Penggabungan Metode Inferensi Fuzzy dengan Operator Prewitt untuk Deteksi Tepi

Prewitt adalah salah satu operator klasik dalam deteksi tepi, sederhana dan mudah diimplementasikan namun sensitif terhadap noise. Beberapa penelitian telah dilakukan untuk memperbaiki kinerja operator-operator klasik, dan Fuzzy Logic menjadi salah satu pendekatan yang digunakan. Hal ini dikarenakan deteksi tepi melibatkan tingkat keabuan citra (gray level) yang menimbulkan persoalan ambiguitas nilai dan kekaburan, dua persoalan yang dapat diatasi oleh sebuah sistem Fuzzy dengan baik. Penelitian ini akan membahas tentang penggabungan sistem inferensi Fuzzy dengan operator Prewitt untuk deteksi tepi. Metode yang digunakan adalah mengubah nilai gradien x dan y yang dihasilkan oleh operator Prewitt menjadi himpunan Fuzzy, kemudian menggunakannya sebagai input untuk diolah ke dalam sistem inferensi Fuzzy. Perbandingan citra tepi yang dihasilkan antara menggunakan operator Prewitt murni dengan menggunakan Prewitt-Fuzzy akan ditampilkan dalam tulisan ini.

Metode penelitian yang akan digunakan ditampilkan pada blok diagram di Gambar 1. Pada blok diagram tersebut terdapat dua proses utama, yaitu proses penghitungan gradien dari citra menggunakan operator Prewitt dan proses pengolahan gradien menggunakan sistem inferensi Fuzzy.

Gambar 1. Blok Diagram Metode Deteksi Tepi Prewitt- Fuzzy

Pada penggabungan metode inferensi Fuzzy dengan deteksi Prewitt, input sistem Fuzzy adalah image gradient yang dihasilkan dari konvolusi gambar sumber dengan cadar Prewitt. Input dan output direpresentasikan dalam bentuk fungsi keanggotaan bentuk segitiga. Terdapat dua input dan dua output yaitu white dan black.
Gambar 2. Input dan Output Fuzzy System

Contoh hasil deteksi penggabungan Prewitt-Fuzzy dikenakan terhadap gambar dengan tingkat noise Gauss yang berbeda nilai variannya ditampilkan di Gambar 3.


Gambar 3. Contoh hasil penerapan deteksi tepi Prewitt-Fuzzy

Kesimpulan yang diperoleh dari penelitian ini yaitu:

  1. Metode inferensi Fuzzy berhasil diterapkan bersama operator Prewitt untuk melakukan deteksi tepi.
  2. Penggabungan inferensi Fuzzy dengan operator Prewitt dapat menghasilkan gambar tepi yang secara visual lebih baik apabila dibandingkan dengan gambar tepi yang dihasilkan oleh metode deteksi tepi Prewitt saja, meskipun dengan input berupa gambar dengan noise.
  3. Pemilihan fungsi keanggotaan yang digunakan dalam inferensi Fuzzy mempengaruhi hasil gambar tepi.

Saran

  1. Penelitian ini berhasil mengimplementasikan inferensi Fuzzy bersama-sama dengan operator Prewitt untuk melakukan deteksi tepi dengan input gambar dengan noise, namun terdapat beberapa hal yang perlu dilakukan dalam pengembangan atau penelitian selanjutnya, yaitu:
  2. Perlu dilakukan penelitian lebih lanjut mengenai jenis fungsi keanggotaan Fuzzy yang paling tepat untuk digunakan dalam mendeteksi tepi terutama dengan input gambar dengan noise.
  3. Perlu diteliti lebih lanjut mengenai pengaruh berbagai macam bentuk aturan yang dipilih dalam melakukan inferensi Fuzzy untuk kasus deteksi tepi.
  4. Himpunan Fuzzy yang digunakan dalam penelitian ini adalah himpunan Fuzzy tipe 1, untuk penelitian selanjutnya dapat diteliti mengenai penggunaan himpunan Fuzzy tipe 2 untuk memperbaiki hasil deteksi tepi.
  5. Pengujian akurasi deteksi tepi yang dihasilkan oleh metode Fuzzy perlu dilakukan dengan lebih mendalam menggunakan ground truth images bersama dengan metode pengujian yang berkembang saat ini, dan menggunakan metrik-metrik standar misalnya MSE (Mean Squared Error), dan PSNR (Peak Signal to Noise Ratio)
DAFTAR PUSTAKA
  • C. Gonzalez, R. E. Woods, Digital Image Processing, 2nd ed. New Jersey. USA, Prentice Hall, 2002.
  • Kaur, M. Singh, B. Singh, “Comparative Analysis of Color Edge Detection Techniques Based on Fuzzy Logic”, International Journal of Engineering Sciences, vol. 17, january 2016.
  • S. Nikitha, A. N. Myna, “Fuzzy Logic Based Edge Detection in Color Images”, International Advanced Research Journal in Science, Engineering and Technology, vol. 2, issue 7, July 2015, pp. 65-69.
  • Nachtegael, D. Van der Weken, D. Van de Ville, E. E., Kerre, Fuzzy Filters for Image Processing, Springer, 2003 , pp. 178-194.
  • K. Kaur, V. Mutenja, I. S. Gill, “Fuzzy Logic Based Image Edge Detection Algorithm in MATLAB”, International Journal of Computer Application, vol. 1, number 22, 2010. Pp. 55-58.
  • A. Khaire, Dr. N. S. V. Thakur, “ A Fuzzy Set Approach for Edge Detection”, International Journal of Image Processing (IJIP), vol. 6, issue 6, 2012.
  • Bhardwaj, P. S. Mann, “Adaptive Neuro-Fuzzy Inference System (ANFIS) Based Edge Detection Technique”, Internationa Journal for Science, and Emerging Technologies with Latest Trends, vol. 8, 2013. Pp. 7-13.
  • I. Gonzalez, P. Melin, J. R. Castro, O. Mendoza, O. Castillo, “An Improved Sobel Edge Detection Method Based on Generalized Type-2 Fuzzy Logic”, Journal Soft Computing: A Fusion of Foundations, Methodologies, and Applications, vol. 20, issue 2, February 2016, pp. 773-784.
  • Kapoor, P. Singla, “Implementation of Magnified Edge Detection using Fuzzy-Canny Logic”, International Journal of Computer Science & Communication Network, vol. 2(3), 2012, pp. 425-429.
  • Munir, Pengolahan Citra Digital dengan Pendekatan Algoritmik. Bandung: Penerbit Informatika, 2004.
  • Kusumadewi, H. Purnomo, Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu, 2004.
  • Usada, Elisa. Implementasi Logika Fuzzy Untuk Pilot Agent Dalam Simulator Pengendali Lalu Lintas Udara (ATC Simulator). JURNAL INFOTEL, [S.l.], v. 6, n. 1, p. 13-22, may 2014. ISSN 2460-0997. Available at: <http://ejournal.st3telkom.ac.id/index.php/infotel/article/view/11>. Date accessed: 17 july 2017. doi: https://doi.org/10.20895/infotel.v6i1.11.

Leave a reply to Quentinker Cancel reply

Your email address will not be published. Required fields are marked *