Algoritma Canny Edge Detection digunakan untuk menghasilkan tepi yang tajam dalam citra dengan beberapa langkah berikut :
1. Smoothing dengan Gaussian Filter:
Langkah pertama adalah mereduksi noise dalam citra dengan menerapkan filter Gaussian. Filter ini mengaburkan citra dan menghaluskan transisi intensitas, yang mengurangi efek noise dan membantu menghasilkan tepi yang lebih tajam.
2. Perhitungan Gradien Magnitude dan Arah:
Selanjutnya, operator Sobel digunakan untuk menghitung gradien citra. Ini memberikan informasi tentang seberapa cepat intensitas citra berubah di setiap titik. Magnitudo gradien adalah ukuran kekuatan perubahan intensitas, dan arah gradien menunjukkan arah di mana perubahan terjadi.
3. Tanda dan Non-Maximum Suppression:
Untuk mendapatkan tepi yang tajam, langkah penting ini melibatkan tindakan pemilihan hanya titik-titik yang merupakan puncak lokal di gradien magnitudo dalam arah gradien. Ini berarti hanya tepi tipis yang akan dipertahankan, sedangkan tepi yang lebih lebar akan ditekan.
4. Histeresis Thresholding:
Ini adalah langkah terakhir dan kunci dalam membedakan antara tepi yang penting dan detail lain yang tidak relevan. Dalam histeresis thresholding, dua ambang digunakan: ambang atas (high threshold) dan ambang bawah (low threshold).
Piksel dengan gradien magnitudo di atas ambang atas dianggap sebagai tepi kuat dan dijaga.
Piksel dengan gradien magnitudo di bawah ambang bawah dianggap sebagai tepi lemah, dan mereka dijaga hanya jika terhubung ke piksel tepi kuat.
Ini memungkinkan hanya tepi yang signifikan dan terkait yang dipertahankan, sementara detail yang tidak relevan diabaikan.
Hasilnya adalah segmentasi tepi yang akurat dan relevan, yang berguna dalam berbagai aplikasi pemrosesan citra, seperti pengenalan objek dan deteksi fitur.
1. Smoothing dengan Gaussian Filter:
Langkah pertama adalah mereduksi noise dalam citra dengan menerapkan filter Gaussian. Filter ini mengaburkan citra dan menghaluskan transisi intensitas, yang mengurangi efek noise dan membantu menghasilkan tepi yang lebih tajam.
2. Perhitungan Gradien Magnitude dan Arah:
Selanjutnya, operator Sobel digunakan untuk menghitung gradien citra. Ini memberikan informasi tentang seberapa cepat intensitas citra berubah di setiap titik. Magnitudo gradien adalah ukuran kekuatan perubahan intensitas, dan arah gradien menunjukkan arah di mana perubahan terjadi.
3. Tanda dan Non-Maximum Suppression:
Untuk mendapatkan tepi yang tajam, langkah penting ini melibatkan tindakan pemilihan hanya titik-titik yang merupakan puncak lokal di gradien magnitudo dalam arah gradien. Ini berarti hanya tepi tipis yang akan dipertahankan, sedangkan tepi yang lebih lebar akan ditekan.
4. Histeresis Thresholding:
Ini adalah langkah terakhir dan kunci dalam membedakan antara tepi yang penting dan detail lain yang tidak relevan. Dalam histeresis thresholding, dua ambang digunakan: ambang atas (high threshold) dan ambang bawah (low threshold).
Piksel dengan gradien magnitudo di atas ambang atas dianggap sebagai tepi kuat dan dijaga.
Piksel dengan gradien magnitudo di bawah ambang bawah dianggap sebagai tepi lemah, dan mereka dijaga hanya jika terhubung ke piksel tepi kuat.
Ini memungkinkan hanya tepi yang signifikan dan terkait yang dipertahankan, sementara detail yang tidak relevan diabaikan.
Hasilnya adalah segmentasi tepi yang akurat dan relevan, yang berguna dalam berbagai aplikasi pemrosesan citra, seperti pengenalan objek dan deteksi fitur.