Perancangan Program Aplikasi Konversi Citra Dari Format Raster ke Format Vektor Dengan Metode Canny Bima Putrantyo Anwar Binus University, DKI Jakarta, Indonesia
ABSTRAK Citra atau gambar adalah komponen multimedia yang memegang peranan penting dalam mengkomunikasikan informasi yang bersifat visual. Karena perkembangan teknologi komputer yang begitu pesat dan peranan citra yang sangat penting dalam multimedia, maka banyak peneliti yang mengembangkan pengolahan citra dengan komputer yang disebut Computer Graphics. Dalam dunia desain grafis, peran citra dengan format vektor sangatlah penting dikarenakan objek citra vektor dapat diubah ukuran dan bentuknya tanpa menurunkan mutu tampilan serta dapat dicetak pada resolusi tertinggi pada printer. Berbeda dengan citra dengan format raster atau bitmap di mana objek citra memiliki permasalahan ketika diubah ukurannya, khususnya jika objek gambar diperbesar. Untuk membuat objek vektor, bisa dilakukan dengan berbagai cara seperti melakukan trace manual pada objek, atau melakukan konversi objek citra raster ke format vektor. Dalam melakukan konversi, terkadang objek citra vektor yang dihasilkan tidak seperti yang kita inginkan yang dikarenakan banyak hal seperti kualitas dari objek citra raster yang kurang, atau besarnya objek raster juga bisa mempengaruhi hasil. Oleh karena itu, banyak metode – metode konversi yang digunakan atau dikembangkan untuk menghasilkan objek citra vektor yang sempurna. Pada makalah ini, objek citra vektor direpresentasikan oleh model matematika yang merupakan kumpulan dari banyak titik – titik yang terhubung dengan garis – garis dan lengkungan – lengkungan. Titik, garis, dan lengkungan pada objek vektor merupakan hasil trace atau telusuran dari objek citra raster. Metode yang digunakan Penulis untuk merancang program aplikasi konversi citra dari format raster ke format vektor adalah metode Canny. Metode Canny adalah metode pendeteksian edge atau tepi yang dikembangkan oleh John F. Canny pada tahun 1986, yang merupakan algoritma bertahap untuk mendeteksi tepi pada citra dengan jangkauan atau cakupan yang luas. Kata Kunci: Citra, Raster, Vektor, Konversi, Canny, C#, Pengolahan Citra.
PENDAHULUAN Dalam bahasa Inggris ada pepatah yang mengatakan “a picture is worth a thousand words” yang memiliki arti sebuah gambar bernilai beribu kata yang secara tidak sengaja menjelaskan betapa pentingnya peran sebuah citra atau gambar pada kehidupan sehari – hari
dan khususnya pada dunia multimedia. Citra atau gambar adalah komponen multimedia yang memegang peranan penting dalam mengkomunikasikan informasi yang bersifat visual. Citra raster merupakan reptresentasi dari kumpulan titik – titik kecil atau disebut pixel dengan warna tertentu yang membentuk gambar dan akan terlihat jelas pada resolusi tertentu, yang membuat citra raster lebih sering digunakan pada image processing karena banyak sekali operasi – opearasi filter untuk memanipulasi citra raster seperti pengaturan brightness, contrast, saturation, gamma filter, color invert, dan lain – lain. Namun hal ini tidak membuat citra vektor ditinggalkan karena citra vektor yang disimpan sebagai model matematika tidak terpengaruh dengan skala tertentu, dan dapat diperbesar atau diperkecil, bahkan diubah bentuknya sekalipun tanpa menurunkan mutu tampilan. Citra vektor banyak digunakan pada sektor percetakan dalam membuat cetakan atau silk screen yang digunakan sebagai pembatas tinta sablon yang menempel ke media agar gambar yang di hasilkan sama dengan gambar yang diinginkan. Karena ukuran media cetak yang beragam dari kecil hingga besar seperti spanduk, umbul – umbul, papan reklame, dan lain – lain, maka sangatlah cocok dengan keunggulan citra vektor dalam hal melakukan skala. Karena dengan citra vektor hanya perlu menyimpan satu jenis file saja, dan skala disesuaikan dengan ukuran media cetak yang diinginkan. Metode yang digunakan Penulis untuk merancang program aplikasi konversi citra dari format raster ke format vektor adalah metode Canny. Metode Canny adalah metode pendeteksian edge atau tepi yang dikembangkan oleh John F. Canny pada tahun 1986, yang merupakan algoritma bertahap untuk mendeteksi tepi pada citra dengan jangkauan atau cakupan yang luas. Metode atau algoritma Canny mempunyai beberapa tahap langkah kerja yaitu yang pertama dengan mengurangi noise pada citra dengan Gaussian Filter, lalu mencari intensitas gradient pada citra, setelah itu yang terakhir baru menelusuri edge melalui citra dan hysteresis thresholding yang dilakukan pada citra.
PEMBAHASAN Metode pendeteksian edge Canny dikembangkan oleh John F. Canny pada tahun 1986 dan menggunakan algoritma dengan banyak tahap (multi-stages) untuk mendeteksi tepi dari citra dengan cakupan yang luas. Tujuan dari Canny adalah untuk menemukan algoritma pendeteksian tepi yang optimal. Syarat dari pendeteksian yang optimal yang dimaksud adalah (John Canny, 1986, hal. 680) : a. Good detection: algoritma harus menandai tepi asli sebanyak mungkin dari citra. b. Good localization: lokasi tepi yang sudah ditandai harus sedekat mungkin dari lokasi tepi asli pada citra. c. Minimal responese: tepi pada citra hanya ditandai satu kali saja, dan jika memungkinkan noise pada citra sebagaimana mungkin tidak mengganggu dan menghasilkan tepi yang salah. Metode Canny menggunakan filter yang berbasis pada derivatif Gaussian yang pertama, karena metode Canny sangat rentan terhadap noise yang ada pada citra yang masih mentah dan belum diproses. Jadi sebelum diproses dilakukan filter Gaussian pada citra untuk
mengurangi noise yang ada. Hasil citra yang sudah disaring dengan filter Gaussian adalah lebih sedikit kabur (blur) dari citra aslinya tetapi tidak dipengaruhi oleh pixel yang mengandung noise. Filter Gaussian yang dipakai pada metode Canny mempunyai besar Gaussian Kernel σ = 1.4, yang akan dihitung dengan rumus: 1
,
2
Yang akan didapat matriks bobot dengan besar 5x5 sebagai berikut: 2 4 5 4 4 9 12 9 1 5 12 15 12 159 4 9 12 9 2 4 5 4
2 4 5 4 2
Matriks bobot 5x5 merupakan matriks simeteris yang akan dilakukan perkalian terhadap matriks A yaitu setiap pixel (posisi tengah) yang ada pada citra beserta 24 pixel tetangga yang mengelilingi. Matriks akan dinormalisasi dengan cara membagi setiap isi matriks dengan jumlah seluruh isi matriks yaitu 159. (R. Fisher, 2003). Untuk mendeteksi tepi dengan metode Canny, kita akan menggunakan gradien G(x,y) yang merupakan sebuah vektor yang terdiri dari dua unsur yaitu Gx dan Gy. Deteksi tepi dilakukan dengan cara membaca setiap pixel pada citra raster dengan cara membaca dari pixel paling kiri atas (timur utara) dan bergerak ke pixel paling kanan bawah (barat selatan). Oleh karena itu, untuk membantu penelusuran tepi, gradien Gx dan Gy masing – masing mempunyai matriks operator Sobel Mask 3x3 yaitu: 1 0 2 0 1 0
1 2 , dan 1
1 0 1
2 0 2
1 0 1
arah
arah
Masing – masing matriks operator akan dilakukan perkalian terhadap setiap pixel yang dipecah menjadi matriks 3x3 dengan pixel utama di tengah – tengah serta 8 pixel tetangga disekelilingnya. Setelah dikalikan dengan matriks operator, maka Gx akan dikembalikan sebagai nilai gradien arah horizontal, dan Gy sebagai nilai gradien arah vertikal, lalu didapat vektor gradien G(x,y) yang merupakan hasil penjumlahan dari Gx dan Gy. (William Green, 2002). ,
|
|
|
|
Dan besar gradien dengan rumus:
Setelah mendapatkan gradien dari citra, maka dilakukan pencarian besarnya gradien tersebut dengan mengasumsikan maksimum lokal pada arah gradien. Misalkan, bila sudut gradien bundar adalah nol derajat (yaitu bila tepi ada pada arah utara-selatan) titik akan dianggap sebagai tepi jika intensitasnya lebih besar dari intensitas
arah barat dan arah timur. Jika sudut gradien bundar adalah 90 derajat (yaitu bila tepi ada pada arah timur-barat) titik akan dianggap sebagai tepi jika intensitasnya lebih besar dari intensitas arah utara dan arah selatan. Jika sudut gradien bundar adalah 135 derajat (yaitu bila tepi ada pada arah timur laut-barat daya) titik akan dianggap sebagai tepi jika intensitasnya lebih besar dari intensitasnya lebih besar dari intensitas arah barat laut dan arah tenggara. Jika sudut gradien bundar adalah 45 derajat (yaitu bila tepi ada pada arah barat laut-tenggara) titik akan dianggap sebagai tepi jika intensitasnya lebih besar dari intensitas arah timur laut dan barat daya. Pada tahap ini mengacu pada penekanan non-maksimum, diperoleh kupulan dari titik – titik pada tepi didalam bentuk citra biner, yang biasa juga disebut “tepi tipis”. Thresholding dengan Hysteresis memerlukan dua ambang batas (threshold) yaitu tinggi dan rendah. Membuat asumsi bahwa tepi – tepi yang penting harus menjadi lengkungan yang kontinu pada citra memungkinkan kita untuk menemukan bagian yang lemah pada garis dan untuk membuang beberapa pixel yang mengganggu yang bukan merupakan pixel dari garis tetapi menghasilkan gradien yang besar. Oleh karena itu hendaknya memulai menerapkan ambang batas yang tinggi terlebih dahulu (high threshold), di mana ambang batas yang tinggi dapat menandai tepi – tepi yang bisa kita yakini sebagai tepi yang asli. Pada saat menelusuri tepi, digunakan ambang batas yang rendah (low threshold) agar memungkinkan kita untuk menelusuri bagian – bagian yang lemah pada tepi – tepi, selama kita menemukan kembali titik awal. Setelah proses ini selesai, maka kita akan mempunyai citra biner di mana pixel sudah ditandai sebagai pixel tepi atau bukan tepi. Dari citra biner yang di hasilkan, maka bisa juga diperlakukan sebagai lengkungan – lengkungan tepi, di mana setelah proses yang lebih mendalam bisa dijadikan objek polygon atau vektor.
KESIMPULAN Berdasarkan dari implementasi dan evaluasi yang Penulis lakukan, maka dapat diambil kesimpulan, yaitu: • Pada citra raster yang di-input akan dilakukan threshold terlebih dahulu, di mana pada citra raster foto yang memiliki warna abu – abu atau grayscale akan lebih sensitif terhadap parameter threshold. • Objek vektor yang di hasilkan merupakan hasil trace menggunakan metode pendeteksian tepi Canny pada objek citra raster yang sudah dilakukan threshold terlebih dahulu. • Pada objek citra raster sembarang, objek vektor hasil konversi sudah mendekati seperti objek citra raster yang di-input. Sedangkan pada objek citra raster teks, terjadi sedikit perbedaan pada objek vektor hasil konversi. • Pada citra foto, terjadi perbedaan antara citra foto asli dengan objek vektor yang di hasilkan. Penyebab perbedaan adalah karena citra foto yang di-input kedalam program aplikasi akan dilakukan threshold sehingga objek vektor hasil konversi mengacu pada citra raster yang sudah dilakukan threshold.
DAFTAR PUSTAKA Agoston. M. K. (2005). Computer Graphics And Geometric Modeling (Implementation And Algorithms). Springer. Buselle, Jay. (2004). Raster Images Versus Vector Images. Diperoleh pada tanggal 22 Juli 2011 dari http://www.signindustry.com/computers/articles/2004-11-30-DASvector v raster.php3 Canny, J. (1986). A Computational Approach To Edge Detection. IEEE Trans. Pattern Analysis and Machine Intelligence. Deriche, R. (1987). Using Canny’s criteria to derive a recursively implemented optimal edge detector (Vol.1). Int. J. Computer Vision. Fisher, R., Perkins, S., Walker. A., Wolfart, E. (2003). Gaussian Smoothing, The University of Edinburgh School of Informatics. homepages.inf.ed.ac.uk. Green, William. (2002). Edge Detection Tutorial. Philadelphia, PA: Drexel University. http://dasl.mem.drexel.edu/alumni/bGreen/www.pages.drexel.edu/_weg22/edge.html Hermawan, Julius. (2004). Analisis Desain & Pemrograman Berorientasi Objek dengan UML dan Visual Basic.NET. ANDI dan Art. Ichsan, Nur. (2010). Waterfall And Prototyping (Metode Pengembangan Sistem). Jones, F., Rama, D. (2008). Sistem Informasi Akutansi halaman 78. Salemba. Kahkoska, James. (1993). Raster To Vector Conversion System And Method Therefor. Palo Alto, California: Hewlett-Packard Company. Lindeberg, Tony. (1998). Edge Detection and Ridge Detection With Automatic Scale Selection. International Journal of Computer Vision. Salomon, David. (2011). The Computer Graphics Manual (Volume 1). Springer. Shirley, Peter. (2005). Fundamentals of Computer Graphics. Wellesley, Massachusetts: A. K. Peters. Torgersen, Mads. (2008). New features in C# 4.0. Microsoft. Yhann. S. R. (1998). Converting Bitmap Objects To Polygons. San Jose, California: Adobe Systems, Incorporated.
Application Program Design For Image Conversion From Raster Format To Vector Format With Canny Method Bima Putrantyo Anwar Binus University, DKI Jakarta, Indonesia
ABSTRACT Image or picture is a multimedia component that plays an important role in communicating visual information. Since the development of computer technology that is fast and the important role of image in multimedia, there are so many researchers developing image processing using computers called Computer Graphics. In graphic design world, image with vector format is very important, because the capability of vector object in changing its shape and resize without decreasing the quality and can be printed in the highest resolution, In contrast to the image with a raster or bitmap format which the image has a problem when the object is resized, especially if the object image is enlarged. To create a vector object, can be done in various ways such as performing manual trace on the object, or automatically converting raster images to vector format. In the conversion, sometimes the vector image result is not as we wanted because a lot of things like the quality of the raster image taht are less, or the amount of raster object scan also affect the results. Therefore, many methods that are used or developed to produce a perfect conversion from raster image to vector object. In this paper, vector object is represented by mathematical model which is a collection of many points that are connected by lines and curves. Points, lines, and curves in vector object are the trace result from raster image. Method that is used by the author for designing the raster to vector image conversion program application is Canny method. Canny is an edge detection algorhitm developed by John F. Canny in 1986, which is gradual algorhitm to detect edges in images with wide range and scope. Keywords: Image, Raster, Vector, Conversion, Canny, C#, Image Processing
INTRODUCTION In English there is a saying “a picture is worth a thousand words” has the meaning that inadvertently describes how important the role of an images in evereyday life and especially at the multimedia world for communicating visual information.
Because the development of computer technology is so fast and the image of a very important role in multimedia, so many researchers are developing image processing by computers called Computer Graphics. On Computer Graphics images or images created by computer, or more generally the longer is the depiction or representation and manipulation of image data by a computer assisted with software and special hardware.
In this paper, vector image object represented by a mathematical model which is a collection of many points - points that are connected with lines - lines and curves - the curve. Points, lines, and curves in a vector object or path of the trace of a raster image objects. Representation of raster image is from a collection of dots tiny dots called pixels with specific color that make up the image and can be seen clearly at a certain resolution, which makes the raster image is more often used in image processing because many operations filter for manipulating raster images like setting brightness, contrast, saturation, etc. Vector images are widely used in the printing sector in making a mold or silk screen printing ink is used as a barrier attached to the media in order to produce the same image with the desired image. Due to the size of the print media that range from small to large such as banners, billboards, etc. Method that is used by the author for designing the raster to vector image conversion program application is Canny method. Canny is an edge detection algorhitm developed by John F. Canny in 1986, which is gradual algorhitm to detect edges in images with wide range and scope.
CONTENTS Canny edge detiection method was developed by John F. Canny in 1986 and uses an algorithm with many stages to detect the edge of the image with broad coverage. The purpose of the Canny edge detection algorithm to find the maximum result. Terms of maximum detection in question is (John Canny, 1986, p. 680): a. Good detection: the algorithm should mark as many as possible of the original edge image. b. Good localization: edges that have marked the location should be as close as possible from the original location on the edge of image. c. Minimal responese: the edge of the image is marked only once, and if possible the images as it may not interfere and produce the wrong edge. Canny method uses filters based on Gaussian derrivatives of the first, because canny method is very susceptible to noise in the image that there is still raw and unprocessed. So before processing performed on the image, Gaussian filter will reduce the existing noise. Gaussian filter used in the Canny method has a Gaussian kernel of σ = 1.4, which will be calculated by the formula: 1 , 2 2 1 4 5 159 4 2
4 9 12 9 4
5 12 15 12 5
4 9 12 9 4
2 4 5 4 2
Edge detection is done by reading each pixel on a raster image by reading from top left most pixel (north east) and moves ti the pixel at the lower right (south west). Therefore to help search the edges, gradients Gx and Gy respectively has matrix of 3x3 sobel mask, namely:
1 0 2 0 1 0
1 2 , and 1
1 0 1
2 0 2
1 0 1
direction
direction
Each matrix multiplication will be performed on each pixel is split into a 3x3 matrix with the main pixel in the middle, and the eight pixel neighbors surround it. Once multiplied, then Gx will be returned as the value of the horizontal gradient and gradient Gy as the vertical direction, and then G(x,y) which is the sum of Gx and Gy. (William Green, 2002). ,
|
|
|
|
And gradient magnitude formula:
if the rounded gradient angle is zero degrees (i.e. the edge is in the north-south direction) the point will be considered to be on the edge if its gradient magnitude is greater than the magnitudes in the west and east directions, if the rounded gradient angle is 90 degrees (i.e. the edge is in the east-west direction) the point will be considered to be on the edge if its gradient magnitude is greater than the magnitudes in the north and south directions, if the rounded gradient angle is 135 degrees (i.e. the edge is in the north east-south west direction) the point will be considered to be on the edge if its gradient magnitude is greater than the magnitudes in the north west and south east directions, if the rounded gradient angle is 45 degrees (i.e. the edge is in the north west-south east direction)the point will be considered to be on the edge if its gradient magnitude is greater than the magnitudes in the north east and south west directions. Thresholding with hysteresis requires two thresholds – high and low. Making the assumption that important edges should be along continuous curves in the image allows us to follow a faint section of a given line and to discard a few noisy pixels that do not constitute a line but have produced large gradients. Therefore we begin by applying a high threshold. This marks out the edges we can be fairly sure are genuine. Starting from these, using the directional information derived earlier, edges can be traced through the image. While tracing an edge, we apply the lower threshold, allowing us to trace faint sections of edges as long as we find a starting point. When this is done, then we will have a binary image where pixels are marked as edge or non edge pixel. From the binary image is cropped, it can also be treated as an arch, where after a process that could be deeper or vector polygon objects.
CONCLUSION • •
Based on the implementation and evaluation of the authors do, we can summarized: In the raster image that is an input will be done first threshold, where the raster image of an photograph will be more sensitive to the threshold parameter. Vector object that produced the trace results using Canny edge detection method on an object raster image after the threshold filter performed.
• •
In abstract raster image objects, vector objects such as the conversion is close to the raster image. While the text raster object, there is a little difference in the vector object conversion result. On the photograph image, there is a difference between the original photo image with generated vector objects. The cause of the difference is due the application program will be conducted so the vector object is the tracing of the raster images that have been carried out threshold.
REFERRENCES Agoston. M. K. (2005). Computer Graphics And Geometric Modeling (Implementation And Algorithms). Springer. Buselle, Jay. (2004). Raster Images Versus Vector Images. Diperoleh pada tanggal 22 Juli 2011 dari http://www.signindustry.com/computers/articles/2004-11-30-DASvector v raster.php3 Canny, J. (1986). A Computational Approach To Edge Detection. IEEE Trans. Pattern Analysis and Machine Intelligence. Deriche, R. (1987). Using Canny’s criteria to derive a recursively implemented optimal edge detector (Vol.1). Int. J. Computer Vision. Fisher, R., Perkins, S., Walker. A., Wolfart, E. (2003). Gaussian Smoothing, The University of Edinburgh School of Informatics. homepages.inf.ed.ac.uk. Green, William. (2002). Edge Detection Tutorial. Philadelphia, PA: Drexel University. http://dasl.mem.drexel.edu/alumni/bGreen/www.pages.drexel.edu/_weg22/edge.html Hermawan, Julius. (2004). Analisis Desain & Pemrograman Berorientasi Objek dengan UML dan Visual Basic.NET. ANDI dan Art. Ichsan, Nur. (2010). Waterfall And Prototyping (Metode Pengembangan Sistem). Jones, F., Rama, D. (2008). Sistem Informasi Akutansi halaman 78. Salemba. Kahkoska, James. (1993). Raster To Vector Conversion System And Method Therefor. Palo Alto, California: Hewlett-Packard Company. Lindeberg, Tony. (1998). Edge Detection and Ridge Detection With Automatic Scale Selection. International Journal of Computer Vision. Salomon, David. (2011). The Computer Graphics Manual (Volume 1). Springer. Shirley, Peter. (2005). Fundamentals of Computer Graphics. Wellesley, Massachusetts: A. K. Peters. Torgersen, Mads. (2008). New features in C# 4.0. Microsoft.
Yhann. S. R. (1998). Converting Bitmap Objects To Polygons. San Jose, California: Adobe Systems, Incorporated.
