Click here to load reader

Pendeteksian Tepi

  • View
    98

  • Download
    20

Embed Size (px)

Text of Pendeteksian Tepi

  • 321

  • Tugas Pengolahan Citra

    2013

  • ApaImage

    Analysis itu??

    DefinsiTepi

    TeknikPendeteksian

    Tepi

    Jenis TepiDemo

    Program

  • Apa Image Analysis itu???

    Lanjutan dari proses peningkatan kualitas citra (image enhancement).

    Tujuan : mengidentifikasi parameter dari objek suatu citra parameter yang mirip diasosiasikan akan dilakukan interpretasi citra (seperti: klasifikasi/pengenalan pola).

    Tahapan Image Analysis:1. Identifikasi/Ekstraksi Ciri

    2. Segmentasi

    3. Klasifikasi

    Proses Pendeteksian Tepi merupakan faktor penting dalam Image Analysis, dan termasuk dalam tahapan Identifikasi/Ekstraksi Ciri.

  • Definisi Tepi

    Tepi : Himpunan piksel yang terhubung dan terletak pada batas dua area

    (Gonzalez & Woods,2002)

    perubahan drastis dari nilai intenstitas pada batas dua area tampak padarincian gambar pendeteksian tepi.Tujuan pendeteksian tepi meningkatkan penampakan garis batas suatu area di dalam citra.

    Tepi dapat diperhatikan dengan suatu arah, dan arah ini berbeda-beda tergantung

    pada perubahan intensitas.

    Secara teoritis, pendeteksian tepi pada citra:

  • Apa saja yang jenis Tepi???

    Perubahan Intensitas Citra JAUH DAN MENDADAK (Jarak SINGKAT, ArahCitra : TETAP dan =90)

    Penurunan Drastis dari 168 0

    SisiTEPICURAM/UNDAKAN

    Perubahan Intensitas Citra DEKAT DAN PERLAHAN (Jarak PANJANG, ArahCitra : TETAP dan =90)

    Tanjakan dan Turunan bergantian dan berubah-ubahTEPI CURAM

    DENGAN NOISE

  • Teknik Pendeteksian Tepi

    Operator Gradien Pertama Secara matematis, Fungsi perubahan intensitas yg besar dlm

    waktu singkat dihitung dengan gradient.

    Adapun rumus menghitung kekuatan tepi adalah memilih salah satu dari

    rumus berikut:

    Dalam prakteknya, persamaan (ii) dan (iv) lebih disukai karena lebih

    mudah dalam menghitungnya.

  • Teknik Pendeteksian Tepi

    Metode Gradien Pertama:1. Operator Sobel

    Misalkan matriks pixel (x,y) :

    Karena matriks pada 1 titik, maka mencari kekuatan tepi (magnitudo) yang

    digunakan adalah Phytagoras

    Dimana:

    dengan c=2, maka menghasilkan kernel Sx dan Sy berikut. (kernel ini yang dipakai

    dalam perhitungan operator Sobel)

    Arah Tepi:

  • Teknik Pendeteksian Tepi

    Algoritma Sobel:

    1. Input gambar

    2. Ubah gambar(rgb)gambar(grayscale)

    3. Hitung size matriks gambar(dimana: m=baris n=kolom)

    4. For y 2 to m-1for x 2 to n-1

    MS(y,x) nilai

    5. End-For

    6. End-For

    S(x) dan S(y)

  • Teknik Pendeteksian Tepi

    Contoh Operator Sobel:

    136 90 48 30 31 35 36 37 35 37

    145 108 65 36 30 34 35 35 35 37

    149 123 81 45 33 35 36 35 36 37

    145 130 95 57 36 33 36 37 35 37

    134 128 107 73 44 33 33 35 36 38

    125 121 109 84 54 37 34 36 38 38

    114 112 107 91 65 43 33 36 37 37

    110 110 108 96 74 52 35 34 35 38

    107 107 106 103 86 62 40 35 36 37

    106 105 105 104 92 69 48 35 35 36

    Proses Pendeteksian Sobel:

    Di konvolusikan dengan :

    0 0 0 0 0 0 0 0 0 0

    0 255 255 150 21 18 4 3 6 0

    0 255 255 205 56 12 6 5 6 0

    0 196 255 247 109 9 13 3 5 0

    0 122 225 255 165 48 7 9 10 0

    0 84 150 222 195 93 13 15 8 0

    0 50 93 178 199 133 36 13 11 0

    0 22 53 137 191 169 77 4 11 0

    0 18 23 92 172 187 115 26 9 0

    0 0 0 0 0 0 0 0 0 0

  • Teknik Pendeteksian Tepi

    2. Operator Prewitt

    Mirip seperti Operator Sobel, hanya kernel operator Prewitt(Gx dan Gy)

    berbeda dengan Sobel (karena c=1), yaitu:

    Dimana:M= 2 +

    2 = 1 + 4 + 7 3 + 6 + 9 = 7 + 8 + 9 1 + 2 + 3

  • Teknik Pendeteksian Tepi

    Algoritma Prewitt:

    1. Input gambar

    2. Ubah gambar(rgb)gambar(grayscale)

    3. Hitung size matriks gambar(dimana: m=baris n=kolom)

    4. For y 2 to m-1for x 2 to n-1

    MG(y,x) nilai

    5. End-For

    6. End-For

    G(x) dan G(y)

  • Teknik Pendeteksian Tepi

    Contoh Operator Prewitt:

    136 90 48 30 31 35 36 37 35 37

    145 108 65 36 30 34 35 35 35 37

    149 123 81 45 33 35 36 35 36 37

    145 130 95 57 36 33 36 37 35 37

    134 128 107 73 44 33 33 35 36 38

    125 121 109 84 54 37 34 36 38 38

    114 112 107 91 65 43 33 36 37 37

    110 110 108 96 74 52 35 34 35 38

    107 107 106 103 86 62 40 35 36 37

    106 105 105 104 92 69 48 35 35 36

    Proses Pendeteksian Prewitt:

    Di konvolusikan dengan :

    0 0 0 0 0 0 0 0 0 0

    0 249 225 112 18 13 4 1 4 0

    0 205 235 153 44 10 5 3 4 0

    0 146 214 182 83 10 8 4 5 0

    0 94 168 187 121 37 5 6 6 0

    0 62 113 165 144 70 13 11 6 0

    0 37 72 135 147 98 30 9 9 0

    0 16 39 101 143 126 58 5 7 0

    0 13 19 71 127 138 85 22 7 0

    0 0 0 0 0 0 0 0 0 0

  • Teknik Pendeteksian Tepi

    3. Operator Roberts

    Operator Robets sedikit berbeda dan lebih sederhana dibandingkan

    dengan operator lainnya, dimana operator Roberts memposisikan citra

    seperti berikut.

    R(y,x)= ()2 +()2 = (1 4)2 +(3 2)2

    = 1 4 = 3 2

    Dimana:

  • Teknik Pendeteksian Tepi

    Algoritma Robert:

    1. Input gambar

    2. Ubah gambar(rgb)gambar(grayscale)

    3. Hitung size matriks gambar(dimana: m=baris n=kolom)

    4. For y 1 to m-1for x 1 to n-1

    R(y,x) nilai

    5. End-For

    6. End-For

    R(x) dan R(y)

  • Teknik Pendeteksian Tepi

    Contoh Operator Roberts:

    136 90 48 30 31 35 36 37 35 37

    145 108 65 36 30 34 35 35 35 37

    149 123 81 45 33 35 36 35 36 37

    145 130 95 57 36 33 36 37 35 37

    134 128 107 73 44 33 33 35 36 38

    125 121 109 84 54 37 34 36 38 38

    114 112 107 91 65 43 33 36 37 37

    110 110 108 96 74 52 35 34 35 38

    107 107 106 103 86 62 40 35 36 37

    106 105 105 104 92 69 48 35 35 36

    Proses Pendeteksian Roberts:

    Di konvolusikan dengan :

    62 65 37 5 6 2 2 2 3 0

    47 64 49 15 5 2 1 1 2 0

    29 56 55 26 1 3 1 1 2 0

    17 40 55 39 11 3 4 1 3 0

    13 24 43 44 22 4 3 3 2 0

    15 14 29 42 30 10 4 2 1 0

    4 5 20 35 34 21 1 3 2 0

    4 4 11 31 36 30 6 2 3 0

    2 2 3 21 34 32 14 1 2 0

    0 0 0 0 0 0 0 0 0 0

  • Teknik Pendeteksian Tepi

    4. Operator Frei-Chen

    Disebut juga operator isotropic.

    Mirip seperti Sobel, hanya saja bedanya angka 2 diganti menjadi 2

    termasuk c pada Gx dan Gy. (c= 2)

    -1 0 1

    - 2 0 2

    -1 0 1

    1 2 1

    0 0 0

    -1 - 2 -1

    Dimana:M= 2 +

    2 = 1 + 4 + 7 3 + 6 + 9 = 7 + 8 + 9 1 + 2 + 3

  • Teknik Pendeteksian Tepi

    Algoritma Frei-Chen:

    1. Input gambar

    2. Ubah gambar(rgb)gambar(grayscale)

    3. Hitung size matriks gambar(dimana: m=baris n=kolom)

    4. For y 2 to m-1for x 2 to n-1

    M G(y,x) nilai

    5. End-For

    6. End-For

    G(x) dan G(y)

  • Teknik Pendeteksian Tepi

    Contoh Operator Frei-Chen:

    136 90 48 30 31 35 36 37 35 37

    145 108 65 36 30 34 35 35 35 37

    149 123 81 45 33 35 36 35 36 37

    145 130 95 57 36 33 36 37 35 37

    134 128 107 73 44 33 33 35 36 38

    125 121 109 84 54 37 34 36 38 38

    114 112 107 91 65 43 33 36 37 37

    110 110 108 96 74 52 35 34 35 38

    107 107 106 103 86 62 40 35 36 37

    106 105 105 104 92 69 48 35 35 36

    Proses Pendeteksian Frei-Chen:

    Di konvolusikan dengan :

    -1 0 1

    - 2 0 2

    -1 0 1

    1 2 1

    0 0 0

    -1 - 2 -1

    0 0 0 0 0 0 0 0 0 0

    0 255 255 128 19 15 4 2 5 0

    0 234 255 175 49 11 6 4 5 0

    0 167 246 209 94 10 10 3 5 0

    0 106 192 215 140 42 6 7 8 0

    0 71 128 189 165 79 13 13 7 0

    0 42 81 153 168 112 32 11 10 0

    0 19 45 116 163 144 66 5 9 0

    0 15 21 80 146 158 97 24 8 0

    0 0 0 0 0 0 0 0 0 0

  • Teknik Pendeteksian Tepi

    Metode Turunan Kedua:1. Operator Laplacian

    Disebut juga operator Laplace.

    Bersifat omnidirectional (menebalkan tepi ke segala arah).

    Kelemahan : peka terhadap derau, ketebalan ganda dan tidak dapat

    mendeteksi arah tepi.

    0 -1 0

    -1 4 1

    0 -1 0

    -1 -1

    -1 8 -1

    -1 -1 -1

    Dimana:M=#1 ||#2 ||#3

    #1 = 5 2 + 4 + 6 + 8#2 = 5 1 + 2 + 3 + 4 + 6 + 7 + 8

    #3 = 5 + 1 + 3 + 7 + 9 2 + 4 + 6 + 8

    1 -2 1

    -2 4 2

    1 -2 1

    #1 (c=4) #2 (c=8) #3 (c=4)

  • Teknik Pendeteksian Tepi

    Algoritma Laplacian 1,2,3:

    1. Input gambar

    2. Ubah gambar(rgb)gambar(grayscale)

    3. Hitung size matriks gambar(dimana: m=baris n=kolom)

    4. For y 1 to m-1for x 1 to n-1

    5. End-For

    6. End-For

    M=#1 ||#2 ||#3#1 = 5 2 + 4 + 6 + 8

    #2 = 5 1 + 2 + 3 + 4 + 6 + 7 + 8#3 = 5 + 1 + 3 + 7 + 9 2 + 4 + 6 + 8

  • Teknik Pendeteksian Tepi

    Contoh Operator Laplacian:

    136 90 48 30 31 35 36 37 35 37

    145 108 65 36 30 34 35 35 35 37

    149 123 81 45 33 35 36 35 36 37

    145 130 95 57 36 33 36 37 35 37

    134 128 107 73 44 33 33 35 36 38

    125 121 109 84 54 37 34 36 38 38

    114 112 107 91 65 43 33 36 37 37

    110 110 108 96 74 52 35 34 35 38

    107 107 106 103 86 62 40 35 36 37

    106 105 105 104 92 69 48 35 35 36

    Proses Pendeteksian Laplacian:

    Di konvolusikan dengan :

    0 -1 0

    -1 4 1

    0 -1 0

    -1 -1

    -1 8 -1

    -1 -1 -1

    1 -2 1

    -2 4 2

    1 -2 1

    #1 (c=4) #2 (c=8) #3 (c=4)

    0 0 0 0 0 0 0 0 0 0

    0 0 2 0 0 2 0 0 0 0

    0 6 0 0 0 5 1 0 6 0

    0 9 0 0 0 0 4 7 0 0

    0 2 10 2 0 0 0 0 0 0

    0 0 2 5 0 0 5 0 4 0

    0 0 0 5 5 0 0 6 2 0

    0 0 7 0 0 4 0 0 0 0

    0 1 0 7 3 3 0 3 3 0

    0 0 0 0 0 0 0 0 0 0

    0 0 0 0 0 0 0 0 0 0

    0 27 0 0 0 1 0

Search related