Deteksi tepi pada citra berwarna dengan Bacterial Foraging Algorithm

Abstract

Dengan semakin meningkatnya citra digital yang beredar di masyarakat, kebutuhan pengolahan citra digital juga ikut meningkat. Salah satu pengolahan tersebut ialah segmentasi citra, yaitu membagi suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan pengenalan pola. Pola suatu objek pada citra dapat dikenali jika tepi objek tersebut telah diketahui. Untuk mengenali tepi suatu objek pada citra, terdapat beberapa teknik tradisional seperti teknik Sobel, Canny, Roberts, Kirsch, dan Morphological Gradient. Teknik-teknik tradisional tersebut cenderung tidak mengatasi masalah vagueness. Selain dengan menggunakan teknik tradisional tersebut, deteksi tepi juga dapat dilakukan dengan menggunakan teknik yang lain. Dengan menggunakan Bacterial Foraging Optimization Algorithm (BFOA) adalah salah satu teknik untuk melakukan proses deteksi tepi. Teknik ini akan diimplementasikan pada penelitian yang akan dilakukan. Proses deteksi tepi dengan menggunakan BFOA memerlukan metode USAN dan thresholding. Cara kerja deteksi tepi dengan menggunakan BFOA terlebih dahulu menghitung USAN area dari citra masukkan yang selanjutnya akan dilakukan optimasi dengan BFOA. Setelah dioptimasi, akan dilakukan thresholding untuk mendapatkan citra biner sebagai citra hasil. Pada implementasi yang dilakukan terdapat metode thresholding mean, metode thresholding median, metode thresholding mean & median (non-variance), metode thresholding mean & median (variance), metode thresholding mean & median (variance) & otsu, dan metode thresholding Otsu. Pada perangkat lunak yang dibangun, pengujian kualitas deteksi tepi akan menggunakan basis data gambar Berkeley. Pengujian perangkat lunak dilakukan dengan menggunakan metode Mean Square Error (MSE) dan koefisien Jaccard. Dari penelitian yang telah dilakukan, perangkat lunak yang dibangun telah mampu untuk mendeteksi tepi objek pada citra. Hasil dari pengujian perangkat lunak ialah metode thresholding yang digunakan akan mempengaruhi citra keluaran. Begitu juga dengan nilai parameter pada algoritma BFOA. Parameter BFOA selain mempengaruhi citra hasil, juga mempengaruhi waktu eksekusi yang dibutuhkan.