{"id":42,"date":"2026-05-06T08:00:45","date_gmt":"2026-05-06T08:00:45","guid":{"rendered":"https:\/\/ardheefy.dooha.id\/?p=42"},"modified":"2026-05-06T08:03:05","modified_gmt":"2026-05-06T08:03:05","slug":"edge-detection-canny-dengan-python","status":"publish","type":"post","link":"https:\/\/ardheefy.dsign.id\/?p=42","title":{"rendered":"Edge Detection (Canny) dengan Python"},"content":{"rendered":"\n

🧠 Pengertian Edge Detection dalam Computer Vision<\/strong><\/h2>\n\n\n\n

Apa itu Edge Detection<\/strong><\/p>\n\n\n\n

Edge detection adalah teknik dalam computer vision yang digunakan untuk mendeteksi batas objek dalam sebuah gambar. Edge biasanya muncul sebagai perubahan intensitas yang tajam antara piksel.<\/p>\n\n\n\n

Peran Edge dalam Analisis Gambar<\/strong><\/p>\n\n\n\n

Edge sangat penting karena membantu sistem mengenali bentuk, struktur, dan objek dalam gambar. Tanpa edge detection, analisis gambar akan jauh lebih kompleks.<\/p>\n\n\n\n

⚡ Pengenalan Algoritma Canny<\/strong><\/h2>\n\n\n\n

Sejarah dan Pengembang<\/strong><\/p>\n\n\n\n

Algoritma Canny dikembangkan oleh John F. Canny pada tahun 1986 dan masih menjadi salah satu metode terbaik hingga saat ini.<\/p>\n\n\n\n

Keunggulan Metode Canny<\/strong><\/p>\n\n\n\n

    \n
  • Deteksi edge yang lebih akurat<\/li>\n\n\n\n
  • Minim noise<\/li>\n\n\n\n
  • Hasil lebih halus dan jelas<\/li>\n<\/ul>\n\n\n\n

    🔬 Tahapan dalam Algoritma Canny<\/strong><\/h2>\n\n\n\n

    Noise Reduction (Gaussian Blur)<\/strong><\/p>\n\n\n\n

    Langkah pertama adalah mengurangi noise menggunakan Gaussian filter agar hasil edge lebih bersih.<\/p>\n\n\n\n

    Gradient Calculation<\/strong><\/p>\n\n\n\n

    Menghitung perubahan intensitas menggunakan operator seperti Sobel.<\/p>\n\n\n\n

    Non-Maximum Suppression<\/strong><\/p>\n\n\n\n

    Menghapus pixel yang bukan bagian dari edge utama.<\/p>\n\n\n\n

    Double Threshold<\/strong><\/p>\n\n\n\n

    Menentukan edge kuat dan lemah berdasarkan dua nilai threshold.<\/p>\n\n\n\n

    Edge Tracking by Hysteresis<\/strong><\/p>\n\n\n\n

    Menghubungkan edge yang lemah jika terhubung dengan edge kuat.<\/p>\n\n\n\n

    🛠️ Cara Kerja Edge Detection (Canny) dengan Python<\/strong><\/h2>\n\n\n\n

    Instalasi OpenCV<\/strong><\/p>\n\n\n\n

    <\/code><\/pre>\n\n\n\n
    pip install opencv-python<\/code><\/pre><\/div>\n\n\n\n
    Contoh Kode Implementasi<\/strong><\/p>\n\n\n\n
    import cv2\n\n# Load gambar\nimage = cv2.imread('gambar.jpg')\n\n# Konversi ke grayscale\ngray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)\n\n# Gunakan Gaussian Blur\nblur = cv2.GaussianBlur(gray, (5, 5), 0)\n\n# Canny Edge Detection\nedges = cv2.Canny(blur, 100, 200)\n\n# Simpan hasil\ncv2.imwrite('edges.jpg', edges)<\/code><\/pre><\/div>\n\n\n\n
    Kode di atas menunjukkan cara sederhana menggunakan edge detection (canny) dengan python dalam proyek computer vision.<\/p>\n\n\n\n
    ⚙️ Penjelasan Parameter Canny<\/strong><\/h2>\n\n\n\n
    Threshold Minimum dan Maksimum<\/strong><\/p>\n\n\n\n
      \n
    • Threshold bawah: mendeteksi edge lemah<\/li>\n\n\n\n
    • Threshold atas: mendeteksi edge kuat<\/li>\n<\/ul>\n\n\n\n
      Contoh:<\/p>\n\n\n\n
      <\/code><\/pre>\n\n\n\n
      edges = cv2.Canny(image, 50, 150)<\/code><\/pre><\/div>\n\n\n\n
      Kernel Size<\/strong><\/p>\n\n\n\n
      Digunakan dalam Gaussian Blur untuk mengontrol tingkat smoothing.<\/p>\n\n\n\n
      🚀 Optimasi Edge Detection<\/strong><\/h2>\n\n\n\n
      Pengaturan Threshold Optimal<\/strong><\/p>\n\n\n\n
      Pemilihan threshold sangat penting. Terlalu rendah \u2192 noise banyak, terlalu tinggi \u2192 edge hilang.<\/p>\n\n\n\n
      Preprocessing Gambar<\/strong><\/p>\n\n\n\n
        \n
      • Grayscale<\/li>\n\n\n\n
      • Blur<\/li>\n\n\n\n
      • Normalisasi<\/li>\n<\/ul>\n\n\n\n
        ⚖️ Perbandingan dengan Metode Lain<\/strong><\/h2>\n\n\n\n
        Sobel<\/strong><\/p>\n\n\n\n
        Lebih sederhana tapi kurang akurat.<\/p>\n\n\n\n
        Laplacian<\/strong><\/p>\n\n\n\n
        Mendeteksi edge dari semua arah, namun lebih sensitif terhadap noise.<\/p>\n\n\n\n
        📊 Studi Kasus Penggunaan Canny<\/strong><\/h2>\n\n\n\n
        Deteksi Objek<\/strong><\/p>\n\n\n\n
        Digunakan dalam sistem pengenalan wajah dan kendaraan.<\/p>\n\n\n\n
        Lane Detection<\/strong><\/p>\n\n\n\n
        Digunakan dalam mobil otonom untuk mendeteksi jalur jalan.<\/p>\n\n\n\n
        ⚠️ Kesalahan Umum<\/strong><\/h2>\n\n\n\n
          \n
        • Tidak melakukan preprocessing<\/li>\n\n\n\n
        • Threshold tidak tepat<\/li>\n\n\n\n
        • Gambar terlalu noisy<\/li>\n\n\n\n
        • Tidak menggunakan grayscale<\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"
          🧠 Pengertian Edge Detection dalam Computer Vision Apa itu Edge Detection Edge detection adalah teknik dalam computer vision yang digunakan untuk mendeteksi batas objek dalam sebuah gambar. Edge biasanya muncul sebagai perubahan intensitas yang tajam antara piksel. Peran Edge dalam Analisis Gambar Edge sangat penting karena membantu sistem mengenali bentuk, struktur, dan objek dalam gambar. Tanpa edge detection, analisis gambar akan jauh lebih kompleks. ⚡ Pengenalan Algoritma Canny Sejarah dan Pengembang Algoritma Canny dikembangkan oleh John F. Canny pada tahun 1986 dan masih menjadi salah satu metode terbaik hingga saat ini. Keunggulan Metode Canny 🔬 Tahapan dalam Algoritma Canny Noise Reduction (Gaussian Blur) Langkah pertama adalah mengurangi noise menggunakan Gaussian filter agar hasil edge lebih bersih. Gradient Calculation Menghitung perubahan intensitas menggunakan operator seperti Sobel. Non-Maximum Suppression Menghapus pixel yang bukan bagian dari edge utama. Double Threshold Menentukan edge kuat dan lemah berdasarkan dua nilai threshold. Edge Tracking by Hysteresis Menghubungkan edge yang lemah jika terhubung dengan edge kuat. 🛠️ Cara Kerja Edge Detection (Canny) dengan Python Instalasi OpenCV Contoh Kode Implementasi Kode di atas menunjukkan cara sederhana menggunakan edge detection (canny) dengan python dalam proyek computer vision. ⚙️ Penjelasan Parameter Canny Threshold Minimum dan Maksimum Contoh: Kernel Size Digunakan dalam Gaussian Blur untuk mengontrol tingkat smoothing. 🚀 Optimasi Edge Detection Pengaturan Threshold Optimal Pemilihan threshold sangat penting. Terlalu rendah \u2192 noise banyak, terlalu tinggi \u2192 edge hilang. Preprocessing Gambar ⚖️ Perbandingan dengan Metode Lain Sobel Lebih sederhana tapi kurang akurat. Laplacian Mendeteksi edge dari semua arah, namun lebih sensitif terhadap noise. 📊 Studi Kasus Penggunaan Canny Deteksi Objek Digunakan dalam sistem pengenalan wajah dan kendaraan. Lane Detection Digunakan dalam mobil otonom untuk mendeteksi jalur jalan. ⚠️ Kesalahan Umum<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-42","post","type-post","status-publish","format-standard","hentry","category-python"],"_links":{"self":[{"href":"https:\/\/ardheefy.dsign.id\/index.php?rest_route=\/wp\/v2\/posts\/42","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ardheefy.dsign.id\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ardheefy.dsign.id\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ardheefy.dsign.id\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/ardheefy.dsign.id\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=42"}],"version-history":[{"count":2,"href":"https:\/\/ardheefy.dsign.id\/index.php?rest_route=\/wp\/v2\/posts\/42\/revisions"}],"predecessor-version":[{"id":44,"href":"https:\/\/ardheefy.dsign.id\/index.php?rest_route=\/wp\/v2\/posts\/42\/revisions\/44"}],"wp:attachment":[{"href":"https:\/\/ardheefy.dsign.id\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=42"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ardheefy.dsign.id\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=42"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ardheefy.dsign.id\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=42"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}