SUBBAB 7: Implementasi Python
Setelah selesai mempelajari materi, mahasiswa diharapkan mampu melakukan pendeteksian tepi operator turunan kedua menggunakan pustaka Python scikit-image.
scikit-image menyediakan fungsionalitas lengkap dan siap pakai untuk penerapan operator
Laplace dan Laplacian of Gaussian (LoG) dalam proses deteksi tepi pada citra digital. Fungsi-fungsi ini
tersedia dalam modul skimage.filters, seperti skimage.filters.laplace untuk
menghitung turunan kedua
dari citra secara langsung menggunakan operator Laplace, serta skimage.filters.gaussian
yang dapat
digabungkan dengan laplace untuk membentuk operasi LoG. Untuk penerapan Laplacian of Gaussian secara
otomatis, pengguna dapat menggunakan kombinasi filter skimage.filters.gaussian untuk
perataan menggunakan Gaussian, diikuti dengan skimage.filters.laplace untuk deteksi tepi
dengan Laplacian, dalam dua langkah terpisah.
Laplacian
image = color.rgb2gray(io.imread('gambar.jpg'))
laplace = filters.laplace(image)
Laplacian of Gaussian (LoG)
smoothed_image = gaussian(image, sigma=1)
log = filters.laplace(smoothed_image)
Kesimpulan:
| Operator | Scikit-Image |
| Laplace | filters.laplace |
| LoG | scipy.ndimage.gaussian_laplace |
Ayo Ngoding!
Petunjuk:
- Upload File: Klik tombol Upload File untuk mengunggah gambar yang ingin Anda analisis. Anda dapat memilih file gambar dari perangkat Anda.
- Menjalankan Proses: Setelah file diunggah, ganti path gambar pada kode dengan nama file yang diunggah. Anda dapat menjalankan proses analisis dengan menekan tombol Play yang berada di sebelah kiri cell.
- Menambah Cell: Klik tombol + Add Cell untuk menambahkan lebih banyak ruang untuk memasukkan kode atau menjalankan perintah tambahan.