PERBANDINGAN METODE ROBERT, SOBEL, PREWITT, DAN CANNY
UNTUK DETEKSI TEPI OBJ EK PADA APLIKASI PENGENALAN
BENTUK BANGUN DATAR BERBASIS CITRA DIGITAL
SKRIPSIDiajukan Untuk Memenuhi Sebagai Persyaratan Dalam Memperoleh Gelar Sarjana Komputer
Jurusan Teknik Informatika
Disusun oleh :
DAVID WAHYU SUGIANTORO NPM. 0934010200
J URUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J AWA TIMUR SURABAYA
LEMBAR PENGESAHAN
PERBANDINGAN METODE ROBERT, SOBEL, PREWITT, DAN CANNY UNTUK DETEKSI TEPI OBJ EK PADA APLIKASI PENGENALAN BENTUK BANGUN DATAR
BERBASIS CITRA DIGITAL Disusun Oleh :
DAVID WAHYU SUGIANTORO NPM. 0934010200
Telah disetujui untuk mengikuti Ujian Negar a Lisan Gelombang III Tahun Akademik 2012/2013
Pembimbing Utama Pembimbing Pendamping
Fetty Tri Anggraeny,S.Kom,M.Kom Wahyu S.J . Saputr a,S.Kom,M.Kom
NPT. 382020602081 NIP. 3861010029612
Mengetahui,
Ketua J urusan Teknik Infor matika Fakultas Teknologi Industri UPN ”Veteran” J awa Timur
SKRIPSI
PERBANDINGAN METODE ROBERT, SOBEL, PREWITT, DAN CANNY UNTUK DETEKSI TEPI OBJ EK PADA APLIKASI PENGENALAN BENTUK BANGUN DATAR
BERBASIS CITRA DIGITAL Disusun Oleh :
DAVID WAHYU SUGIANTORO NPM. 0934010200
Telah dipertahankan di hadapan dan diterima oleh Tim Penguji Skr ipsi J ur usan Teknik Infor matika Fakultas Teknologi Industri
Univer sitas Pembangunan Nasional ”Veteran” J awa Timur Pada Tanggal 29 November 2013
Pembimbing : Tim Penguji :
1. 1.
Fetty Tri Anggraeny,S.Kom,M.Kom I.Gede Susrama, S.T, M.Kom
NPT. 382020602081 NPT. 370060602111
2. 2.
Wahyu S.J . Saputra,S.Kom,M.Kom I.Made Suartana, S.Kom, M.Kom
NIP. 3861010029612 NIP. 3578251604550001
3.
Henni Endah Wahanani, S.T, M.Kom NPT. 376091303481
Mengetahui,
Dekan Fakultas Teknologi Industri
Univer sitas Pembangunan Nasional ”Veteran” J awa Timur
YAYASAN KESEJ AHTERAAN PENDIDIKAN DAN PERUMAHAN UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J AWA
TIMUR
FAKULTAS TEKNOLOGI INDUSTRI PANITIA UJ IAN SKRIPSI / KOMPREHENSIF
KETERANGAN REVISI Mahasiswa di bawah ini :
Nama : David Wahyu Sugiantoro NPM : 0934010200
Jurusan : Teknik Informatika
Telah mengerjakan revisi/ tidak ada revisi*) pra rencana (design)/ skripsi ujian lisan gelombang III, TA 2012/2013 dengan judul:
“PERBANDINGAN METODE ROBERT, SOBEL, PREWITT, DAN CANNY
UNTUK DETEKSI TEPI OBJ EK PADA APLIKASI PENGENALAN BENTUK BANGUN DATAR BERBASIS CITRA DIGITAL”
Surabaya, 29 November 2013 Dosen Penguji yang memerintahkan revisi:
1) I.Gede Susrama, S.T, M.Kom NPT. 370060602111
2) I.Made Suartana, S.Kom, M.Kom NIP. 3578251604550001
3) Henni Endah Wahanani, S.T, M.Kom NPT. 376091303481
Mengetahui,
Pembimbing Utama Pembimbing Pendamping
Fetty Tri Anggraeny,S.Kom,M.Kom Wahyu S.J. Saputra,S.Kom,M.Kom NPT. 382020602081 NIP. 3861010029612
{
}
{
}
v
KATA PENGANTAR
Syukur Alhamdulillaahi rabbil ‘alamin terucap ke hadirat Allah SWT atas segala
limpahan Kekuatan-Nya sehingga dengan segala keterbatasan waktu, tenaga, pikiran dan
keberuntungan yang dimiliki peneliti, akhirnya peneliti dapat menyelesaikan Skripsi yang
berjudul “Per bandingan Metode Rober t, Sobel, Pr ewitt, Dan Canny Untuk Deteksi Tepi
Objek Pada Aplikasi Pengenala n Bentuk Bangun Data r Ber ba sis Citr a Digital” tepat
waktu.
Skripsi dengan beban 4 SKS ini disusun guna diajukan sebagai salah satu syarat untuk
menyelesaikan program Strata Satu (S1) pada jurusan Teknik Informatika, Fakultas Teknologi
Industri, UPN ”VETERAN” Jawa Timur.
Melalui Skripsi ini peneliti merasa mendapatkan kesempatan emas untuk memperdalam
ilmu pengetahuan yang diperoleh selama di bangku perkuliahan, terutama berkenaan tentang
pengolahan citra digital. Namun, penyusun menyadari bahwa Skripsi ini masih jauh dari
sempurna. Oleh karena itu penyusun sangat mengharapkan saran dan kritik dari para pembaca
untuk pengembangan aplikasi lebih lanjut.
Surabaya, 13 November 2013
UCAPAN TERIMA KASIH
Dengan mengucapkan Puji Syukur kehadirat Allah SWT yang telah melimpahkan Rahmat serta Hidayah-Nya, sehingga tersusunlah Tugas Akhir ini dengan judul “Perbandingan Metode Robert, Sobel, Pr ewitt, Dan Canny Untuk Deteksi Tepi Objek Pada Aplikasi Pengenalan Bentuk Bangun Datar Berbasis Citra Digital”. Penyusunan Tugas Akhir ini merupakan salah satu syarat dalam rangka menyelesaikan Program Strata Satu (S1) pada jurusan Teknik Informatika Fakultas Teknologi Industri UPN “VETERAN” Jawa Timur.
Dalam menyelesaikan Tugas Akhir ini penulis menyadari telah banyak mendapatkan bantuan dari berbagai pihak, bagi segi moril maupun materil. Oleh karena itu pada kesempatan ini penulis ingin mengucapkan terima kasih yang saya tunjukan kepada:
1. Allah SWT., karena berkat Rahmat dan berkahNya kami dapat menyusun dan menyelesaikan Laporan Skripsi ini hingga selesai.
2. Bapak Prof. Dr. Ir. Teguh Soedarto, MP selaku Rektor UPN “VETERAN” Jawa Timur.
3. Bapak Ir. Sutiyono, MT selaku Dekan Fakultas Teknologi Industri UPN “VETERAN” Jawa Timur.
4. Ibu Dr. Ir. Ni Ketut Sari, MT. selaku ketua Jurusan Teknik Informatika UPN “VETERAN” Jawa Timur.
6. Ibu Fetty Tri Anggraeny, S.kom M.kom, selaku dosen pembimbing pertama yang telah mengarahkan dan meberian motivasi dalam menyusun skripsi ini hingga selesai.
7. Bapak Wahyu S.J. Saputra, S.kom M.kom, selaku dosen pembimbing kedua yang telah mengarahkan dan memberikan bimbingan serta saran yang membangun dalam menyusun skripsi ini hingga selesai.
8. Kedua orang tua tercinta yang selalu senantiasa memberikan kasih sayang, dukungan dan selalu mendoakanku selama ini .
9. Thanks to My Girlfriend Fitria Kurnia N, S.Sos yang selalu mendukung,
menemani serta menyemangati saya dalam mengerjakan Tugas Akhir ini. 10.Saya ucapakan terimah kasih kepada sahabat-sahabatku Ganggang Irianto,
S.Kom, Rully Gita, S.Kom, Rahman Taufik, S.Kom, Suhartiningsih dan Grub INFORMATIC DHE yang sudah memberi semangat dan dukunganya sehingga Tugas Akhir ini selesai.
11.Saya ucapkan terima kasih kepada Ganggang Irianto, S.Kom yang telah membantu dalam penyelesaian Tugas Akhir Ini.
12.Saya ucapakan terimah kasih kepada sahabat-sahabatku yang ada di UKM CAPOEIRA khususnya cristin yang biasa saya panggil bee, yang sudah memberi dukunganya sehingga Tugas Akhir ini selesai.
13.Tidak lupa saya ucapkan banyak terima kasih kepada teman-teman yang tidak bisa kami sebutkan satu-persatu.
viii
1.7 Sistematika Penulisan ... 5
BAB II TINJ AUAN PUSTAKA ... 7
2.1 Image ... 7
2.1.1 Analog Image ... 7
2.1.2 Digital Image ... 7
2.2 Pengolahan Citra Digital ... 8
2.4 Grayscale ... 11
2.7.3 Metode Prewitt ... 23
2.7.4 Metode Canny ... 24
2.14 Pengertian Bangun Datar ... 32
2.14.1 Jenis-Jenis Bangun Datar ... 32
2.14.2 Sifat-Sifat Bangun Datar ... 33
BAB III METODOLOGI PENELITIAN ... 34
3.1 Analisa Sistem ... 34
x
3.3 Perancangan Proses ... 37
3.3.1 Grayscale ... 37
3.3.2 Metode Roberts ... 38
3.3.3 Metode Sobel ... 41
3.3.4 Metode Prewitt ... 43
3.3.5 Metode Canny ... 46
3.3.6 Dilasi ... 49
3.3.7 Filling Holes ... 49
3.3.8 Boundaries ... 51
3.3.9 Regionprops ... 51
3.4 Perancangan Tampilan Antar Muka ... 53
BAB IV HASIL DAN PEMBAHASAN ... 56
4.1 Ruang Lingkup Hardware dan Software ... 56
4.2 Implementasi Data ... 57
4.3 Implementasi Antarmuka ... 57
4.4 Implementasi Proses ... 59
4.4.1 Proses Open File ... 59
4.4.2 Proses Deteksi Roberts ... 59
4.4.3 Proses Deteksi Sobel ... 60
4.4.4 Proses Deteksi Prewitt ... 61
4.4.5 Proses Deteksi Canny ... 62
4.4.6 Proses Shape Recognition ... 63
4.4.7 Proses Exit ... 63
4.4.8 Proses Reset ... 64
4.5.1 Sekenario Uji Coba ... 65
4.5.2 Proses Uji Coba ... 65
4.6 Evaluasi ... 68
4.6.1 Hasil Ujicoba Metode Robert Shape Recognition Lingkaran (circle) ... 69
4.6.2 Hasil Ujicoba Metode Robert Shape Recognition Oval (ellipse) ... 70
4.6.3 Hasil Ujicoba Metode Robert Shape Recognition Persegi Panjang (rectangular) ... 70
4.6.4 Hasil Ujicoba Metode Robert Shape Recognition Persegi (square) ... 71
4.6.5 Hasil Ujicoba Metode Robert Shape Recognition Segitiga (triangel) ... 72
4.6.6 Hasil Ujicoba Metode Sobel Shape Recognition Lingkaran (circle) ... 72
4.6.7 Hasil Ujicoba Metode Sobel Shape Recognition Oval (ellipse) ... 73
4.6.8 Hasil Ujicoba Metode Sobel Shape Recognition Persegi Panjang (rectangular) ... 73
4.6.9 Hasil Ujicoba Metode Sobel Shape Recognition Persegi (square) ... 74
4.6.10 Hasil Ujicoba Metode Sobel Shape Recognition Segitiga (triangel) ... 75
4.6.11 Hasil Ujicoba Metode Prewitt Shape Recognition Lingkaran (circle) .... 75
4.6.12 Hasil Ujicoba Metode Prewitt Shape Recognition Oval (ellipse) ... 76
4.6.13 Hasil Ujicoba Metode Prewitt Shape Recognition Persegi Panjang (rectangular) ... 76
4.6.14 Hasil Ujicoba Metode Prewitt Shape Recognition Persegi (square) ... 77
4.6.15 Hasil Ujicoba Metode Prewitt Shape Recognition Segitiga (triangel) .... 77
4.6.16 Hasil Ujicoba Metode Canny Shape Recognition Lingkaran (circle) ... 78
4.6.17 Hasil Ujicoba Metode Canny Shape Recognition Oval (ellipse) ... 79
4.6.18 Hasil Ujicoba Metode Canny Shape Recognition Persegi Panjang (rectangular) ... 79
4.6.19 Hasil Ujicoba Metode Canny Shape Recognition Persegi (square) ... 80
xii
4.7 Tabel Evaluasi Keseluruhan ... 81
BAB V KESIMPUL AN DAN SARAN ... 84
5.1 Kesimpulan ... 84
5.2 Saran ... 85
DAFTAR PUSTAKA ... 86
J udul : Per ba ndingan Metode Rober t, Sobel, Pr ewitt, Dan Canny Untuk Deteksi Tepi Objek Pada Aplikasi Pengenalan Bentuk Ba ngun Data r Ber basis Citr a Digital
Penyusun : David Wahyu S.
Pembimbing I : Fetty Tr i Anggr aeny,S.Kom,M.Kom
Pembimbing II : Wahyu S.J . Saputr a ,S.Kom,M.Kom
ABSTRAK
Deteksi tepi merupakan langkah pertama untuk melengkapi informasi di dalam citra, dimana tepi mencirikan batas-batas objek dan karena itu tepi berguna untuk proses segmentasi dan identifikasi objek dalam citra. Ada banyak metode dalam deteksi tepi, namun dalam hal ini metode yang diambil yaitu metode Roberts, metode Sobel, metode Prewitt, dan metode Canny untuk deteksi tepi objek pada citra.
Dalam penelitian ini akan membahas empat metode tersebut untuk meningkatkan penampakan garis batas suatu objek dalam citra. Tujuan penelitian ini adalah membandingkan hasil deteksi tepi menggunakan keempat metode tersebut pada aplikasi pengenalan bentuk bangun datar.
Pada hasil ujicoba yang dilakukan, dari keempat metode deteksi tepi tersebut didapat metode yang memiliki nilai paling tinggi tingkat accuracy pada penelitian kali ini yaitu metode sobel dengan nilai accuracy 79%.
BAB I
PENDAHULUAN
1.1 Latar Belakang
Perkembangan teknologi, terutama di bidang dunia digital, membawa perubahan cukup besar. Salah satunya dengan adanya digitalisasi data citra. Citra merupakan istilah lain dari gambar, mempunyai karakteristik yang tidak dimiliki oleh data berbentuk teks. Peningkatan kualitas citra bertujuan menghasilkan citra dengan kualitas yang lebih baik dibandingkan dengan citra semula. Langkah pertama dalam peningkatan kualitas citra yaitu ekstraksi ciri. Ekstraksi ciri yaitu kemampuan mendeteksi keberadaan tepi (edge) dari objek di dalam citra. Langkah selanjutnya dalam analisis citra adalah segmentasi, yaitu mereduksi citra menjadi objek atau region. Langkah terakhir dari analisis citra adalah klasifikasi, yaitu memetakan segmen-segmen yang berbeda ke dalam kelas objek yang berbeda pula.
2
dengan dua arah yang berbeda (vertikal dan horizontal). Dalam deteksi tepi pun terdapat banyak metode diantaranya metode Roberts, Sobel, Prewitt dan Metode Turunan Kedua.
Aplikasi pengenalan bentuk bangun datar adalah aplikasi yang dibangun untuk mengenali suatu bentuk bangun datar diantaranya adalah persegi, persegi panjang, lingkaran, segitiga, dan oval. Aplikasi pengenalan bentuk bangun datar di ambil dari suatu objek dengan lingkup dua dimensi berjenis image .JPEG 320x320 piksel tanpa background. Aplikasi pengenalan bentuk bangun datar tersebut menggunakan berbagai metode deteksi tepi, deteksi tepi yang digunakan terdiri dari metode Roberts, Sobel, Prewitt, dan metode turunan kedua. Dengan banyaknya metode tersebut maka dalam tugas akhir ini akan diketahui metode mana yang paling baik untuk diterapkan pada aplikasi pengenalan bentuk bangun datar tersebut.
Pada tugas akhir ini, penulis ingin membandingkan antara metode Roberts, metode Sobel, metode Prewitt, dan metode Canny untuk deteksi tepi objek pada aplikasi pengenalan bentuk bangun datar berbasis citra digital.
1.2 Rumusan Masalah
Berdasarkan latar belakang yang telah diuraikan sebelumnya maka dapat dirumuskan masalah, yaitu :
a. Bagaimana hasil penerapan deteksi tepi metode Roberts, sobel,
prewitt, dan canny?
3
1.3 Batasan Masalah
Adapun batasan-batasan masalah yang dibuat agar dalam pengerjaan tugas akhir ini dapat berjalan degan baik adalah sebagai berikut :
a. Metode yang dibahas hanya empat metode deteksi tepi yaitu Roberts,
sobel, prewitt, dan canny.
b. Citra yang dibahas adalah citra hasil pengambilan dari internet yang sudah diubah dalam bentuk citra digital dan beresolusi VGA (320 x 320 pixel).
c. Pembahasan hanya pada identifikasi jenis bentuk bangun datar Lingkaran, Oval, Persegi panjang, Persegi, dan Segitiga.
d. Citra yang dideteksi adalah citra hasil pengambilan dari depan (tampak depan) dengan background putih.
1.4 Tujuan
Dari rumusan masalah di atas, maka tujuan dari penulisan tugas akhir ini adalah membandingan metode roberts, sobel, prewitt, dan canny untuk deteksi tepi objek pada aplikasi pengenalan bentuk bangun datar berbasis citra digital.
1.5 Manfaat
Manfaat dari penulisan tugas akhir ini adalah :
4
b. Dapat dipergunakan sebagai dasar penelitian selanjutnya untuk pendeteksian tepi.
1.6 Metodologi Penelitian
Beberapa metode dan teknik yang dipergunakan dalam pengumpulan dan pengolahan data skripsi ini antara lain :
1 Library Research
Pada tahap ini, penulis mempelajari dan membaca buku diktat, referensi, buletin perpustakaan sebagai acuan yang berkaitan dengan permasalahan yang akan dibahas.
2 Documentation
Penulis melakukan pencatatan terhadap aktifitas yang berhubungan dangan pengamatannya, apabila diperlukan pencatatan.
3 Perancangan dan Pembuatan Sistem
5
4 Pengujian dan Evaluasi Perangkat Lunak
Tahap ini dulakukan pengujian pada perangkat lunak yang telah dibuat, pengevaluasian hasil yang diperoleh serta perbaikan program (revisi), jika hasil belum sesuai dengan tujuan yang diharapkan.
5 Pembuatan Naskah Skripsi
Pada tahap ini dilakukan pendokumentasian dari semua tahap agar dcatat dipelajari untuk pengembangan lebih lanjut. Memaparkan dasar-dasar teori dan metode yang terlibat di dalamnya, diantaranya desain perangkat lunak dan implementasinya, hasil pengujian sistem termasuk juga perbaikan.
1.7 Sistematika Penulisan
Dalam penyusunan tugas akhir, sistematika pembahasan diatur dan disusun dalam enam bab, dan tiap-tiap bab terdiri dari sub-sub bab. Untuk memberikan gambaran yang lebih jelas, maka diuraikan secara singkat mengenai materi dari bab-bab dalam penulisan tugas akhir ini sebagai berikut:
BAB I PENDAHULUAN
Bab ini berisi latar belakang, perumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, dan sistematika penulisan pembuatan tugas akhir ini.
BAB II TINJ AUAN PUSTAKA
6
BAB III METODOLOGI PENELITIAN
Bab ini berisi tentang analisa dan perancangan sistem dalam pembuatan Tugas Akhir yang digunakan untuk mengolah sumber data yang dibutuhkan sistem anatara lain: Flowchart.
BAB IV HASIL DAN PEMBAHASAN
Pada bab ini akan membahas tentang kerja dari sistem secara keseluruhan. Pada bab ini menjelaskan tentang pelaksanaan uji coba dan evaluasi dari pelaksanaan uji coba dari program yang dibuat. Uji coba dapat dilakukan pada akhir dari tahap-tahap analisa sistem, desain sistem dan tahap penerapan sistem atau implementasi. Sasaran dari ujicoba program adalah untuk menemukan kesalahn-kesalahan dari program yang mungkin terjadi sehingga dapat diperbaiki.
BAB V KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan dan saran dari penulis untuk pengembangan sistem.
DAFTAR PUSTAKA
BAB II
TINJ AUAN PUSTAKA
2.1. Image
Data masukan yang diproses adalah suatu image. Image merupakan sebuah representasi khusus dari suatu obyek, baik obyek dua dimensi maupun tiga dimensi, dimana representasi tersebut dinyatakan dalam bentuk dua dimensi. Image dapat berbentuk nyata, maya, ataupun dalam bentuk optik. Selain itu, image juga dapat berupa rekaman, seperti video image, digital image, atau sebuah gambar ([6] Haralick dan Shapiro, 1992, p1). Image dapat dikategorikan sebagai :
2.1.1 Analog Image
Menurut ( [ 1 2 ] Shapiro dan Stockman 2001, p29), analog
image adalah image 2D F(x,y) yang memiliki ketelitian tidak terbatas
dalam parameter spasial x dan y dan ketelitian tak terbatas pada intensitas tiap titik spasial (x,y).
2.1.2 Digital Image
Menurut ([12] Shapiro dan Stockman 2001, p29), digital image adalah image 2D I[r,c] yang direpresentasikan oleh array diskrit 2D dari intensitas sampel, dimana masing-masing titik direpresentasikan dengan ketelitian terbatas. Digital image juga didefinisikan sebagai representasi dari gambar dua dimensi sebagai himpunan terbatas dari nilai
8
disimpan dalam komputer sebagai gambar raster, yaitu array dua dimensi dari integer. Nilai ini kadang disimpan dalam bentuk terkompresi.
Digital image dapat diperoleh dari berbagai macam alat dan teknik
pengambil gambar, seperti kamera digital, scanner, radar, dan sebagainya. Dapat pula disintesis dari data seperti fungsi matematika dan lain lain.
Pixel adalah sampel dari intensitas image yang terkuantisasi ke dalam
nilai integer. Sementara Image merupakan array dua dimensi dari
pixel-pixel tersebut. Image inilah yang akan menjadi input awal dalam Computer
Vision.
Beberapa bentuk digital image yang sering digunakan dalam Computer
Vision ([12] Shapiro dan Stockman, 2001, p30):
• Binary image, yaitu digital image dengan nilai pixel 1 atau 0.
• Gray scale image, yaitu digital image monochrom dengan satu nilai
intensitas tiap pixel.
• Multispectral image, adalah image 2D yang memiliki vektor nilai pada
tiap pixel, jika image berwarna maka vektornya memiliki 3 elemen.
• Labeled image, adalah digital image dimana nilai pixel adalah simbol
dari alfabet terbatas. ([2] Anonim, 1996)
2.2 Pengolahan Citr a Digital
9
1. Memperbaiki kualitas suatu gambar, sehingga dapat lebih mudah diinterpretasi oleh mata manusia.
2. Mengolah informasi yang terdapat pada suatu gambar untuk keperluan pengenalan objek secara otomatis.
Bidang aplikasi kedua yang sangat erat hubungannya bertujuan mengenali suatu objek dengan cara mengekstrak informasi penting yang terdapat pada suatu citra. Bila pengenalan pola dihubungkan dengan pengolahan citra, diharapkan akan terbentuk suatu sistem yang dapat memproses citra masukan sehingga citra tersebut dapat dikenali polanya. Proses ini disebut pengenalan citra. Proses pengenalan citra ini sering diterapkan dalam kehidupan sehari-hari. Pengolahan citra dan pengenalan pola menjadi bagian dari proses pengenalan citra. Kedua aplikasi ini akan saling melengkapi untuk mendapatkan ciri khas dari suatu citra yang hendak dikenali ([3] Ardiantoro, 2010).
2.3 Computer Vision
Terminologi lain yang berkaitan erat dengan pengolahan citra adalah
Computer Vision atau Machine Vision. Pada hakikatnya, Computer Vision mencoba
10
Computer vision merupakan proses otomatis yang mengintegrasikan
sejumlah besar proses untuk persepsi visual, seperti akuisisi citra, pengolahan citra, klasifikasi, pengenalan (recognition) dan membuat keputusan. Computer vision terdiri dari teknik-teknik untuk mengestimasi ciri-ciri objek di dalam citra, pengukuran ciri yang berkaitan dengan geometri objek dan menginterpretasi informasi geometri tersebut. Proses – proses di dalam computer vision dapat di golongkan menjadi tiga aktivitas
1. Memperoleh atau mengakuisisi citra digital.
2. Melakukan teknik komputasi untuk memperoses atau memodifikasi data citra (operasi - operasi pengolahan citra).
3. Menganalisis dan menginterpretasi citra dan menggunakan hasil pemrosesan untuk tujuan tertentu, misalnya memandu robot, mengontrol peralatan, memantau proses manufaktur dan lain sebagainya.
pengklasifikasian proses - proses di dalam computer vision dalam hirarkhi sebagai berikut :
Gambar 2.1. Pengklasifikasian proses - proses di dalam computer vision
11
Dari penjelasan Gambar 2.1, dapat kita lihat bahwa pengolahan citra dan pengenalan pola merupakan bagian dari computer vision. Pengolahan citra merupakan proses awal (preprocessing) pada computer vision, sedangkan pengenalan pola merupakan proses untuk menginterpretasi citra.
Teknik-teknik di dalam pengenalan pola memainkan peranan penting dalam computer vision untuk mengenali objek. Jika dihubungkan dengan grafika komputer, maka computer vision merupakan kebalikannya. ([1] Agung Priyo, 2005)
2.4 Grayscale
12
2.5 Tepi
Yang dimaksud dengan tepi (edge) adalah perubahan nilai intensitas derajat keabuan yang mendadak (besar) dalam jarak yang singkat Gambar 2.2. Perbedaan intensitas inilah yang menampakkan rincian pada gambar. Tepi biasanya terdapat pada batas antara dua daerah berbeda pada suatu citra. Tepi dapat diorientasikan dengan suatu arah, dan arah ini berbeda-beda pada bergantung pada perubahan intensitas. ([16] Rinaldi Munir, 2010)
Gambar 2.2 Model tepi satu matra ([16] Rinaldi Munir, 2010,)
2.6 Gui / Guide Matlab
13
mempunyai kelebihan tersendiri dibandingkan dengan bahasa pemrogram lainnya, diantaranya:
a) GUIDE Matlab banyak digunakan dan cocok untuk aplikasi-aplikasi berorientasi sains, sehingga banyak peneliti dan mahasiswa menggunakan GUIDE Matlab untuk menyelesaikan riset atau tugas akhirnya.
b) GUIDE Matlab mempunyai fungsi built-in yang siap digunakan dan pemakai tidak perlu repot membuatnya sendiri.
c) Ukuran file, baik FIG-file maupun M-file, yang dihasilkan relatif kecil. d) Kemampuan grafisnya cukup andal dan tidak kalah dibandingkan dengan
bahasa pemrograman lainnya.
• Memulai GUIDE MATLAB
a) Melalui command matlab dengan mengetikkan: >> guide
b) Klik tombol Start Matlab dan pilihlah MATLAB, lalu pilih GUIDE (GUI
Bulder) GUIDE Quick Start memiliki dua buah pilihan, yaitu Create New
GUI dan Open Existing GUI. Create New GUI digunakan jika kita
memang belum pernah membuat aplikasi GUI Matlab atau jika kita memang ingin membuat sebuah figure baru, sedangkan Open Existing GUI digunakan jika kita sudah memiliki file figure matlab atau akan memodifikasi file figure yang telah kita simpan. Pada pilihan Create New
GUI terdapat menu GUIDE templates yang memiliki beberapa tipe dasar
14
dan merupakan kondisi default dari GUIDE dan diplih jika kita memang akan membuat sebuah aplikasi dengan komponen yang layout-nya tidak terdapat pada GUI template yang lain. Setelah kita memilih Blank GUI
templates, maka akan muncul tampilan Menu Utama GUIDE.
• Tampilan GUIDE
Komponen palet pada GUIDE Matlab terdiri dari beberapa uicontrol (kontrol user interface), seperti pada bahasa pemrograman visual lainnya, yaitu: pushbutton, togglebutton, radiobutton, chexkboxes, edit text, static
text, slider, frames, listboxes, popup menu, dan axes. Kita dapat
meletakkan semua kontrol pada layout editor dan selanjutnya hanya tinggal mengaturnya melalui property inspector.
• Komponen GUIDE
Semua kontrol pada GUIDE dapat dimunculkan pada layout/figure dengan cara mendrag kiri kontrol yang diinginkan ke figure. Adapun penjelasan fungsi masing-masing kontrol adalah sebagai berikut:
• Pushbutton
Pushbutton merupakan jenis kontrol berupa tombol tekan yang
akan menghasilkan tindakan jika diklik, misanya tombol OK, Cancel, Hitung, Hapus, dan sebagainya. Untuk menampilkan tulisan pada
pushbutton kita dapat mengaturnya melalui property inspector dengan
mengklik objek pushbutton pada figure, lalu mengklik toolbar property
15
Selanjutnya isilah tab string dengan label yang diinginkan, misalnya Hitung.
• Toggle Button
Toggle button memiliki fungsi yang sama dengan pushbutton.
Perbedaanya adalah saat pushbutton ditekan, maka tombol akan kembali pada posisi semula jika tombol mouse dilepas, sedangkan pada toggle
button, tombol tidak akan kembali ke posisi semula, kecuali kita
menekannya kembali.
• Radio Button
Radio button digunakan untuk memilih atau menandai satu pilihan
dari beberapa pilihan yang ada. Misalnya, sewaktu kita membuat aplikasi operasi Matematika (penjumlahan, pengurangan, perkalian, dan
pembagian).
• Edit Text dan Static Text
Edit text digunakan untuk memasukkan atau memodifikasi suatu
text yang diinputkan dari keyboard, sedangkan static text hanya berguna untuk menampilkan text/tulisan, sehingga kita tidak bisa memodifikasi/mengedit text tersebut kecuali memalui property inspector.
• Fr ames
Frames merupakan kotak tertutup yang dapat digunakan untuk
16
• Checkboxes
Kontrol checkboxes berguna jika kita menyediakan beberapa pilihan mandiri atau tidak bergantung dengan pilihan-pilihan lainnya. Contoh aplikasi penggunaan checkboxes adalah ketika kita diminta untuk memilih hobi. Karena hobi bisa lebih dari satu, maka kita dapat mengklik
checkboxes lebih dari satu kali.
• Slider
Slider berguna jika kita menginginkan inputan nilai tidak
menggunakan keyboarad, tatapi hanya dengan cara menggeser slider secara vertical maupun horizontal ke nilai yang kita inginkan. Dengan menggunakan slider, kita lebih fleksibel dalam melakukan pemasukan nilai data karena kita dapat mengatur sendiri nilai max, nilai min, serta
sliderstep.
• Popup Menu
Popop menu berguna menampilkan daftar pilihan yang
didefinisikan pada String Propoerty ketika mengklik tanda panah pada aplikasi dan memiliki fungsi yang sama seperti radio button. Ketika tida dibukak, popup menu hanya menampilkan satu item yang menjadi pilihan pertama pada String Property. Popupmenu sangat bermanfaat ketika kita ingin memberi sebuah pilihan tanpa jarak, tidak seperti radiobutton.
• Axes
Axes berguna untuk menampilkan sebuah grafik atau gambar
17
deprogram agar pemakai dapat berinteraksi dengan axes dan obyek grafik yang ditampilkan melalui axes.
2.6.1 Membuat GUI dengan MATLAB
MATLAB mengimplementasikan GUI sebagai sebuah figure yang berisi barbagai style obyek UIControl. Selanjutnya kita harus memprogram masing-masing obyek agar dapat bekerja ketika diaktifkan oleh pemakai GUI. Langkah dasar yang harus dikerjakan dalam membuat GUI adalah :
a) Mengatur layout komponen GUI
Setelah kita membuka GUIDE Matlab dan telah menentukan template GUI, langkah selanjutnya adalah adalah mendesai figure dengan menggunakan komponen palet sesuai dengan kebutuhan, seperti pushbutton, radiobutton, chexkboxes,
edit text, static text, slider, frames, popup menu, axes, dan
18
b) Mempr ogram Komponen GUI
M-file yang telah dibuat pada langkah sebelumnya, akan otomatis terbuka dan kita harus menulis programnya agar komponen kontrol dapat bekerja secara simultan. Untuk membuat program dalam m-file kita cukup memperhatikan fungsi-fungsi matlab bertanda callback dimana perintah disispkan. Dari langah-langkah dasar diatas, secara sederhana sebenarnya GUI Matlab dibentuk oleh dua buah file, yaitu fig-file dan m-file. Matlab
User’s Guide, The Math Works inc, 1989.
2.7 Deteksi Tepi
Deteksi tepi merupakan sebuah proses di mana proses tersebut berfungsi untuk mendeteksi garis tepi yang membatasi dua wilayah citra. Saat ini telah banyak operator – operator yang dapat digunakan dalam pembuatan deteksi tepi, contohnya adalah operator Roberts , prewitt, sobel, serta operator turunan seperti
laplacian. Deteksi tepi itu sendiri bertujuan untuk menandai bagian yang menjadi
detail citra, dan memperbaiki serta mengubah citra.
19
dilakukan dengan penapis lolos-tinggi. ([16] Rinaldi Munir, 2010)
Manfaat yang bisa diperoleh dari deteksi tepi dalam berbagai bidang, misalnya yang paling banyak digunakan dalam bidang kedokteran adalah untuk menentukan stadium kanker, mendeteksi tepi citra USG janin, mendeteksi karies pada gigi, sehingga bentuk citra yang dihasilkan dapat terlihat lebih jelas. Di bidang lainnya, deteksi tepi digunakan untuk aplikasi pengenalan plat kendaraan, aplikasi pengenalan sidik jari, dan untuk membedakan uang asli dengan uang palsu. ([8] Lia Amelia, 2012)
Terdapat beberapa teknik yang digunakan untuk mendeteksi tepi, antara lain:
• Operator gradien pertama (differential gradient)
mendeteksi tepi di dalam citra, yaitu operator gradien selisih-terpusat, operator Sobel, operator Prewitt, operator Roberts, operator
Canny.
• Operator turunan kedua (Laplacian)
Operator Laplace mendeteksi lokasi tepi khususnya pada citra tepi yang curam. Pada tepi yang curam, turunan keduanya mempunyai persilangan nol, yaitu titik di mana terdapat pergantian tanda nilai turunan kedua, sedangkan pada tepi yang landai tidak terdapat persilangan nol. Contohnya adalah operator Laplacian Gaussian, operator
20
• Operator kompas (compass operator)
Digunakan untuk mendeteksi semua tepi dari berbagai arah di dalam citra. Operator kompas yang dipakai untuk deteksi tepi menampilkan tepi dari 8 macam arah mata angin yaitu Utara, Timur Laut, Timur, Tenggara, Selatan, Barat, Barat Daya, dan Barat Laut.
Contoh beberapa gradien pertama yang dapat digunakan untuk turunan pertama menghasilkan tepi yang lebih tebal, sedangkan turunan kedua menghasilkan tepi yang lebih tipis. Ada tiga macam tepi yang terdapat di dalam citra digital. Ketiganya adalah:
1. Tepi curam
Tepi dengan perubahan intensitas yang tajam. Arah tepi berkisar 90°. 2. Tepi landai
Disebut juga tepi lebar, yaitu tepi dengan sudut arah yang kecil. Tepi landau dapat dianggap terdiri dari sejumlah tepi-tepi lokal yang lokasinya berdekatan.
3. Tepi yang mengandung derau (noise)
Umumnya tepi yang terdapat pada aplikasi computer vision mengandung derau. Operasi peningkatan kualitas citra (image enhancement) dapat dilakukan terlebih dahulu sebelum pendeteksian tepi. ([16] Rinaldi Munir, 2010)
2.7.1 Metode Roberts
21
differensial pada arah vertikal, dengan ditambahkan proses konversi
biner setelah dilakukan differensial. Teknik konversi biner yang disarankan adalah konversi biner dengan meratakan distribusi warna hitam d a n p u t i h . Operator Robert ini juga disamakan dengan teknik DPCM (Differential Pulse Code Modulation). Operator Robert Cross merupakan salah satu operator yang menggunakan jendela matrik 2x2, operator ini melakukan perhitungan dengan mengambil arah diagonal untuk melakukan perhitungan nilai gradiennya.
Rx= Ry=
Gambar 2.3 Operator Roberts ([9] Eko Prasetyo, 2011, hal 215) Sebenarnya operator sedehana ini hanya memeriksa sebuah piksel tambahan pada satu arah gradient tetapi karena yang diperiksa adalah piksel dalam arah diagonal, maka secara keseluruhan piksel-piksel yang terlibat membentuk jendela matrik 2x2. B entuk jendela yang demikian lebih menekankan pemeriksaan pada kedua arah diagonal, dari pada arah horizontal atau arah vertikal. Dari susunan nilai-nilai pembobotan pada jendela juga terlihat bahwa perhitungan terhadap
gradient juga merupakan gabungan dari posisi mendatar dan posisi
vertikal dengan perhitungan sebagai berikut:
22
Hasil = (Rx+Ry)
([9] Eko Prasetyo, 2011, hal 215). 2.7.2 Metode Sobel
Proses yang digunakan oleh operator sobel merupakan proses dari sebuah konvolusi yang telah di tetapkan terhadap citra yang terdeteksi. Dalam operator sobel digunakan matrik konvolusi 3 X 3 dan susunan piksel-pikselnya di sekitar pixel (x, y) seperti bagan berikut:
Gambar 2.4 Konvolusi
Operator sobel merupakan pengembangan Operator robert dengan menggunakan filter HPF yang diberi satu angka nol penyangga. Operator ini mengambil prinsip dari fungsi laplacian dan gaussian yang dikenal sebagai fungsi untuk membangkitkan HPF. Kelebihan dari Operator sobel ini adalah kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi. Dengan nilai C konstanta bernilai dua, sehingga terbentuk matrik operator sobel dapat di gambarkan seperti di bawah ini:
P1 P2 P3
P8 (x,y) P4
23
Sx= Sy=
Gambar 2.5 Operator Sobel ([9] Eko Prasetyo, 2011, hal 215) Biasanya operator sobel menempatkan penekanan atau pembobotan pada piksel-piksel yang lebih dekat dengan titik pusat jendela, sehingga pengaruh piksel-piksel tetangga akan berbeda sesuai dengan letaknya terhadap titik di mana gradient dihitung. Dari susunan nilai-nilai pembobotan pada jendela juga terlihat bahwa perhitungan terhadap
gradient juga merupakan gabungan dari posisi mendatar dan posisi
vertikal dengan perhitungan sebagai berikut:
Sx=((x,y).0)+(P1.-1)+(P2.-2)+(P3.1)+(P8.0)+(P4.0)+(P7.1)+(P6.2)+(P5.1) Sy=((x,y).0)+(P1.-1)+(P2.0)+(P3.1)+(P8.-2)+(P4.2)+(P7.1)+(P6.0)+(P5.1) Hasil = (Sx+Sy)
([9] Eko Prasetyo, 2011, hal 215)
2.7.3 Metode Prewit
Metode prewitt pengembangan dari gradient operator dengan menggunakan 2 mask (horizontal dan vertikal) ukuran 3x3. Pada operator ini kekuatan gradient ditinjau dari sudut pandang horizontal dan vertikal (memperhatikan titik disekitar pada posisi horizontal dan vertikal). Selain itu metode Prewitt merupakan pengembangan metode Sobel dengan
24
menggunakan filter HPF (High Pass Filter) yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari fungsi laplacian yang dikenal sebagai fungsi untuk membangkitkan HPF. Kernel fillter yang digunakan dalam metode Prewitt ini adalah:
Px= Py=
Gambar 2.6 Operator Prewitt ([9] Eko Prasetyo, 2011, hal 215) Dari susunan nilai-nilai pembobotan pada jendela juga terlihat bahwa perhitungan terhadap gradient juga merupakan gabungan dari posisi mendatar dan posisi vertikal dengan perhitungan sebagai berikut: Px=((x,y).0)+(P1.-1)+(P2.-1)+(P3.1)+(P8.0)+(P4.0)+(P7.1)+(P6.1)+(P5.1) Py=((x,y).0)+(P1.-1)+(P2.0)+(P3.1)+(P8.-1)+(P4.1)+(P7.1)+(P6.0)+(P5.1) Hasil = (Px+Py)
([9] Eko Prasetyo, 2011, hal 215)
2.7.4 Metode Canny
25
a. Mendeteksi dengan baik (kriteria deteksi)
Kemampuan untuk meletakkan dan menandai semua tepi yang ada sesuai dengan pemilihan parameter-parameter konvolusi yang dilakukan. Sekaligus juga memberikan fleksibilitas yang sangat tinggi dalam hal menentukan tingkat deteksi ketebalan tepi sesuai yang diinginkan.
b. Melokalisasi dengan baik (kriteria lokalisasi)
Dengan Canny dimungkinkan dihasilkan jarak yang minimum antara tepi yang dideteksi dengan tepi yang asli.
c. Respon yang jelas (kriteria respon)
Hanya ada satu respon untuk tiap tepi. Sehingga mudah dideteksi dan tidak menimbulkan kerancuan pada pengolahan citra selanjutnya. Pemilihan parameter deteksi tepi Canny sangat mempengaruhi hasil dari tepian yang dihasilkan. Beberapa parameter tersebut antara lain : ([7] Dhani Thaqim, 2012)
1. Nilai Standart Deviasi Gaussian 2. Nilai Ambang
2.8 Dilasi
Dilasi merupakan proses penggabungan titik-titik latar (0) menjadi bagian dari objek (1), berdasarkan structuring element S yang digunakan. ([5] Dougherty, 2009). Cara dilasi adalah untuk setiap titik pada A, lakukan hal berikut:
26
• beri angka 1 untuk semua titik (x,y) yang terkena / tertimpa oleh struktur S pada posisi tersebut
S = {(0,0),(0,1),(1,0)} ={poros,(+0,+1),(+1,+0)}
A = {(0,0),(0,1),(0,2),(1,0),(1,1),(1,2),(2,0),(2,1),(2,2)}
e= imdilate(c,d);
Gambar 2.7 Contoh Dilasi
2.9 Filling Holes
Pada proses ini akan di filling holes. Filling Holes merupakan proses untuk pengisian lubang, pengisian lubang adalah fungsi imfill dengan optional argument “holes” yang digunakan. ([5] Dougherty, 2009).
27
Gambar 2.8 Contoh Filling Holes 2.10 Boundaries
Menutupi batas luar objek dan batas – batas lubang di dalam objek, agar menjadi suatu citra biner yang utuh dan bisa ditentukan nilai-nilai propertinya.
Boundaries mempunyai ketentuan di mana piksel 1 adalah sebuah obyek dan
piksel 0 merupakan latar belakang. Contoh potongan source code boundaries adalah sebagai berikut :
[B,L]=bwboundar ies(i,' noholes');
2.11 Regionpr ops
28
Gambar 2.9 Properti Regionprops ([4] Yofianto Evan, 2010)
BoundingBox, eccentricity, extent, dan extrema yang digunakan dalam
tugas akhir ini merupakan sebagian dari property yang dihasilkan fungsi
regionprops.
2.11.1 BoundingBox
Persegi panjang kecil yang mengandung daerah, 1-by-Q * 2 vektor, di mana Q adalah jumlah ukuran gambar: ndims (L), ndims (BW), atau
numel (CC.ImageSize). BoundingBox adalah [ul_corner width], di mana:
ul_corner adalah dalam bentuk [xyz ...] dan menentukan sudut kiri
kotak bounding.
width adalah dalam bentuk [x_width y_width ...] dan menentukan
lebar kotak di sepanjang setiap dimensi. 2.11.2 Eccentricity
29
jarak fokus dari elips dan panjang sumbu utama. Nilainya antara 0 dan 1. (terdegenerasi kasus 0 dan 1, elips yang eksentrisitasnya adalah 0 sebenarnya lingkaran, sementara elips yang eksentrisitasnya adalah 1 adalah segmen garis.) Properti ini hanya didukung untuk masukan matriks label 2-D.
2.11.3 Extent
Skalar yang menentukan rasio piksel di dalam keseluruhan kotak. Dihitung dari area dibagi dengan luas kotak. Properti ini hanya didukung untuk masukan matriks label 2-D.
2.11.4 Extrema
8 dari 2 matriks yang menentukan titik ekstrem di wilayah tersebut. Setiap baris dari matriks berisi x dan y-koordinat salah satu poin. Format vektor adalah [kiri atas kanan atas kanan atas kanan bawah kanan bawah kiri bawah kiri bawah kiri-atas]. Properti ini hanya didukung untuk masukan matriks label 2-D.
Angka ini menggambarkan ekstrem dari dua daerah yang berbeda. Di wilayah di sebelah kiri, masing – masing titik ekstrem berbeda. Di wilayah di sebelah kanan, titik ekstrem tertentu (misalnya, kiri atas dan kiri-atas) adalah identik.
2.12 Pr eccion dan Recall
30
yang banyak digunakan untuk mengukur kinerja dari sistem / metode yang digunakan. Precision adalah tingkat ketepatan antara informasi yang diminta oleh pengguna dengan jawaban yang diberikan oleh sistem. Sedangkan recall adalah tingkat keberhasilan sistem dalam menemukan kembali sebuah informasi. ([10] Arumsari, 2013)
Sedangkan di “dunia lain” seperti dunia statistika dikenal juga istilah accuray. Accuracy didefinisikan sebagai tingkat kedekatan antara nilai prediksi dengan nilai aktual.
Dari uji program dilakukan proses perhitungan precision dan recall serta
accuracy untuk mengetahui berapa hasil akurat dari aplikasi yang telah dibuat.
Maka dari itu digunakan rumus sebagai berikut:
Gambar 2.10 Properti Regionprops ([10] Arumsari, 2013)
2.13 Flowchat
31
simbol, dimana masing-masing simbol merepresentasikan suatu kegiatan tertentu. Flowchart diawali dengan penerimaan input, pemrosesan input, dan diakhiri dengan penampilan output. ([15] Cybernur, 2010).
Input Output
Proses
Gambar 2.11 siklus I-P-O
Penerimaan input, pemrosesan input, dan penampilan output merupakan kegiatan utama yang membentuk siklus dari semua kegiatan yang dilakukan oleh komputer. Siklus ini disebut dengan siklus I-P-O (Input-Proses-Output).
Berikut ini merupakan simbol-simbol yang digunakan untuk menggambarkan diagram alir (flowchart):
32
2.14 Pengertian Bentuk Bangun Datar
Bangun – bangun geometri baik dalam kelompok bangun datar maupun bangun ruang merupakan sebuah konsep abstrak. Artinya bangun-bangun tersebut bukan merupakan sebuah benda konkret yang dapat dilihat maupun dipegang. Demikian pula dengan konsep bangun geometri, bangun-bangun tersebut merupakan suatu sifat, sedangkan yang konkret, yang biasa dilihat maupun dipegang, adalah benda-benda yang memiliki sifat bangun geometri. Misalnya persegi panjang, konsep persggi panjang merupakan sebuah konsep abstrak yang diidentifiaksikan melalui sebuah karakteristik.
Dari uraian di atas maka bangun datar dapat didefinisikan sebagai bangun yang rata yang mempunyai dua dimensi yaitu panjang dan lebar tetapi tidak mempunyai tinggi dan tebal. Dengan demikian pengertian bangun datar adalah abstrak. ([11] faizalnizbah, 2013)
2.14.1.Jenis – jenis Bangun Datar
33
Gambar 2.13 Bangun Datar([11] faizalnizbah, 2013) 2.14.2.Sifat-sifat bangun datar
o
Layang-layang = terbagi atas 2 digonal yang berbeda ukurannya.o
Persegi = semua sisi-sisinya sama panjang, semua sudut samabesar, kedua diagonal berpotongan tegak lurus dan sama panjang.
o
Persegi panjang = sisi yang behadapan sama panjang, semua sudutsama besar.
o
Belah ketupat = semua sisi-sisinya sama panjang, sudut yang berhadapan sama besar, kedua diagonalnya tidak sama panjang dan berpotongan tegak lurus.o
Jajar genjang = sisi yang berhadapan sama panjang, sudut yang berhadapan sama besar.34
1
http://informatika.stei.itb.ac.id/~rinaldi.munir/Buku/Pengolahan%20Citra%20Digital/Ba b-1_Pengantar%20Pengolahan%20Citra.pdf. (diakses 2 Februari 2013)
2
Lia Amelia, Perbandingan Metode Roberts dan Sobel Dalam Mendeteksi Tepi Suatu Citra Digital, Universitas Pendidikan Indonesia, 2012 repository.upi.edu
3
http://digilib.ittelkom.ac.id/index.php?option=com_content&view=article&id=1080:pen golahan-citra-&catid=13:rpl&Itemid=14 (diakses 2 Februari 2013)
4
http://elib.unikom.ac.id/download.php?id=4659 (Agung Priyo, diakses tgl 1 Februari 2013)
5
Murinto, Analisis Perbandingan Histogram Equalization Dan Model Logarithmic Image Processing (LIP) Untuk Image Enchanment, Univ. Ahmad Dahlan Yogyakarta, Juli 2008
6
http://elib.unikom.ac.id/download.php?id=4659 (Agung Priyo, diakses tgl 1 Februari 2013)
7
Janson Wiguna, Perancangan Program Pintu Otomatis Menggunakan Web-Cam Dengan Metode Normalized Sum-Squared Differences (NSSD), univ. Bina Nusantara, Jakarta, 2007
8
http://informatika.stei.itb.ac.id/~rinaldi.munir/Buku/Pengolahan%20Citra%20Digital/Ba b-8_Pendeteksian%20Tepi.pdf (diakses 3 Februari 2013)
9 10
http://www.gunadarma.ac.id/library/articles/graduate/industrial-technology/2010/ Artikel _50405669.pdf (Septian Dwi Cahyo, 3 Februari 2013)
11 OPccgWRfjj8_bc94Rr0KAQ&sig2=6qB5-Qb3XN2nTpoGMtP85w (diakses 3 Februari 2013)
12
Lia Amelia, Perbandingan Metode Roberts dan Sobel Dalam Mendeteksi Tepi Suatu Citra Digital, Universitas Pendidikan Indonesia, 2012 repository.upi.edu
13
Dewi Agushinta, Alina Diyanti, PerbandinganKinerja Metode DEteksi Tepi Pada Citra Wajah, Univ. Gunadarma
14
http://informatika.stei.itb.ac.id/~rinaldi.munir/Buku/Pengolahan%20Citra%20Digital/B ab-8_Pendeteksian%20Tepi.pdf (diakses 3 Februari 2013)
15
http://lecturer.eepis-its.edu/~riyanto/citra-bab8.pdf (diakses 3 februari 2013)
16
http://lecturer.eepis-its.edu/~riyanto/citra-bab8.pdf
17
Asep Kurnaivi Wardana, Sistem Informasi Transaksi & Keuangan Pada UD. Agus Snack, Praktek Kerja Lapang, Hal 20, Univ. Pembangunan Nasional, 2012
35
http://kuliahinformatika.wordpress.com/2010/02/13/buku-ta-region-properties/ (29 sep 2013 18.22) =evan yofianto
BAB III
METODOLOGI PENELITIAN
Pada bab ini akan dijelaskan mengenai proses pembuatan program pengenalan bentuk bangun datar dengan menggunakan empat metode yaitu : Metode Roberts, Sobel, Prewitt, dan Canny. Proses perancangan program dalam sub-bab ini akan dibagi menjadi beberapa tahap anatara lain : analisis, gambaran program secara umum, perancangan proses.
3.1 Analisa Sistem
35
dideteksi tepi dengan keempat metode yaitu Roberts, Sobel, Prewitt, dan Canny. Setelah proses deteksi tepi selanjutnya proses dilasi yaitu proses penebalan piksel pada batasan citra biner yang berguna untuk mempertebal garis yang dihasilkan oleh proses Edge Detection. Setelah proses dilasi dilanjutkan ke proses pengisian lubang citra biner (filling holes). Outputan dari filling holes akan masuk ke proses
boundaries yaitu proses mencari konsentrasi citra biner agar dapat melakukan
pengenalan bentuk bangun datar (shape recognition).
3.2 Gambaran Pr ogram secara Umum
Secara garis besar untuk melakukan pengenalan bentuk bangun datar akan melalui bebarapa proses yaitu meliputi :
A. Citra masukan berupa citra berwarna
B. Baca inputan citra yang akan diproses menjadi : a) Grayscale
b) Deteksi Tepi Robert, Sobel, Prewitt, dan Canny
c) Dilasi
d) Filling Holes
e) Boundaries
f) Shape recognition
36
37
C. Output
Melakukan pengenalan bentuk bangun datar setelah proses grayscale,
edge detection, dilasi, filling holes, boundaries dan yang terakhir Shape
recognition. Citra keluaran akan berupa tulisan jenis bangun datar. Pada
implementasinya program ini melakukan pengambilan gambar sample dengan
browsing di internet. Gambar sample yang diperoleh ini akan ditransfer ke
komputer dengan format file JPEG.
3.3 Perancangan pr oses
Untuk mengetahui proses-proses yang dilakukan maka akan dijelaskan sebagai berikut :
3.3.1 Grayscale
Grayscale merupakan proses pengolahan citra dengan cara
mengubah nilai-nilai piksel awal citra menjadi sebuah citra keabuan.
38
Pada Gambar 3.2 adalah masukan citra berwarna yang kemudian akan diproses menjadi citra grayscale. Dalam grayscale mempunyai nilai ambang batas yaitu 0-255 yang ditentukan dengan menghitung nilai rata-rata antara nilai minimum dan maksimum dari gambar yang telah di ubah menjadi warna abu-abu. Jika nilai dari grayscale lebih besar dari nilai ambang batas maka bagian piksel gambar di ubah menjadi warna terang (putih), jika nilai dari grayscale lebih besar dari nilai ambang batas maka bagian piksel gambar di ubah menjadi warna gelap (hitam). Di dalam MATLAB untuk menggubah piksel RGB ( Red, Green, Blue) menjadi skala keabu – abuan dengan menggunakan fungsi rgb2gray.
For I = 0 to height
Variabel gray berfungsi untuk menampung hasil konversi citra RGB ke citra abu – abu.
3.3.2 Metode Roberts
39
digunakan matrik konvolusi 2 X 2 dan susunan piksel-pikselnya di sekitar pixel (x, y).
Gambar 3.3 Konvolusi
Dalam teknik deteksi tepi, tepi merupakan piksel yang memiliki nilai gradien yang tinggi. Untuk menghitung gradien ini, setiap gambar masukkan diubah menjadi gambar dua dimensi dengan menggunakan dua matriks dua dimensi Roberts yang berukuran 2 x 2.
Gambar 3.4 Operator Roberts
Gx merupakan matriks Roberts dari gradien yang dihitung dari sumbu x dan Gy merupakan matriks dari gradien yang dihitung dari sumbu y seperti yang terlihat pada Gambar 3.4. Untuk menghitung
gradien dari gambar secara keseluruhan, yang perlu dilakukan hanya
tinggal menambahkan nilai dari gradien pada sumbu x (Gx) dan nilai dari
gradien pada sumbu y (Gy).
(x,y) P1
40
Gambar 3.5 Flowcahrt Roberts
Setelah proses grayscale langkah selanjutnya adalah deteksi tepi dengan metode Roberts seperti yang disajikan pada Gambar 3.5. Berikut ini adalah potongan baris program untuk deteksi tepi roberts.
c=edge(gray,'roberts');
41
3.3.3 Metode Sobel
Proses yang digunakan oleh operator Sobel merupakan proses dari sebuah konvolusi yang telah di tetapkan terhadap citra yang terdeteksi seperti yang terlihat pada Gambar 3.6. Dalam operator sobel digunakan masukkan diubah menjadi gambar dua dimensi dengan menggunakan dua matriks dua dimensi Sobel yang berukuran 3 x 3.
42
Sx merupakan matriks Sobel dari gradien yang dihitung dari sumbu x dan Sy merupakan matriks dari gradien yang dihitung dari sumbu y seperti yang terlihat pada Gambar 3.7 Untuk menghitung gradien dari gambar secara keseluruhan, yang perlu dilakukan hanya tinggal menambahkan nilai dari gradien pada sumbu x (Sx) dan nilai dari gradien pada sumbu y (Sy).
43
Deteksi sobel merupakan salah satu pengembangan dari teknik
edge detection sebelumnya. Kelebihan dari deteksi sobel ini adalah
kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi. Pada Gambar 3.8 dalam perhitungan deteksi sobel menggunakan matriks 3x3 dan dilakukan dengan dua perhitungan yaitu secara vertical dan horizontal. deteksi sobel adalah deteksi yang paling banyak digunakan sebagai pelacak tepi karena kesederhanaan dan keampuhannya. Berikut ini adalah potongan baris program untuk deteksi tepi Sobel.
c=edge(gray,'sobel');
Variabel c berfungsi untuk menampung hasil konversi citra abu – abu menjadi citra hitam putih. Citra yang dikonversi ialah citra abu – abu yang ditampung dalam variabel gray kemudian akan dilakukan deteksi tepi
sobel.
3.3.4 Metode Prewitt
44
P1 P2 P3
P8 (x,y) P4
P7 P6 P5
Gambar 3.9 Konvolusi
Dalam teknik deteksi tepi, tepi merupakan piksel yang memiliki nilai gradien yang tinggi. Untuk menghitung gradien ini, setiap gambar masukkan diubah menjadi gambar dua dimensi dengan menggunakan dua matriks dua dimensi Prewitt yang berukuran 3 x 3 seperti yang terlihat pada Gambar 3.10.
Px= Py=
Gambar 3.10 Operator Prewitt
Sx merupakan matriks Prewitt dari gradien yang dihitung dari sumbu x dan Sy merupakan matriks dari gradien yang dihitung dari sumbu y seperti yang terlihat pada Gambar 3.10. Untuk menghitung gradien dari gambar secara keseluruhan, yang perlu dilakukan hanya tinggal
-1 -1 1
0 0 0
1 1 1
-1 0 1
-1 0 1
45
menambahkan nilai dari gradien pada sumbu x (Px) dan nilai dari gradien pada sumbu y (Py).
\
Gambar 3.11 Flowchart Prewitt
46
nilainya secara default. Pada Gambar 3.11 adalah proses dari deteksi tepi
prewitt. Berikut adalah potongan baris program metode prewitt.
c=edge(gray,’prewitt’);
3.3.5 Metode Canny
Pada proses ini akan dideteksi tepi secara canny. Adapun cara pendeteksian secara canny yaitu pada langkah pertama yang harus dilakukan adalah menyaring dan membuang noise pada gambar asli sebelum mencoba untuk menetapkan dan mendeteksi tepian. Untuk menghilangkan noise kita dapat memakai Gaussian filter, tapi ini juga digunakan secara eksklusif dalam algoritma canny. Setelah menghaluskan gambar dan menyingkirkan noise, langkah selanjutnya adalah menemukan tepi dengan menggunakan gradient dari gambar tersebut. Operator sobel membuat sebuah ukuran gradient ruang 2-D pada gambar tersebut. Lalu, kira-kira besarnya gradient pada setiap poin dapat dicari. Operator sobel menggunakan sepasang matrik 3×3 konvolusi, satu matrik untuk mengkalkulasi gradient di x (kolom) dan yang satu untuk mengkalkulasi
gradient di y (baris). Gambar 3.12 adalah rumus untuk menghitung
gradient :
|G| = |Gx| + |Gy|
47
Pada langkah ketiga menemukan arah tepian itu mudah jika kita sudah menemukan gradient x dan y nya. Tapi, akan terjadi kesalahan jika penjumlahan X = 0. Jadi pada sintak harus ada handlingnya jika terjadi hal seperti tadi. Ketika, gradient x=0 itu juga berarti arah tepiannya x adalah 90 dejarat atau 0 derajat, tergantung juga dari arah y. Tapi jika gradient Y=0,maka arah tepiannya=0 derajat. Gambar 3.13 adalah rumus untuk mencari arah tepian adalah :
theta = invtan (Gy / Gx)
Gambar 3.13 Rumus mencari arah tepian
Pada langkah keempat setelah arah tepian ditemukan, langkah selanjutnya adalah merelasikan arah tepiannya ke arah yang dapat ditrace pada sebuah gambar. Jika pada sebuah gambar mempunyai pixel 5×5 :
x x x x x x x x x x x x a x x x x x x x x x x x x
Gambar 3.14 contoh piksel 5 x 5
48
terdekat. Pada langkah kelima setelah arah tepian diketahui, penindihan nonmaksimum diaplikasikan. Penindihan ini digunakan untuk mentrace sepanjang tepian dalam arah tepiaannya dan menindih pixel yang bernilai (= 0) yang tidak ada hubungannya dengan tepi. Hal ini akan menimbulkan garis kecil pada gambar keluaran. Pada akhirnya akan menghasilkan sebuah gambar yang sudah dieliminasi, kita membutuhkan sebuah
gradient jika ingin mengetehui garis tepi. Sehingga setiap pixel yang ada
terhubung sartu sama lain.
49
Setelah didapatkan citra yang sudah dikonversi kemudian diberi fungsi operator dengan metode deteksi yang diinginkan. Pada Gambar 3.15 ini terlihat pendeteksian tepi menggunakan deteksi tepi canny. Berikut adalah potongan baris program deteksi tepi canny.
c=edge(gray,'canny'); 3.3.6 Dilasi
Dilasi merupakan proses pengolahan citra dengan cara menebalkan
piksel pada batasan citra binernya. Pengertian penebalan ini dikontrol oleh bentuk strel yang digunakan. Kelebihan dari dilasi ini adalah sangat berguna ketika diterapkan dalam obyek-obyek yang terputus dikarenakan hasil pengambilan citra yang terganggu oleh noise.
Gambar 3.16 Contoh Dilasi
Pada Gambar 3.16 adalah contoh gambar proses dari dilasi. Setelah memproses metode deteksi tepi kemudian akan diproses dilasi. Proses ini menyambung garis pada objek. Berikut adalah algoritma dilasi.
For s = 0 to titik pusat
For I = 0 to x
50
Imdilate = s,(I,+1),(j,+1)) Push on new imdilate
End
End
3.3.7 Filling Holes
Proses filling holes merupakan proses untuk pengisian lubang , pengisian lubang adalah fungsi imfill dengan optional argument “holes” yang digunakan.
Gambar 3.17 Contoh Filling Holes
Pada Gambar 3.17 adalah contoh gambar dari proses filling holes. Proses filling holes dilakukan setelah citra melalui proses dilasi. Berikut adalah potongan algoritma filling holes.
For background = 0 to x
For boundary = 0 to y
Imfill = x=0 y=1
Push on imfill
End
51
3.3.8 Boundaries
Boundaries merupakan proses pengolahan citra dengan cara
menutupi batas luar objek dan batas – batas lubang di dalam objek, agar menjadi suatu citra biner yang utuh dan dapat ditentukan nilai – nilai propertinya. Proses boundaries tersebut dilakukan setelah proses filling
holes. Berikut adalah potongan baris program boundaries.
[B,L]=bwboundaries(j,'noholes');
3.3.9 Regionpr ops
Regionprops adalah sebuah fungsi yang dimiliki MATLAB untuk
mengukur sekumpulan property-property dari setiap region.
52
Pada Gambar 3.18 terlihat fungsi dari regionprops. Fungsi
regionprops adalah untuk pengenalan bentuk bangun datar dengan cara
nilai yang ada pada boundaries dimasukan pada property-property yang di pakai yaitu boundingbox, extend, eccentricity, dan extrema. Adapun cara untuk mencari nilai-nilai property tersebut sebagai berikut:
1. Boundingbox = max_corner – min_corner dimana max dan min
corner didapat dari image.
2. Extend = jumlah piksel area objek / luas objek, luas objek di dapat
dari X x Y dari property boundingbox.
3. Eccentricity = semua piksel objek – titik pusat citra(centroid).
4. Extrema = mencari 8 titik di extrema, di extrema mempunyai min
R (min_row) dan min C (min_column).
STATS=regionprops(L,'all');
53
Gambar 3.19 source code Regionprops
Seperti yang terlihat di Gambar 3.19. Property yang digunakan adalah BoundingBox, Extent, Eccentricity, dan Extrema.
3.4 Perancangan Tampilan Antar muka
Pada perancangan antar muka yang akan dibuat sedemikian rupa yang nantinya merupakan suatu halaman untuk berinteraksi bagi pemakai/ pengguna program dan diharapkan dapat memahami jalan kerja program dengan mudah. Dalam membuat program deteksi tepi akan dirancang tampilan GUI maka akan menghasilkan 2 file yaitu namafile.fig dimana GUI disimpan dan namafile.m dimana eksekusi program terkumpul. Masing-masing fig-file ini menghasilkan
m-file dengan nama yang sama.
Table 3.1 berisi objek-objek yang dibutuhkan dalam perancangan tampilan/ antarmuka pada pembuatan program pengenalan bentuk bangun datar.
Tabel 3.1 Tabel perancangan program pengenalan bentuk bangun datar.
Fig-file Komponen Nama Fungsi
Coba1 Text1 Pengenalan bentuk... Judul
Pushbutton1 Open file Membuka file
Axes1 - Menampilkan Citra
Axes2 - Menampilkan Citra
Text2 Grayscale Menampilkan Tulisan
Text3 Citra asli Menampilkan Tulisan
Pushbutton6 Exit Keluar
54
deteksi Robert
Pushbutton2 Deteksi Sobel Menjalankan Program
deteksi sobel
Pushbutton5 Deteksi Prewitt Menjalankan Program
deteksi prewitt
Pushbutton3 Deteksi Canny Menjalankan Program
deteksi canny
Axes3 - Menampilkan Citra
Axes4 - Menampilkan Citra
Axes5 - Menampilkan Citra
Axes9 - Menampilkan Citra
Axes10 - Menampilkan Citra
Axes11 - Menampilkan Citra
Axes14 - Menampilkan Citra
Axes15 - Menampilkan Citra
Axes16 - Menampilkan Citra
Axes19 - Menampilkan Citra
Axes20 - Menampilkan Citra
Axes21 - Menampilkan Citra
Text4 Deteksi Tepi Robert Menampilkan Tulisan
Text5 Dilasi Menampilkan Tulisan
Text6 Filling Holes Menampilkan Tulisan
Text10 Deteksi Tepi Sobel Menampilkan Tulisan
Text11 Dilasi Menampilkan Tulisan
Text12 Filling Holes Menampilkan Tulisan
Text16 Deteksi Tepi Prewitt Menampilkan Tulisan
Text17 Dilasi Menampilkan Tulisan
Text18 Filling Holes Menampilkan Tulisan
Text21 Deteksi Tepi Canny Menampilkan Tulisan
Text22 Dilasi Menampilkan Tulisan
Text23 Filling Holes Menampilkan Tulisan
Text26 Hasil Menampilkan Tulisan
Text30 Hasil Menampilkan Tulisan
Text31 Hasil Menampilkan Tulisan
Text32 Hasil Menampilkan Tulisan
Edit8 - Menampilkan Tulisan
Edit9 - Menampilkan Tulisan
Edit10 - Menampilkan Tulisan
Edit11 - Menampilkan Tulisan
Pushbutton7 Reset Menjalankan Program Reset
55
Pada Gambar 3.20 adalah rancangan tampilan awal antarmuka di mana di dalamnya ada isi dari tabel 3.1.
BAB IV
HASIL DAN PEMBAHASAN
Pada bab IV ini akan dijelaskan mengenai implementasi, hasil uji coba dan evaluasi dari rancangan program yang telah dibuat pada bab III. Bagian implementasi kali ini meliputi : lingkungan implementasi, implementasi data, implementasi antarmuka dan implementasi proses.
4.1. Ruang Lingkup Hardware dan Softwar e
Pada bagian ini akan dijelaskan mengenai perangkat keras dan perangkat lunak yang digunakan pada implementasi aplikasi ini.
a. Ruang Lingkup Hardware :
• Komputer dengan processor Intel (R) Core(TM)2Duo CPU T5870 2,0GHz
• RAM (2GB DDR2)
• Monitor 14.0 HD LED LCD
• Hard Disk 160 GigaByte b. Ruang Lingkup Software :
• Sistem OperasiWindows 7.
• Matlab 7.9
57
4.2 Implementasi Data
Seperti yang telah dijelaskan secara konseptual pada Bab 3, maka data yang akan diimplementasikan pada aplikasi ini berupa gambar-gambar bangun datar yang telah diambil dari internet yang nantinya akan diproses melalui beberapa tahapan. Dimana output berupa tampilan nama bentuk bangun yang terdeteksi.
4.3. Implementasi Antar muka
Pada implementasi antarmuka ini merupakan interaksi antara pemakai (user) dengan sistem. Halaman form utama ini merupakan tampilan awal saat program dijalankan. Pada form utama ini terdapat program secara keseluruhan beserta dengan prosedur-prosedur programnya. Pada masing – masing menu memiliki fungsi yang berbeda – beda pada program ini. Berikut penjelasan dari setiap form pada menu utama ini :
58
Adapun tampilan dari form utama ini dapat dilihat pada Gambar 4.1.
Gambar 4.1 Tampilan Form Awal
Pada tampilan Gambar 4.1 terdapat 6 kolom yang mempunyai fungsi berbeda-beda. Kolom pertama dengan nama citra asli berfungsi untuk menampilkan image yang akan diproses. Kolom kedua dengan nama Grayscale berfungsi untuk merubah citra asli menjadi warna keabu-abuan. Kolom ketiga adalah kolom dengan nama empat deteksi yaitu Roberts, Sobel, Prewitt dan,
Canny yaitu sebuah kolom yang menampilkan hasil deteksi tepi. Selanjutnya pada
59
akibat noise. Selanjutnya pada kolom keenam Hasil sebuah kolom yang berfungsi untuk menampilkan hasil pengenalan bentuk bangun datar yang terdeteksi.
4.4. Implementasi Pr oses
Bagian implementasi proses ini menjelaskan mengenai implementasi proses-proses sesuai dengan konsep yang telah dibuat pada bab 3. Seperti yang telah digambarkan dalam flowchart.
4.4.1. Pr oses Open File
Pada proses open file ini, yaitu merupakan sebuah proses yang bertujuan untuk menampilkan inputan berupa gambar. Gambar yang dapat dibuka hanya gambar yang berformat jpg, bmp, jpg, tif. Seperti yang tampak pada Gambar 4.2.
Gambar 4.2 Source code proses open file image
4.4.2 Pr oses Deteksi Robert
![Gambar 2.9 Properti Regionprops ([4] Yofianto Evan, 2010)](https://thumb-ap.123doks.com/thumbv2/123dok/719464.183337/41.595.155.463.112.339/gambar-properti-regionprops-yofianto-evan.webp)
![Gambar 2.10 Properti Regionprops ([10] Arumsari, 2013)](https://thumb-ap.123doks.com/thumbv2/123dok/719464.183337/43.595.184.437.423.624/gambar-properti-regionprops-arumsari.webp)
