Optimalisasi Segmentasi Citra Digital Metode Canny Edge Detection dan Thresholding

Dhimas Prayogi; Syaiful Rahman Lubis; M. Azhari Rizko; Ade Guna Suteja

doi:10.31004/riggs.v4i2.1613

Authors

Dhimas Prayogi Universitas Pembangunan Panca Budi
Syaiful Rahman Lubis Universitas Pembangunan Panca Budi
M. Azhari Rizko Universitas Pembangunan Panca Budi
Ade Guna Suteja Universitas Pembangunan Panca Budi

DOI:

https://doi.org/10.31004/riggs.v4i2.1613

Keywords:

Pengolahan Citra Digital, Grayscale, Bilateral Filter, Deteksi Tepi Canny, Thresholding Otsu

Abstract

Pengolahan citra digital merupakan salah satu teknik penting dalam ekstraksi informasi visual. Penelitian ini bertujuan untuk menerapkan beberapa tahapan pengolahan citra seperti konversi grayscale, bilateral filter, deteksi tepi Canny, dan thresholding Otsu untuk meningkatkan kualitas visual dan segmentasi objek. Gambar berwarna awal dikonversi ke grayscale untuk menyederhanakan informasi intensitas. Selanjutnya, bilateral filter diterapkan untuk mengurangi noise sekaligus mempertahankan tepi objek. Setelah itu, metode Canny digunakan untuk mendeteksi kontur objek secara akurat. Tahap akhir adalah segmentasi menggunakan metode thresholding Otsu untuk memisahkan objek dari latar belakang secara biner. Hasil eksperimen menunjukkan bahwa tahapan ini dapat meningkatkan ketajaman tepi dan kejernihan objek utama pada gambar. Teknik ini sangat potensial untuk diterapkan dalam sistem klasifikasi objek, deteksi kualitas produk, serta aplikasi pertanian berbasis penglihatan komputer. Implementasi tahapan ini dapat menjadi landasan awal dalam pengembangan sistem analisis citra cerdas berbasis machine learning atau deep learning pada berbagai bidang terapan.

Downloads

Download data is not yet available.

Author Biographies

Dhimas Prayogi, Universitas Pembangunan Panca Budi

Magister Teknologi Informasi

Syaiful Rahman Lubis, Universitas Pembangunan Panca Budi

Magister Teknologi Informasi

M. Azhari Rizko, Universitas Pembangunan Panca Budi

Magister Teknologi Informasi

Ade Guna Suteja, Universitas Pembangunan Panca Budi

Magister Teknologi Informasi

References

H. Fitriyah and R. C. Wihandika, Dasar-Dasar Pengolahan Citra Digital. Universitas Brawijaya Press, 2021.

R. Dijaya and H. Setiawan, “Buku Ajar Pengolahan Citra Digital,” Umsida Press, pp. 1–85, 2023.

F. Jiang, G. Wang, P. He, C. Zheng, Z. Xiao, and Y. Wu, “Application of canny operator threshold adaptive segmentation algorithm combined with digital image processing in tunnel face crevice extraction,” J. Supercomput., vol. 78, no. 9, pp. 11601–11620, 2022.

N. A. Batubara, R. M. Awangga, and S. F. Pane, Perbandingan Faster R-CNN dengan SSD Mobilenet Untuk Mendeteksi Plat Nomor, vol. 1. Kreatif, 2020.

R. Damanik, “IMAGE DETECTION EDGE IMAGE USING CANNY EDGE ALGORITHM,” J. Artif. Intell. Eng. Appl., vol. 1, no. 3, pp. 248–255, 2022.

J. Ababneh, A. Abu-Jassar, S. Abuowaida, V. Liubchenko, and V. Lyashenko, “Evaluation of Three Different Operators for Object Highlighting in Medical RGB Images: Canny, Roberts, and LoG in Independent Color Spaces,” in 2024 25th International Arab Conference on Information Technology (ACIT), IEEE, 2024, pp. 1–7.

M. Amiriebrahimabadi, Z. Rouhi, and N. Mansouri, “A comprehensive survey of multi-leavel thresholding segmentation methods for image processing,” Arch. Comput. Methods Eng., vol. 31, no. 6, pp. 3647–3697, 2024.

J. C. K. Tan et al., “Visual field testing in glaucoma using the Swedish Interactive Thresholding Algorithm (SITA),” Surv. Ophthalmol., vol. 70, no. 1, pp. 141–152, 2025.

Y. Wang et al., “Freematch: Self-adaptive thresholding for semi-supervised learning,” arXiv Prepr. arXiv2205.07246, 2022.

H. Agrawal and K. Desai, “Canny edge detection: A comprehensive review,” Int. J. Tech. Res. Sci., vol. 9, pp. 27–35, 2024.

D. Dhillon and R. Chouhan, “Enhanced edge detection using SR-guided threshold maneuvering and window mapping: Handling broken edges and noisy structures in canny edges,” IEEE Access, vol. 10, pp. 11191–11205, 2022.

Y. Marine, “Penerapan Algoritma Deteksi Tepi Canny Menggunakan Python dan Opencv,” Smart Techno (Smart Technol. Informatics Technopreneurship), vol. 5, no. 1, pp. 1–7, 2023.

N. Rahayu, “Aggarwal, CC (2018). Artificial Neural Network and Deep Learning. Springer. Anderson, JA (1995). An Introduction to Neural Networks. The MIT Press. Bahdanau, D., Cho, K., & Bengio, Y.(2015). Neural Machine Translation,” Deep Learn. Teor. Algoritm. dan Apl., vol. 9, p. 56, 2025.

N. Tao, “Enhanced Canny Algorithm for Image Edge Detection in Print Quality Assessment,” Trait. du Signal, vol. 40, no. 3, p. 1281, 2023.

H. Zhang, C. Liu, L. Feng, and Y. Yu, “Improved Canny Edge Detection Algorithm,” in 2024 9th International Conference on Intelligent Informatics and Biomedical Sciences (ICIIBMS), IEEE, 2024, pp. 676–679.