ALGORITMA DETEKSI TEPI CANNY
Deteksi Tepi Canny
Deteksi tepi Canny dapat mendeteksi tepian yang sebenarnya dengan tingkat eror yang minimum dengan kata lain, operator Canny di desain untuk menghasilkan citra tepian yang optimal. Langkah-langkah Deteksi Tepi Canny Berikut adalah langkah-langkah dalam melakukan deteksi tepi Canny. Langkah I adalah Menghilangkan Noise yang ada pada citra dengan mengimplementasikan Filter Gaussian. Hasilnya citra akan tampak sedikit buram. Hal ini dimaksudkan untuk mendapatkan tepian citra yang sebenarnya. Bila tidak dilakukan maka garis-garis halus juga akan dideteksi sebagai tepian.
Berikut ini adalah salah satu contoh filter
gaussian dengan σ = 1.4 :
Langkah II adalah melakukan deteksi tepi dengan salah satu operator
deteksi
tepi
seperti
Roberts,
Perwit
atau
Sobel
dengan
melakukan pencarian secara horizontal (Gx) dan secara vertikal (Gy). Berikut ini salah satu contoh operator deteksi tepi ( Operator Sobel ):
Hasil
dari
kedua
operator
digabungkan
untuk
mendapatkan
hasil
gabungan tepi vertikal dan horizontal dengan rumus:
Langkah
III
Menentukan
Arah
tepian
yang
ditemukan
dengan
menggunakan rumus:
Dan selanjutnya membagi ke dalam 4 warna sehingga garis dengan arah yang berbeda memiliki warna yang berbeda. Pembagiannya adalah : 1. Derajat 0 – 22,5 dan 157,5 – 180 berwarna Kuning. 2. Derajat 22,5 – 67,5 Berwarna Hijau, dan 3. Derajat67,5 – 157,5 Berwarna Merah. Berikut ini adalah bagan pembagian warna berdasarkan arah tepian yang dilakukan oleh Canny:
Langkah IV memperkecil garis tepi yang muncul dengan menerapkan non maximum suppressionsehingga menghasilkan garis tepian yang lebih ramping. Langkah terakhir adalah binerisasi dengan menerapkan dua buah nilai ambang. Gambar berikut ini akan menunjukkan bentuk citra sebelum pemrosesan dan sesudah pemrosesan.
Citra Awal
Citra Hasil
Algoritme deteksi tepi Canny dikenal sebagai algoritme yang optimal dalam melakukan pendeteksian tepi. Untuk meningkatkan metode-metode yang telah ada dalam pendeteksian tepi, algortime deteksi tepi Canny mengikuti beberapa kriteria sebagai berikut: Tingkat error yang rendah. Error terjadi bila ada tepi yang penting tetapi tidak muncul, atau bila ada yang bukan tepi tetapi muncul. Titik-titik pada tepi dilokasikan dengan benar.
Dengan kata lain, jarak antara
piksel-piksel tepi yang ditemukan algoritme dengan tepi sesungguhnya diminimumkan.
Hanya satu respon (lebar 1 piksel) untuk setiap sebuah tepi. Berdasarkan kriteria di atas, algoritme deteksi tepi Canny dilakukan dengan langkahlangkah sebagai berikut: 1. Pertama-tama dilakukan penghalusan (smoothing) citra untuk menghilangkan noise. Contohnya menggunakan filtering dengan Gaussian Filter. 2. Selanjutnya dicari gradient magnitude citra untuk melihat daerahdaerah yang memiliki turunan spasial yang tinggi. Pencarian gradient magnitude seperti yang ditulis pada tulisan sebelumya, bisa pakai Sobel, Prewitt,, dll… 3. Ditentukan arah dari tepi dengan menggunakan invers tangen dari gradient magnitude Y (Gy) dibagi gradient magnitude X (Gx). Arah yang diperoleh dari perhitungan ini kemudian dipetakan ke 0, 45, 90, atau 135 derajat berdasarkan kedekatannya dengan keempat derajat arah tadi. 4. Kemudian dilakukan Non Maximum Suppression. Yaitu, penghilangan nilai-nilai yang tidak maksimum. Ditelusuri daerah yang ditemukan pada langkah 2 (dengan arah seperti yang ditemukan pada langkah 3), dan menghilangkan (suppress) setiap piksel yang tidak maksimum. 5. Selanjutnya dilakukan Hysteresis (disebut juga Hysthresis), [for me maybe simply "double thresholding"]. Hysteresis menggunakan dua threshold T1 (threshold bawah) dan T2 (threshold atas). Bila magnitude ada di bawah T1, titik tersebut di-set nol (dijadikan non-tepi). Bila magnitude ada di atas T2, maka termasuk tepi. Bila magnitudeada diantara T1 dan T2, di-set nol kecuali jika ada jalan (path) dari titik tersebut ke titik yang memiliki magnitude di atas T2. Metode deteksi tepi dengan menggunakan model sobel, canny, prewitt dan log : >> I=im2bw(imread('x_ray2.JPG')); >> bw1=edge(I,'sobel'); >> bw2=edge(I,'canny'); >> bw3=edge(I,'prewitt'); >> bw4=edge(I,'log'); >> bw5=edge(I,'robert'); >> imshow(I),title('awal) ??? imshow(I),title('awal) | Error: Missing variable or function.
>> imshow(I),title('awal') Warning: Image is too big to fit on screen; displaying at 56% scale. > In truesize>Resize1 at 308 In truesize at 44 In imshow at 161 >> figure,imshow(bw1),title('sobel) ??? figure,imshow(bw1),title('sobel) | Error: Missing variable or function.
>> figure,imshow(bw1),title('sobel') Warning: Image is too big to fit on screen; displaying at 56% scale. > In truesize>Resize1 at 308 In truesize at 44 In imshow at 161 >> figure,imshow(bw2),title('canny') Warning: Image is too big to fit on screen; displaying at 56% scale. > In truesize>Resize1 at 308 In truesize at 44 in imshow at 161 >> figure,imshow(bw3),title('prewitt') Warning: Image is too big to fit on screen; displaying at 56% scale.
> In truesize>Resize1 at 308 In truesize at 44 In imshow at 161 >> figure,imshow(bw4),title('log') Warning: Image is too big to fit on screen; displaying at 56% scale. > In truesize>Resize1 at 308 In truesize at 44 In imshow at 161 >> figure,imshow(bw5),title('robert') Warning: Image is too big to fit on screen; displaying at 56% scale. > In truesize>Resize1 at 308 In truesize at 44 In imshow at 161 >>
KESIMPULAN: Dari percobaan terhadap 5 metode deteksi tepi dalam matlab yaitu, Sobel, Robert, Prewitt,Canny, dan metode LoG maka dapat diambil kesimpulan bahwa, deteksi tepi paling baik dihasilkan dari penggunaan metode Canny. Deteksi tepi dengan menggunakan metode Canny adalah deteksi tepi terbaik dikarenakan garis yang dihasilkan oleh deteksi tepi ini lebih halus dan tidak terputus-putus. Karena alasan tersebut, maka sebagian besar proses segmentasi maupun ekstraksi suatu citra lebih banyak menggunakan metode Canny. Pada penulisan ini menggunakan 2 buah objek citra yaitu tulang lutut kiri normal dan tulang lutut kiri yang patah, namun hanya satu citra yang hasil deteksi tepinya paling baik.. Saran untuk pengembangan lebih lanjut dari penelitian ini adalah citra tulang lutut kiri yang akan dideteksi tepi harus baik, tidak boleh buram ataupun kabur, jika tidak harus dilakukan terlebih dahulu perbaikan kualitas citra. Kemudian perlu dilakukan uji coba terhadap data citra dalam jumlah yang besar.
