Metode Sobel , Prewitt , Canny , Lapacian (laplace) , Robert , Kirsch

Deteksi tepi pada citra mempunyai beberapa metode yang cukup baik, dalam hal ini mendeteksi bagian tepi dari seluruh obyek yang ada pada citra, relatif terhadap obyek citra yang dikenai perlakuan deteksi tepi tersebut. Pada artikel ini akan diperlihatkan enam buah perlakuan atau metode pada deteksi tepi yaitu metode canny, zero-cross, Gaussian(log), Roberts, sobel dan prewitt.

untuk melihat hasil dari citra silahkan click disini

carpetcanny

Metode sobel mengidentifikasi tepi dengan aproksimasi Sobel dengan turunannya. Metode ini menghasilkan atau memperlihatkan tepi pada area dimana gradiennya bernilai maksimum.

Metode Prewitt mendeteksi tepi dengan aproksimasi Prewitt dengan turunannya dan juga menghasilkan tepi obyek dimana gradiennya bernilai maksimum. Metode ini berbeda dengan metode sobell pada aproksimasi mask yang digunakan. Hal ini juga berlaku untuk metode Roberts dimana aproksimasi dari Roberts membedakannya dengan mask pada Sobel dan Prewitt.

Laplacian dari metode Gaussian atau log pada deteksi tepi yang digunakan pada artikel in hampir sama dengan metode zero crossing, dimana nilai intensitas yang menyentuh nilai nol atau sumbu horizontal menjadi ciri khas yang penting dan kemudian menjadi ciri yang ditemukan setelah proses filter dilakukan pada citra untuk deteksi tepi. Maka dapat kita perhatikan bahwa hasil deteksi tepi yang diperlihatkandari kedua metode ini (metode log/Gaussian dan metode zero crossing) mempunyai perbedaan yang tidak terlalu signifikan berdasarkan pada hasil citra yang terlihat. Yang membedakan adalah pada metode log/Gaussian proses filter spesifik menggunakan laplacian dengan filter Gaussian.

Namun dari seluruh hasil yang diperlihatkan; metode canny menunjukkan hasil deteksi tepi yang relatif lebih mulus dan lebih detil dibandingkan dengan metode yang lainnya. Canny mendeteksi tepi dengan mengidentifikasi maksima local dari gradien pada citra. Gradien pada metode ini didapatkan dengan turunan dari filter Gaussian. Metode ini menggunakan dua nilai ambang/nilai batas (threshold) untuk mendeteksi tepi yang lemah dan yang kuat. Tepi yang lemah akan dihasilkan pada keluaran hanya jika ia terhubung denga tepi yang kuat. Oleh karena itu metode ini kemudian menjadi lebih diandalkan dari metode yang lain dari segi kehandalannya dalam membedakan ‘noise’ pada citra sekaligus mempunyai kemungkinan yang lebih besar dalam mendeteksi tepi-tepi yang lemah.

Secara garis besar, maka metode canny mempunyai tiga kemampuan dasar yaitu

1. Rasio kesalahan yang kecil. Semua tepi harus ditemukan tanpa respon yang berlebihan. Tepi yang dideteksi harus berada sedekat mungkin dengan tepi sebenarnya.

2. Titik-titik tepi dilokalisasi dengan baik.

3. Respon pada titik tepi tunggal. Hal ini menunjukkan bahwa maksima local disekeliling tepi sebenarnya harus minimum. Sehingga tidak terdeteksi pixel tepi yang ganda jika hanya terdapat tepi tunggal.

Algoritma dari Canny mempunyai beberapa langkah dasar yaitu

1. Menghaluskan citra masukan dengan filter Gaussian

2. Mengkalkulasi besar gradien dan sudut citra.

3. Mengaplikasikan suppresi nonmaksima pada besaran gradien citra

4. Menggunakan nilai ambang ganda dan analisa keterhubungan untuk mendeteksi dan menghubungkan antar tepi.