
Digital Image Processing (DIP) merupakan sebuah teknologi yang biasa digunakan dalam meningkatkan hasil kualitas citra serta proses identifikasi citra guna memperkaya informasi yang berasal dari citra. Penelitian ini bertujuan untuk menggabungkan keunggulan algoritma Sobel-Canny dan Canny-Prewitt dalam proses deteksi tepi pada citra inversi. Algoritma Sobel bekerja dengan menghitung gradien intensitas pada gambar, tetapi memiliki kelemahan dalam menghadapi derau. Di sisi lain, algoritma Canny menawarkan pendekatan multi-tahap yang melibatkan penyaringan derau sebelum proses deteksi tepi, sehingga menghasilkan garis tepi yang lebih halus dan akurat. Dengan menggunakan pendekatan ini nantinya dapat membandingkan peningkatkan akurasi dan kualitas deteksi tepi dengan hasil yang lebih baik. Berdasarkan hasil penelitian, dapat disimpulkan bahwa kombinasi metode Sobel-Canny dan Canny-Prewitt berhasil meningkatkan akurasi deteksi tepi pada citra inversi dibandingkan dengan penerapan masing-masing metode secara terpisah. Dari evaluasi yang dilakukan menggunakan parameter presisi, recall, dan F1-score, kombinasi Sobel-Canny menunjukkan hasil yang lebih konsisten dan presisi dalam mendeteksi tepi dengan rata-rata keakuratan metode Sobel-Canny adalah 53.1049%, sedangkan metode Canny-Prewitt memiliki rata-rata keakuratan 53.0970%, dengan perbedaan rata-rata yang sangat kecil, yaitu sekitar 0.0079%. Namun, kombinasi Canny-Prewitt juga memberikan hasil yang baik dalam beberapa kondisi tertentu. Secara keseluruhan, kombinasi Sobel-Canny memberikan kinerja yang lebih baik dan lebih serbaguna dalam deteksi tepi pada berbagai jenis citra inversi, meskipun berbeda tipis, tetapi itu menjadikannya metode yang lebih direkomendasikan untuk aplikasi yang memerlukan akurasi tinggi dalam pengenalan objek dan segmentasi citra.
Deteksi Tepi, Inversi, Sobel, Prewitt, Information technology, T58.5-58.64, Canny
Deteksi Tepi, Inversi, Sobel, Prewitt, Information technology, T58.5-58.64, Canny
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 0 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
