m
2bagusf@untidar.ac.id
F. Metode Canny
Operator Canny merupakan deteksi tepi yang optimal.
Operator Cannymenggunakan Gaussian Derivative Kernel Gambar 2. Diagram Alur Menyimpan Gambar
untuk menyaring noise dari citra awal untuk mendapatkan
hasil deteksi tepi yang halus. Pada metode LoG garis tepi Melakukan pemilihan gambar rumah, buah, dan mobil
yang dihasilkan akan keliatan tidak begitu jelas, dimana pada civic dengan menyimpan gambar kedalam folder matlab
image dengan derajat keabuan (gray level), nilai intensitas sehingga matlab dapat membaca pemanggilan program yang
antara batas tepi keliatan hampir sama dengan background dibuat. Setelah gambar tersimpan setelahnya proses run
dari citra yang dicari tepiannya tersebut. Noise menyatu di apabila gambar dapat ditampilkan sesuai dengan program
beberapa tempat dan itu hampir tidak bisa dihilangkan, tetapi yang kita masukan dan apabila tidak maka akan mengulang
dalam proses pemilihan.
B. Merencanakan Pemograman
Dalam merencanakan pembuatan program untuk matlab,
diagram alurnya seperti berikut :
Gambar 3. Diagram Alur Membuat Program
Gambar 4. Deteksi Tepi Gambar Rumah.jpg
Sebelum membuat program, dipastikan gambar sudah
B. Deteksi Tepi Gambar Buah
dapat dibaca dengan software Matlab dan bmembuat program
Img = imread('buah.jpg');
dengan metode prewitt, metode sobel, dan metode canny.
I = rgb2gray(Img);
Kemudian melakukan pengujian program dan menganalisis
E_prewitt = edge(I,'prewitt');
program.
E_sobel = edge(I,'sobel');
IV. HASIL DAN PEMBAHASAN E_canny = edge(I,'canny');
subplot (2,3,1);imagesc(I),axis image,colormap
Untuk mengetahui tingkat perbedaan deteksi tepi citra
gray,colorbar; title ('batas tepi');
dengan menggunakan metode Prewitt, Sobel dan Canny akan
subplot (2,3,3);imagesc(E_prewitt),axis image,colormap
dilakukan pembuktian melalui pembuatan program dengan
gray,colorbar; title('batas tepi prewitt');
menggunakan Matlab.
subplot (2,3,4);imagesc(E_sobel),axis image,colormap
A. Deteksi Tepi Gambar Rumah
gray,colorbar; title('batas tepi sobel');
Img = imread('rumah.jpg');
subplot (2,3,5);imagesc(E_canny),axis image,colormap
I = rgb2gray(Img);
gray,colorbar; title('batas tepi canny');
E_prewitt = edge(I,'prewitt');
%Hitung Jumlah Pixel Putih Metode Canny
E_sobel = edge(I,'sobel');
[m,n,o]= size(BW1);
E_canny = edge(I,'canny');
count = 0;
subplot (2,3,1);imagesc(I),axis image,colormap
for i = 1 : m;
gray,colorbar; title ('batas tepi');
for j = 1 : n;
subplot (2,3,3);imagesc(E_prewitt),axis image,colormap
if BW1(i,j) == 1;
gray,colorbar; title('batas tepi prewitt');
count = count + 1;
subplot (2,3,4);imagesc(E_sobel),axis image,colormap
else,
gray,colorbar; title('batas tepi sobel');
end
subplot (2,3,5);imagesc(E_canny),axis image,colormap
end
gray,colorbar; title('batas tepi canny');
end
%Hitung Jumlah Pixel Putih Metode Canny
buah_canny = count;
[m,n,o]= size(BW1);
count = 0;
for i = 1 : m;
for j = 1 : n;
if BW1(i,j) == 1;
count = count + 1;
else,
end
end
end
rumah_prewitt = count;
Img = imread('mobilCivic.jpg'); I
= rgb2gray(Img);
E_prewitt = edge(I,'prewitt');
E_sobel = edge(I,'sobel');
E_canny = edge(I,'canny');
subplot (2,3,1);imagesc(I),axis image,colormap
gray,colorbar; title ('batas tepi');
subplot (2,3,3);imagesc(E_prewitt),axis image,colormap
Gambar 5. Deteksi Tepi gambar Buah.jpg gray,colorbar; title('batas tepi prewitt');
C. Deteksi Tepi Gambar Mobil Civic subplot (2,3,4);imagesc(E_sobel),axis image,colormap
gray,colorbar; title('batas tepi sobel');
subplot (2,3,5);imagesc(E_canny),axis image,colormap Berdasarkan hasil gambar yang di dapat dilihat bahwa
gray,colorbar; title('batas tepi canny'); hasil dari deteksi tepi memperlihatkan bahwa jumlah
%Hitung Jumlah Pixel Putih Metode Canny piksel berwarna puth dengan menggunakan metode
[m,n,o]= size(BW1); Canny lebih besar dari metode Sobel dan metode Sobel
count = 0; lebih lebih besar dari metode Prewitt.
for i = 1 : m;
for j = 1 : n; V. KESIMPULAN
if BW1(i,j) == 1; Dari perbandingan antara citra asli dengan hasil pengolahan
count = count + 1; yang mnggunakan beberapa metode deteksi tepi terhadap ke
else, tiga gambar tersebut citra digital dapat disimpulkan bahwa
end deteksi tepi dengan menggunakan metode Canny lebih baik
end dari metode Sobel, dan metode Sobel lebih baik dari metode
end Prewitt.
mobilCivic_prewitt = count; UCAPAN TERIMA KASIH
Pada penulisan ini penulis berkenan mengucapkan terima
kasih kepada Bapak Bagus Fatkhurrozi selaku dosen
pembimbing yang telah memberikan kritik maupun saran atas
penulisan tulisan ini. Tidak lupa penulis berterimakasih
kepada teman-teman mahasiswa Jurusan Teknik Elektro untuk
memberikan semangat kepada penulis. Untuk Universitas
Tidar juga penulis berterima kasih telah di beri kesempatan
dalam penulisan tulisan ini.
DAFTAR PUSTAKA
[1] Septian Dwi Cahyo. Analisis Perbandingan Tepi Pada Delphi. Teknik
Informatika, Fakultas Teknologi Industri, Universitas Gunadarma.
[2] Febriani & ETP Lussiana, Analisis Penelusuran Tepi Citra
Menggunakan Detektor Tepi Sobel Dan Canny. Proceeding Komputer
dan Sistem Intelijen: KOMMIT, 2008
[3] Usman, A., 2005. Pengolahan Citra Digital dan Teknik pemograman,
Yogyakarta: Penerbit Graha Ilmu
[4] Putra, Darma. (2010). Pengolahan Citra Digital. Yogyakarta: CV Andi
Offset
[5] Eko Prasetyo, Pengolahan Citra digital dan Aplikasi Menggunakan
Matlab, Yogyakarta: Andi Publisher, 2013
[6] Prasetyo , E., 2011. Pengolahan Citra Digital dan
Aplikasinya menggunakan Matlab, Yogyakarta: Penerbit
Andi.