2.10 Pendeteksi Tepi Laplacian of Gaussian LoG
Laplacian adalah salah satu metode pendeteksi tepi yang merupakan pendeteksi tepi turunan kedua. Turunan kedua memiliki sifat lebih sensitif terhadap
noise, selain itu juga menghasilkan double edge. Oleh karena itu, operator Laplacian dalam deteksi tepi pada umumnya tidak dipergunakan secara langsung, namun
dikombinasikan dengan suatu kernel Gaussian menjadi sebuah operator Laplacian of Gaussian LoG. Metode ini
mendeteksi tepi lebih akurat khususnya pada tepi yang curam. Pada tepi yang curam, turunan keduanya memiliki zero-crossing persilangan nol, yaitu titik dimana
terdapat pergantian tanda nilai turunan kedua, sedangkan pada tepi yang landai tidak terdapat persilangan nol Gonzalez et a,l Halaman 48, 2005. Berikut ini fungsi LoG
2-D yang berpusat pada titik 0 dan dengan deviasi standard Gaussian
σ
� , = −
1 ��
4
1 −
2
+
2
2 �
2
−
2 + 2 2
�2
2.12
Representasi turunan kedua dalam bentuk kernel operator Laplacian diperlihatkan pada Gambar 2.14 Afnisyah, Halaman 98,2009.
Gambar 2.20 Kernel Konvolusi Laplacian
Berikut ini pseudocode dari algoritma metode LoG, yang dapat digunakan untuk menganalisis kinerja metode ini terhadap parameter yang ditentukan:
Mengubah citra RGB menjadi citra skala keabuan I = doublergb2grayhandles.data1;
Penghalusan Arah X
-1 -1
4 -1
-1
filterx = d2dgaussNx1,Sigmax1,Nx2,Sigmax2,Theta1; Ix = conv2I,filterx,same;
Arah Y filtery = d2dgaussNy1,Sigmay1,Ny2,Sigmay2,Theta2;
Iy = conv2I,filtery,same; Norm of the gradient
NVI = sqrtIx.Ix+Iy.Iy; Konvolusi dengan kernel laplacian 3x3
H = [0 1 0,1 -4 1,0 1 0]; J = conv2NVI,H,same;
Find the zerocross with thresh value thresh = alfa.mean2absJ;
edgeimage = edgeJ,zerocross,thresh;
Metode LoG sangat sensitif terhadap noise, hal ini disebabkan oleh proses konvolusi citra dengan kernel laplacian. Akibat hal ini, tentunya juga mempengaruhi
nilai sensitivity rate dari keluaran tiap citra masukan untuk metode LoG yang bergantung pada jumlah piksel yang dinyatakan sebagai tepi pada citra hasil deteksi
tepi nR. Seperti yang telah disebutkan pada subbab analisis sensitivity rate untuk metode Sobel, besarnya jumlah piksel yang dinyatakan sebagai tepi pada citra hasil
deteksi tepi akan membuat jumlah piksel yang dinyatakan sebagai tepi pada citra hasil deteksi tepi yang diberi noise juga semakin besar, dan nilai sensitivity rate juga
semakin besar. Dari penjelasan tersebut, maka dapat diasumsikan bahwa Citra_asli1 memiliki
nilai sensitivity rate lebih besar dari Citra_asli3, Citra_asli2, dan Citra_asli1. Citra_asli3 memiliki nilai sensitivity rate lebih besar dari Citra_asli2 dan Citra_asli1,
dan Citra_asli2 memiliki nilai sensitivity rate yang lebih besar dari Citra_asli1. Afnisyah, Halaman 99, 2009
Gambar 2.21 citra hasil tepi metode LoG
2.11 Pendeteksi Tepi Canny