biner dengan melakukan
double thresholding (low dan high). GUI (Graphical User
Interface) dapat digunakan sebagai antarmuka (interface)
sehingga mempermudah user untuk menjalankan script
program yang telah dibuat pada Matlab.

UCAPAN TERIMA KASIH


Penulis mengucapkan terima kasih kepada dosen pembimbing
Ir. Apriani Kusumawardhani, M.Sc atas bimbingan dan ilmu
yang telah diberikan sehingga dapat menyelesaikan eksperimen
ini dengan baik.

DAFTAR PUSTAKA

[1] Asep Nana Hermana, Meikel Sandy Juerman,


"Implementasi Algoritma Canny dan Backpropagation
dalam Pengenalan Pola Rumah Adat," 2014.
[2] A. D. Chitra, Dr. P. Ponmuthuramalingam, "An Approach
for Canny Edge Detection Algorithm on Face
Recognition," International Journal of Science and
Research (IJSR), vol. Volume 4, no. Issue 11, pp. 24-27,
2015.
[3] Danil, Christopher, "Edge Detection dengan Algoritma
Canny," Medan, STMIK IBBI, pp. 197-203.
[4] Darma Putra, "Pengolahan Citra Digital," ANDI, 2010.
[5] Abdul Kadir, Adhi Susanto, "Pengolahan Citra Teori dan
Aplikasi," Yogyakarta, 2012, p. 31.
[6] Sri Ratnawati, Kusno, Ahmad Kamsyakawuni, "Penerapan
Konsep Lingkaran dalam Software GUI Matlab," Jurnal
Ilmu Dasar, vol. 18, pp. 51-54, 2017.
[7] Selpha Yulida, Apriani Kusumawardhani, Heru Setijono,
"Perancangan Sistem Pengenalan Plat Nomor Kendaraan
menggunakan Metode Principal Component Analysis,"
Jurnal Teknik POMITS, vol. 2, no. 1.

View publication stats