BAB 1

Pendahuluan
1.1. Latar Belakang
Tepian dalam gambar merupakan lokasi sebuah piksel dengan nilai perbedaan
intensitas citra yang ekstrem. Untuk menentukan tepi pada suatu objek digunakan sebuah
metode yaitu deteksi tepi. Deteksi tepi merupakan proses yang digunakan untuk
mengidentifikasi tepi dari obyek citra. Teori deteksi tepi pertama kali dipelajari oleh
Julez pada tahun 1959. Lalu pada 1963, LG.Roberts mempelajari allgoritma untuk
deteksi tepi dan menciptakan algoritma Robets. Ini salah satu dasar terciptanya operator
sobel dan operator prewitt.
Salah satu operator terbaik yang digunakan untuk deteksi tepi adalah operator Sobel.
Operator Sobel merupakan salah satu algoritma yang digunakan untuk mendeteksi tepi
dalam pengolahan citra. Opertor sobel menggunakan kernel berukuran 3 x 3, kernel ini
akan digabungkan dengan gambar. Proses ini dilakukan sebanyak 2 kal yaitu secara
horizontal dan vertikal. Metode ini mengambil fungsi dan prinsip dari laplacian dan
gaussian dimana fungsi tersebut digunakan untuk memunculkan HPF. Kelebihan dari
metode Sobel adalah kemampuannya untuk mengurangi noise sebelum melakukan
deteksi tepi. Dalam jurnal referensi selain menggunakan deteksi tepi dengan operator
Sobel ada dua metode lain yang digunakan yaitu dengan operator Canny dan operator
LoG untuk meningkatkan akurasi deteksi tepi supaya mendapatkan efek deteksi tepi yang
lebih baik.

1.2. Tujuan
1. Untuk menganalisa kekurangan dan kelebihan metode Sobel, Canny dan LoG.
2. Untuk memperbaiki detail citra yang kabur.
3. Untuk menghasilkan kualitas citra yang lebih baik dari sebelumnya.

1.3. Manfaat
1. Memahami metode terbaik yang digunakan untuk mendeteksi citra.
2. Menambah pengetahuan tentang deteksi tepi dengan operator Sobel, operator Canny,
dan operator LoG.
3. Mengetahui proses deteksi citra dengan operator Sobel, operator Canny, dan operator
LoG.
 BAB II
KAJIAN PUSTAKA
2.1 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).
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).
Pelacakan tepi merupakan operasi untuk menemukan perubahan intensitas lokal yang
berbeda dalam sebuah citra. Gradien adalah hasil pengukuran perubahan dalam sebuah
fungsi intensitas, dan sebuah citra dapat dipandang sebagai kumpulan beberapa fungsi
intensitas kontinu sebuah citra. Perubahan mendadak pada nilai intensitas dalam suatu
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 teknik
segmentasi untuk proses segmentasi yang lain.
Ada beberapa metode yang terkenal dan banyak digunakan untuk pendektesian tepi di
dalam citra, yaitu operator Robert, operator Prewitt dan operator Sobel. Metode Sobel
paling banyak digunakan sebagai pelacak tepi karena kesederhananaan dan
keampuhannya (Munir, 2004). Kelebihan dari metode ini adalah kemampuan untuk
mengurangi noise sebelum melakukan perhitungan deteksi tepi. Masing-masing metode
deteksi memiliki sub metode yang cukup banyak, tetapi metode deteksi citra yang baik
adalah metode yang dapat mengeliminasi derau (noise) yang semaksimal mungkin
(Ballard dkk, 1982).
Deteksi tepi operator Sobel diperkenalkan oleh Irwin Sobel pada tahun 1970.
Operator ini identik dengan bentuk matriks 3x3 atau jendela ukuran 3x3 piksel (Lusiana,
2013). Operator Sobel melakukan perhitungan secara 2D terhadap suatu ruang di dalam
sebuah citra. Operator ini biasanya digunakan untuk mencari gradien dari masing-masing
piksel citra input yang telah dikonversi ke grayscale sebelumnya.
Operator Sobel terdiri dari matriks 3x3 masing-masing adalah G x dan G y . Matriks
mask tersebut dirancang untuk memberikan respon secara maksimal terhadap tepi objek
baik horizontal maupun vertikal. Mask dapat diaplikasikan secara terpisah terhadap input
citra. Operator Sobel menggunakan kernel operator gradien 3 x 3, dengan koefisien yang
telah ditentukan G x dan G y dan dapat dinyatakan sebagai berikut (Munir, 2004):

−1 0 1 1 2 1

[ ]
G x = −2 0 2 dan G y = 0
−1 0 1
0
[ 0
−1 −2 −1 ]
Kernel di atas dirancang untuk menyelesaikan permasalahan deteksi tepi baik secara
vertikal maupun horizontal. Penggunaan kernel-kernel ini dapat digunakan bersamaan
ataupun secara tepisah (Purnomo dan Muntasa, 2010). Untuk mendapatkan nilai
maksimum dari operator Sobel, proses selanjutnya adalah dengan menghitung kekuatan
tepi citra terhadap warna kecerahannya dengan cara mencari nilai magnitude yang dapat
dihitung dengan persamaan sebagai berikut (Munir 2004):

M = √ G2x +G 2y
Karena menghitung akar adalah persoalan rumit dan menghasilkan nilai real, maka
dalam mencari kekuatan tepi (magnitude) dapat disederhanakan perhitungannya.
Besarnya magnitude gradien dapat dihitung lebih cepat lagi dengan menggunakan
persamaan sebagai berikut (Munir, 2004):
M= |G x|+|G y|
Pada Gambar 2.1 diperlihatkan deteksi tepi dengan operator Sobel. Operasi konvolusi
bekerja dengan menggeser kernel piksel per piksel, yang hasilnya kemudian disimpan
dalam matriks baru. Konvolusi pertama dilakukan terhadap piksel yang bernilai 1 (di titik
pusat mask) (Munir, 2004).

2.2 Image Fusion Method

Untuk mendapatkan informasi deteksi tepi gambar yang lebih jelas, makalah ini
mengusulkan keuntungan dari tiga metode menggabungkan operator Sobel yang
ditingkatkan, operator Canny dan operator LoG, dan mengusulkan metode baru fusi
gambar, Dalam makalah ini, kami mengusulkan metode baru untuk meningkatkan tepi
gambar. Metode deteksi tepi.
Aturan integrasi spesifik adalah sebagai berikut:
Pertama, dengan asumsi bahwa A (xy) B (xy), C(xy) adalah gambar yang akan
disatukan, F (xy) adalah gambar yang menyatu, maka ion relasinya adalah sebagai
berikut:

dalam persamaan (14) adalah bobot yang sesuai dari masing-masing

gambar, dan kami berbeda sesuai dengan hasil fusi yang berbeda. Dalam tulisan ini,
setelah beberapa simulasi saya waktu untuk mendapatkan percobaan, diperoleh pada

waktu untuk mendapatkan deteksi tepi terbaik. Kemudian buat rata-rata

gambar M, tersedia:

Dalam persamaan di atas, S (x, y) adalah gambar yang akan digabungkan, dan D (x,
y) adalah rata-rata dari gambar yang menyatu, dan M adalah jumlah gambar yang
menyatu.
 Rinciannya adalah sebagai berikut:
1. A (x, y), B (x, y) dan C (x, y) diperoleh dengan deteksi tepi gambar menggunakan
operator Sobel yang ditingkatkan, masing-masing operator Canny dan operator
LoG.
2. pemrosesan binarisasi dari gambar yang dihasilkan A (xy), B (xy) dan C (xy)
3. Gambar A (xy), B (xy) dan C (xy) ditumpangkan pada gambar (14) ) dan (15)
untuk mendapatkan D (x, y) dari gambar fusi akhir.

2.3 Canny
Canny adalah algoritma deteksi tepi yang banyak digunakan dalam berbagai
penelitian karena dinilai sebagai algoritma deteksi tepi yang paling optimal. Langkah
awal pada algoritma Canny adalah mengimplementasikan tapis Gaussian pada citra untuk
menghilangkan derau. Kemudian dilanjutkan dengan melakukan deteksi tepi pada citra
dengan salah satu algoritma deteksi tepi yang ada, misalnya Sobel atau Prewitt. Berikut
adalah langkah-langkah dalam melakukan deteksi tepi Canny : Langkah pertama adalah
menghilangkan derau yang ada pada citra dengan menerapkan tapis Gaussian. Proses ini
menghasilkan citra yang tampak sedikit buram. Hal ini dimaksudkan untuk mendapatkan
tepian citra yang sebenarnya. Bila tidak dilakukan maka garis-garis lurus juga akan
dideteksi sebagai tepian.

2.4 LoG
Metode ini akan mendeteksi zero crossing ,untuk menentukan garis batasantara hitam
dan putih, yang terdapat pada turunan kedua dari citra yangbersangkutan. Kekurangan
dari penerapan perator laplacian adalah sangat sensitifterhadap noise, namun demikian
edge detection dengan operator ini dapat ditingkatkan hasilnya dengan menerapkan
thresholding.
 Kernel filter yang digunakan dalam metode Laplacian of Gaussian ini adalah :

BAB III
Metodelogi

BAB IV
Hasil dan Penelitian
Dalam penelitian ini digunakan gambar sebuah patung sebagai objek percobaan pada
setiap metode. Penulis menggunakan 3 metode yaitu metode Laplacian of Gaussian, Sobel,
dan Canny.
Citra asli yang digunakan dalam penelitian ini dapat dilihat pada Gambar 1.

.
Gambar 1. Original
Metode pertama yang penulis gunakan ialah metode sobel yang kemudian
menghasilkan citra seperti Gambar 2.
 Gambar 2. Sobel
Pada Gambar 2 telah dilakukan morphological shooting sehingga gambar yang
dihasilkan terlihat lebih baik. Morphological shooting tidak hanya mengurangi noise dan
memperjelas deteksi tepi, tetapi juga masih mempertahankan banyak detail gambar penting
karena elemen struktural morfologis yang besar menghilangkan noise dalam jumlah banyak,
dan elemen struktural kecilnya mempertahankan ketajaman tepi serta detail dari gambar.
Namun dalam metode ini juga masih terdapat kekurangan dimana beberapa detail pada
bagian tengah patung tidak terdeteksi oleh metode Sobel sehingga masih diperlukan beberapa
pengembangan.
Oleh karena itu penulis menggunakan metode Laplacian of Gaussian dan Canny
untuk mengoptimalkan hasil deteksi dari Gambar 2 sebagai pendeteksi tepi dan Gambar 3
merupakan hasil dari metode LoG.

Gambar 3. Laplacian of Gaussian

 Dapat dilihat bahwa operator LoG pada Gambar 3 mendeteksi semua sisi namun
tetapi ada banyak titik yang terisolasi sehingga hasilnya tidak efektif. Begitu juga dengan
hasil deteksi metode Canny yang dapat dilihat pada Gambar 4.

Gambar 4. Canny
Dapat disimpulkan pada Gambar 4 bahwa hasil dari metode Canny memiliki garis tepi
yang tidak optimal karena masih banyak titik yang dilewatkan atau belum terdeteksi.
Sehingga untuk dapat sepenuhnya mendeteksi informasi tepi dari gambar patung
sekaligus mengurangi gangguan noise penulis mengusulkan menggabungkan keuntungan dari
peningkatan operator Sobel, operator Canny dan operator LoG dengan menggunakan metode
fusion pada gambar yang digunakan. Cara penggabungan yaitu nilai matriks dari tiap gambar
yang digunakan pada masing-masing metode akan ditambah kemudian dirata-rata. Baris kode
dapat dilihat dilihat pada Gambar 5.

Gambar 5. Baris kode fusion

Dapat dilihat nilai matriks dari setiap gambar pada masing-masing metode
ditambahkan untuk kemudian dibagi 3 yang hasilnya akan menjadi nilai fusion. Hasil dari
metode yang telah ditingkatkan dapat dilihat pada Gambar 6.
 Gambar 6. Metode fusion
Jika membandingkan gambar-gambar sebelumnya dengan Gambar 6, dapat ditarik
kesimpulan bahwa operator Sobel tradisional, LoG, maupun Canny belum bisa menghasilkan
garis tepi yang optimal. Terutama pada Gambar 4 metode canny masih banyak kehilangan
detail informasi terkait gambar. Algoritma yang diusulkan dalam laporan ini telah berhasil
mendeteksi tepi dengan optimal, hal ini dapat dilihat dari Gambar 6 dimana citra tersebut
menghasilkan noise yang lebih samar namun detail ketajaman outlinenya dapat tetap terjaga.