Practice Computer Vision

“Edge Detection ”

DISUSUN OLEH
Nama : adinda awaliah
Kelas : 2B/TRKJ
NIM : 2020903430004

LABORATORIUM JARINGAN DAN MULTIMEDIA

TEKNOLOGI INFORMASI DAN KOMUNIKASI
POLITEKNIK NEGERI LHOKSEUMAWE
2022
 LEMBAR PENGESAHAN
No. Praktikum : 05/04/TRKJ 2B/2022
Judul praktikum : Edge Detection

Nama : adinda awaliah

NIM : 2020903430004
Kelas : TRKJ-2B
Dosen Pembimbing : Fachri Yanuar
Rudi F,MT Nilai :

Lhokseumawe, 24 April 2022

Mengetahui,
Dosen Penanggung Jawab Praktikum Mahasiswa

Fachri Yanuar Rudi F,MT adinda awaliah

NIP.19880106201803001 NIM 2020903430004
 BAB I
DASAR TEORI DAN TUJUAN

I. Capaian Praktikum
Capaian yang diinginkan dalam praktikum ini adalah:

1. Mahasiswa mengerti mengenai konvolusi

2. Mahasiswa dapat menggunakan OpenCV dan Bahasa
PemrogramanPythonuntuk melakukan konvolusi
3. Mahasiswa dapat menerapkan efek dari konvolusi pada citra digital.

II. Keselamatan Kerja

Untuk menghindari kejadian yang tidak diinginkan selama praktikumini
danjuga agar praktikum ini dapat berjalan dengan baik terdapat beberapa
hal yangharusdiperhatikan, yaitu:
1. Selalu gunakan seragam laboratorium selama berada di dalam
Laboratorium.
2. Patuhi peraturan baik berupa peraturan laboratorium maupun
peraturanyangdiberlakukan oleh dosen selama di dalam
laboratorium.
3. Dilarang makan / minum selama melaksanakan praktikum di
dalamlaboratorium.
4. Selalu berhati-hati dengan listrik.
5. Tidak bermain – main selama praktikum.
6. Selalu berkonsultasi atau meminta saran kepada dosen terhadap
langkah- langkahyang dirasa akan menimbulkan resiko.
III. Teori

a. Deteksi Tepi (Edge Detection)

Deteksi tepi merupakan kegiatan yang dilakukan untuk memperoleh tepi
objek
pada sebuah citra. Tepi objek yang dideteksi merupakan perubahan
drastis dari intensitas pada batas bua area. Berdasarkan Gonzales dan
Woods, defenisi tepi adalah
“himpunan piksel yang terhubung yang terletak pada batas dua area” (Kadir
& Susanto, 2013). Deteksi tepi terbagi menjadi dua golongan, yaitu deteksi
tepi orde pertama dan deteksi oprde kedua. Pada modul praktikum ini
hanya akan dibahas deteksi tepi orde pertama saja diantaranya adalah
deteksi tepi operator Prewitt dan Sobel serta tambahan berupa deteksi tepi
Canny. Deteksi tepi dilakukan dengan menerapkan metode konvolusi dan
melibatkan kernel. Kernel yang terlibat dalam deteksi tepi biasanya
terdapat dua macam yaitu kernel detektor baris (Gy) dan kernel detektor
kolom (Gx). Setiap operator deteksi tepi memiliki nilai kernel
yang berbeda dan menghasilkan citra hasil yang berbeda pula. Hasil
deteksi dari kedua kernel tersebut kemudian akan dihitung nilai
magnitudi gradient menggunakan persamaan (1) dan arah tepi
menggunakan persamaan (2).
b. Operator Prewitt
Operator yang dikembangkan oleh Prewitt pada tahun 1966. Operator
prewitt

c. Operator Sobel
Operator Sobel memiliki sensitifitas terhadap tepi diagonal dibandingkan
dengan
operator Prewitt. Kernel operator Sobel dapat dilihat pada gambar 2.
d. Operator Canny
Operator Canny merupakan deteksi tepi yang optimal dikarenakan dalam
proses
deteksi terpi menggunakan operator Canny terdapat beberapa tahapan.
Tahapan dalam proses deteksi tepi oprator Canny adalah:
proses deteksi tepi oprator Canny adalah:
Penghilangan Derau (Noise Reduction), merupakan kegiatan
penapisan (filter) dengan menggunakan gaussian filter yang
bertujuan untuk menghilangkan derau yang dapat mengganggu
proses deteksi tepi selanjutnya.
Setelah dilakukan penghilangan derau langkah selanjutnya
adalah proses untukmendapatkan kekuatan tepi dari objek pada
citra. Pada proses ini digunakanoperator deteksi tepi prewitt,
sobel atau operator gaussian. Akan tetapi padamodul praktikum
ini akan dilakukan dengan operator sobel.
Kemudianakandilanjutkan dengan proses mendapatkan
megnitude dari tepi menggunakanpersamaan (1) dan juga arah
tepi menggunakan persamaan (2).
Langkah selanjutnya adalah melakukan Non-maximum
suppressionataupenghilangan tepi yang tidak bernilai
maksimal. Pada langkah ini akandilakukan pencarian gradien
terkuat sebagai tepi berdasarkan arah dari tepi citra. Setelah
dilakukan non-maximum
 suppression maka akan dihasilkan tepi yanglebih tipis.

Langkah selanjutnya adalah pengambangan ganda (double

threshold) yaitumelakukan pengelompokan tepi berdasarkan tiga
kriteria yaitu tepi kuat, tepi lemah dan tepi yang tidak relevan.
Tepi kuat adalah tepi yang memiliki nilai intensitas yang kuat
sehingga dapat dipastikan merupakan kandidat utamatepi objek.
Tepi lemah merupakan tepi yang tidak memiliki intensitas
yangcukup
Hysteresis merupakan langkah yang dilakukan setelah
pengambanganganda. Pada tahap ini akan dilakukan penjejakan
nilai intensitas sebuah piksel dari tepi lemah terhadap piksel
tetangganya. Jika terdapat piksel tetangga yang memiliki intensitas
di atas nilai ambang maksimal (tepi kuat) maka piksel tesebut
akandianggap piksel kuat dan nilainya akan diubah nilainya
menjadi bernilai 255, jika tidak maka piksel tersebut akan
dianggap tepi yang tidak relevandannilainya akan diganti dengan
nol (0).

IV. Alat / bahan

1. Komputer PC / Laptop
2. Sistem Operasi Microsoft Windows atau Linux
3. Bahasa pemrograman Python 3.x
4. OpenCV, Numpy dan Matplotlib sebagai library untuk grafika
komputer. 5. Text editor notepad++, Visual Studio Code, Sublime
Text, atau IDE yang mendukung python seperti IDLE, ERIC, spyder
IDE, Eclipse, Pycharm atau yang lainnya yang mendukung
pemrograman python (pilih salah satu).
V. Prosedur Praktikum
Gunakan citra masukan yang sama untuk setiap percobaan yang akan
dilakukan.

a. Deteksi tepi prewitt

1. Ketikkan program berikut pada teks editor atau IDE yang digunakan :
Hasilnya:

b. Deteksi tepi sobel

Ketikkan program berikut pada teks editor atau IDE yang digunakan :

Hasilnya:
c. Deteksi tepi canny
Ketikkan program berikut pada teks editor atau IDE yang digunakan :
Hasilnya: