FILTER PREWITT.

Slides:



Advertisements
Presentasi serupa
5~Perbaikan Kualitas Citra
Advertisements

Nana Ramadijanti Politeknik Elektronika Negeri Surabaya PENS-ITS 2009
Pendeteksian Tepi (Edge Detection)
Pengolahan Citra (TIF05)
Operasi Tetangga Nurfarida Ilmianah.
Segmentasi Citra.
Pengolahan Citra (TIF05)
CITRA DIGITAL DALAM TINJAUAN ILMU FISIKA*
Operasi-operasi dasar Pengolahan Citra Digital~3
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Pengolah Citra Digital 2
Edge Detection (Pendeteksian Tepi)
Pertemuan 7 Pengolahan Citra Digital
CS3204 Pengolahan Citra - UAS
Pengolahan Citra Digital
PENGOLAHAN CITRA DAN POLA
Filter Spasial Citra.
Edge Detection Dr. Aniati Murni (R 1202) Dina Chahyati, SKom (R 1226)
CS3204 Pengolahan Citra - UAS
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.
2.2 Operasi Dasar Citra : Lokal dan Objek Operasi Ketetanggaan Pixel
KONVOLUSI Oleh : Edy Mulyanto.
Materi 02(b) Pengolahan Citra Digital
Pertemuan 12 : Aksentuasi Citra [Image Enhancement]
Modul 1 PENGANTAR PENGOLAHAN CITRA
2 Pengolahan Citra Digital
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 Matematis Pada Citra
Operasi-operasi Dasar Pengolahan Citra Digital
MODUL 4 PERBAIKAN KUALITAS CITRA (2)
Segmentasi Citra Materi 6
DETEKSI TEPI.
Pengolahan Citra Digital 2010/2011
Filtering dan Konvolusi
Pengolahan Citra Pertemuan 11
Konvolusi Anna Dara Andriana.
Peningkatan Mutu Citra
KONVOLUSI ROSNY GONYDJAJA.
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.
Pengolahan Citra Digital Peningkatan Mutu Citra Pada Domain Frekuensi
KONVOLUSI DAN TRANSFORMASI FOURIER
Pengolahan Citra Digital Peningkatan Mutu/Kualitas Citra
CS3204 Pengolahan Citra - UAS
Digital Image Processing
PENGOLAHAN CITRA DAN POLA
Operasi Pixel dan Histogram
EDGE DETECTION.
Pengolahan Citra Pertemuan 8
Format citra Oleh : Kustanto 11/10/2018.
Pertemuan 10 Mata Kuliah Pengolahan Citra
Flipping Pengolahan Citra Danar Putra Pamungkas, M.Kom
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:

FILTER PREWITT

HARYATI IBNU MUNZIR .S MUH. NUR ILMAN KELOMPOK 5

DEFENISI FILTER PREWITT Prewitt merupakan pengembangan metode robert dengan menggunakan filter HPF yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari fungsi laplacian yang dikenal sebagai fungsi untuk membangkitkan HPF. Algoritma Prewitt sebenarnya mirip dengan Sobel karena operator yang digunakan adalah 3x3.Matriks ini juga dikonvolusikan dengan citra masukan dalam arah x dan y. Filter ini memiliki kelebihan “cepat” dibandingkan dengan Sobel. Tapi kernelnya hanya cocok untuk citra yangmemiliki kontras tinggi dan derau yang sangat kecil. Kernel filter horizontal (Px): Kernel filter vertical (Py):

Contoh: Mendeteksi Tepi Horizontal clear all; clc; c = imread ('circuit.tif'); py = [-1 -1 -1;0 0 0;1 1 1]; c_py = filter2 (py, c); imshow (c) figure, imshow (c_py/255) Hasil deteksi tepi horisontal dengan operator filter Prewitt

Contoh: Mendeteksi Tepi Vertikal clear all; clc; c = imread ('circuit.tif'); px = [-1 0 1;-1 0 1;-1 0 1]; c_px = filter2 (px, c); imshow (c) figure, imshow (c_px/255) Hasil deteksi tepi vertikal dengan operator filter Prewitt

c = imread ('circuit.tif'); px = [-1 0 1;-1 0 1;-1 0 1]; Jika dengan menerapkan Px dan Py akan diperoleh nilai px dan py maka magnitude gradien-nya diperoleh dengan cara: Besaran ini dapat digunakan sebagai pendeteksi tepi vertikal sekaligus horisontal. Contoh: clear all; clc; c = imread ('circuit.tif'); px = [-1 0 1;-1 0 1;-1 0 1]; py = [-1 -1 -1;0 0 0;1 1 1]; c_px = filter2 (px, c); c_py = filter2 (py, c); tebing = sqrt(c_px.^2 + c_py.^2); imshow (c) figure, imshow (tebing/255)

Citra circuit.tif asli dan hasil deteksi tebing vertikal dan horisontal Prewitt Hasil deteksi tebing yang terakhir di atas masih berupa citra aras keabuan, untuk mengubahnya menjadi citra biner dapat digunakan operasi thresholding, atau dapat juga menggunakan fungsi yang disediakan Matlab yaitu im2bw.m. >> tebing = im2bw (tebing/255, 0.3)

Dan hasilnya adalah pada gambar berikut:

Tujuan Deteksi Tepi Untuk menandai bagian yang menjadi detail citra. Untuk memperbaiki detail dari citra yang kabur, terjadi karena error atau adanya efek dari proses akuisisi citra. Suatu titik (x,y) dikatakan sebagai tepi (edge) dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangganya.

Implementasi Filter Prewitt Sebenarnya, matlab telah menyediakan toolbox khusus untuk algoritma ini, yakni: image = edge(‘image’,’prewitt’) Contoh programnya: % 1. baca citraI=imread('sepatuku','jpg');  imshow(I), title('Citra Asli');  % 2. grayscale citra  Ig=rgb2gray(I);  % 3. median filtering untuk menghilangkan noise  Igm=medfilt2(Ig,[5 5]);% 4. terapkan operasi prewitt  Mx= [-1 0 1;  -1 0 1;  -1 0 1];  My= [1 1 1;   0 0 0;   -1 -1 -1];  Gy=imfilter(double(Igm),My,'symmetric');  Gx=imfilter(double(Igm),Mx,'symmetric');  

M=sqrt(Gx.^2+Gy.^2); figure, imshow(M), title('Gradient Dari Prewitt Filtering'); %% Global threshold mmax=max(max(M)); mmin=min(min(M)); T=(mmax+mmin)/2; T=(T/mmax);% normalisasi threshold M=M/mmax;% normalisasi citra miu1=.1; miu2=.2; del_miu=abs(miu1-miu2); [r c]=size(M); an=1; whilean<=100 forii=1:r forjj=1:c ifM(ii,jj)<T

M1(ii,jj)=M(ii,jj);  else  M2(ii,jj)=M(ii,jj);  end  miu1=mean2(M1);  miu2=mean2(M2);  T=(miu1+miu2)*2;  an=an+1;  forii=1:r  forjj=1:c  ifM(ii,jj)<T  M(ii,jj)=0;  M(ii,jj)=1;  [Igms,thres]=edge(Igm,'prewitt');  figure, imshow(M), title('Program Sendiri Untuk Prewitt Filtering'); figure, imshow(Igms,[]), title('Prewitt Filtering dengan ToolboxMatlab');

Hasil eksekusi program: Perlu diingat bahwa aktifitas ini bersifat subyektif. Artinya kualitas dari filter tersebut dalam menghasilkan edge yang diinginkan tergantung pada pemrogram. Sehingga bila dirasa sudah cukup memberikan hasil yang maksimal, maka program sudah dapat dikatakan berhasil.

DAFTAR REFERENSI http://ngawurski.blogspot.com/2012/12/metode-deteksi-tepi-pada-citra-dalam.html Teknik Pengolahan Citra Universitas Mercu Buana Yogyakarta 2009 http://www.scribd.com/doc/56028354/Algoritma-Robert-Dan-Prewitt-Untuk-Deteksi-Tepi-Objek-Pada-Citra-Digital

THANK YOU...!