PERBANDINGAN METODE PREWITT DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL Pitrawati, S.Kom., M.Pd Program Studi Komputerisasi Akuntansi AMIK Dian Cipta Cendikia, Bandar Lampung Abstrak Pengolahan citra merupakan bagian penting dari aplikasi nyata dimana pengolahan citra yang mampu melakukan manipulasi citra menjadi citra yang memiliki kualitas lebih baik agar mudah diinterpretasikan oleh manusia atau mesin (computer). pengolahan citra yang biasa digunakan adalah segmentasi citra. Segmentasi citra merupakan proses yang ditujukan untuk mendapatkan objek-objek yang terkandung didalam citra atau membagi citra kedalam daerah dengan setiap objek atau daerah yang memiliki kemiripan atribut. Salah satu pendekatan segmentasi citra adalah pendeteksian tepi suatu citra. Pendeteksia tepi citra memiliki beberapa operator seperti Prewitt dan Sobel. Pemilihan cara pendeteksian tepi suatu citra merupakan langkah penting dalam menghasilkan keluaran pengolahan citra agar lebih optimal, tepat dan akurat. Jika pemilihan metode pendeteksian tepi tidak sesuai, maka akan berakibat pada ketidaktepatan tepi yang dihasilkan sehingga dapat mempengaruhi hasil analisa selanjutnya. Langkah penelitian yang dilakukan adalah dengan memasukan citra, melakukan proses pengujian deteksi tepi citra dengan prewitt dan sobel. Dari hasil uji pendeteksian 5 citra maka dapat disimpulkan bahwa jika dilihat secara visual maka hasil uji coba pendeteksian citra dengan sobel lebih jelas dibandingkan dengan prewit dan jika dilihat dari jumlah piksel warna putih maka disimpulkan bahwa jumlah piksel warna putih dengan pendeteksian sobel lebih banyak dibandingkan dengan prewitt. Kata kunci : Pendeteksian Citra, Prewitt, Sobel
A. PENDAHULUAN 1. Latar Belakang Pada era globalisasi saat ini, informasi dan teknologi berkembang sangat cepat. Salah satu alat yang biasanya digunakan untuk memperoleh informasi adalah komputer. Komputer merupakan alat yang mampu membantu manusia dalam memproses pengolahan data. Komputer mampu mengolah citra dengan cepat, tepat dan akurat. Pengolahan citra merupakan bagian penting yang mendasari berbagai aplikasi nyata seperti pengenalan pola, penginderaan jarak jauh melalui satelit atau pesawat udara dan machine vision. Pengolahan citra melakukan manipulasi citra menjadi citra yang memiliki kualitas lebih baik agar mudah diinterpretasikan oleh manusia atau mesin (computer). Kegiatan pengolahan citra banyak digunakan dalam bidang kedokteran, fotografi, militer, geofisika dan lain-lain. Salah satu metode pengolahan citra yang biasa digunakan adalah segmentasi citra. Segmentasi citra merupakan proses yang ditujukan untuk mendapatkan objek-objek yang terkandung didalam citra atau membagi citra kedalam daerah dengan setiap objek atau daerah yang memiliki kemiripan atribut. Segmentasi biasa dilakukan pada langkah awal untuk melaksanakan klasifikasi objek. Pedeteksian tepi suatu citra adalah salah satu pendekatan pengolahan citra yang ada pada segmentasi citra. Pendeteksian tepi (edge detection) merupakan pendekatan yang paling umum digunakan untuk mendeteksi diskontinuitas grey-level. Hal ini disebabkan karena titik ataupun garis yang terisolasi tidak terlalu sering dijumpai dalam aplikasi praktis. Sampai sejauhmana segmentasi tersebut dilakukan tergantung pada masalah yang dihadapi. Idealnya, langkah segmentasi tersebut dihentikan pada saat objek yang diinginkan sudah berhasil dipisahkan. Pendeteksian tepi citra berfungsi untuk memperoleh tepi objek. Deteksi tepi memanfaatkan perubahan nilai intensitas yang dratis pada batas dua area. Jika suatu citra jelas dan tajam maka untuk menentukan letak tepi suatu citra akan lebih mudah, namun jika suatu citra tidak jelas dan mendapatkan gangguan seperti adanya noise maka akan timbul kesulitan dalam menentukan letak tepi suatu citra. Ada beberapa metode pendeteksian tepi suatu citra antara lain Prewitt dan Sobel. Pemilihan cara pendeteksian tepi suatu citra merupakan langkah penting dalam menghasilkan keluaran pengolahan citra agar lebih optimal, tepat dan akurat. Jika pemilihan metode pendeteksian tepi tidak sesuai, maka akan berakibat pada ketidaktepatan tepi yang dihasilkan sehingga dapat mempengaruhi hasil analisa selanjutnya. Metode sobel merupakan pengembangan dari metode Robert dengan menggunakan filter HPF (high pass filter) yang diberi satu angka nol penyangga. Kelebihan dari metode sobel ini adalah kemampuan untuk mengurangi noise sebelum melakukan perhitungan pendeteksian tepi sedangkan metode Prewitt Metode Prewitt merupakan pengembangan metode robert dengan menggunakan filter HPF yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari fungsi laplacian yang dikenal sebagai fungsi untuk membangkitkan HPF dimana Persamaan gradien pada operator Prewitt sama seperti operator Sobel Berdasarkan hal tersebut maka perlu adanya pengujian terhadap kinerja dari setiap operator pendeteksian tepi suatu citra, sehingga kesalahan dan ketidaktepatan dalam mendeteksi dalapat dihindari.
B.
LANDASAN TEORI
1. Pengolahan Citra Citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dwimatra. Sumber cahaya menerangi objek, objek memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh oleh alat-alat optik, misalnya mata pada manusia, kamera, pemindai (scanner), dan sebagainya, sehingga bayangan objek yang disebut citra tersebut terekam. 2. Aplikasi Pengolahan Citra Pengolahan citra merupakan bagian penting yang mendasari berbagai aplikasi nyata seperti pengenalan pola, penginderaan jarak jauh melalui satelit atau pesawat udara dan machine vision. Pengolahan citra melakukan manipulasi citra menjadi citra yang memiliki kualitas lebih baik agar mudah diinterpretasikan oleh manusia atau mesin (computer). 3. Tujuan Pengolahan Citra Pengolahan citra memiliki tujuan antara lain: a. Pengolahan citra diperlukan untuk memperbaiki kualitas gambar dari aspek radiometrik (peningkatan kontras, tranformasi warna, restorasi citra) dan dari aspek gemetrik (rotasi, translasi, skala, transformasi geometrik) b. Melakukan proses penarikan informasi atau deskripsi objek atau pengenalan objek yang terkandung pada citra c. Melakukan kompresi atau reduksi data untuk tujuan penyimpanan data, transmisi data dan waktu proses data 4. Metodologi Pengolahan Citra Metode-metode pengolahan citra yaitu : a. Pembentukan citra (data acquisition) Menentukan data yang diperlukan dan memilih metode perekaman citra digital b. Pengolahan citra tingkat awal (image preprocessing) Meningkatkan kontrak, menghilangkan ganggung geometrik/radiometrik, menentukan bagian citra yang akan diobservasi c. Segmentasi citra (image segmentation) dan Deteksi sisi (edge detection) Melakukan partisi citra menjadi wilayah-wilayah objek (internal properties) atau menentukan garis batas wilayah objek (external shape characteristics) d. Seleksi dan ekstraksi ciri (feature extraction and selection) 5. Segmentasi Citra Segmentasi citra merupakan proses yang ditujukan untuk mendapatkan objek-objek yang terkandung didalam citra atau membagi citra kedalam beberapa daerah dengan setiap objek atau daerah memiliki kemiripan atribut. Segmentasi dilakukan untuk mendapatkan objek yang menjadi perhatian maupun langkah awal untuk melaksanakan klasifikasi objek.
Tabel 2.1 Contoh Aplikasi Segmentasi pada Citra Kegunaan Objek Citra Segmentasi Mobil Mobil, jalan dan latar Pelacakan mobil belakang Struktur Foto satelit Klasifikasi area permukaan bumi Wajah orang Kerumunan orang Pengenalan wajah dipasar Apel Kumpulan apel pada Pemilihan buah apel ban berjalan berdasarkan ukuran
Acuan yang digunakan Gerakan dan warna Tekstur dan warna Warna, bentuk dan tekstur Bentuk, warna dan ukuran
6. Deteksi Tepi Deteksi tepi berfungsi untuk memperoleh tepi objek. Deteksi tepi memanfaatkan perubahan nilai intensitas yang dratis pada batas dua area. Menurut Gonzalez & woods tahun 2002 dalam buku Abdul kadir tahun 2013 Deteksi Tepi adalah himpunan piksel yang terhubung yang terletak pada batas dua area. Tepi sesungguhnya mengandung informasi sangat penting. Informasi yang diperlukan dapat berupa bentuk maupun ukuran objek. Deteksi tepi menggunakan dua jenis detector yaitu detector baris (Hy) dan detector kolom (Hx). Beberapa contoh yang tergolong dalam jenis ini adalah operator Roberts, Prewitt, Sobel dan Frei-Chen. Deteksi tepi dapat dibagi menjadi dua golongan. 1. Deteksi tepi orde pertama Bekerja dengan menggunakan turunan atau diferensial orde pertama. Termasuk dalam kelompok ini adalah Robert, Prewitt dan Sobel 2.
Deteksi tepi order kedua Bekerja dengan menggunakan turunan orde kedua. Contoh yang termasuk dalam kelompok ini adalah Log (Laplacian of Gaussian)
a. Operator Prewitt Operator Prewitt dikemukakan oleh prewitt pada tahun 1966 untuk mempercepat komputasi dimana bagian yang bernilai 0 tidak diproses. Operator ini menggunakan persamaan yang sama dengan operator sobel hanya saja terbalik. Operator ini lebih sensitif terhadap tepian diagonal [1]. Operator prewitt menggunakan kernel berukuran 3x3 piksel sebagai berikut : Gx = [ Gy = [
] dan ]
b. Operator Sobel Sobel (Sobel, 1990) termasuk yang mengembangkan metode ini. Proses penghalusan yang digunakan merupakan proses konvolusi dari jendela yang ditetapkan terhadap citra yang dideteksi. Agar perkiraan gradien tepat ditengah
jendela, dalam konvolusi Sobel menggunakan jendela 3x3, dan susunan pikselpiksel disekitar piksel (x,y) seperti bagan berikut : P1 P2 P2 (x,y) P3 P6
P3 P4 P5
Sehingga besar gradien dihitung dengan menggunakan persamaan : Sx= (p3+cp4+p5)-(p1+cp8+p7) Sy= (p1+cp2+p3)-(p7+cp6+p5) Dengan c konstant yang bernilai 2. Sehingga matriks operator sobel seperti yang ditujukan dibawah ini: Sx = [
Sy = [
] dan
]
Dari matriks diatas terlihat bahwa sobel memberikan pembobotan pada pikselpiksel yang lebih dekat dengan titik pusat. Algoritma metode sobel dalam mendeteksi tepi suatu citra digital adalah sebagai berikut: 1. Citra masukan berupa citra grayscale 2. Konvolusikan citra grayscale dengan kernel sobel horisontal (Sx) =[
]
dan kernel sobel vertikal (Sy) = [
]
3.
Hitung besar gradien dengan rumus G = √
4.
Citra keluaran merupakan hasil dari besar gradien (G)
7. Matlab Matlab merupakan bahasa pemrograman dengan kemampuan tinggi dalam bidang komputasi. Matlab memiliki kemampuan mengintegrasikan komputasi, visualisasi, dan pemrograman. Oleh karenanya, matlab banyak digunakan dalam bidang risetriset yang memerlukan komputasi numerik yang kompleks.
Menurut Sianipar (2013) Matlab adalah suatu paket perangkat lunak untuk melakukan komputasi matematik, menganalisis data, mengembangkan algortima, melakukan simulasi dan pemodelan dan menghasilkan tampilan gafik dan antarmuka grafikal. Matlab merupakan kepanjangan dari Matrix Laboratory. Sesuai dengan namanya, struktur data yang terdapat dalam Matlab menggunakan matriks atau array berdimensi dua (double). Oleh karenanya penguasaan teori matriks mutlak diperlukan bagi pengguna pemula Matlab agar mudah dalam mempelajari dan memahami operasi-operasi yang ada di Matlab Penggunaan Matlab meliputi bidang–bidang: o Matematika dan Komputasi o Pembentukan Algoritma o Akusisi Data o Pemodelan, simulasi, dan pembuatan prototype o Analisa data, explorasi, dan visualisasi o Grafik Keilmuan dan bidang Rekayasa Bagian-bagian dari Matlab adalah 1. Development Environment 2. Matlab Mathematical Function Library 3. Matlab Language 4. Graphics 5. Matlab Application Program Interface (Api) C.
METODOLOGI PENELITIAN
Langkah-langkah penelitian yang dilakukan adalah : 1. Studi Literatur Studi literatur digunakan untuk memperoleh dasar teori berkaitan dengan pengolahan citra baik berasal dari jurnal, buku maupun searching di internet 2.
Pemrosesan Citra Pemrosesan citra ini adalah pemrosesan terhadap citra masukan yang merupakan hasil akuisisi citra, untuk diolah dengan beberapa metode fundamental pengolahan citra digital dan mengimplementasikan beberapa metode morfologi yang digunakan dalam memisahkan antara obyek citra dan latar belakang obyek, sehingga diharapkan mampu dikenali beberapa model pengolahan citra terhadap obyek yang mampu diproses dengan hasil yang lebih baik.
Input : Citra
Proses : Uji Citra dengan Metode Prewitt dan Sobel
Output : Hasil Uji Citra
Kesimpulan
Gambar 3.1 Alur Penelitian
Masukan (input) dari program aplikasi yang dibuat adalah berupa file citra Program apliksi yang dibuat ini juga dapat menerima masukan (input) berupa file citra dengan ukuran piksel yang lebih besar, hanya saja waktu proses yang dibutuhkan akan
semakin lama. Gambar berikut memperlihatkan tampilan program ketika menampilkan file citra warning.bmp yang baru saja di input kan atau di load ke dalam program. Algoritma mendeteksi tepi suatu citra digital adalah sebagai berikut : 1. Masukan citra masukan berupa citra grayscale 2. Lakukan pengujian deteksi citra dengan operator prewitt dan sobel menggunakan program Matlab 3. Hasil citra berupa kejelasan gambar dan jumlah piksel warna putih D. HASIL DAN PEMBAHASAN 1. Hasil Pengujian Citra yang dapat digunakan dalam percobaan untuk kedua metode deteksi tepi adalah citra dengan format BMP (ekstensi *.bmp), JPEG (ekstensi *.jpg) dan PNG (ekstensi.png). Masukan sistem adalah citra grayscale untuk mempermudah dalam pendeteksian tepi. Dalam kegiatan ini diujikan 5 file citra masukan dengan menggunakan Matlab i= imread('testpat1.png'); imshow(i); BW1 = edge (i,'prewitt'); BW2 = edge(i,'sobel'); subplot(1,3,1); imshow(i); title('Original'); subplot(1,3,2); imshow(BW1); title('Prewitt'); subplot(1,3,3); imshow(BW2); title('Sobel'); %Hitung Jumlah Piksel Metode prewitt [m,n,o]= size(BW1); count = 0; for i = 1 : m; for j = 1 : n; if BW1(i,j) == 1; count = count + 1; else, end end end tespat1_prewitt = count; % Hitung Jumlah Piksel Metode sobel [m,n,o]= size(BW2); count = 0; for i = 1 : m; for j = 1 : n; if BW2(i,j) == 1; count = count + 1; else, end end
end tespat1_sobel = count;
Hasil uji deteksi tepi dengan metode prewitt dan sobel yang dapat dilihat pada tabel 4.1. Tabel 4.1 Hasil Uji Citra Nama No. Citra Uji Original 1
Testpat1.p ng
2
Pears. Png
3
Fabric. png
4
Coloredchi ps.png
5
Text.png
Metode Deteksi Tepi Prewitt
Sobel
2.
Pembahasan a. Perbandingan Citra Hasil Deteksi Tepi Secara Visual Hasil pengujian deteksi tepi dengan metode prewitt dan sobel dapat dilihat pada tabel 4.1. Berdasarkan hasil tersebut maka dapat dilihat bahwa kejelasan gambar yang dideteksi dengan metode sobel lebih jelas dibandingkan dengan metode prewitt, hal ini menunjukan bahwa pendeteksian citra dengan metode sobel lebih baik dibandingkan dengan metode prewitt. b. Perbandingan Citra Hasil Deteksi Tepi Berdasarkan Jumlah Piksel Warna Putih Jumlah piksel warna putih merupakan piksel yang didapatkan dari hasil deteksi tepi. Semakin banyak piksel warna putih maka semakin banyak pula tepi yang diperoleh. Oleh karena itu, jumlah warna putih yang didapat dari perhitungan masing-masing metode deteksi tepi untuk semua citra yang diuji. Untuk menghitung jumlah piksel warna putih dengan menggunakan fungsi nnz (number of nonzero entries). Jumlah piksel warna putih untuk setiap citra yang diuji dengan mede prewitt dan sobel dapat dilihat pada tabel 4.2. Tabel 4.2 Daftar jumlah piksel warna putih pada masing-masing citra Jumlah Piksel Warna Putih No. Nama Citra Kesimpulan Prewitt Sobel 1 Testpat1.png 5515 5551 Sobel lebih besar dari Prewitt 2 Pears.png 8534 8698 Sobel lebih besar dari Prewitt 3 Fabric.png 14405 14628 Sobel lebih besar dari Prewitt 4 Coloredchips.png 3409 3418 Sobel lebih besar dari Prewitt 5 Text.png 2726 3019 Sobel lebih besar dari Prewitt Berdasarkan tabel 4.2 maka dapat terlihat bahwa hasil deteksi tepi berdasarkan jumlah piksel warna putih dengan metode sobel lebih besar dibandingkan dengan metode prewitt, sehingga dapat disimpulkan bahwa untuk mendeteksi tepi suatu citra dengan metode sobel lebih baik dibandingkan dengan metode prewit. Pendeteksian dengan metode sobel lebih baik dibandingkan dengan metode prewitt karena operator dan ukuran kernel yang digunakan berbeda. Metode sobel menggunakan operator sobel dengan ukuran 3x3 piksel.
E. KESIMPULAN Berdasarkah hasil dan pembahasan, maka kesimpulan adalah sebagai berikut : 1. Hasil uji deteksi tepi secara visual menunjukan bahwa citra yang dideteksi dengan sobel lebih jelas dibandingkan dengan prewitt 2. Pengujian deteksi tepi yang dilihat berdasarkan jumlah piksel warna putih menunjukan bahwa jumlah piksel warna putih sebuah citra dengan metode sobel lebih banyak dibandingkan dengan metode prewitt 3. Semakin banyak jumlah piksel warna putih sebuah citra maka semakin baik hasil pendeteksian yang dilakukan.
DAFTAR PUSTAKA [1].
Amelia, L., & Marwati, R. Perbandingan Metode Roberts dan Sobel dalam Mendeteksi Tepi suatu Citra Digital. EurekaMatika (Jurnal Online Matematika S1), 2013.
[2].
[3].
Febriani, Febriani and ETP, Lussiana. Analisis Penelusuran Tepi Citra Menggunakan Detektor Tepi Sobel Dan Canny. Proceeding Komputer dan Sistem Intelijen (KOMMIT 2008). 2008 Kadir, A. Teori dan Aplikasi Pengolahan Citra. Andi Offset, Yogyakarta. 2013
[4].
Sianipar. Pemrograman Matlab. Informatika, Bandung. 2013
[5].
Wijaya, Erick. Analisis Intensitas Metode Pendeteksian Tepi Sobel. Jurnal Komputer dan Informatika, 2015
