Hal: 474-478
Implementasi Edge Detection Pada Telapak Tangan Menggunakan Metode
Operator Sobel Dan Operator Prewitt
Sania Paramita MuzidTeknik Informatika, STMIK Budi Darma, Medan, Sumatera Utara, Indonesia Email: [email protected]
Abstrak
Deteksi tepi merupakan langkah pertama untuk melengkapi informasi didalam citra dimana tepi mencirikan batas-batas objek yang berguna untuk proses identifikasi. Banyak metode dalam deteksi tepi, namun dalam penelitian ini metode yang diambil yaitu Metode Sobel dan Prewitt untuk mendeteksi tepi objek pada citra telapak tangan. Adapun masalah yang timbul pada edge detection pada telpak tangan ialah telapak tangan memiliki tepi garis yang berbeda-beda pada setiap orang sehingga garis-garis yang terdapat pada citra telapak tangan dan bentuk dari telapak tangan pada setiap orang akan berbeda. Sistem ini diterapkan kedua metode tersebut untuk meningkatkan penampakan garis batas suatu objek. Penelitian ini membahas tentang citra telapak tangan secara individu tersebut dalam aplikasi matlab. Metode Sobel sering disebut juga dengan operator sobel yang banyak digunakan sebagai pendeteksian tepi karena kesederhanaan dan kemampuannya. Operator Sobel ini sensitive terhadap tepian diagonal dari tepian vertical dan horizontal sedangkan prewitt merupakan kebalikan dari operator sobel. Maka diperlukan pendeteksian tepi (edge detection) pada telapak tangan agar diharapkan pendeteksian citra menjadi lebih jelas untuk meningkatkan penampakan garis batas suatu daerah atau objek di dalam citra dengan menggunakan aplikasi matlab,
Kata Kunci : Deteksi Tepi,Sobel,Prewitt dan Matlab 1. PENDAHULUAN
Telapak tangan merupakan digunakan untuk sistem pengenalan. Telapak tanganmemiliki ciri yang lebih banyak dibandingkan sidik jari. Permukaan telapak tangan yang luas diharapkan dapat menghasilkan ciri yang memiliki kemampuan pembeda yang lebih handal. Deteksi tepi adalah metode yang dapat mendeteksi garis tepi, yaitu garis yang memisahkan antara objek dengan latar belakang. Dalam pengolahan citra digital, deteksi tepi merupakan sebuah teknik dasar yang digunakan sebagai proses awal dalam pemrosesan citra maupun analisa citra.
Deteksi tepi menjadi suatu yang sangat penting karena manusia dalam mengenali suatu objek dalam suatu citra akan memperjelas tepi dan membatasi objek-objek yang terdapat dalam citra. Dengan ada tepi dan objek tersebut manusia akan dengan mudah mengenali objek apa yang akan ditampilkan dalam citra. Salah satu teknik penerapan citra yang digunakan adalah deteksi tepi (edge detection). Tujuan operasi pendeteksian tepi adalah untuk meningkatkan penampakan garis batas suatu daerah atau objek di dalam citra. Oleh karena itu, memungkinkan untuk mengkombinasikan tingkat kehalusan dan pendektesian tepi ke dalam suatu konvolusi dalam satu dimensi dengan dua arah yang berbeda (vertikal dan horizontal).
Adapun masalah yang timbul pada edge detection pada telapak tangan ialah telapak tangan memiliki tepi telapak tangan yang berbeda – beda pada setiap orang sehingga garis – garis yang terdapat pada citra telapak tangan dan bentuk dari telapak tangan pada setiap orang akan berbeda. Maka diperlukan pendekteksian tepi (edge detection) pada telapak tangan agar diharapkan pendeteksian citra menjadi lebih jelas untuk meningkatkan penampakan garis batas suatu daerah atau objek di dalam citra dan dapat di intrepertasikan oleh manusia dan mesin namun tidak semua gambar yang berkualitas bagus oleh sebab itu di
perlukan edge detection pada telapak tangan untuk mengatasi permasalahan.
Metode sobel sering disebut juga dengan operator sobel yang banyak digunakan sebagai pendeteksian tepi karena kesederhanaan dan keampuhan nya, Operator sobelini sensitif terhadap tepian diagonal dari pada tepian
vertical dan horizontal sedangkan prewitt merupakan
kebalikan dari operator sobel. Operator Prewitt ini lebih sensitif terhadap tepian horizontal dan vertical dari pada tepian diagonal. Saat ini telah ada beberapa metode yang dapat digunakan untuk pendeteksi tepi, contohnya adalah metode Sobel, Canny, Prewitt, Frei-chan, dan Susan. Dalam penelitian ini diambil 2 algoritma sobel dan algoritma prewittyang merupakan metode deteksi tepi (edge detection) dengan terbentuk dari matriks berukuran 3x3 dan prewitt sama dengan sobel tapi prewitt menggunkan nilai konstanta c=1. Pendeteksi yang tebaik dilakukan oleh detector tepi yang sederhana, diikuti dengan penipisan dan menghubungkan proses untuk mengoptimalkan garis tepi.
2. TEORITIS A. Defenisi Citra
Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat toptic berupa foto, bersifat analog berupa sinyal- sinyal video seperti gambar pada monitor televisi, atau bersifat digital yang dapat langsung disimpan pada suatu media penyimpanan[5].
B. Deteksi Tepi
Edge Detection merupakan salah satu proses yang fundamental dalam Pengolahan Citra yang bertujuan mengidentifikasikan titik-titik pada citra digital dimana tingkat kecerahan (brightness) berubah drastis atau terjadi diskontinuitas. Edge Detection bertujuan membentuk
Hal: 474-478
475 sejumlah kurva yang saling terhubung yang
mengindikasikan batas-batas objek, tanda-tanda permukaan, serta kurva-kurva yang mengindikasikan diskon-tinuitas pada orientasi permukaan. Edge Detection banyak digunakan dalam aplikasi[4].
C. Telapak Tangan
Telapak tangan merupakan digunakan untuk sistem pengenalan. Telapak tanganmemiliki ciri yang lebih banyak dibandingkan sidik jari. Permukaan telapak tangan yang luas diharapkan dapat menghasilkan ciri yang memiliki kemampuan pembeda yang lebih handal[8]
D. Metode Sobel
Operator sobel adalah salah satu operator yang menghindari adanya perhitungan gradient di titik interpolasi[9]. Operator ini menggunakan kernel ukuran 3 x 3 piksel untuk perhitungan gradient sehingga perkiraan gradient berada tepat di tengah jendela. Misalnya susunan piksel-piksel di sekitar piksel (x,y) adalah :
Ao a1 a2 a7 (x,y) A3 a6 A5 A4
Berdasarkan susunan piksel tetangga tersebut, besaran gradient yang dihitung menggunakan operator sobel adalah:
M =√𝑆𝑥2+ 𝑆 𝑦2
Dengan M adalah besar gradient di titik tengah kernel dan turunan parsial dihitung menggunakan persamaan berikut:
Sx = (a2 + ca3 + a4)-(a0+ca7 +a6) Sy = (a0 + ca1 + a2)-(a6+ca5 +a4) E. Metode Prewitt
Operator prewitt adalah salah satu operator yang menghindari adanya perhitungan gradient di titik interpolasi[9]. Operator ini menggunakan kernel ukuran 3 x 3 piksel untuk perhitungan gradient sehingga perkiraan gradient berada tepat di tengah jendela. Misalnya susunan piksel-piksel di sekitar piksel (x,y) adalah:
Ao a1 a2 a7 (x,y) a3 a6 a5 a4
Berdasarkan susunan piksel tetangga tersebut, besaran gradient yang dihitung menggunakan operator prewittadalah:
M =√𝑆𝑥2+ 𝑆𝑦2
Dengan m adalah besar gradient di titik tengah kernel dan turunan parsia.l dihitung menggunakan persamaan berikut:
Sx = (a2 + ca3 + a4)-(a0+ca7 +a6) Sy = (a0 + ca1 + a2)-(a6+ca5 +a4)
3. ANALISA
Sebelum melakukan proses pendeteksian citra pada telapak tangan dengan metode sobel dan prewitt, langkah awal menentukan citra hasil telapak tangan dengan ukuran
960x1280 piksel dan melakukan konversi citra kedalam bentuk matriks dimana ukuran matriks yang digunakan adalah ukuran 8x8 pixsel dengan format *.jpg. Adapun data citra yang akan dijadikan sample pengujian dengan software Matlab, citra yang digunakan diubah menjadi citra grayscale.
A. Penerapan Metode
Penerapan metode ini akan dilakukan melalui citra telapak tangan yang di deteksi tepi nya dan akan diterapkan kedalam. Proses yang akan dilakukan disini adalah bagaimana proses deteksi tepi citra telapak tangan pada operator sobel dan prewitt. Mendeteksi tepi dengan operator sobel dan prewitt, kita akan menggunakan gradient Sx dan Sy sama hal nya dengan prewitt, yang merupakan sebuah vector yang terdiri dari dua unsur Sx dan Sy. Deteksi tepi dilakukan dengan cara membaca setiap pixel pada citra dengan cara membaca dari pixel paling kiri atas (timur utara) dan bergerak ke pixel paling kanan bawah (barat selatan). Kelebihan dari operator sobel ini adalah kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi. Nilai C konstanta bernilai 2, sehingga berbentuk matriks operator sobel
Sx = (a2+ca3+a4)-(a6+Ca7+a6) Sy=(a0+Ca1+a2)-(a6+Ca5+a4) │S│= │Sx│+│Sy│
Berikut adalah hasil perhitungan matrix penggunaan operator sobel untuk mengetahui segmentasi sebuah gambar citra dengan matrix 8x8. Konvolusi pertama dilakukan terhadap piksel (titik pusat mask).
Tabel 1. Contoh Nilai Citra Matrix 8x8
172 171 205 191 163 163 154 253 175 188 196 174 125 138 161 251 167 219 194 147 130 127 139 254 171 225 201 125 127 118 115 253 178 223 204 134 139 103 113 253 147 202 203 128 135 125 75 251 174 102 167 108 135 155 83 252 165 160 160 109 103 132 65 252 Penyelesaian:
a. Konvolusi pertama dilakukan terhadap piksel yang bernilai 188 (titik pusat mask).
Sx=(205)+(1)+(2)(196)(2)+(194)(1)-(172)(-1)+(2)(175)(-2)+(167)(-1) Sx= (205 + 784 + 194) - (-172) + (700) + (-167) Sx=1138-(-1039) = 2222 Sy=(172)+(1)+(2)(171)(2)+(205)(1)-(167)(-1)+(2)(219)(-2)+(194)(-1) Sy=(172)+ 684 + 205) – (-167) + (-876 + (-194) Sy=1061-(-1237) = 2838 Maka :M =√𝑠𝑥2+ 𝑠 𝑦2= √4520 = 67,230971
b. Konvolusi pertama dilakukan terhadap piksel yang bernilai 196 (titik pusat mask).
Sx=(191)+(1)+(2)(174)(2)+(147)(1)-(171)(-1)+(2)(188)(-2)+(219)(-1)
Hal: 474-478 Sx=1034-(-1142) = 2176 Sy=(171)+(1)+(2)(205)(2)+(191)(1)-(219)(-1)+(2)(194)(-2)+(147)(-1) Sy= (171+820+191)-(-219) + (-776) +1-147) Sy = 1182-(-1142) = 2324 Maka:M =√𝑆𝑥2+ 𝑆𝑦2= √2324 = 48,2048
Lakukan langkah yang sama sampai dengan langkah 36. Tabel 2. Hasil Matrix Metode Sobel 8x 8
172 171 205 191 163 163 154 253 175 71 48 63 60 60 66 251 167 68 67 62 56 56 65 254 171 69 69 61 58 54 63 253 178 68 67 63 56 54 58 253 147 64 63 60 56 52 55 251 174 64 59 58 55 51 63 252 165 160 160 109 103 132 65 252
Gambar 1. Citra Hasil Metode Sobel
Maka hasil deteksi tepi yang didapat dari diperhitung matrix untuk mengetahui nilai pada tabel 3 menggunakan metode sobel dan prewitt, hasil yang didapat pada perkalian matrix 3x3 dengan citra matrix 8x8.
Table 3. Nilai Citra hasil Metode Prewitt 172 171 205 191 163 163 154 253 175 41 37 37 36 35 44 251 167 36 28 27 27 27 41 254 171 36 28 27 28 26 41 253 178 36 28 27 26 26 41 253 147 36 27 27 26 26 40 251 174 39 34 32 31 31 42 252 165 160 160 109 103 132 65 252
Gambar 2. Citra Hasil Metode Prewitt
4. IMPLEMENTASI
Kebutuhan sistem digunakan untuk menguji sistem yang akan dibangun dalam bab ini dan dijelaskan bagaimana menjalankan sistem. Tujuannya adalah untuk memahami kebutuhan dari sistem yang baru dan diimplementasikan kedalam aplikasi yang akan di rancang. Perangkat yang dibutuhkan pada penerapan deteksi tepi citra telapak tangan dengan metode sobel dan prewitt dari perangkat keras (hardware) dan perangkat lunak (software)
A. Tampilan Pengujian
Tampilan pengujian merupakan proses yang bertujuan untuk memastikan apakah semua fungsi bekerja dengan baik dan mencari kesalahan yang mungkin terjadi pada sistem. Karena pada form citra telapak tangan berisi fungsi-fungsi utama dari sistem. Aplikasi citra telapak tangan terdapat beberapa bagian tampilan. Adapun hasil dari impelementasi aplikasi yang telah dirancang sebagai berikut:
a. Form Menu Utama
Form menu utama aplikasi deteksi tepi metode sobel pada form terdapat 2 tombol proses yaitu tombol proses deteksi proses deteksi tepi metode sobel digunakan untuk menampilkan form proses deteksi tepi citra telapak tangan dengan metode sobel. Tombol proses deteksi tepi metode prewitt digunakan untuk form proses deteksi tepi citra telapak tangan dengan metode prewitt.
Gambar 3. Form Menu Utama b. Form Menu Sobel
Tampilan form untuk proses deteksi tepi citra telapk tangan dengan metode sobel. Pada form terdapat 5 tombol proses yaitu tombol ambil gambar, proses grayscale, proses metode sobel, simpan gambar, dan keluar.
Hal: 474-478
477 c. Tampilan Menu Input Gambar
Tampilan form proses “Ambil Gambar” digunakan untuk ambil gambar yang akan dideteksi tepinya sebagai berikut:
Gambar 5. Tampilan Form Setelah Klik Tombol Ambil Gambar
d. Tampilan Menu Open Citra Asli
Tampilan form setelah pemilihan ambil gambar yang akan dideteksi yang telah dilakukan seperti pada gambar sebagai berikut:
Gambar 6. Tampilan Metode Sobel Setelah Ambil Gambar e. Tampilan Proses Grayscale
Tampilan form tombol “Proses Grayscale” digunakan untuk proses citra telapak tangan menjadi gambar keabuan (grayscale).
Gambar 7 .Tampilan Hasil Proses Citra Grayscale
f. Tampilan Hasil Proses Metode Sobel
Tampilan form proses deteksi tepi metode sobel dilakukan dengan mengklik tombol “Proses Metode Sobel” dengan tampilan form seperti gambar 8 sebagai berikut:
Gambar 8. Tampilan Hasil Diklik Tombol Proses Metode Sobel
Hasil tampilan gambar deteksi tepi citra telapak tangan menggunakan metode sobel seperti pada gambar 9 berikut:
Gambar 9. Hasil Deteksi Tepi Operator Sobel
5. KESIMPULAN
Setelah melakukan analisa dan pembahasan pada pengolahan citra tentang edge detection citra digital dengan metode sobel dan prewitt maka dapat di ambil kesimpulan seperti di bawah ini:
a. Pendeteksian tepi pada telapak tangan dapat dilihat pada deteksi tepi citra.
b. Penerapan metode sobel dan prewitt dapat mendeteksi tepi citra pada telapak tangan.
c. Pada perancangan pendeteksian tepi citra pada telapak tangan dapat menghasilkan tepi citra pada telapak tangan dengan menggunakan program matlab R2010a.
REFERENCES
[1] Darwis Amri, “IMPLEMENTASI EDGE DETECTION PADA CITRA GRAYSCALE DENGAN METODE OPERATOR SOBEL DAN OPERATOR PREWITT,” Maj. Ilm. INTI, vol. 12, 2017.
[2] E. Z. A. ANDI PRANATA*1, “IMPLEMENTASI DETEKSI TEPI BERBASIS METODE PREWITT PADA CITRA GIGI
Hal: 474-478
MANUSIA.”
[3] A.Kadir, Pengenalan Algoritma, Andi. Yogyakarta, 2013. [4] L. H. Harefa, “ANALISIS EDGE DETECTION CITRA
DIGITAL DENGAN MENGGUNAKAN METODE ROBERT DAN CANNY,” pp. 29–34, 2016.
[5] M. K. T.Sutoyo, S.Si., M.Kom., Edy Mulyanto, S,.Si., M.Kom., Dr.Vincent Suharto, Oky Dwi Nurhayati, M.T., Wijanarto, Teori Pengolahan Citra Digital, Andi. yogyakarta, 2009.
[6] D. Putra, Pengolahan Citra Digital, Andi. yogyakarta, 2010. [7] Abdul kadir & Adhi susanto, Teori dan aplikasi pengolahan
citra, Andi. yogyakarta, 2013.
[8] Eka Afriandi, Sutikno, “Identifikasi Telapak Tangan Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ),” vol. 8, no. 2, 107–114, 2016.
[9] M. . Dr. Drs. Anak Agung Ngurah Gunawan, Pengolahan Citra Mammografi Cara Pembuatan Program. yogyakarta: TEKNOSAIN, 2016.
[10] Jogiyanto, Analisis & Desain Sistem Informasi. Yogyakarta: ANDI, 2005.
[11] E. Prasetyo, Pengolahan Citra Digital Dan Aplikasinya Menggunakan Matlab, Andi. Yogyakarta, 2011.
