1. Laplacian of Gaussian (LoG)
Kelebihan:
Teknik ini efektif dalam menghilangkan noise dalam citra karena menggabungkan operasi Gaussian dan LoG. teknik ini juga cukup baik dalam mengidentifikasi tepi tipis dan tajam.
Kekurangan:
LoG tidak memiliki pengaturan ambang batas internal, sehingga perlu digunakan bersama metode lain, seperti ambang batas treshold, untuk mengidentifikasi tepi. Selain itu, memerlukan lebih banyak perhitungan dibandingkan Sobel.
Efektivitas Keseluruhan:
Efektif dalam mendeteksi tepi kompleks, tetapi biayanya lebih tinggi secara komputasional. Baik digunakan dalam situasi di mana deteksi tepi halus dan detail tinggi diinginkan.
2. Sobel
Kelebihan:
Teknik ini mudah dimengerti dan diimplementasikan dibandingkan dengan teknik lainnya. Ia juga sederhana dan cepat dihitung, dan efektif dalam mendeteksi tepi vertikal atau horizontal.
Kekurangan:
Teknik Sobel tidak menghasilkan tepi yang tipis dan tajam, cenderung menghasilkan tepi yang lebih kabur. Selain itu, kurang efektif dalam mendeteksi tepi diagonal atau yang tidak sejajar dengan sumbu, serta kurang efektif dalam mengurangi noise, yang bisa memengaruhi hasil deteksi tepi.
Efektivitas Keseluruhan:
Cocok untuk aplikasi di mana hanya deteksi tepi vertikal atau horizontal yang diperlukan. Sederhana dan efisien, tetapi mungkin tidak cukup baik untuk kasus di mana orientasi tepi yang beragam perlu dideteksi.
3. Canny Edge Detection
Kelebihan:
Teknik ini memiliki banyak kelebihan, antara lain proses reduksi noise dengan menggunakan filter Gaussian. Canny melibatkan proses deteksi tepi yang lengkap, termasuk penekanan tepi, penyusunan arah, dan penemuan tepi yang tepat. Terdapat juga proses Non-maximum suppression untuk menghasilkan tepi tipis dan tajam. Ambang deteksi dapat diatur untuk mengontrol sensitivitas segmentasi.
Kekurangan:
Canny Edge Detection melibatkan komputasi yang lebih kompleks karena melibatkan beberapa langkah, dan rentan terhadap variasi pencahayaan.
Efektivitas Keseluruhan:
Umumnya dianggap sebagai salah satu metode terbaik karena menggabungkan beberapa langkah untuk memastikan deteksi tepi yang akurat dan tajam.
Kelebihan:
Teknik ini efektif dalam menghilangkan noise dalam citra karena menggabungkan operasi Gaussian dan LoG. teknik ini juga cukup baik dalam mengidentifikasi tepi tipis dan tajam.
Kekurangan:
LoG tidak memiliki pengaturan ambang batas internal, sehingga perlu digunakan bersama metode lain, seperti ambang batas treshold, untuk mengidentifikasi tepi. Selain itu, memerlukan lebih banyak perhitungan dibandingkan Sobel.
Efektivitas Keseluruhan:
Efektif dalam mendeteksi tepi kompleks, tetapi biayanya lebih tinggi secara komputasional. Baik digunakan dalam situasi di mana deteksi tepi halus dan detail tinggi diinginkan.
2. Sobel
Kelebihan:
Teknik ini mudah dimengerti dan diimplementasikan dibandingkan dengan teknik lainnya. Ia juga sederhana dan cepat dihitung, dan efektif dalam mendeteksi tepi vertikal atau horizontal.
Kekurangan:
Teknik Sobel tidak menghasilkan tepi yang tipis dan tajam, cenderung menghasilkan tepi yang lebih kabur. Selain itu, kurang efektif dalam mendeteksi tepi diagonal atau yang tidak sejajar dengan sumbu, serta kurang efektif dalam mengurangi noise, yang bisa memengaruhi hasil deteksi tepi.
Efektivitas Keseluruhan:
Cocok untuk aplikasi di mana hanya deteksi tepi vertikal atau horizontal yang diperlukan. Sederhana dan efisien, tetapi mungkin tidak cukup baik untuk kasus di mana orientasi tepi yang beragam perlu dideteksi.
3. Canny Edge Detection
Kelebihan:
Teknik ini memiliki banyak kelebihan, antara lain proses reduksi noise dengan menggunakan filter Gaussian. Canny melibatkan proses deteksi tepi yang lengkap, termasuk penekanan tepi, penyusunan arah, dan penemuan tepi yang tepat. Terdapat juga proses Non-maximum suppression untuk menghasilkan tepi tipis dan tajam. Ambang deteksi dapat diatur untuk mengontrol sensitivitas segmentasi.
Kekurangan:
Canny Edge Detection melibatkan komputasi yang lebih kompleks karena melibatkan beberapa langkah, dan rentan terhadap variasi pencahayaan.
Efektivitas Keseluruhan:
Umumnya dianggap sebagai salah satu metode terbaik karena menggabungkan beberapa langkah untuk memastikan deteksi tepi yang akurat dan tajam.