DETEKSI TEPI.

Slides:



Advertisements
Presentasi serupa
Persamaan dan Pertidaksamaan Linear
Advertisements

Aplikasi Transformasi Citra – Beberapa Contoh
Pendeteksian Tepi (Edge Detection)
CITRA BINER Kuliah ke 11 4/7/2017.
CS3204 Pengolahan Citra - UAS
Turunan Numerik Bahan Kuliah IF4058 Topik Khusus Informatika I
Pengolahan Citra (TIF05)
Deret MacLaurin Deret Taylor
Operasi Tetangga Nurfarida Ilmianah.
Segmentasi Citra.
Perbaikan Citra pada Domain Spasial
Pengolahan Citra (TIF05)
Teori Konvolusi dan Fourier Transform
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Edge Detection (Pendeteksian Tepi)
Presented By : Group 2. A solution of an equation in two variables of the form. Ax + By = C and Ax + By + C = 0 A and B are not both zero, is an ordered.
Pertemuan 7 Pengolahan Citra Digital
CS3204 Pengolahan Citra - UAS
Filter Spasial Citra.
Edge Detection Dr. Aniati Murni (R 1202) Dina Chahyati, SKom (R 1226)
Pengolahan Citra Digital Materi 6
PENDETEKSIAN TEPI 4/14/2017.
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Aplikasi Transformasi Citra Beberapa Contoh
Segmentasi Citra. Tujuan Memberikan pemahaman kepada mahasiswa tentang:  karakteristik dasar dari berbagai algoritma segmentasi  proses filtering untuk.
Materi 04 Pengolahan Citra Digital
KONVOLUSI Oleh : Edy Mulyanto.
Materi 02(b) Pengolahan Citra Digital
Pertemuan 12 : Aksentuasi Citra [Image Enhancement]
Pertemuan 4 Fungsi Linier.
Materi 08 Pengolahan Citra Digital
Pendeteksian Tepi Objek
Materi 07 Pengolahan Citra Digital
Perbaikan Kualitas Citra (Image Enhancement)
Image Segmentation.
Operasi2 Dasar Merupakan manipulasi elemen matriks :
Operasi-operasi Dasar Pengolahan Citra Digital
Cartesian coordinates in two dimensions
Cartesian coordinates in two dimensions
MODUL 4 PERBAIKAN KUALITAS CITRA (2)
Segmentasi Citra Materi 6
Pengolahan Citra Digital
Pengolahan Citra Digital 2010/2011
Parabola Parabola.
Filtering dan Konvolusi
Pengolahan Citra Pertemuan 11
Konvolusi Anna Dara Andriana.
Peningkatan Mutu Citra
KONVOLUSI ROSNY GONYDJAJA.
Two-and Three-Dimentional Motion (Kinematic)
Nana Ramadijanti, Ahmad Basuki, Hero Yudo Martono
KONVOLUSI 6/9/2018.
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Deteksi Tepi Pengolahan Citra Danar Putra Pamungkas, M.Kom
Deteksi Tepi.
KONVOLUSI DAN TRANSFORMASI FOURIER
Filtering dan Konvolusi
Digital Image Processing
ASSALAMU’ALAIKUM Wr Wb
FILTER PREWITT.
EDGE DETECTION.
Peta Konsep. Peta Konsep B. Kedudukan Dua Garis.
Pertemuan 10 Mata Kuliah Pengolahan Citra
Neighborhood Processing
KONVOLUSI 11/28/2018.
Edge Detection Dr. Aniati Murni (R 1202) Dina Chahyati, SKom (R 1226)
SEGMENTASI.
Pengantar Pengolahan Citra 4IA10 Kelompok 4 : Faisal Ghifari ( ) Raihan Firas M ( ) Hafidz Amrulloh ( )
Segmentasi Citra Materi 6
Pemrosesan Bukan Teks (Citra)
Transcript presentasi:

DETEKSI TEPI

Definisi Tepi Tepi (edge) adalah perubahan nilai derajat keabuan yang mendadak (besar) dalam jarak yang singkat. Model tepi satu matra jarak Perubahan intensitas α

Tiga Macam Tepi Tepi curam Tepi dengan perubahan intensitas yang tajam dengan arah tepi berkisar 90%

Tiga Macam Tepi Tepi landai / tepi lebar Tepi dengan sudut arah yang kecil. Dapat dianggap terdiri dari sejumlah tepi2 lokal yang lokasinya berdekatan

Tiga Macam Tepi Tepi yang mengandung derau (noise) Perlu dilakukan image enhancement sebelum melakukan pendeteksian tepi

Tepi mencirikan batas-batas objek dan karena itu tepi berguna untuk proses segmentasi dan identifikasi objek di dalam citra. Tujuan Operasi pendeteksian tepi adalah untuk meningkatkan penampakan garis batas suatu daerah atau objek di dalam citra.

Teknik untuk Mendeteksi Tepi Operator gradien pertama (differential gradient) Operator turunan kedua (Laplacian) Operator kompas (compass operator)

Deteksi tepi dengan operator gradien pertama

The gradient of an image: Image gradient The gradient of an image: The gradient points in the direction of most rapid change in intensity The gradient direction is given by: how does this relate to the direction of the edge? The edge strength is given by the gradient magnitude

Magnitude of gradient vector Rumus 1: Rumus 2: Rumus 3: Rumus 4: 𝛻𝑓 =max⁡(𝑎𝑏𝑠 ∆ 𝑥 2 ,𝑎𝑏𝑠 ∆ 𝑦 2 ) Hasil pendeteksian tepi adalah citra tepi (edges image), yang nilai setiap pikselnya menyatakan kekuatan tepi Keputusan apakah suatu piksel merupakan tepi atau bukan tepi dinyatakan dengan operasi pengambangan

Beberapa Operator Gradien Pertama Operator Sobel Operator Prewitt Operator Roberts

1. Operator Sobel Tinjau pengaturan pixel disekitar pixel (x,y) 𝑎 0 𝑎 1 𝑎 2 𝑎 7 (𝑥,𝑦) 𝑎 3 𝑎 6 𝑎 5 𝑎 4 Tinjau pengaturan pixel disekitar pixel (x,y) Operator sobel adalah magnitude dari gradien yang dihitung dengan 𝑀= 𝑆 𝑥 2 + 𝑆 𝑦 2 Atau 𝑀= 𝑆 𝑥 + 𝑆 𝑦 Turunan parsial dihitung dengan : 𝑆 𝑥 = 𝑎 2 + 𝑐.𝑎 3 + 𝑎 4 −( 𝑎 0 + 𝑐.𝑎 7 + 𝑎 6 ) 𝑆 𝑦 = 𝑎 0 + 𝑐.𝑎 1 + 𝑎 2 −( 𝑎 6 + 𝑐.𝑎 5 + 𝑎 4 ) Dengan konstanta c=2 dalam bentuk mask, 𝑆 𝑥 dan 𝑆 𝑦 dinyatakan sebagai 𝑆 𝑥 = −1 0 1 −2 0 2 −1 0 1 dan 𝑆 𝑦 = 1 2 1 0 0 0 −1 −2 −1

citra awal citra hasil konvolusi Contoh citra yang akan dilakukan pendeteksian tepi dengan operator sobel, 3 4 2 5 7 2 1 6 4 2 3 4 2 5 7 2 5 5 1 2 4 7 6 1 9 ∗ ∗ ∗ ∗ ∗ ∗ 18 𝐴 ∗ ∗ ∗ 𝐵 𝐶 citra awal citra hasil konvolusi maka M= 𝑆 𝑥 2 + 𝑆 𝑦 2 = 11 2 + −7 2 ≅ 𝑆 𝑥 + 𝑆 𝑦 = 11 + −7 =18 𝑆 𝑥 =3. −1 +2. −2 +3. −1 +2. 1 +6. 2 +7. 1 =−3−4−3+2+12+7=11 𝑆 𝑦 =3. 1 +4. 2 +2. 1 +3. −1 +5. −2 +7. −1 =3+8+2−3−10−7=−7

Hasil deteksi tepi dengan Operator Sobel Mikroprossesor

2. Operator Prewitt

Hasil deteksi tepi dengan Operator Prewitt

3. Operator Robert

Contoh: Nilai 4 pada pojok kiri atas diperoleh dg perhitungan sbb: Citra asal Hasil konvolusi

Hasil deteksi tepi dengan Operator Robert

DETEKSI TEPI DENGAN TURUNAN KEDUA

Konsep Awal Grafik pertama fungsi intensitas 𝑓 𝑥,𝑦 dengan tepi landai Grafik kedua fungsi turunan pertama 𝑓′ 𝑥,𝑦 Grafik ketiga fungsi turunan kedua 𝑓′′ 𝑥,𝑦

Konsep Awal Jika diberlakukan nilai batas pada fungsi turunan pertama maka beberapa nilai piksel dengan nilai di atas nilai batas akan digolongkan menjadi piksel tepi. Tinggi rendahnya nilai batas menunjukkan tebal tipisnya garis tepi yang didapat

Konsep Awal Profil dari fungsi turunan kedua dari intensitas yang sama memperlihatkan bahwa titik puncak dari fungsi turunan pertama akan bersesuaian dengan titik perpotongan dengan sumbu 𝑥. Karena perpotongan antara fungsi dan sumbu 𝑥 merupakan titik maka tepi yang didapatkan akan mempunyai ketebalan 1 piksel saja sesuai dengan garis tepi ideal yang diharapkan

Effects of noise Where is the edge? Consider a single row or column of the image Plotting intensity as a function of position gives a signal Where is the edge?

Solution: smooth first Where is the edge? Look for peaks in

Derivative theorem of convolution This saves us one operation:

Laplacian of Gaussian Where is the edge? Consider Laplacian of Gaussian operator Where is the edge? Zero-crossings of bottom graph

Operator Laplacian Laplacian dari fungsi 𝑓(𝑥,𝑦) mempunyai rumus sebagai berikut : 𝛻 2 𝑓 𝑥,𝑦 = 𝜕 2 𝑓 𝜕 𝑥 2 + 𝜕 2 𝑓 𝜕 𝑦 2 Apabila Laplacian fungsi tersebut dipecah menjadi 2, yaitu dalam arah 𝑥 dan arah 𝑦 maka diperoleh persamaan sebagai berikut

Untuk turunan terhadap sumbu y didapatkan : 𝜕 2 𝑓 𝜕 𝑥 2 = 𝜕 𝐺 𝑥 𝜕𝑥 = 𝜕(𝑓 𝑥+1,𝑦 −𝑓 𝑥,𝑦 ) 𝜕𝑥 = 𝜕𝑓 𝑥+1,𝑦 −𝑓 𝑥,𝑦 𝜕𝑥 = 𝑓 𝑥+2,𝑦 −𝑓 𝑥+1,𝑦 −(𝑓 𝑥+1,𝑦 −𝑓 𝑥,𝑦 ) =𝑓 𝑥+2,𝑦 −2𝑓 𝑥+1,𝑦 +𝑓(𝑥,𝑦) Persamaan ini menyebabkan titik pusat bergeser di (𝑥+1,𝑦). Sehingga apabila 𝑥 diganti dengan 𝑥−1 maka diperoleh 𝜕 2 𝑓 𝜕 𝑥 2 =𝑓 𝑥+1,𝑦 −2𝑓 𝑥,𝑦 +𝑓(𝑥−1,𝑦) Untuk turunan terhadap sumbu y didapatkan : 𝜕 2 𝑓 𝜕 𝑥 2 =𝑓 𝑥,𝑦+1 −2𝑓 𝑥,𝑦 +𝑓(𝑥,𝑦−1)

Dengan demikian diperoleh : − 𝛻 2 𝑓 𝑥,𝑦 =− 𝜕 2 𝑓 𝜕 𝑥 2 + 𝜕 2 𝑓 𝜕 𝑦 2 =−(𝑓 𝑥+1,𝑦 −2𝑓 𝑥,𝑦 +𝑓 𝑥−1,𝑦 + 𝑓 𝑥,𝑦+1 −2𝑓 𝑥,𝑦 +𝑓(𝑥,𝑦−1)) =4𝑓 𝑥,𝑦 −(𝑓 𝑥−1,𝑦 +𝑓 𝑥+1,𝑦 + 𝑓 𝑥,𝑦−1 +𝑓 𝑥,𝑦+1 )