Deteksi Tepi Dengan Metode Sobel (bagian 1)

jati.itda.ac.id
12 Jun, 2016
Pendahuluan
Tutorial kali ini kita akan membahas Deteksi Tepi Dengan Metode Sobel. Tulisan ini cukup panjang sehingga akan saya bagi menjadi 2 bagian.

Bagian 1: Kita akan membahas Lingkup Grafika Komputer, Pengolahan Citra, Pengenalan Pola
Bagian 2: Kita akan membahas Metode Deteksi Tepi Sobel

Selamat menikmati:

Dasar Teori

Citra (image) adalah kombinasi warna dan garis pada bidang dua dimensi yang merepresentasikan sebuah bentuk gambar atau obyek. Secara tinjauan matematis, citra adalah sebuah fungsi kontinyu dari intensitas cahaya pada bidang dua dimensi. Sebuah gambar dapat diperoleh dari bermacam-macam perangkat seperti kamera digital atau analog, sinar x, mikroskop elektron dan sebagainya dan dipergunakan untuk bermacam-macam keperluan misalnya medis, sipil, industri, entertainment, militer dan sebagainya.

Citra terbagi 2 yaitu ada citra yang bersifat analog dan ada citra yang bersifat digital. Citra analog adalah citra yang bersifat kontinu seperti gambar pada monitor televisi, foto sinar X, hasil CT Scan dll. Sedangkan pada citra digital adalah citra yang dapat diolah oleh komputer (T. Sutoyo et al. 2009:9). Definisi lain menyebutkan bahwa citra digital merupakan citra yang dihasilkan dari pengolahan dengan menggunakan komputer, dengan cara merepresentasikan citra secara numerik dengan nilai­nilai diskret (Winarno, 2011). Sebuah citra digital dapat mewakili sebuah matrik M kolom dan N baris dimana perpotongan kolom dan baris tersebut disebut piksel (pixel: picture element). Sebuah piksel memiliki sebuah warna yang terbentuk dari kombinasi warna-warna primer merah, hijau dan biru (RGB) yang dijelaskan pada gambar 2.1 sebagai berikut.

  Gambar 1 Satu Piksel Dalam Sebuah Gambar

Kedalaman warna (color depth) adalah satuan yang digunakan untuk mengukur jumlah warna yang ditampilkan dalam sebuah piksel. Ukuran kedalaman warna (bit) yang sering digunakan adalah 1, 8, 16, 24, 32, dan 64. Sebagai contoh untuk ukuran 8 bit, maka sebuah warna diwakili untuk 2 pangkat 8 (256) warna nilai R (merah), G (hijau) dan B (biru). Semakin tinggi nilai warna, maka semakin mendekati warna asli dari obyek yang ada pada gambar tersebut.

Resolusi gambar adalah banyaknya piksel yang digunakan untuk membentuk gambar tersebut. Pada dasarnya resolusi gambar menjelaskan seberapa banyak piksel yang tersimpan dalam gambar tersebut. Contoh nilai resolusi gambar adalah 300 x 200 piksel yang berarti gambar tersebut memiliki 300 pixel mendatar (kolom) dan 200 piksel vertikal (baris). Semakin banyak (tinggi) resolusi sebuah gambar maka gambar tersebut semakin halus.

Di dalam bidang komputer, terdapat tiga bidang studi yang berkaitan dengan data citra, namun tujuan ketiganya berbeda, yaitu:
  1. Grafika Komputer (computer graphics).
  2. Pengolahan Citra (image processing).
  3. Pengenalan Pola (pattern recognition/image interpretation).
 Hubungan ketiga bidang studi itu dijelaskan pada gambar 2 sebagai berikut:



 Gambar 2 Hubungan Antar Bidang Studi Tentang Citra

Grafika Komputer

Grafika komputer bertujuan untuk menghasilkan citra dengan primitif geometri seperti garis atau kurva. Primitif geometri tersebut memerlukan data deskriptif untuk melukis elemen-elemen gambar. Contoh data deskriptif adalah koordinat titik, panjang garis dan sebagainya yang dijelaskan pada gambar 3 sebagai berikut:


Gambar 3 Data Deskriptif Untuk Menghasilkan Citra pada Grafika Komputer

Contoh grafika komputer untuk menghasilkan sebuah gambar persegi panjang menggunakan AutoCAD ditunjukkan pada gambar 4 sebagai berikut: 

 Gambar 4 Contoh Menggambar Citra Menggunakan Data Deskriptif


Pengolahan Citra Digital
Sebuah citra digital dapat diolah kembali untuk bermacam-macam keperluan, misalnya memperbaiki kualitas citra tersebut, mendapatkan informasi-informasi pada sebuah citra maupun untuk keperluan-keperluan keamanan. Pada umumnya sebuah pengolahan citra digital adalah mengambil informasi dalam sebuah piksel, merubah nilai warna pada piksel tersebut menjadi nilai integer dan mengolah nilai tersebut secara matematis.

Tantangan dalam sebuah pengolahan digital adalah, gambar bukan suatu besaran yang langsung terukur seperti nilai panjang sebuah benda yang diukur menggunakan penggaris atau tegangan listrik yang diukur menggunakan volt meter, tetapi sebuah obyek yang dikonversi menjadi nilai digital sehingga faktor-faktor yang menyebabkan kesalahan menjadi semakin banyak. Kesalahan tersebut dapat terjadi karena kualitas citra yang menjadi masukan sebuah sistem tidak terlalu bagus, resolusi yang rendah, noise gambar dan lain-lain.

Hubungan citra dengan pengolahan citra diilustrasikan pada gambar 5 sebagai berikut:


 
Gambar 5 Hubungan Citra Dengan Pengolahan Citra



Pengenalan Pola

Pengenalan pola mengelompokkan data numerik secara otomatis oleh komputer. Tujuan pengelompokan ini adalah mengenali sebuah obyek dalam citra tersebut yang diharapkan komputer dapat membedakan antar obyek dalam citra tersebut. Hal ini mirip dengan pengenalan pola yang dimiliki otak manusia, dimana manusia dapat membedakan obyek-obyek yang ditangkap oleh mata (sebagai sebuah citra) dan mengenali obyek tersebut sebagai sebuah benda. Hubungan antara citra dan deskripsi obyek diilustrasikan pada gambar 6 sebagai berikut:
Gambar 6 Hubungan Citra dengan Deskripsi Pola Yang Dihasilkan Oleh Pengenalan Pola

Contoh pengolahan pola dari sebuah citra ditunjukkan pada gambar 7 sebagai berikut:
 
  Gambar 7 Pengenalan Pola Obyek


Deteksi Tepi

Tepi adalah batas antara obyek dan latar belakang dan menunjukkan batas antara obyek yang tumpang tindih. Ini berarti jika tepi dapat ditentukan secara akurat, semua benda yang terdapat dalam sebuah citra bisa diukur dimensinya (Nadernejad E et el, 2008). Suatu titik (x,y) dikatakan sebagai tepi (edge) dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangganya (Riyanto). Deteksi tepi adalah salah satu operasi paling umum yang digunakan dalam analisa citra. Terdapat banyak sekali algoritma deteksi tepi yang terdapat dalam literatur-literatur ilmiah sebagai contoh:

  1. Metode Robert
  2. Metode Prewitt
  3. Metode Sobel
  4. Metode Canny

Setelah sebuah obyek diketahui tepi-tepi (batas antara obyek dengan latar belakang), obyek tersebut dapat dikenali sebagai sebuah pola dan setelah pola tersebut dikenali, secara sederhana sistem dapat memutuskan apakah obyek tersebut harus diolah atau tidak. Bagian pendeteksian tepi disini yang memerlukan resource paling besar, karena sistem harus mendeteksi seluruh perbedaan antara latar belakang dengan obyek-obyek non-background yang secara kasat mata, manusia dapat langsung membedakan apakah obyek tersebut bagian dari background atau bukan.

Deteksi tepi diperoleh dengan memanfaatkan representasi warna dalam bentuk geometri vektor yang merupakan jarak dari vektor ruang 3 dimensi yang diformulakan sebagai berikut (Murdianto, 2007):

Dimana:

D            :       Jarak warna C1 dan C2

R1, R2    :       Level warna merah (Red) dari warna C1 dan C2

G1, G2   :       Level warna hijau (Green) dari warna C1 dan C2

B1, B2    :       Level warna biru (Blue) dari warna C1 dan C2

Secara umum, algoritma pendeteksian tepi adalah sebagai berikut:

  1. Ekstrak warna (R,G,B) dari sebuah pixel gambar dan simpan hasilnya sebagai C1
  2. Ekstrak warna (R,G,B) dari pixel gambar di sebelah kanan C1 dan simpan hasilnya sebagai C2
  3. Bandingkan nilai warna C1 dan C2 tersebut
  4. Jika perbandingan warna C1 dan C2 tersebut melebihi nilai toleransi yang diberikan, maka diperoleh batas antara latar belakang dan obyek. 
Gambar 8 berikut adalah deteksi tepi sebuah obyek.
  Gambar 8. Pendeteksian Tepi Gambar Asli (a) menjadi Pola (b)


Metode Sobel merupakan pengembangan metode Robert dengan menggunakan filter HPF (High Pass Filter) yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari fungsi laplacian dan gaussian yang dikenal sebagai fungsi untuk membangkitkan HPF. Kelebihan dari metode Sobel ini adalah kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi.

Permasalahan yang muncul pada pendeteksian tepi adalah kondisi pencahayaan, keberadaan benda-benda lain yang memiliki intensitas yang sama atau hampir sama dan noise (derau) pada sebuah citra. Masalah-masalah ini dapat diatasi dengan “memainkan” ambang batas tepi untuk memisahkan derau, dan obyek-obyek yang memiliki nilai intensitas yang hampir sama (Nadernejad E et el, 2008). Selain memainkan nilai ambang batas, akan sangat baik jika pendeteksian tepi dilakukan menggunakan lebih dari satu algoritma yang berbeda.



Lanjut Ke Metode Sobel

Referensi:

  1. Sutoyo, T. et al. (2009). Teori Pengolahan Citra Digital. Yogyakarta: Andi.
  2. Winarno E, Aplikasi Deteksi Tepi Pada Real Time Video Menggunakan Algoritma Canny Detection, Jurnal Teknologi Informasi DINAMIK, Vol 16, No. 1, Januari 2011: 44-49 ISSN: 0854-9524
  3. Riyanto Sigit, Modul Praktikum Pengolahan Citra,  Politeknik Elektronika Negeri Surabaya
  4. Nadernejad E., Sharifzadeh S., Hassanpour H., Edge Detection Techniques: Evaluations and Comparisons, Applied Mathematical Sciences, Vol. 2, 2008, no. 31, 1507 – 1520


Next Post Previous Post
No Comment
Add Comment
comment url