Perbandingan Deteksi Tepi Sobel dan Canny pada citra kamera tertanam beresolusi rendah dari papan mikrokontroler

Info proyek

• Bidang studiIoT dan Sistem Tertanam
• JenjangSkripsi (S1)
• Jenis metodePengolahan Citra
• Perkiraan pengerjaan± 3 hari kerja
• Perangkatedge, imgaussfilt, bwdist (Image Processing Toolbox)
• HargaRp 300.000 - Rp 2.000.000

Tujuan analisis

Membandingkan keluaran Sobel dan Canny dalam menemukan batas objek pada citra kamera tertanam beresolusi rendah dari papan mikrokontroler yang berderau.

Variabel

Contoh hasil

• 0.972Sobel F1
• 1Canny F1
• 1.815Sobel edge pixels (%)
• 1.92Canny edge pixels (%)
• 0.3Canny high threshold
• 0.337Mean gradient magnitude

Pada citra Embedded camera image dengan derau, detektor Canny mencapai skor F1 1.000 terhadap tepi acuan dibanding 0.972 untuk Sobel; Canny menandai 1.9% piksel sebagai tepi (ambang atas 0.300).

Dihitung dari data sintetis sebagai ilustrasi, bukan dari penelitian nyata.

Tentang Deteksi Tepi Sobel dan Canny

Deteksi tepi Sobel dan Canny menemukan batas objek pada citra lewat perubahan intensitas yang tajam. Sobel sederhana dan cepat, sedangkan Canny lebih akurat dengan penipisan dan ambang ganda. Dipakai pada pengolahan citra untuk inspeksi, pengukuran, dan segmentasi.

Langkah pengerjaan

1. 1Baca citra dan ubah ke skala abu-abu bila perlu
2. 2Kurangi derau dengan filter Gauss
3. 3Terapkan edge dengan metode sobel
4. 4Terapkan edge dengan metode canny dan atur ambang serta sigma
5. 5Bandingkan hasil secara visual dan kuantitatif (presisi dan recall)
6. 6Pilih parameter sesuai kebutuhan aplikasi

Asumsi yang perlu diperiksa

• Citra memiliki kontras tepi yang cukup dibanding derau
• Pencahayaan relatif seragam
• Parameter ambang disetel pada citra yang representatif

Membaca dan melaporkan hasil

Tampilkan perbandingan hasil kedua metode dan jelaskan parameter yang dipakai. Bila ada citra acuan, laporkan presisi, recall, dan F-score tepi.

Contoh kode MATLAB

Skrip awal singkat dengan nama variabel proyek ini. Versi yang diserahkan disesuaikan dengan data Anda dan diberi komentar lengkap.

rng(1);
[xx, yy] = meshgrid(1:256);
clean = double((xx-128).^2 + (yy-128).^2 < 60^2) + 0.5*double(xx > 180 & yy > 40 & yy < 100);
embedded_camera_image = mat2gray(imgaussfilt(clean, 1) + 0.08*randn(256));    % noisy image
gradient_threshold = [0.05 0.15];                                           % Canny thresholds

gt = edge(clean, 'canny');                                      % reference edges
e_sobel = edge(embedded_camera_image, 'sobel');
e_canny = edge(embedded_camera_image, 'canny', gradient_threshold, 2);

names = {'Sobel', 'Canny'};  E = {e_sobel, e_canny};
for k = 1:2
    e = E{k};
    prec = nnz(e & (bwdist(gt) <= 2)) / max(nnz(e), 1);
    rec = nnz(gt & (bwdist(e) <= 2)) / nnz(gt);
    fprintf('%s: precision %.3f, recall %.3f, F1 %.3f\n', names{k}, prec, rec, 2*prec*rec/(prec + rec));
end

figure;
subplot(1,3,1); imshow(embedded_camera_image); title('Noisy image');
subplot(1,3,2); imshow(e_sobel); title('Sobel');
subplot(1,3,3); imshow(e_canny); title('Canny');

Paket dan harga

Pilih seberapa banyak bantuan yang Anda perlukan. Setiap paket yang lebih tinggi sudah mencakup semua item paket di bawahnya. Harga belum termasuk PPN 11%.

• Pembayaran: DP 50% sebelum pekerjaan dimulai, pelunasan setelah hasil diserahkan
• Pajak: Harga belum termasuk PPN 11%
• Data dan integritas akademik: Hasil dihitung dari data penelitian Anda sendiri; Anda yang menulis dan mempertanggungjawabkan naskah, kami membantu analisis dan pemahaman
• Revisi: Maksimal 2 kali revisi termasuk dalam harga (Paket 3: 3 kali)

Pertanyaan umum