Perbandingan Deteksi Tepi Citra Digital Dengan

Metode Prewitt, Sobel dan Canny

Muhammad Thoriq Dzulfikar1
Teknik Elektro
Universitas Tidar
Jl. Kapten Suparman No. 39 Magelang 56116
1dzulfikar28@gmail.co

m
2bagusf@untidar.ac.id

Abstract- Pengolahan citra digital merupakan perbaikan kualitas

gambar yang optimal untuk tujuan analisis sebuah citra dengan
melaksanakan klasifikasi objek. Pendeteksian tepi suatu citra
bantuan komputer. Tahapan awal untuk mendapatkan citra adalah salah satu pendekatan pengolahan citra yang ada pada
dengan proses akuisisi citra yang bertujuan menentukan data segmentasi citra.
yang diperlukan dan memilih metode perekaman citra digital. Penulisan ini akan membandingkan hasil deteksi tepi
Hasil akuisisi citra dapat dilakukan proses deteksi tepi . Teknik dengan menggunakan metode Prewitt, Sobel dan Canny
deteksi tepi (Edge Detection) dalam pengolahan citra digital dengan pemrograman Matlab.
digunakan untuk menentukan lokasi di titik tepi obyek.
Penulisan ini akan membahas tentang perbandingan deteksi II. KAJIAN PUSTAKA
tepi citra digital dengan metode Prewitt, Sobel dan Canny
A. Citra Digital
menggunakan pemrograman Matlab. Metode ini dipilih karena
dapat digunakan untuk mendeteksi tepi ditunjukan dengan Citra dapat dikatakan sebagai citra digital jika citra tersebut
banyaknya pixel putih yang di perlihatkan dari proses deteksi disimpan dalam format digital (dalam bentuk file). Seperti
tepi. Hasilnya menunjukan bahwa untuk deteksi tepi citra digital halnya proses digitisasi dalam bentuk data lain, proses
metode Canny lebih baik dari metode Sobel dan metode Sobel digitisasi pada data citra juga merupakan proses pengubahan
lebih baik dari metode Prewitt. suatu bentuk data citra dari yang bersifat analog ke dalam
bentuk data digital, yang mana proses ini dapat dilakukan
kata kunci – Citra, Deteksi tepi, metode Prewitt, metode Sobel, dengan alat bantu, yang salah satunya berupa kamera. Hanya
metode Canny. citra digital yang dapat diolah menggunakan komputer. Jenis
I. PENDAHULUAN citra lain jika akan diolah dengan komputer harus diubah dulu
Penggunaan deteksi tepi berkembang pesat sejalan dengan menjadi citra digital
kemajuan teknologi komputer untuk pengolahan citra. Citra digital biasanya berbentuk persegi panjang, secara
Pemanfaatan pendeteksian tepi diantaranya adalah: visualisasi dimensi ukurannya dinyatakan sebagai lebar x
pengenalan hasil pola produksi yang membedakan dengan tinggi. Ukurannya dinyatakan dalam titik atau piksel (pixel =
background pada bidang teknologi industry, pengenalan sidik picture element) dan dapat pula dinyatakan dalam satuan
jari, iris mata pada bidang keamanan, dan pada bidang panjang (mm atau inci = inch).
kehidupan lainnya. Deteksi tepi menjadi penting karena B. Pengolahan Citra
manusia dalam mengenali objek suatu citra akan Pengolahan citra melakukan manipulasi citra menjadi citra
memperhatikan tepi yang terdapat dalam citra. Dengan adanya yang memiliki kualitas lebih baik agar mudah di
tepi dari suatu objek, mata manusia akan dengan mudah interpretasikan oleh manusia atau mesin (computer). Salah
mengenali objek apa yang ditampilkan dalam citra tersebut. satu metode pengolahan citra yang biasa digunakan adalah
Hal ini diperkuat dengan adanya teori yang dikemukakan oleh segmentasi citra. Segmentasi citra merupakan proses yang
McCane (2001) yang menyatakan bahwa system penglihatan ditujukan untuk mendapatkan objek-objek yang terkandung di
manusia (Human Visual System) menunjukkan beberapa dalam citra atau membagi citra kedalam daerah dengan setiap
urutan dari deteksi tepi terlebih dahulu sebelum pengenalan objek atau daerah yang memiliki kemiripan atribut.
warna atau intensitas citra.Pendeteksian tepi pada suatu citra Segmentasi biasa dilakukan pada langkah awal untuk
terdapat beberapa metode yang biasa di kelompokkan menjadi melaksanakan klasifikasi objek. Pendeteksian tepi suatu citra
dua, yaitu: pendeteksian tepi turunan pertama dan adalah salah satu pendekatan pengolahan citra yang ada pada
pendeteksian tepi turunan kedua. segmentasi citra.
Salah satu metode pengolahan citra yang biasa digunakan C. Deteksi Tepi
adalah segmentasi citra. Segmentasi citra merupakan proses Deteksi tepi (edge detection) pada suatu citra adalah suatu
yang ditujukan untuk mendapatkan objek-objek yang proses yang menghasilkan tepi-tepi dari objek-objek gambar.
terkandung di dalam citra atau membagi citra kedalam daerah Suatu titik (x,y) dikatakan sebagai tepi (edge) dari suatu citra
dengan setiap objek atau daerah yang memiliki kemiripan bila titik tersebut mempunyai perbedaan yang tinggi dengan
atribut. Segmentasi biasa dilakukan pada langkah awal untuk tetangga. Pendeteksian tepi citra berfungsi untuk memperoleh
tepi objek. Deteksi tepi memanfaatkan perubahan nilai Metode deteksi tepi yang digunakan pada perbandingan ini
intensitas yang drastis pada batas dua area. Jika suatu citra yaitu metode Sobel, metode Prewitt, metode Canny.
jelas dan tajam maka untuk menentukan letak tepi suatu citra D. Metode Sobel
akan lebih mudah, namun jika suatu citra tidak jelas dan metode Sobel merupakan pengembangan metode Robert
mendapatkan gangguan seperti adanya noise maka akan dengan menggunakan filter HPF yang diberi satu angka nol
timbul kesulitan dalam menentukan letak tepi suatu citra. penyangga. Metode ini mengambil prinsip dari fungsi laplacian
 dan gaussian yang dikenal sebagai fungsi untuk metode Canny pada tepi yang dihasilkan lebih jelas,
membangkitkan HPF. Kelebihan dari metode Sobel ini adalah perbedaan tepi dengan background image terlihat nyata. Tapi
kemampuan untuk mengurangi noise sebelum melakukan di dalam Canny sendiri, noise dibagian tertentu tidak bisa
perhitungan deteksi tepi [3]. Biasanya operator Sobel hilang begitu saja. Pengujian lain terhadap deteksi tepi adalah
menempatkan penekanan atau pembobotan pada piksel-piksel dengan menggunakan ketahanannya terhadap gangguan
yang lebih dekat dengan titik pusat jendela, sehingga (noise). Gangguan pada image masukan (input) dapat
pengaruh piksel-piksel tetangga akan berbeda sesuai dengan dijadikan sebagai salah satu parameter yang menentukan
letaknya terhadap titik di mana gradien dihitung. Dari susunan tingkat tampilan dari beberapa metode untuk melacak tepian
nilai-nilai pembobotan pada jendela juga terlihat bahwa suatu objek. Nilai gray level pada suatu tepian objek akan
perhitungan terhadap gradien juga merupakan gabungan dari berubah sehingga akan semakin sulit bagi operator deteksi
posisi mendatar dan posisi vertical. untuk menentukan batas tepian suatu objek.Perancangan
E. Metode Prewitt
Metode ini menghasilkan banyak informasi tepi tetapi III. METODOLOGI
noise yang dihasilkan juga banyak. Untuk itu muncul Metode penelitian yang digunakan adalah penelitian
pemikiran bagaimana menghasilkan matrik filter kernel pustaka, yaitu mempelajari konsep-konsep dan teori-teori
deteksi tepi yang dapat mengurangi noise sebanyak tentang pengolahan citra digital yang dapat digunakan untuk
banyaknya tanpa kehilangan informasi tepi. Tepi suatu obyek melakukan pendeteksian tepi citra digital yaitu metode Prewitt,
image dinyatakan sebagai titik yang intensitasnya berubah Sobel dan Canny. Kemudian adapun langkah-langkah untuk
dengan jelas, dengan demikian proses deteksi tepi dilakukan mengapilkasikan sebagai berikut.
dengan memperhatikan perubahan nilai intensitas setiap titik A. Menetapkan Gambar Citra
dengan delapan titik tetangganya. Sehingga matrik filter Dalam menetapkan gambar citra, diagram alurnya sebagai
kernel yang dikembangkan merupakan nilai differensial dari berikut:
suatu titik dengan titik-titik tetangganya
Deteksi Tepi Prewitt merupakan pengembangan dari
deteksi tepi Robertdengan memanfaatkan nilai tetangga dari
dua arah yang berbeda. Beberapa matrik kernel dari metode
deteksi tepi Prewitt pada gambar 2.2

Gambar 1. Matrik Kernel dari metode deteksi Prewitt

F. Metode Canny
Operator Canny merupakan deteksi tepi yang optimal.
Operator Cannymenggunakan Gaussian Derivative Kernel
untuk menyaring noise dari citra awal untuk mendapatkan
hasil deteksi tepi yang halus. Pada metode LoG garis tepi
yang dihasilkan akan keliatan tidak begitu jelas, dimana pada
image dengan derajat keabuan (gray level), nilai intensitas
antara batas tepi keliatan hampir sama dengan background
dari citra yang dicari tepiannya tersebut. Noise menyatu di
beberapa tempat dan itu hampir tidak bisa dihilangkan, tetapi
B. Merencanakan Pemograman
Gambar 2. Diagram Alur Menyimpan Gambar
Melakukan pemilihan gambar rumah, buah, dan mobil
civic dengan menyimpan gambar kedalam folder matlab
sehingga matlab dapat membaca pemanggilan program yang
dibuat. Setelah gambar tersimpan setelahnya proses run
apabila gambar dapat ditampilkan sesuai dengan program
yang kita masukan dan apabila tidak maka akan mengulang
dalam proses pemilihan.
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.

Gambar 6. Deteksi Tepi Gambar Mobil Civic.jpg

Jumlah piksel warna putih merupakan piksel yang

didapatkan dari hasil deteksi tepi. Semakin banyak piksel
warna putih maka semakin banyak pula tepi yang
diperoleh. Oleh karena itu, jumlah warna putih yang
didapat dari perhitungan masing-masing metode deteksi
tepi untuk semua citra yang diuji.