Canny Edge Detector Thresholding

 Sensoring : menangkap objek dari dunia nyata menjadi sinyal-sinyal listrik dan selanjutnya dikonversi ke dalam bilangan-bilangan setelah melalui proses dijitasi.  Preprocessing : berfungsi untuk menonjolkan informasi dan menghilangkan noise dalam citra.  Ekstraksi fitur: mengambil besaran komponen tertentu dari citra objek yang mewakili sifat utama citra objek, sekaligus mengurangi dimensi citra objek menjadi sekumpulan bilangan yang lebih sedikit tetapi representatif.  Classification : melakukan penetapan fitur ke kelas yang sesuai  Postprocessing : menggunakan output dari hasil klasifikasi untuk memutuskan aksi yang direkomendasikan.

2.4.1 Sensoring

Input untuk sistem pengenalan pola biasanya beberapa jenis transducer, seperti : kamera, scanner atau array mikropon. Kesulitan dari permasalahan yang dihadapi bergantung pada karakteristik dan batasan transducer seperti bandwidth, resolusi, sensitivitas, distorsi, sinyal terhadap rasio noise, latency dan sebagainya. 2.4.2 Preprocessing 2.4.2.1 Edge detection Edge detection adalah operasi yang digunakan untuk mendeteksi garis tepi edges yang membatasi dua wilayah citra homogen yang memiliki tingkat kecerahan yang berbeda Pitas 1993. Beberapa metode pendeteksi garis tepi yang umum digunakan antara lain Sobel, Prewitt, Robert, Laplacian of a gaussian, Zero crossing, dan Canny.

2.4.2.2 Canny Edge Detector

Canny Edge Detector, dikembangkan oleh John F. Canny, adalah algoritma multi-stage yang dapat mendeteksi batasan luar edge image. Deteksi tepi Canny menggunakan gradient magnitude untuk memperbaiki deteksi tepi sedemikian rupa sehingga dapat menghasilkan garis tepi tunggal. Canny juga menemukan teori komputasional deteksi edge, yang mana canny memperkenalkan Non-maximum supperssion dan Hysteresis thresholding pada pendeteksian edge. Pendeteksi pertama yang dihasilkan hanya pada image grayscale dan disesuaikan untuk mengakomodasi image warna. Terdapat tiga tahap dalam deteksi tepi Canny McAndrew 2004, yaitu: 1. Konvolusi. Filter yang digunakan adalah filter Gaussian. Persamaannya dapat dilihat pada persamaan berikut. 2 2 2 2   x e x f         Filter tersebut memperhalus noise dan menemukan piksel kandidat yang mungkin untuk tepi. 2. Non-maximum supperssion. Ide dasarnya adalah tiap piksel p memiliki arah p  edge direction yang berasosiasi dan agar dipertimbangkan sebagai piksel tepi, nilai p harus lebih besar dari piksel tetangga dalam arah p  . 3. Hysteresis thresholding. Menggunakan dua nilai threshold yaitu t L dan t H dengan t L merupakan nilai minimum threshold dan t H merupakan nilai maksimum threshold. Piksel-piksel dengan nilai lebih besar dari t H diasumsikan sebagai piksel tepi. Sementara itu, piksel-piksel dengan nilai p dimana H t p L t   merupakan adjacent dari piksel tepi juga dapat dipertimbangkan sebagai piksel tepi.

2.4.2.3 Thresholding

Menurut Young et al 1998, thresholding merupakan salah satu teknik segmentasi yang memiliki konsep yang sederhana. Suatu parameter  yang disebut brightness threshold dipilih dan diaplikasikan pada suatu gambar fx,y dengan menggunakan aturan: If fx,y  Then fx,y = object = 1 Else fx,y = background = 0 Aturan di atas dipakai dengan asumsi objek yang terang dengan background yang gelap, sedangkan untuk objek yang gelap dengan background yang terang maka rumus yang dipakai aturan: If fx,y  Then fx,y = object = 1 Else fx,y = background = 0

2.5 Ekstraksi fitur