BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis - Implementasi Deteksi Tepi Citra Manuskrip Kuno Dengan Metode Kombinasi Gradien Prewit Dan Sobel
BAB 3
ANALISIS DAN PERANCANGAN
3.1 Analisis
Pada penelitian ini dilakukan kombinasi edges detectionpada citra manuscripts kuno
dengan mengimplementasikan metode gradientedges detection operator Sobel dengan
Prewitt. Edge detection adalah operasi untuk mendeteksi garis tepi (edges) yang
membatasi dua wilayah citra homogen yang memiliki tingkat kecerahan yang berbeda.
Deteksi tepi sebuah citra dapat dilakukan dengan menghitung selisih antara
dua buah titik yang bertetangga sehingga didapat besar gradien citra. Proses yang
digunakan oleh operator Sobel dan Prewitt merupakan proses dari sebuah
konvolusiyang telah ditetapkan terhadap citra yang terdeteksi. Pada metode Gradient
ini dilakukan menghitung besarnya vektor dan nilai Gradient yang menggunakan
turunan pertama dari persamaan dua dimensi yang didefinisikan sebagai vektor.
Manuscripts kuno sering sekali mengandung noiseseperti perubahan warna
kertas menjadi kekuningan atau kecoklatan karena tersimpan cukup lama. Perubahan
warna tersebut umumnya terjadi padabeberapa tempatyang disebut sebagai ‘fox’.
Noise tersebut
dapat
mengganggu pandangan dan dapat
merubah tulisan
padamanuscripts kuno tersebut.
Untuk mendapatkan hasil edges detection yang terbaik, maka dilakukan
kombinasi antara edges detectionmenggunakan operator Sobel dan Prewitt pada
manuscripts kuno tersebut. Hasil dari deteksi tepi adalah peningkatan ketegasan tepitepi tulisan pada manuscripts kuno agar lebih mudah dalam pengamatan bagi orang
yang sedang mengamatinya.
Universitas Sumatera Utara
25
Pada penelitian ini dilakukan perbandingan hasil deteksi tepi antara operator
Gradient yaitu Sobel, Prewitt serta Kombinasi. Operator Sobel dalam mendeteksi tepi
suatu citra digital adalah sebagai berikut:
Citra masukan berupa citra grayscale.
1. Konvolusikan citra grayscale dengan kernel Sobel horizontal dan kernel Sobel
vertical.
2. Hitung besar gradient.
3. Citra keluaran merupakan hasil dari besar gradient (G).
Operator Sobel menggunakan dua matriks kernel 3 x 3 S x dan S y seperti Gambar 3.1.
Sx
-1
0
1
-2
0
2
-1
0
1
Sy
-1
-2
-1
0
0
0
1
2
1
Gambar 3.1 Matriks Kernel Sobel
Pada deteksi tepi dengan metode gradient Prewitt menggunakan derivatif
pertama untuk menemukan tepi dilakukan dengan langkah-langkah:
1. Penentuan gradient citra untuk mengetahui intensitas variasi lokal dengan
melakukan konvolusi dengan matriks konvolusi G x dan G y. Matriks konvolusi
G x dan G y diperoleh dari pendekatan diskret derivatif parsial fungsi f(x,y).
2. Penentuan magnitude citra sebagai tepi serta penentuan besar sudut atau arah
untuk mengetahui kecenderungan arah tepi lokal.
Metode Gradient Prewitt menggunakan dua matriks kernel 3 x 3 P x dan
P ydengan nilai konstanta C=1, seperti Gambar 3.2.
Sx
-1
0
1
-1
0
1
-1
0
1
Sy
-1
-1
-1
0
0
0
1
1
1
Gambar 3.2 Matriks Kernel Gradient Prewitt
Universitas Sumatera Utara
26
Pada deteksi tepi dengan metode Kombinasi menggunakan derivatif pertama
untuk menemukan tepi citra serta menggunakan kernel Sobel horizontal dan kernel
Prewitt vertical. Deteksi tepi dengan Kombinasi dilakukan dengan langkah-langkah:
1. Penentuan gradient citra untuk mengetahui intensitas variasi lokal dengan
melakukan konvolusi dengan matriks konvolusi S x dan P y menggunakan
kernel Sobel dan Prewitt.
2. Penentuan magnitude citra sebagai tepi serta penentuan besar sudut atau arah
untuk mengetahui kecenderungan arah tepi lokal.
Deteksi tepi dengan metode Kombinasi menggunakan dua matriks kernel 3 x 3 K x dan
K y seperti Gambar 3.3.
Kx
-1
0
1
-2
0
2
-1
0
1
Ky
-1
-1
-1
0
0
0
1
1
1
Gambar 3.3 Matriks Kernel Kombinasi
3.1.1 Flowchart Penelitian sistem
Flowchartpenelitian menjelaskan alur proses mengenai deteksi tepi citra dengan
mengkombinasikan metode Gradient Prewitt dengan Sobel seperti halnya pada
Gambar 3.4 berikut dibelakang
Universitas Sumatera Utara
27
Mulai
Input citra
Hitung nilai piksel citra
Proses deteksi
tepi citra dengan
Sobel
Deteksi
tepi Sobel
Tidak
Ya
Proses deteksi
tepi citra dengan
Prewitt
Deteksi tepi
Tidak
Prewitt
Hasil citra,
MSE
Selesai
Ya
Tidak
Proses deteksi tepi
citra dengan
Kombinasi
Deteksi tepi
Kombinasi
Tidak
Ya
Tidak
Gambar 3.4 FlowchartPenelitian
Keterangan:
Arsitektur umum program yang akan dibangun yaitu sebagai berikut:
a.
Input Citra
Input citra berupa file citra manuscript kuno.
b.
Hitung nilai piksel citra
Setiap citra yang diinput akan dihitung nilai pikselnya berupa nilai red,green dan
blue (RGB).
c.
Deteksi Tepi Sobel, Gradient Prewittdan Kombinasi
Pada tahap ini user akan memilih deteksi tepi apa yang ingin diproses.
d.
Proses deteksi tepi Sobel,Gradient Prewitt dan Kombinasi
Pada tahap ini sistem akan melakukan pemrosesan terhadap citra dengan deteksi
tepi Sobel, Gradient Prewitt dan kombinasi.
e.
Hasil citra, nilai MSE.
Universitas Sumatera Utara
28
Pada tahap ini dilakukan perbandingan hasil deteksi tepi citra manuscript kuno
dengan mengambil kesimpulan mana yang paling baik.
3.1.2 Flowchart Edges Detection Metode Sobel
Flowchart Edges Detectiondengan metode Sobeldapat dilihat seperti pada Gambar
3.5.
Start
Input Citra Manuscript
Hitung Jumlah Piksel Citra
Pembagian Citra menjadi Blok3x3 Piksel (n)
Baca Citra Blokn
Hitung Nilai Grayscale Citra Blok n
Hitung Nilai Biner Citra Blok n
Hitung Gradien (M) dengan Kernel
Sobel Sx dan Sy
Petakan Nilai M ke Piksel Citra Baru
Blok(n) =Blok(n)-1
No
Blok(n) =0 ?
Yes
A
Universitas Sumatera Utara
29
A
Simpan Hasil Edges Detection
Tampilkan Citra Edges Detection
Stop
Gambar 3.5 Flowchart Edges DetectionMetode Sobel
Keterangan gambar:
Pada citra inputan,
dilakukan pembacaan nilai pixel
untuk
pembentukan
matriksgrayscale dan biner.Proses perhitungan gradient dilakukan pada matriks citra
3 x 3 pixel dengan kerner Sobel S x dan S y . Hasil perhitungan gradient dipetakan ke
pixelpada matriks citra baru sebagai citra hasilEdges Detection.
3.1.3 FlowchartEdges DetectionMetode Gradient Prewitt
Flowchart Edges Detection dengan metode Gradient Prewittdapat dilihat seperti pada
Gambar 3.6.
Start
Input Citra Manuscript
Hitung Jumlah Piksel Citra
Pembagian Citra menjadi Blok3x3 Piksel (n)
A
Universitas Sumatera Utara
30
A
Baca Citra Blokn
Hitung Nilai Grayscale Citra Blok n
Hitung Nilai Biner Citra Blok n
Hitung Gradien (M) dengan Kernel
PrewittPx dan Py
Petakan Nilai M ke Piksel Citra Baru
Yes
Blok(n) =Blok(n)-1
No
Blok(n) =0 ?
Simpan Hasil Edges Detection
Tampilkan Citra Edges Detection
Stop
Gambar 3.6 Flowchart Edges DetectionMetode Gradient Prewitt
Keterangan gambar:
Pada citra inputan,
dilakukan pembacaan nilai pixel
untuk
pembentukan
matriksgrayscale dan biner.Proses perhitungan gradient dilakukan pada matriks citra
3 x 3 pixel dengan kerner Prewitt P x dan P y . Hasil perhitungan gradient dipetakan ke
pixel pada matriks citra baru sebagai citra hasilEdges Detection.
Universitas Sumatera Utara
31
3.1.4 Flowchart Edges Detection Metode Kombinasi
Flowchart Edges Detection dengan metode Kombinasi dapat dilihat seperti pada
Gambar 3.7.
Start
Input Citra Manuscript
Hitung Jumlah Piksel Citra
Pembagian Citra menjadi Blok3x3 Piksel (n)
Baca Citra Blokn
Hitung Nilai Grayscale Citra Blok n
Hitung Nilai Biner Citra Blok n
Hitung Gradien (M) dengan Kernel
KombinasiKx dan Ky
Petakan Nilai M ke Piksel Citra Baru
Blok(n) =Blok(n)-1
No
Blok(n) =0 ?
Yes
Simpan Hasil Edges Detection
A
Universitas Sumatera Utara
32
A
Tampilkan Citra Edges Detection
Stop
Gambar 3.7 Flowchart Edges DetectionMetode Kombinasi
Keterangan gambar:
Pada citra inputan,
dilakukan pembacaan nilai pixel
untuk
pembentukan
matriksgrayscale dan biner.Proses perhitungan gradient dilakukan pada matriks citra
3 x 3 pixel dengan kerner Kombinasi K x dan K y . Hasil perhitungan gradient dipetakan
ke pixel pada matriks citra baru sebagai citra hasilEdges Detection.
3.1.5 Pembagian Citra menjadi Ukuran 3 x 3 Pixel
Untuk menyesuaikan dengan operator Sobel, Prewitt serta Kombinasi, maka ukuran
citra yang akan diolah dibagi dengan blok-blok dengan ukuran 3 x 3 pixel perblok
seperti yang terlihat pada Gambar 3.8.
Gambar 3.8 Pengolahan Citra 3 x 3 Pixel
Universitas Sumatera Utara
33
Pada Gambar 3.8 terlihat urutan pengolahan blok citra dengan ukuran 3 x 3 pixel
dimulai mulai sebelah kiri atas sampai ke blok kanan bawah.
3.1.6 Perhitungan Nilai Warna RGB
Sebelum melakukan pengolahan citra,terlebih dahulu dilakukan pembacaan dan
penghitungan nilai Pixel. Sebagai contoh diberikan citra manuscript kuno berdimensi
3 x 3 pixel seperti pada Gambar 3.9.
Blok Image 3 x 3
Pixel
Gambar 3.9 Citra manuscript Kuno (3 x 3 Pixel)
Citra pada Gambar 3.9 di atas dilakukan penghitungan nilai komponen warna
RGB-nya dengan membagi citra dalam Pixel- Pixel. Sebagai contoh diberikan
cuplikan citra 3 x 3 pixel yang berasal dari citramanuscript kuno yang dapat dilihat
seperti pada Gambar 3.10.
Gambar 3.10Blok Citra (3 x 3 Pixel)
Citra pada Gambar 3.10 di atas dilakukan pembacaan nilai pixel pada data
bitmap Cover Image (3 x 3 Pixel) seperti pada Gambar 3.11 dibelakang.
Universitas Sumatera Utara
34
>>>>>>>>>>>>
ANALISIS DAN PERANCANGAN
3.1 Analisis
Pada penelitian ini dilakukan kombinasi edges detectionpada citra manuscripts kuno
dengan mengimplementasikan metode gradientedges detection operator Sobel dengan
Prewitt. Edge detection adalah operasi untuk mendeteksi garis tepi (edges) yang
membatasi dua wilayah citra homogen yang memiliki tingkat kecerahan yang berbeda.
Deteksi tepi sebuah citra dapat dilakukan dengan menghitung selisih antara
dua buah titik yang bertetangga sehingga didapat besar gradien citra. Proses yang
digunakan oleh operator Sobel dan Prewitt merupakan proses dari sebuah
konvolusiyang telah ditetapkan terhadap citra yang terdeteksi. Pada metode Gradient
ini dilakukan menghitung besarnya vektor dan nilai Gradient yang menggunakan
turunan pertama dari persamaan dua dimensi yang didefinisikan sebagai vektor.
Manuscripts kuno sering sekali mengandung noiseseperti perubahan warna
kertas menjadi kekuningan atau kecoklatan karena tersimpan cukup lama. Perubahan
warna tersebut umumnya terjadi padabeberapa tempatyang disebut sebagai ‘fox’.
Noise tersebut
dapat
mengganggu pandangan dan dapat
merubah tulisan
padamanuscripts kuno tersebut.
Untuk mendapatkan hasil edges detection yang terbaik, maka dilakukan
kombinasi antara edges detectionmenggunakan operator Sobel dan Prewitt pada
manuscripts kuno tersebut. Hasil dari deteksi tepi adalah peningkatan ketegasan tepitepi tulisan pada manuscripts kuno agar lebih mudah dalam pengamatan bagi orang
yang sedang mengamatinya.
Universitas Sumatera Utara
25
Pada penelitian ini dilakukan perbandingan hasil deteksi tepi antara operator
Gradient yaitu Sobel, Prewitt serta Kombinasi. Operator Sobel dalam mendeteksi tepi
suatu citra digital adalah sebagai berikut:
Citra masukan berupa citra grayscale.
1. Konvolusikan citra grayscale dengan kernel Sobel horizontal dan kernel Sobel
vertical.
2. Hitung besar gradient.
3. Citra keluaran merupakan hasil dari besar gradient (G).
Operator Sobel menggunakan dua matriks kernel 3 x 3 S x dan S y seperti Gambar 3.1.
Sx
-1
0
1
-2
0
2
-1
0
1
Sy
-1
-2
-1
0
0
0
1
2
1
Gambar 3.1 Matriks Kernel Sobel
Pada deteksi tepi dengan metode gradient Prewitt menggunakan derivatif
pertama untuk menemukan tepi dilakukan dengan langkah-langkah:
1. Penentuan gradient citra untuk mengetahui intensitas variasi lokal dengan
melakukan konvolusi dengan matriks konvolusi G x dan G y. Matriks konvolusi
G x dan G y diperoleh dari pendekatan diskret derivatif parsial fungsi f(x,y).
2. Penentuan magnitude citra sebagai tepi serta penentuan besar sudut atau arah
untuk mengetahui kecenderungan arah tepi lokal.
Metode Gradient Prewitt menggunakan dua matriks kernel 3 x 3 P x dan
P ydengan nilai konstanta C=1, seperti Gambar 3.2.
Sx
-1
0
1
-1
0
1
-1
0
1
Sy
-1
-1
-1
0
0
0
1
1
1
Gambar 3.2 Matriks Kernel Gradient Prewitt
Universitas Sumatera Utara
26
Pada deteksi tepi dengan metode Kombinasi menggunakan derivatif pertama
untuk menemukan tepi citra serta menggunakan kernel Sobel horizontal dan kernel
Prewitt vertical. Deteksi tepi dengan Kombinasi dilakukan dengan langkah-langkah:
1. Penentuan gradient citra untuk mengetahui intensitas variasi lokal dengan
melakukan konvolusi dengan matriks konvolusi S x dan P y menggunakan
kernel Sobel dan Prewitt.
2. Penentuan magnitude citra sebagai tepi serta penentuan besar sudut atau arah
untuk mengetahui kecenderungan arah tepi lokal.
Deteksi tepi dengan metode Kombinasi menggunakan dua matriks kernel 3 x 3 K x dan
K y seperti Gambar 3.3.
Kx
-1
0
1
-2
0
2
-1
0
1
Ky
-1
-1
-1
0
0
0
1
1
1
Gambar 3.3 Matriks Kernel Kombinasi
3.1.1 Flowchart Penelitian sistem
Flowchartpenelitian menjelaskan alur proses mengenai deteksi tepi citra dengan
mengkombinasikan metode Gradient Prewitt dengan Sobel seperti halnya pada
Gambar 3.4 berikut dibelakang
Universitas Sumatera Utara
27
Mulai
Input citra
Hitung nilai piksel citra
Proses deteksi
tepi citra dengan
Sobel
Deteksi
tepi Sobel
Tidak
Ya
Proses deteksi
tepi citra dengan
Prewitt
Deteksi tepi
Tidak
Prewitt
Hasil citra,
MSE
Selesai
Ya
Tidak
Proses deteksi tepi
citra dengan
Kombinasi
Deteksi tepi
Kombinasi
Tidak
Ya
Tidak
Gambar 3.4 FlowchartPenelitian
Keterangan:
Arsitektur umum program yang akan dibangun yaitu sebagai berikut:
a.
Input Citra
Input citra berupa file citra manuscript kuno.
b.
Hitung nilai piksel citra
Setiap citra yang diinput akan dihitung nilai pikselnya berupa nilai red,green dan
blue (RGB).
c.
Deteksi Tepi Sobel, Gradient Prewittdan Kombinasi
Pada tahap ini user akan memilih deteksi tepi apa yang ingin diproses.
d.
Proses deteksi tepi Sobel,Gradient Prewitt dan Kombinasi
Pada tahap ini sistem akan melakukan pemrosesan terhadap citra dengan deteksi
tepi Sobel, Gradient Prewitt dan kombinasi.
e.
Hasil citra, nilai MSE.
Universitas Sumatera Utara
28
Pada tahap ini dilakukan perbandingan hasil deteksi tepi citra manuscript kuno
dengan mengambil kesimpulan mana yang paling baik.
3.1.2 Flowchart Edges Detection Metode Sobel
Flowchart Edges Detectiondengan metode Sobeldapat dilihat seperti pada Gambar
3.5.
Start
Input Citra Manuscript
Hitung Jumlah Piksel Citra
Pembagian Citra menjadi Blok3x3 Piksel (n)
Baca Citra Blokn
Hitung Nilai Grayscale Citra Blok n
Hitung Nilai Biner Citra Blok n
Hitung Gradien (M) dengan Kernel
Sobel Sx dan Sy
Petakan Nilai M ke Piksel Citra Baru
Blok(n) =Blok(n)-1
No
Blok(n) =0 ?
Yes
A
Universitas Sumatera Utara
29
A
Simpan Hasil Edges Detection
Tampilkan Citra Edges Detection
Stop
Gambar 3.5 Flowchart Edges DetectionMetode Sobel
Keterangan gambar:
Pada citra inputan,
dilakukan pembacaan nilai pixel
untuk
pembentukan
matriksgrayscale dan biner.Proses perhitungan gradient dilakukan pada matriks citra
3 x 3 pixel dengan kerner Sobel S x dan S y . Hasil perhitungan gradient dipetakan ke
pixelpada matriks citra baru sebagai citra hasilEdges Detection.
3.1.3 FlowchartEdges DetectionMetode Gradient Prewitt
Flowchart Edges Detection dengan metode Gradient Prewittdapat dilihat seperti pada
Gambar 3.6.
Start
Input Citra Manuscript
Hitung Jumlah Piksel Citra
Pembagian Citra menjadi Blok3x3 Piksel (n)
A
Universitas Sumatera Utara
30
A
Baca Citra Blokn
Hitung Nilai Grayscale Citra Blok n
Hitung Nilai Biner Citra Blok n
Hitung Gradien (M) dengan Kernel
PrewittPx dan Py
Petakan Nilai M ke Piksel Citra Baru
Yes
Blok(n) =Blok(n)-1
No
Blok(n) =0 ?
Simpan Hasil Edges Detection
Tampilkan Citra Edges Detection
Stop
Gambar 3.6 Flowchart Edges DetectionMetode Gradient Prewitt
Keterangan gambar:
Pada citra inputan,
dilakukan pembacaan nilai pixel
untuk
pembentukan
matriksgrayscale dan biner.Proses perhitungan gradient dilakukan pada matriks citra
3 x 3 pixel dengan kerner Prewitt P x dan P y . Hasil perhitungan gradient dipetakan ke
pixel pada matriks citra baru sebagai citra hasilEdges Detection.
Universitas Sumatera Utara
31
3.1.4 Flowchart Edges Detection Metode Kombinasi
Flowchart Edges Detection dengan metode Kombinasi dapat dilihat seperti pada
Gambar 3.7.
Start
Input Citra Manuscript
Hitung Jumlah Piksel Citra
Pembagian Citra menjadi Blok3x3 Piksel (n)
Baca Citra Blokn
Hitung Nilai Grayscale Citra Blok n
Hitung Nilai Biner Citra Blok n
Hitung Gradien (M) dengan Kernel
KombinasiKx dan Ky
Petakan Nilai M ke Piksel Citra Baru
Blok(n) =Blok(n)-1
No
Blok(n) =0 ?
Yes
Simpan Hasil Edges Detection
A
Universitas Sumatera Utara
32
A
Tampilkan Citra Edges Detection
Stop
Gambar 3.7 Flowchart Edges DetectionMetode Kombinasi
Keterangan gambar:
Pada citra inputan,
dilakukan pembacaan nilai pixel
untuk
pembentukan
matriksgrayscale dan biner.Proses perhitungan gradient dilakukan pada matriks citra
3 x 3 pixel dengan kerner Kombinasi K x dan K y . Hasil perhitungan gradient dipetakan
ke pixel pada matriks citra baru sebagai citra hasilEdges Detection.
3.1.5 Pembagian Citra menjadi Ukuran 3 x 3 Pixel
Untuk menyesuaikan dengan operator Sobel, Prewitt serta Kombinasi, maka ukuran
citra yang akan diolah dibagi dengan blok-blok dengan ukuran 3 x 3 pixel perblok
seperti yang terlihat pada Gambar 3.8.
Gambar 3.8 Pengolahan Citra 3 x 3 Pixel
Universitas Sumatera Utara
33
Pada Gambar 3.8 terlihat urutan pengolahan blok citra dengan ukuran 3 x 3 pixel
dimulai mulai sebelah kiri atas sampai ke blok kanan bawah.
3.1.6 Perhitungan Nilai Warna RGB
Sebelum melakukan pengolahan citra,terlebih dahulu dilakukan pembacaan dan
penghitungan nilai Pixel. Sebagai contoh diberikan citra manuscript kuno berdimensi
3 x 3 pixel seperti pada Gambar 3.9.
Blok Image 3 x 3
Pixel
Gambar 3.9 Citra manuscript Kuno (3 x 3 Pixel)
Citra pada Gambar 3.9 di atas dilakukan penghitungan nilai komponen warna
RGB-nya dengan membagi citra dalam Pixel- Pixel. Sebagai contoh diberikan
cuplikan citra 3 x 3 pixel yang berasal dari citramanuscript kuno yang dapat dilihat
seperti pada Gambar 3.10.
Gambar 3.10Blok Citra (3 x 3 Pixel)
Citra pada Gambar 3.10 di atas dilakukan pembacaan nilai pixel pada data
bitmap Cover Image (3 x 3 Pixel) seperti pada Gambar 3.11 dibelakang.
Universitas Sumatera Utara
34
>>>>>>>>>>>>