ANALISA PERBANDINGAN KINERJA DETEKSI TEPI METODE SOBEL DAN
METODE CANNY PADA CITRA LUKISAN
Rizky Yuni Andriyanto
1
, Setia Astuti, S.Si, M.Kom2
1,2Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Jl. Nakula I No.5-11, Semarang, Jawa Tengah, 50131, Indonesia
E-mail: 111201206609@mhs.dinus.ac.id, setia.asturi@dsn.dinus.ac.id
ABSTRAK
Pengenalan pola lukisan adalah suatu cara yang digunakan untuk membedakan antara satu pola lukisan dengan pola lukisan lainnya. Dalam penerapannya digunakan 2 metode yaitu metode deteksi tepi sobel dan metode deteksi tepi canny. Deteksi tepi merupakan bagian dari pengolahan citra. Deteksi tepi adalah proses untuk menghasilkan garis batas dari suatu objek yang terdapat pada citra. Metode sobel mempunyai kelebihan yaitu, dapat mengurangi jumlah noise sebelum perhitungan operasi deteksi tepi dilakukan. Metode Canny salah satu deteksi tepi yang memproses pengolahan citra dimana citra rgb akan diubah menjadi citra biner. Parameter yang digunakan untuk mengukur nilai perbandingan antara kedua operator deteksi tepi yaitu MSE dan PSNR. Berdasarkan hasil pengujian diperoleh bahwa nilai rata-rata MSE dan PSNR metode sobel 22820.28dan 26.0153 decibell. Sedangkan nilai rata rata MSE dan PSNR metode canny 22639.71 dan 26.5830 deciBell. Dan metode canny merupakan operator yang terbaik untuk pendeteksian tepi pada citra lukisan.
I. PENDAHULUAN
Definisi dari pengolahan citra adalah pemrosesan pada suatu citra untuk menghasilkan citra dengan kualitas yang bagus atau untuk memperbaiki kualitas dari citra agar dapat diinterpretasi manusia maupun komputer. Misalnya citra kurangnya penajaman, sedikit kabur(blur), atau mengandung noise (bintik-bintik putih) sehingga perlu dilakukan pengolahan citra agar citra tersebut agar dapat di interpretasikan tanpa mengurangi informasi pada citra [1]. Pengolahan citra memiliki berbagai macam operasi seperti, perbaikan kualitas citra, pemugaran citra, pemampatan citra, segmentasi citra, analisis citra, hingga rekonstruksi citra. Dalam penelitian ini penulis tertarik untuk menggunakan operasi analisis citra pendeteksian tepi yang akan di implementasikan pada citra lukisan.
Deteksi tepi [2] adalah pedekatan yang dipergunakan untuk pendektesian graylevel secara ketidaksinambungan(diskontinuitas). Penyebabnya dikarenakan jarangnya dijumpai garis maupun titik yang terisolasi dalam aplikasi praktis. Seberapa jauh segmentasi yang diimplementasikan bergantung pada problematika yang dihadapi. Lebih mudahnya, jika objek yang disegmentasi berhasil dipisahkan maka langkah pada segmentasi akan berhenti. Pendeteksian tepi merupakan operasi segmentasi citra yang dilakukan dengan cara mendeteksi garis-garis tepi pada citra bidang dua dimensi. Deteksi tepi pada
citra memiliki beberapa metode seperti sobel, robert, prewitt, laplace, dan canny. Pada penelitian yang akan dilakukan, metode sobel dan canny adalah dua metode yang akan dipergunakan untuk operasi pendeteksian tepi pada citra.
Metode sobel dan canny adalah dua metode deteksi tepi yang lebih populer digunakan dalam deteksi tepi dibanding dengan prewitt, robert, maupun laplace. Dari kedua metode ini, canny dan sobel memiliki keunggulan masing-masing. Metode sobel [2] adalah metode deteksi robert yang telah dikembangkan menggunakan filter HPF (high pass filter) yang diberi satu angka nol penyangga. Metode sobel ini memiliki kelebihan, yaitu dapat mengurangi noise sebelum dilakukan operasi pendeteksian tepi. Metode Canny [3] adalah satu dari beberapa algoritma deteksi tepi modern dengan kelebihan mampu mengekstrak tepian dengan memilih parameter apapun yang akan digunakan sesuai kebutuhan. Menurut Study and Comparison of Various Image Detection Techniques, algoritma deteksi tepi canny metode pendeteksian tepi yang memiliki kinerja maksimal dan mempunyai keunggulan tersendiri dibandingkan dengan metode pendeteksian tepi lainya.
Dalam penelitian ini pengujian metode sobel dan canny akan diterapkan pada citra lukisan karena lukisan memiliki tekstur yang kasar dibandingkan citra lain seperti foto manusia, binatang, buah-buahan, maupun potret pemandangan. Lukisan memiliki tekstur mulai dari yang sederhana hingga tekstur yang rumit
seperti lukisan abstrak, mungkin akan terlihat jelas pada tekstur yang sederhana namun bagaimana hasil deteksi tepi pada tekstur yang lebih rumit. Oleh karena itu pengujian akan diterapkan pada keseluruhan jenis lukisan agar dapat diketahui dengan jelas perbedaan hasil pada tiap jenis lukisan setelah dilakukan deteksi tepi . Hasil deteksi tepi akan memperlihatkan tepi dari teksur ukiran tepi lukisan tersebut, dengan melakukan perhitungan MSE dan PSNR akan diketahui nilai dari tektur lukisan yang menggambarkan nilai artistik dari lukisan tersebut. Pada penelitian ini akan menerapkan bagaimana performa algoritma sobel dan algoritma canny jika diterapkan pada citra lukisan.
Untuk menunjang penelitian kali ini maka penulis mengambil beberapa referensi, dari penelitian terkait, yaitu Penelitian yang dilakukan oleh Erick Wijaya yang mengambil judul Analisis Intensitas Metode Pendeteksian Tepi Sobel yang mengambil kesimpulan bahwa nilai MSE dan PSNR yang didapatkan bergantung sekali pada penggunaan jenis file citra. Nilai PSNR yang didapatkan akan semakin besar jika warna pada citra yang dipakai semakin hitam atau gelap dan nilai PSNR yang didapatkan relatif kecil jika warna pada citra yang dipakai semakin putih atau terang. Perolehan nilai intensitas akan cenderung besar dan berbanding terbalik dengan nilai PSNR yang diperoleh jika file citra yang cenderung putih atau terang dan sebaliknya untuk file citra yang cenderung gelap [2].
II.LANDASAN TEORI
2.1 Lukisan
Menciptakan karya seni, khususnya seni lukis dipengaruhi perasaan senimanya ataupun pengalaman yang pernah dialami, yang nantinya akan menjadi suatu ide-ide untuk diwujudkan ke dalam proses penciptaan suatu karya lukisan. Lukisan sendiri merupakan karya seni lukis dimana proses pembuatanya melalui curahan perasaan pelukis yang dituangkan ke dalam berbagai macam media yang bersifat dua dimensi, seperti papan, kertas, kanvas, plastik dan juga film yang terdapat dalam fotografi juga dapat disebut sebagai media di dalam lukisan. [6]Berikut ini merupakan jenis – jenis lukisan antara lain :
1. Lukisan Pemandangan
Gambar 2. 1 Lukisan pegunungan
2. Lukisan Alam-Benda
6. Lukisan Sejarah 3. Lukisan Potret
Gambar 2. 3 Lukisan monalisa
4. Lukisan Kehidupan Sehari-hari
Gambar 2. 4 Lukisan keramaian pasar
5. Lukisan Abstrak
Gambar 2. 5 Lukisan abstrak
Gambar 2. 6 Lukisan zaman prasejarah
2.2 Citra Digital
Secara umum, pengolahan citra digital merupakan gambar bidang dua dimensi yang dapat diproses oleh komputer. Dalam lingkup yang lebih luas, pengolahan citra digital mengarah ke setiap proses yang terjadi pada data dua dimensi. Citra digital merupakan sebuah array yang terdapat beberapa nilai real ataupun kompleks yang direpresentasikan dengan deretan bit-bit tertentu. [7]
Pada sebuah citra dapat dirumuskan dengan fungsi f(x, y) dengan ukuran M sebagai baris dan N sebagai kolom, dengan koordinat spasial x dan y, dan juga tingkat keabuan atau intensitas dari citra yaitu ampltudo f dengan koordinat titik (x, y). Sebuah citra dapat dikatakan citra digital jika seluruh nilai x, y, dan nilai amplitudo f berhingga atau finite dan juga bernilai diskrit. Gambar 2.7 menunjukan letak koordinat pada citra digital. [7]
Gambar 2. 7 Koordinat Citra Digital
Citra sebagai output pada sistem pemrosesan data yang bersifat optik berupa foto, bersifat digitalisasi yang dapat langsung menyimpan pada suatu pita magnetik atau bersifat analog berupa sinyal gambar video seperti televisi. Berdasarkan ketepatan yang digunakan, secara teoristis citra dapat dikelompokan menjadi empat kelas citra, yaitu citra kontinu-kontinu, kontinu-diskrit, diskrit-kontinu, diskrit-diskrit untuk menyatakan koordinat titik pada domain spasial atau bidang dan untuk menyatakan nilai keabuan atau warna suatu citra. Pada label awal menyatakan ketepatan dari titik-titik koordinat pada bidang citra sedangkan label kedua menyatakan presisi nilai keabuan atau warna. Kontinu dinyatakan dengan presisi angka tidak terhingga, sedangka diskrit dinyatakan dengan presisi angka tak terbatas. [7]
Citra digital diolah menggunakan komputer digital dengan citra yang hanya berasal dari kelompok bernilai diskrit dikarenakan komputer digital bekerja dengan
angka presisi tak terbatas. Citra digital merupakan suatu suatu matriks atau array dua dimensi dimana informasi yang termuat di dalamnya bersifat diskrit berdasarkan tingkat keabuan dari elemen gambar yang dinyatakan oleh elemen-elemen matriks itu sendiri. Citra digital dapat berupa hasil langsung data rekaman suatu sistem dan dapat pula berupa hasil data rekaman bersifat kontinu seperti foto sinar-X, gambar pada layar televisi, dan lain sebagainya. Sehingga suatu proses konversi diperlukan untuk mendapatkan suatu citra
digital agar selanjutnya citra tersebut dapat diproses dengan menggunakan komputer. [7] Berikut ini adalah penulisan pada citra digital ke dalam pola matriks :
Nilai yang terdapat pada suatu irisan antara baris dan kolom pada posisi (x, y) disebut dengan pixels, pels, image elements, picture elements. Sebutan terakhir(pixels) seringkali dipergunakan pada citra digital. [7]
Citra digital dibentuk oleh piksel yang berupa kumpulan titik didalamnya. Masing-masing piksel digambarkan dengan satu kotak kecil dan memiliki koordinat posisi tersendiri.Gambar 2.8 menunjukan koordinat sistem yang digunakan untuk menyatakan citra digital.
Gambar 2. 8 Sistem Koordinat Citra
Dengan koordinat sistem yang mengikuti dasar pemindaian pada monitor televisi, maka sebuah piksel memiliki koordinat berupa (x, y) dimana x dinyatakan sebagai kolom dan y dinyatakan sebagai baris. Posisi piksel sudut kiri atas memiliki koordinat (0, 0) dan posisi piksel sudut pojok kanan bawah memiliki koordinat (M-1, N-1). [7]
2.3 Metode Sobel
Metode sobel berasal dari metode robert yang dikembangkan dengan menerapkan filter HPF(High Pass Filter) dengan dibekali satu angka nol penyangga. Metode sobel mempunyai kelebihan yaitu, dapat mengurangi jumlah noise sebelum perhitungan operasi deteksi tepi
dilakukan. [2] Berikut ini adalah beberapa kamus perhitungan dalam menggunakan operator Sobel
Tinjau pengaturan pixel (x, y) :
Operator Sobel adalah magnitude dari gradien yang dihitung dengan:
Turunan parsial dihitung dengan :
Dengan konstanta c = 2. Dalam bentuk mask, Sx dan Sy dapat dinyatakan sebagai :
[ ]
Dapat dilihat bahwa pembobotan atau penekanan diterapkan oleh operator sobel pada setiap pixel yang mendekati titik pusat jendela. Sehingga, letak pixel terhadap titik pada saat gradien dihitung akan mempengaruhi setiap pixel tetangga. Gradien merupakan hasil pengukuran pada fungsi intensitas yang mengalami
perubahan, dan sebuah citra bisa dianggap sebagai kelompok berbagai fungsi intensitas kontinu pada citra. Berdasarkan setiap nilai pembobotan yang disusun pada jendela dapat dilihat bahwa gradien yang dilakukan perhitungan juga berupa kombinasi dari posisi vertikal dan horisontal. [2]
2.4 Metode Canny
Deteksi tepi canny merupakan salah satu metode pendeteksian tepi modern. Marr dan Hildreth adalah penemu dari metode pendeteksian canny, mereka melakukan penelitian tentang pemodelan melalui persepsi visualisasi manusia [5]. Deteksi tepi canny memiiki berbagai kriteria yang dapat memenuhi pendeteksi tepian paling
optimum, diantaranya:
1. Kriteria deteksi (Melakukan deteksi tepi dengan baik)
Dengan menggunakan pemilihan berbagai parameter konvolusi yang dilakukan,
algoritma canny mampu untuk meletakan dan menandai seluruh tepian yang ada . Sekaligus tingginya fleksibilitas yang dimiliki pada saat menentukan tingkat ketebalan deteksi tepi dengan batas diinginkan.
2. kriteria lokalisasi (Melakukan lokalisasi dengan baik)
Deteksi tepi Canny mampu meminimalisir jarak yang di hasilkan antara tepi yang asli dan tepi yang dideteksi .
3. Kriteria respon (Mampu merespon dengan jelas)
Pada setiap tepian hanya akan ada satu respon. Sehingga akan lebih mudah dalam pendeteksian dan tidak akan terjadi kekacauan pada pengolahan berikutnya. Hasil dari pendeteksian tepi yang dihasilkanakan dipengaruhi dari pemilihan parameter deteksi tepi Canny. Berikut ini parameter metode canny:
a. Nilai Standart Deviasi Gaussian b. Nilai Ambang
Pendekatan metode canny dilakukan menggunakan konvolusi fungsi citra pada operator gaussian beserta turunan-turunanya. Turunan awal pada fungsi citra yang dilakukan operasi konvolusi menggunakan operator gaussian,
Setara dengan fungsi citra yang telah dikonvolusi dengan turunan awal dari operator gaussian,
Sehingga, kemungkinan dapat dilakukan kombinasi antara tingkat kehalusan dengan deteksi tepi ke dalam suatu konvolusi dalam satu dimensi yang memiliki perbedaan arah (vertikal dan horisontal). Berikut [9] adalah beberapa tahapan dalam mengerjakan deteksi tepi menggunakan algoritma canny :
1.Implemenrasi tapis gaussian digunakan untuk menghilangkan derau yang terdapat pada citra. Pada Proses ini akan dihasilkan citra yang terlihat agak buram. Hal ini dilakukan agar garis–garis halus tidak dideteksi sebagai garis tepi pada saat proses berlangsung sehingga didapatkan tepian citra yang sesungguhnya.
2.Melakukan pendeteksian tepi menggunakan salah satu algoritma deteksi tepi seperti, Sobel, Prewitt, atau Robert dengan melakukan perhitungan secara horizontal = Gx dan vertikal = Gy.
3.Penentuan arah pada tepi yang didapatkan dengan memakai rumus sebagai berikut :
Setelah arah tepian ditentukan, berikutnya pembagian warna menjadi 4 bagian sehingga, garis yang memiliki perbedaan arah akan mempunyai perbedaan warna pula. Pembagianya dari 0 hingga 22,5 dan 157,5 hingga 180 derajat dinyatakan warna kuning,
22,5 hingga 67,5 dinyatakan warna hijau, dan derajat 67,5 hingga 157,5 dinyatakan warna merah.
4.Langkah terakhir adalah binerisasi dengan menerapkan dua buah thresholding yaitu high threshold dan low threshold.
2.5 Perhitungan MSE dan PSNR
Kualitas media penampung sebelum penambahan pesan rahasia tidak memiliki perbedaan jauh dibandingkan kualitas media penampung sesudah penambahan pesan. Sesudah pesan rahasia ditambahkan, kualitas citra penampung tetap terlihat baik dan tidak terlalu mengalami perubahan. Sehingga tidak seorangpun tahu jika terdapat pesan rahasia pada citra tersebut [10]. Pengujian secara objektif dibutuhkan untuk mengukur tingkat
kualitas stetanografi. Pengujian secara objektif dapat dilakukan menggunakan perhitungan nilai PSNR.
PSNR atau Peak Signal to Noise Ratio merupakan pembanding nilai maksimal dari pengukuran sinyal dengan banyaknya derau yang mempengaruhi sinyal tersebut. Pengukuan PSNR dapat dilakukan pada satuan desibel. PSNR juga berfungsi untuk membandingkan
kualitas citra cover sebelum dengan setelah penyisipan pesan. Nilai dari MSE (Mean Square Error) harus didapatkan terlebih dahulu sebelum nilai PSNR ditentukan [10]. MSE merupakan nilai error kuadrat rata-rata antara citra cover dan citra terstetanografi, berikut ini adalah rumus untuk mendapatkan nilai MSE:
Dimana:
MSE = Nilai Mean Square Error citra stetanografi
M = Panjang citra Stego(dalam pixel)
N = Lebar citra stego (dalam pixel) I(x, y) = Nilai pixel dan citra cover
P’(x, y) = Nilai pixel dalam citra stego
Setelah mendapatkan nilai MSE, selanjutnya nilai PSNR bisa dihitung menggunakan pembagian kuadrat nilai maksimal dengan nilai MSE. Berikut adalah rumus untuk mendapatkan nilai PSNR :
Dimana:
MSE = nilai MSE
MAXi = nilai maksimal pada pixel citra yang dipakai
Tingkatan kualitan MSE ditentukan dari kecilnya nilai yang didapatkan, sedangkan Tingkatan kualitas PSNR ditentukan dari besarnya nilai yang didapatkan.
III.METODOLOGI PENELITIAN
3.1 Jenis Penelitian
Penelitian ini termasuk ke dalam kategori penelitian eksperimental dikarenakan penelitian
ini peneliti mengambil data berdasarkan pencatatan langsung dari hasil pengolahan citra dengan deteksi tepi sobel dan canny secara visual maupun perhitungan MSE dan PSNR sehingga dari data tersebut dapat diketahui metode mana yang terbaik.
3.2 Data Yang Digunakan
Pada penelitian ini, data yang digunakan oleh peneliti adalah citra medis yang mempunyai ekstensi JPEG image.
3.3 Teknik Analisa Data
Dalam penelitian ini, setelah data didapatkan ada beberapa tahapan yang dilakukan terhadap data yang diperoleh. Tahapan tersebut antara lain : 1. Melakukan normalisai data citra lukisan dari
format RGB ke dalam format Grayscale untuk digunakan dalam analisis penelitian. Rumus yang digunakan untuk konversi adalah :
x = merah (Red), G adalah nilai untuk warna hijau (Green), dan B adalah nilai warna biru (Blue) dari pixel yang diproses. Berikut ini contoh perhitungan manual untuk merubah citra rgb ke grayscale apabila ditemukan nilai dari red, green dan blue pada citra.
2. Menerapkan metode sobel dari data citra lukisan digunakan matrix neighbour 5 x 5 dengan titik yang akan dilakukan pemeriksaan sebagai titik tengah matriks. Penerapan Operator Sobel dapat digunakan dengan dua buah matriks mask. Matriks mask sobel mempunyai ukuran n x n dan memiliki kesamaan pada matriks neighbour. Terdiri dari mask vertikal dan mask horisontal, mask
vertikal berfungsi melakukan selisih perhitungan antara titik pada sisi vertikal sedangkan mask horisontal berfungsi melakukan selisih perhitungan antara titik pada sisi horisontal.
3. Operasi pendeteksi tepi canny diterapkan untuk memperoleh tepian dari objek pada citra digital. Deteksi tepi canny berfungsi untuk memberi tanda pada bagian detail
sebuah objek dan citra yang kabur dikarenakan error maupun efek akuisisi akan diperbaiki secara detail.
4. Melakukan melakukan tahap evaluasi nilai MSE dan PSNR dari Citra yang telah dideteksi tepi untuk mengukur tingkat akurasi metode sobel dan canny pada proses
segmentasi citra lukisan.
3.4. Tahapan Penelitian
Keterangan : a. Citra Testing
Merupakan sebuah citra yang diinputkan oleh user. Citra yang diinput kemudian akan dilakukan deteksi tepi untuk mendapatkan ciri atau fitur pada citra tersebut
b. Akuisisi
Proses pengambilan data citra lukisan untuk dilakukan analisis yaitu 15 data dilakukan pemotretan pada lukisan dengan jarak yang disesuaikan sesuai ukuran dari lukisan dan 15 data dari beberapa situs di internet.
c. Preprocessing
Melakukan pemotongan dan mengubah dimensi citra testing menjadi 220 x 220 pixel. d. Grayscale
Proses ini adalah proses pengubahan citra awal atau citra RGB kedalam bentuk citra keabuan atau grayscale.
e. Sobel Filter 1. Proses Sobel X
Proses menscanline citra awal secara vertikal dengan mask sobel x.
2. Proses Sobel Y
Proses menscanline citra awal secara horizontal dengan mask sobel y. f. Canny Filter
1. Smoothing
Proses penghalusan citra awal sehingga dihasilkan citra yang memiliki noise yang sama setiap pixelnya.
2. Finding Gradient
Proses mencari gradient dari citra awal dan menggunakan mask prewitt yang akan digunakan dalam pendeteksian tepi pada metode ini.
3. Non Maximum Supression
Proses mempertahankan nilai gradient
tertinggi dari sebuah citra. 4. Thresholding
Proses menyempurnakan hasil non maximum supression yaitu menentukan nilai batas atas dan batas bawah sebuah citra.
g. Hasil Deteksi Tepi
Hasil citra citra lukisan yang terdeteksi tepi menghasilkan garis-garis tepian oleh metode sobel dan canny.
h. MSE dan PSNR
Perhitungan yang digunakan untuk mengevaluasi efektivitas kinerja dari metode pendeteksian tepi pada citra lukisan.
IV. HASIL DAN PEMBAHASAN
4.1. Data Penelitian
Dalammelakukaneksperimenini,
diperlukan citra lukisan 2D untuk membandingkan metode antara Sobel Filter dengan Canny Filter untuk mendeteksi tepi pada citra lukisan 2D.
4.2. Konversi Grayscale
Citra Lukisan Rumah Penulis adalah citra RGB. Pada proses preprocessing, citra RGB diubah menjadi citra keabuan oleh proses
grayscale sebagai masukan untuk proses sobel dan canny.
4.3 Deteksi Tepi Sobel
Metode sobel menggunakan matrik 3 x 3 dan susunan pikselnya disekitar piksel (x, y) seperti bagan berikut :
Dari diagram alir yang telah dijabarkan sebelumnya,maka dapat dijelaskan proses deteksi tepi dengan metode sobel adalah sebagai berikut :
1. Menghitung nilai dari x-gradient.
Dalam menghitung nilai dari x-gradient dapat menggunakan kernel matrix sebagai berikut :
2. Menghitung nilai dari y-gradient.
Dalam menghitung nilai dari y-gradient dapat menggunakan kernel sebagai berikut :
3. Menghitung nilai gradient magnitude.
Diambil satu sampel objek lukisan untuk dilakukan penghitungan matrik dengan menggunakan kernel metode sobel 3 X 3.
4.4. Deteksi Tepi Canny
Deteksi tepi canny memberikan tingkat kesalahan yang rendah, melokalisasi titik-titik tepi dan hanya memberikan satu tanggapan untuk satu tepi. terdapat empat tahapan yang dilakukan untuk mengimplementasikan deteksi tepi canny. Keempat tahapan tersebut tersebut dijabarkan berikut ini:
1. Untuk mencegah kesalahan deteksi tepi karena noise, maka noise tersebut harus dikurangi. Hal ini dapat dilakukan dengan proses smoothing atau juga disebut filtering. Oleh karena itu pertama kali harus dilakukan smoothing pada citra. Biasanya teknik yang digunakan pada tahap ini adalah filter Gaussian.
2. Metode prewitt menggunakan matrik 3 x 3 dan susunan pikselnya disekitar piksel (x, y) seperti bagan berikut :
Menghitung nilai dari x-gradient Dalam menghitung nilai dari x-gradient dapat menggunakan kernel sebagai berikut
:
Menghitung nilai dari y-gradient Dalam menghitung nilai dari y-gradient
dapat menggunakan kernel sebagai berikut
:
Menghitung nilai dari gradient magnitude.
3. Menghitung arah tepian dengan
memanfaatkan dua buah template edge arah horizontal(Sx) dan vertikal(Sy) pada operator sobel. Proses tersebut gambar terlihat telah menunjukkan tepinya dengan cukup jelas, namun demikian, tepi-tepinya terlalu lebar sehingga tidak menunjukkan dimana tepatnya tepi-tepinya.
4. Langkah selanjutnya adalah membuang potensi gradien di suatu piksel dari kandidat edge, jika piksel tersebut bukan merupakan maksimal lokal pada arah edge di posisi piksel tersebut. Tujuan dari langkah ini adalah untuk mengubah tepi yang “kabur” pada citra gradien menjadi tepi yang “tajam”. lalu menetukan arah gradien terdekat sesuai dengan arah 8 ketetanggaan. Selanjutnya besar gradien piksel (x,y) dengan besar piksel pada titik dari dua arah yg ditentukan pada langkah sebelumnya. Jika besar gradien piksel (x,y) lebih besar dari kedua titik tadi,maka piksel tersebut dipertahankan. Tetapi jika gradiennya lebih kecil dari salah satu saja dari kedua titik tadi, maka piksel tersebut diubah menjadi 0. 5. Hasil dari langkah non-maximum suppression adalah citra yang berisi kandidat edge
serta intensitas dari kekuatan edge di posisi piksel tersebut. Langkah terakhir adalah thresholding atau klasifikasi tiap piksel apakah termasuk dalam kategori piksel tepi atau bukan. Sederhananya hysteresis thresholding bertujuan untuk klasifikasi dua buah nilai High-threshold dan Low- Threshold. Suatu piksel untuk disahkan atau tidak sebagai piksel tepi jika nilainya lebih besar atau sama dengan ambang batas tersebut. thresholding tidak dilakukan secara langsung berdasarkan besar gradien piksel. Standarisasi lokal tiap-tiap piksel dengan arah 8 ketetanggaan dilakukan sebelum
thresholding. Hasil dari metode canny :
Gambar 4. 3 Canny Detection
4.5. Hasil MSE dan PSNR
Tabel 4. 1 Hasil MSE terhadap metode
Citra Sobel Filter Canny Filter Citra 1 9863.22 7906.40 Citra 2 13797.96 12969.44 Citra 3 20776.59 20384.56 Citra 4 21808.48 21322.15 Citra 5 32000.15 32477.55
rata-rata metode Canny Filter memiliki nilai MSE yang terkecil dan metode Sobel Filter
memiliki nilai MSE yang terbesar. Dimana semakin kecil nilai dari MSE maka metode yang digunakan semakin baik.
Tabel 4. 2 Hasil PSNR terhadap metode
Citra Sobel Filter Canny Filter Citra 1 43.4258 48.5178 Citra 2 35.6959 37.1217 Citra 3 26.2712 26.7099 Citra 4 25.1551 25.6744 Citra 5 16.3260 15.9851
Dari Table 4.2 ditunjukan bahwa hasil rata-rata metode Canny Filter memiliki nilai PSNR yang terbesar dan metode Sobel Filter
memiliki nilai PSNR yang terkecil. Semakin besar nilai PSNR maka semakin baik hasil pada tampilan citra hasil.
V. PENUTUP
1. Penggunaan metode Canny pada deteksi tepi lukisan merupakan langkah tepat, karena berdasarkan aturan pembanding nilai MSE dan PSNR, pada MSE metode pendeteksian tepi semakin nilainya kecil semakin bagus sedang pada PSNR semakin besar semakin baik. Pada penelitian yang telah dilakukan, metode canny mengungguli metode sobel 16:14 pada perhitungan nilai MSE dan PSNR , itu artinya Metode pendeteksian tepi canny lebih unggul dibandingkan sobel berdasarkan perhitungan MSE dan PSNR.
2. Untuk hasil pola citra pada pendeteksian tepi, algoritma sobel lebih menghasilkan pixel tepi yang lebih tebal dibandingkan algoritma canny berdasarkan bentuk dan teksturnya. Perbedaanya adalah metode sobel menghasilkan tepian lebih merata dibandingkan canny namun, algoritma canny dengan tepian ramping mampu membaca citra dengan tekstur dari yang sederhana hingga rumit, sedangkan metode sobel ketika dihadapkan dengan citra yang rumit, menghasilkan tepian tebal dan hampir tidak beraturan. Canny lebih unggul secara metode pendeteksian tepi karena MSE dan PSNR digunakan untuk mengukur kualitas antar metode dalam pengolahan citra meskipun masing-masing metode memiliki kelebihan dan kekurangan tersendiri.
DAFTAR PUSTAKA
[1]M. N. Cholis, "Aplikasi Deteksi Tepi Sobel Untuk Identifikasi Tepi Citra Medis,"
MATHunesa, vol. Volume 3, no. 2, 2014. [2]E. Wijaya, "Analisis Intensitas Metode
Pendektesian Tepi Sobel," Jurnal Komputer dan Informatika[KOMPUTA], vol. I, no. 1, 2012.
[3]R. R. Abdiansah, "Ekstraksi Bentuk Janin Pada Citra Hasil USG 3 Dimensi Menggunakan Deteksi Tepi Canny," Journal of Research in Computer Science and Applications, vol. I, no. 1, 2012.
[4]A. N. T. RD. Kusumanto, "Pengolahan Citra Digital Untuk Mendeteksi Obyek Menggunakan Pengolahan Warna Model Normaliasi RGB," in Seminar Nasional Teknologi Informasi & Komunikasi Terapan (Semantik 2011), Palembang, 2011.
[5]E. Winarno, "Aplikasi Deteksi Tepi pada Realtime Video menggunakan Algoritma
Canny Detection," Jurnal Teknologi InformasiDinamik , vol. 16, no. 1, 2011. [6]T. H. Yani and H. Maryono,
"VISUALISASI
CINTA DALAM LUKISAN BUNGA ANGGREK," Jurnal Gorga, vol. I, no. 3, 2013.
[7]N. Nafi'iyah, "Algoritma Kohonen dalam Mengubah Citra Greylevel Menjadi Citra Biner," Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA), vol. 9, no. 2, 2015
[8] D. Putra, Pengolahan Citra Digital,
Yogyakarta: ANDI, 2010.
[9]M. Kamal and M. k. Ruri Suko Basuki, "Segmentasi Citra Daun Tembakau Berbasis Deteksi Tepi Menggunakan Algoritma Canny," in Skripsi, Fakultas Ilmu Komputer, Semarang, 2013.
[10] W. S. Ghazali Moenandar Male, "Analisa Kualitas Citra Pada Stetanografi Untuk Aplikasi e-Government," in
Prosiding Seminar Nasional Manajemen Teknologi XV,Surabya, 2012
[11] A. Haris and A. Prasetyo, "Implementasi
Metode Deteksi Tepi Canny pada Objek Sebagai Model Keamanan Aplikasi Pada
Smartphone Android," Jurnal Pengkajian dan
Penerapan Teknik Informatika, vol. 9, no. 1, 2016.
[12] Arifin and Budiman, "EDGE
DETECTION
MENGGUNAKAN METODE ROBERT
CROSS," JSM (Jurnal SIFO Microskil), vol. 12, no. 1, 2011
