Nama : Andi Nugroho

Nim : 13119705

Tugas : Pengolahan Citra

A. Pada percobaan dengan kernel Sobel, kernel Isotropic, dan kernel Compass, jelaskan mengenai garis
abu-abu yang ditemukan pada pinggiran citra hasil konvolusi.
B. Untuk citra cameraman.tif, edge detector manakah yang memberikan hasil terbaik? Berikan analisis
mengenai pendapat anda tersebut.
C. Sensitivitas edge detector terhadap noise dapat diukur dengan menggunakan parameter error rate
sebagai berikut:

A. 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. Pelacakan
tepi merupakan operasi untuk menemukan perubahan intensitas local yang berbeda dalam
sebuah citra. Gradien adalah hasil pengukuran perubahan dalam sebuah fungsi intensitas dalam
suatu citra dapat dilacak menggunakan perkiraan diskrit. Pada gradient, gradient disini adalah
kesamaan dua dimensi dari turunan pertama dan didefinisikan sebagai vector (Rafael
C.Gonzales, 2002). Jadi dapat di simpulkan bahwa deteksi tepi merupakan tepi suatu objek
dalam citra dinyatakan sebagai titik yang nilai keabuannya berbeda cukup besar dengan titik
yang ada disebelahnya . Hasil pengujian konvolusi edge detection dapat dilihat pada percobaan
kernel sobel, kernel isotropic, kernel compass
 B. Analisis

Gambar hasil deteksi tepi (kernel sobel)

Pada Metode kernel 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 fungsiuntuk membangkitkan HPF. Kelebihan dari metode sobel ini adalah
kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi.

Gambar hasil deteksi tepi (kernel Isotropic)

Pada metode kernel Isotropic ter terlihat jelas bahwa pada gradien arah horizontal terlihat garis hitam
pada deteksi tepi lebih pekat disisi kanan dan berwarna putih pada sisi kiri ketimbang dengan gradien
arah vertikal, sedangkan gradien arah vertikal terlihat garis hitam pada deteksinya lebih condong hitam
pekat di bagian bawah, dan berwarna putih pada bagian atasnya.
Gambar hasil deteksi tepi (kernel compass)

Pada metode (kernel compass) terlihat jelas pada gradien arah utara deteksi tepinya lebih hitam pekat
pada bagian sisi atas gambar dan berwarna putih pada bagian bawah gambar, kemudian terlihat jelas
pada gradien arah selatan deteksi tepinya lebih hitam pekat pada sisi bawah gambar dan berwarna
putih pada bagian sisi atas gambar, selanjutnya terlihat jelas pada gradien arah barat deteksi tepinya
lebih hitam pekat pada sisi kiri gambar dan berwarna putih pada bagian sisi kanan gambar, dan yang
terakhir terlihat jelas pada gradien arah timur deteksi tepinya lebih hitam pekat pada sisi kanan gambar
dan berwarna putih pada bagian kiri gambar.

C.
D. %Contoh perhitungan error rate untuk edge detector Sobel
E. %(kerjakan pula untuk jenis edge detector lain pada Matlab toolbox)
F. Ia = imread('cameraman.tif');
G. Ja = edge(Ia,'sobel');
H. In = imnoise(Ia,'salt & pepper',0.02);
I. Jn = edge(In,'sobel');
J. nr = sum(sum(Ja));
K. nn = sum(sum(Jn));
L. P = abs(nn-nr)/nr
Gambar hasil perhitungan derau (nilai error) untuk metode kernel “sobel”

Gambar hasil perhitungan derau (nilai error) untuk metode kernel”laplacian”

Gambar hasil perhitungan derau (nilai error) untuk metode kernel”prewitt”

Gambar hasil perhitungan derau (nilai error) untuk metode kernel”roberts”

Gambar hasil perhitungan derau (nilai error) untuk metode kernel”canny”

Jadi, dapat disimpulkan bahwa nilai error rate terkecil adalah menggunakan metode kernel”roberts”