vi
ABSTRAK
Mendeteksi tepi pada citra merupakan hal yang biasa dalam proses pengolahan citra, namun disini dilakukan perbandingan hasil deteksi tepi pada citra asli dan citra yang telah mengalami proses filtering. Hal ini dilakukan untuk melihat apakah ada pengaruh proses filtering pada kinerja deteksi tepi. Metode filtering yang digunakan adalah Geometric Mean Filter untuk mereduksi Gaussian Noise dan Salt-Pepper Noise, sedangkan operator deteksi tepinya adalah Sobel, Prewitt dan Robert.
Parameter yang digunakan untuk mengukur nilai perbandingan antara ketiga operator deteksi tepi yaitu nilai MSE, PSNR dan Running Time. Implementasi sistem menggunakan SharpDevelop 4.3 dengan bahasa pemogaraman C#. Pada sistem ini objek yang digunakan adalah citra dengan format bitmap atau *.bmp. Proses pengujian ini dilakukan dengan nilai probabilitas noise antara 10%, 20%, 30%, 40%, dan 50%. Berdasarkan hasil pengujian diperoleh bahwa citra asli memiliki proses deteksi tepi lebih baik dibandingkan dengan citra hasil filtering dengan nilai MSE = 628,723 dan PSNR = 1,0149 dB pada operator Sobel. Sedangkan proses yang relatif paling cepat dalam mendeteksi tepi dengan nilai Running Rime = 0,263 s pada operator Prewitt.
vii
COMPARATIVE ANALYSIS OF GEOMETRIC MEAN FILTER WITH SOBEL OPERATOR, PREWITT OPERATOR AND
ROBERT OPERATOR ON BITMAP IMAGE
ABSTRACT
Edge detection is a common thing in image processing, but here done to compare the edge detection on the original image and the image filtering result. This cas was done to see if there was an effect of the filtering process on the edge detection performance. The method of filtering is Geometric Mean filter to reduce Gaussian Noise and Salt-Pepper Noise and edge detection operators are Sobel, Prewitt and Robert. The parameter used to measure the value of comparisons between the third edge detection operators are MSE, PSNR and Running Time. Implementation of the system using SharpDevelop 4.3 with C# programming language. In this system, the object that was used is image with bitmap format or (*. bmp). This testing process was done with the probability noise about 10%, 20%, 30%, 40% and 50%. Based on the test results obtained that the edge detection process on the original image is better than the image filtering result with MSE = 628,723 and PSNR = 1,0149 dB on Sobel operator. Then the process of the most rapidly in detecting the edge with Running Time = 0,263 s on Prewitt operator.
