Edge Detection OpenCV dengan Sobel, Canny, dan Laplacian dengan Visual Studio 2013

Edge Detection

Deteksi tepi (Edge Detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyek-obyek citra, tujuannya adalah

• Untuk menandai bagian yang menjadi detail citra

• Untuk memperbaiki detail dari citra yang kabur, yang 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. Gambar  dibawah  ini menggambarkan bagaimana tepi suatu gambar diperoleh.

Metode-metode yang digunakan dalam Edge Detection :

Metode Sobel

Metode Sobel merupakan pengembangan metode robert dengan menggunakan filter HPF yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari fungsi laplacian dan gaussian yang dikenal sebagai fungsi untuk membangkitkan HPF. Kelebihan dari metode sobel ini adalah kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi. Kernel filter yang digunakan dalam metode Sobel ini adalah:

Hasil deteksi tepi menggunakan metode Sobel:

Metode Canny

Salah satu algoritma deteksi tepi modern adalah deteksi tepi dengan menggunakan metode Canny. Deteksi tepi Canny ditemukan oleh Marr dan Hildreth yang meneliti pemodelan persepsi visual manusia. Ada beberapa kriteria pendeteksi tepian paling optimum yang dapat dipenuhi oleh algoritma Canny:

a. Mendeteksi dengan baik (criteria deteksi)

Kemampuan untuk meletakkan dan menandai semua tepi yang ada sesuai dengan pemilihan parameter-parameter konvolusi yang dilakukan. Sekaligus juga memberikan fleksibilitas yang sangat tinggi dalam hal menentukan tingkat deteksi ketebalan tepi sesuai yang diinginkan.

b. Melokalisasi dengan baik (criteria lokalisasi)

Dengan Canny dimungkinkan dihasilkan jarak yang minimum antara tepi yang dideteksi dengan tepi yang asli.

c. Respon yang jelas (kriteria respon)

Hanya ada satu respon untuk tiap tepi. Sehingga mudah dideteksi dan tidak menimbulkan kerancuan pada pengolahan citra selanjutnya.

Hasil deteksi tepi menggunakan metode Canny:

aAlgoritma canny edge detection secara umum (detilnya tidak baku atau bisa divariasikan) beroperasi sebagai berikut :

1.     Penghalusan untuk mengurangi dampak noise terhadap pendeteksian edge

2.     Menghitung potensi gradien citra

3.     non-maximal supression dari gradien citra untuk melokalisasi edge secara presisi

4.     hysteresis thresholding untuk melakukan klasifikasi akhir

Metode Laplacian

Metode ini akan mendeteksi zero crossing ,untuk menentukan garis batas antara hitam dan putih, yang terdapat pada turunan kedua dari citra yang bersangkutan. Kekurangann dari penerapan perator laplacian adalah sangat sensitif terhadap noise, namun demikian edge detection dengan operator ini dapat di tingkatkan hasilnya dengan menerapkan thresholding.

Sebelum menjalankan program di visual studio, harus menginstall library OpenCV menggunakan aplikasi Cmake. Untuk lebih jelasnya, dapat mampir ke blog sebelah
http://myvisionacademia.blogspot.com/

Jika sudah, anda dapat melanjutkan ke langkah-langkah berikutnya.

Untuk membuatnya di Visual Studio 2013:

1. Membuat new project pada visual studio 2013 seperti pada gambar berikut:
2. Kemudian akan muncul jendela baru untuk pengaturan project dan nama project. Setelah itu tekan OK, next, dan finish.
3. Menambahkan beberapa inisialisasi library yang akan digunakan.
   #include "stdafx.h"
   #include "opencv2\highgui\highgui.hpp"
   #include <opencv2\opencv.hpp>
4. Load gambar berekstensi *.jpg dengan program berikut:
   image = imread("gambar.jpg", CV_LOAD_IMAGE_COLOR);
5.  Menampilkan gambar berekstensi *.jpg  dengan program berikut:
   imshow("layar", image);
6.  Edge detection dengan Canny menggunakan program sebagai berikut
   Canny(image, edges1, 0, 30, 3);
   Canny(image, edges2, 50, 30, 3);
   Canny(image, edges3, 100, 30, 3);
7. Edge detection dengan Sobel menggunakan program sebagai berikut:
8.   Edge detection dengan Laplacian menggunakan program sebagai berikut:
   Sobel(image, imgsobel1, -1, 1, 1);
9.  Mengubah gambar RGB menjadi grayscale menggunakan program berikut:
   Laplacian(image, lap1,-1, 3);
10.  Mengubah gambar RGB menjadi black and white menggunakan program berikut:
    cvtColor(image, image2, COLOR_BGR2GRAY);

Hasil:

1.   Edge detection dengan Canny, Sobel, dan Laplacian:
   
2.   Menggunakan canny dengan nilai variabel threshold 0, 50, dan 100.
   
3. Gray
   
4. Black & White
   

Berikut adalah kode keseluruhan:

#include "stdafx.h"

#include "opencv2\highgui\highgui.hpp"

#include <opencv2\opencv.hpp>

using namespace cv;

using namespace std;

int main(int argc, char** argv)

{

Mat image, image2, image3, img2, src1, src2, edges1, edges2, edges3, imgsobel1, imgsobel2, imgsobel3, lap1, lap2, lap3;

image = imread("gambar.jpg", CV_LOAD_IMAGE_COLOR);

resize(image, image, Size(400, 250));

cvtColor(image, image2, COLOR_BGR2GRAY);

image3 = image2 > 130;

Canny(image, edges1, 0, 30, 3);

Canny(image, edges2, 50, 30, 3);

Canny(image3, edges3, 100, 30, 3);

Sobel(image3, imgsobel1, -1, 1, 1);

Sobel(image, imgsobel2, -1, 1, 0);

Sobel(image, imgsobel3, -1, 1, 1);

Laplacian(image3, lap1,-1, 3);

//Laplacian(image, lap2, -1, 9);

//Laplacian(image, lap3, -1, 15);

imshow("Asli", image3);

imshow("Canny 0", edges1);

imshow("Canny 50", edges2);

imshow("Canny 100", edges3);

imshow("Sobel", imgsobel1);

imshow("Sobel2", imgsobel2);

imshow("Sobel3", imgsobel3);

imshow("Laplacian 1", lap1);

//imshow("Laplacian", lap2);

//imshow("Laplacian", lap3);

//imwrite("image2.jpg", image);

waitKey(0);

return 0;

}