Pengembangan detektor tepi citra menggunakan morfologi matematika dapat memberikan deteksi tepi yang jauh lebih presisi. Pada studi ini objek deteksi tepi difokuskan pada citra mobil. Metode yang digunakan untuk detektor tepi yang akurat meliputi konversi citra grayscale, median filter, pembentukan struktur elemen, morfologi matematika, pembobotan sintetik dan segmentasi menggunakan metode Otsu. Operasi morfologi yang digunakan dalam penelitian ini adalah operasi dasar berupa dilatasi dan erosi. Penggunaan operasi morfologi adalah untuk menemukan batas citra dengan memilih ukuran dan ekstensi yang berbeda kemudian diubah menjadi citra grayscale dan hasilnya dibandingkan untuk menentukan metode yang paling sesuai dan lebih baik. Metodologi ini terbukti sangat akurat 0,7-1,58% lebih tinggi dari detektor tepi populer lain yaitu detektor tepi Canny. Akurasi hasil Algoritma Morphological Edge Detection adalah 83,23%; 83,27%; 82,66%; 79,78% sedangkan hasil dari Canny Edge Detection adalah 81,90%; 82,08%; 81,08%; 79,71%. Dibandingkan dengan hasil dari detektor tepi Canny. Ini menunjukkan bahwa algoritma ini memberikan kinerja keseluruhan yang lebih baik. Algoritma tersebut juga diuji dengan Salt and Pepper Noise dan masih menunjukkan hasil yang lebih baik.
Studi ini menyajikan dua kelompok citra yang tersedia untuk umum yang dapat diakses di http://www.medialab.ntua.gr/research/LPRdatabase.html dan http://www.eecs.berkeley.edu/ Research/Projects/CS/vision/bsds/BSDS300/html/dataset/images.html. Database citra ini masing-masing berisi 371 dan 100 citra. Kedua database tersebut berisi gambar berwarna. Jumlah gambar yang diproses dalam artikel ini adalah 471.
Studi ini bertujuan untuk memperkenalkan metode yang dapat menghasilkan segmentasi citra lebih baik. Kinerja algoritma diuji dengan kondisi tertentu, antara lain: Salt and Pepper Noise dengan level 0,2; 0,4; 0.4. Secara umum metode dikerjakan dengan urutan berikut ini: (1) Konversi dari citra berwarna ke citra grayscale; (2) Pra-proses menggunakan filter median; (3) Pembentukan struktur elemen delapan arah; (4) Morfologi matematika; (5) Synthetic Weighted; (6) Segmentasi menggunakan metode Otsu.
Sebagian besar hasil dari Morphological Edge Detection di setiap level noise dari kedua kelompok sekitar 0,07-1,58% lebih tinggi daripada metode Canny. Akurasi Metode Canny sedikit lebih tinggi dari Morphological Edge Detection yaitu sekitar 0,13%. Salah satu hal yang tidak biasa adalah akurasi dari kedua citra dan kedua metode pada level noise 0,2 yang lebih tinggi pada kedua kelompok gambar dibandingkan dengan akurasi deteksi tepi tanpa noise Salt dan pepper. Dapat dikatakan bahwa hal ini membutuhkan eksplorasi yang lebih dalam.
Morphological Edge Detection digunakan untuk mendapatkan hasil batas objek yang lebih baik dari dua kelompok citra yang berbeda. Metode Canny diterapkan pada citra berwarna untuk mengekstrak tepinya. Morphological Edge Detection juga diterapkan untuk mengoptimalkan tepi yang terdeteksi dari gambar berwarna. Akhirnya metode Canny dan Morphological Edge Detection dibandingkan untuk mendapatkan hasil terbaik. Beberapa kondisi seperti Salt and Pepper Noise dengan level yang berbeda juga diuji ke dalam citra. Hasil percobaan menunjukkan bahwa Morphological Edge Detection dapat mengekstraksi batas objek lebih baik daripada metode Canny. Perlu dilakukan studi mendalam mencakup penerapan algoritma pada populasi yang lebih besar dan juga penelitian mendalam tentang keanehan akurasi kedua citra pada level noise 0.2 yang lebih tinggi pada kedua kelompok citra dibandingkan dengan akurasi deteksi tepi tanpa Salt and Pepper Noise.
Penulis: Nasa Zata Dina, S.Kom., M.Kom., M.Sc
Informasi detail dari riset ini dapat dilihat pada tulisan kami di: https://jurnal.untan.ac.id/index.php/jepin/article/view/42857
Nasa Zata Dina (2020). Morphological Edge Detection Algorithms on the Noisy Car Image Database. Jurnal Edukasi dan Penelitian Informatika (JEPIN), 6(3): 328-336. http://dx.doi.org/10.26418/jp.v6i3.42857.
