Review Jurnal : Aplikasi Computer Vision untuk Penentuan Posisi Objek Simetris pada Ruang Tiga Dimensi
PENERAPAN APLIKASI COMPUTER VISION
UNTUK PENENTUAN POSISI OBJEK SIMETRIS PADA RUANG TIGA DIMENSI
Jurnal : Aplikasi Computer Vision untuk penentuan
posisi objek simetris pada ruang tiga dimensi.
Oleh : Najirah Umar
Dari : Jurusan Teknik Informatika, STMIK
Handayani Makassar
ABSTRAK
Penelitian ini bertujuan untuk
membuat aplikasi pengambilan dan pengolahan gambar yang dicapture oleh webcam
dan mengolahnya dengan menggunakan citra gray scale dan citra biner untuk
menentukan posisi objek. Aplikasi menggunakan bahasa pemrograman delphi dan
dirancang untuk mengelompokkan pixel-pixel objek menjadi wilayah (region) yang
merepresentasikan objek serta mampu membedakan antara objek dan latar gambar
digital.Penelitian ini dilaksanakan di Laboratorium STMIK Handayani Makassar.
Metode yang digunakan dalam penelitian ini adalah metode perancangan. Sampel
data diperoleh dari hasil pengujian sistem, dianalisis dengan model use-case,
dan urutan operasi. Berdasarkan analisis tersebut dibuat model desain dan implementasi.
Hasil penelitian menunjukkan bahwa aplikasi yang dibangun dapat digunakan untuk
menentukan posisi objek simetris pada ruang tiga dimensi.
Kata kunci : Computer Vision, citra gray scale, citra
biner
BAB I
PENDAHULUAN
Computer Vision (komputer visi)
merupakan ilmu pengetahuan dan teknologi dari mesin yang melihat. Dalam aturan
pengetahuan, komputer visi berhubungan dengan teori yang digunakan untuk
membangun sistem kecerdasan buatan yang membutuhkan informasi dari citra
(gambar). Data citranya dapat dalam berbagai bentuk, misalnya urutan video,
pandangan deri beberapa kamera, data multi dimensi yang di dapat dari hasil
pemindaian medis.
Fungsi dan Penerapan Computer Vision
Sebagai teknologi disiplin, visi komputer berusaha
untuk menerapkan teori dan model untuk pembangunan sistem visi komputer. Contoh
aplikasi visi komputer mencakup sistem untuk :
·
Pengendalian Proses (misalnya sebuah robot
industri atau kendaraan otonom).
·
Mendeteksi peristiwa (misalnya, untuk pengawasan
visual atau orang menghitung).
·
Mengorganisir informasi (misalnya, untuk
pengindeksan database foto dan gambar urutan).
·
Modeling benda atau lingkungan (misalnya,
industri inspeksi, analisis gambar medis / topografis).
·
Interaksi (misalnya, sebagai input ke perangkat
untuk interaksi manusia komputer).
Pada Computer Vision terdapat
kombinasi antara Pengolahan Citra dan Pengenalan. Pengolahan Citra (Image
Processing) merupakan bidang yang berhubungan dengan proses transformasi citra
atau gambar. Proses ini bertujuan untuk mendapatkan kualitas citra yang lebih
baik. Sedangkan Pengenalan Pola (Pattern Recognition), bidang ini berhubungan
dengan proses identifikasi obyek pada citra atau interpretasi citra. Proses ini
bertujuan untuk mengekstrak informasi atau pesan yang disampaikan oleh gambar
atau citra.
Penerapan
Computer Vision antara lain :
1.
Bidang Pengolahan Citra Medis.
Hal
ini dicirikan dengan ekstraksi informasi dari data gambar untuk tujuan membuat
diagnosis medis pasien.contoh informasi yang dapat diekstraksi dari data gambar
tersebut deteksi tumor, arteriosclerosis atau perubahan memfitnah lainnya. Hal
ini juga dapat pengukuran dimensi organ, aliran darah, dll area aplikasi ini
juga mendukung penelitian medis dengan memberikan informasi baru, misalnya,
tentang struktur otak, atau tentang kualitas perawatan medis.
2.
Bidang Industri.
Kadang-kadang
disebut visi mesin, dimana informasi ini diekstraksi untuk tujuan mendukung
proses manufaktur. Salah satu contohnya adalah kendali mutu dimana rincian atau
produk akhir yang secara otomatis diperiksa untuk menemukan cacat. Contoh lain
adalah pengukuran posisi dan orientasi rincian yang akan dijemput oleh lengan
robot. Mesin visi juga banyak digunakan dalam proses pertanian untuk menghilangkan
bahan makanan yang tidak diinginkan dari bahan massal, proses yang disebut
sortir optik.
3.
Bidang Fisika.
Fisika
merupakan bidang lain yang terkait erat dengan Computer vision. Sistem Computer
vision bergantung pada sensor gambar yang mendeteksi radiasi elektromagnetik
yang biasanya dalam bentuk baik cahaya tampak atau infra-merah. Sensor
dirancang dengan menggunakan fisika solid-state. Proses di mana cahaya merambat
dan mencerminkan off permukaan dijelaskan menggunakan optik. Sensor gambar
canggih bahkan meminta mekanika kuantum untuk memberikan pemahaman lengkap dari
proses pembentukan gambar. Selain itu, berbagai masalah pengukuran fisika dapat
diatasi dengan menggunakan Computer vision, untuk gerakan misalnya dalam
cairan.
4.
Bidang Neurobiologi.
Khususnya
studi tentang sistem biological vision Selama abad terakhir, telah terjadi
studi ekstensif dari mata, neuron, dan struktur otak dikhususkan untuk
pengolahan rangsangan visual pada manusia dan berbagai hewan. Hal ini
menimbulkan gambaran kasar, namun rumit, tentang bagaimana “sebenarnya” sistem
visi beroperasi dalam menyelesaikan tugas-tugas visi tertentu yang terkait.
Hasil ini telah menyebabkan subfield di dalam visi komputer di mana sistem
buatan yang dirancang untuk meniru pengolahan dan perilaku sistem biologi, pada
berbagai tingkat kompleksitas. Juga, beberapa metode pembelajaran berbasis
komputer yang dikembangkan dalam visi memiliki latar belakang mereka dalam
biologi.
5.
Bidang Matematika Murni.
Sebagai
contoh, banyak metode dalam visi komputer didasarkan pada statistik, optimasi
atau geometri. Akhirnya, bagian penting dari lapangan dikhususkan untuk aspek
pelaksanaan visi komputer, bagaimana metode yang ada dapat diwujudkan dalam
berbagai kombinasi perangkat lunak dan perangkat keras, atau bagaimana metode
ini dapat dimodifikasi untuk mendapatkan kecepatan pemrosesan tanpa kehilangan
terlalu banyak kinerja .
6.
Bidang Pemrosesan Sinyal.
Banyak
metode untuk pemrosesan sinyal satu-variabel, biasanya sinyal temporal, dapat
diperpanjang dengan cara alami untuk pengolahan sinyal dua variabel atau sinyal
multi-variabel dalam visi komputer. Namun, karena sifat spesifik gambar ada
banyak metode dikembangkan dalam visi komputer yang tidak memiliki mitra dalam
pengolahan sinyal satu-variabel. Sebuah karakter yang berbeda dari metode ini
adalah kenyataan bahwa mereka adalah non-linear yang bersama-sama dengan
dimensi-multi sinyal, mendefinisikan subfield dalam pemrosesan sinyal sebagai
bagian dari visi komputer.
7.
Bidang Prtahanan Dan Keamanan (Militer).
Contoh
jelas adalah deteksi tentara musuh atau kendaraan dan bimbingan rudal. Lebih
sistem canggih untuk panduan mengirim rudal rudal ke daerah daripada target
yang spesifik, dan pemilihan target yang dibuat ketika rudal mencapai daerah
berdasarkan data citra diperoleh secara lokal. Konsep modern militer, seperti
"kesadaran medan perang", menunjukkan bahwa berbagai sensor, termasuk
sensor gambar, menyediakan kaya set informasi tentang adegan tempur yang dapat
digunakan untuk mendukung keputusan strategis. Dalam hal ini, pengolahan
otomatis data yang digunakan untuk mengurangi kompleksitas dan informasi
sekering dari sensor ganda untuk meningkatkan keandalan.
8.
Bidang Didalam Kendaraan Otonom.
Meliputi
submersibles , berbasis kendaraan darat (robot kecil dengan roda, mobil atau
truk), kendaraan udara, dan kendaraan udara tak berawak ( UAV ). Tingkat
berkisar otonomi dari sepenuhnya otonom (berawak) kendaraan untuk kendaraan di
mana sistem visi berbasis komputer mendukung driver atau pilot dalam berbagai situasi.
Sepenuhnya otonom kendaraan biasanya menggunakan visi komputer untuk navigasi,
yakni untuk mengetahui mana itu, atau untuk menghasilkan peta lingkungan ( SLAM
) dan untuk mendeteksi rintangan. Hal ini juga dapat digunakan untuk mendeteksi
peristiwa-peristiwa tugas tertentu yang spesifik, misalnya, sebuah UAV mencari
kebakaran hutan. Contoh sistem pendukung sistem peringatan hambatan dalam
mobil, dan sistem untuk pendaratan pesawat otonom. Beberapa produsen mobil
telah menunjukkan sistem otonom mengemudi mobil , tapi teknologi ini masih
belum mencapai tingkat di mana dapat diletakkan di pasar.. Ada banyak contoh
kendaraan otonom militer mulai dari rudal maju, untuk UAV untuk misi
pengintaian atau bimbingan rudal. Ruang eksplorasi sudah dibuat dengan kendaraan
otonom menggunakan visi komputer, misalnya, NASA Mars Exploration Rover dan ESA
exomars Roer.
9.
Bidang Kecerdasan Buatan.
Keterkaitan
dengan perencanaan otonom atau musyawarah untuk sistem robotical untuk
menavigasi melalui lingkungan. Pemahaman yang rinci tentang lingkungan ini
diperlukan untuk menavigasi melalui mereka. Informasi tentang lingkungan dapat
diberikan oleh sistem visi komputer, bertindak sebagai sensor visi dan
memberikan informasi tingkat tinggi tentang lingkungan dan robot. Buatan
kecerdasan dan visi lain berbagi topik komputer seperti pengenalan pola dan
teknik pembelajaran. Akibatnya, visi komputer kadang-kadang dilihat sebagai
bagian dari bidang kecerdasan buatan atau ilmu bidang komputer secara umum.
10.
Bidang Industri Perfilman
Semua
efek-efek di dunia akting , animasi, dan penyotingan adegan film semua di rekam
dengan perangkat elektronik yang dihubungkan dengan komputer. Animasinya juga
di kembang kan mempergunakan animasi yang dibuat dengan aplikasi komputer. Sebagai
contoh film-film Hollywood berjudul TITANIC itu sebenarnya tambahan animasi
untuk menggambarkan kapal raksasa ya.
BAB II
RINGKASAN JURNAL
Penggunaan komputer saat ini
merupakan salah satu kebutuhan dalam dunia Ilmu Pengetahuan dan
Teknologi, bisnis maupun kebutuhan pribadi karena pada dasarnya komputer
merupakan alat bantu dalam penyelesaian masalah yang bersifat rutinitas
diseluruh aspek kehidupan manusia. Perkembangan komputer saat ini sangat pesat
seiring dengan perkembangan teknologi perangkat keras dan perangkat lunak.
Perkembangan tersebut diikuti dengan semakin meluasnya penggunaan komputer pada
berbagai bidang.
Grafika komputer adalah suatu bidang
ilmu komputer yang mempelajari tentang cara-cara untuk meningkatkan dan
memudahkan komunikasi antara manusia dan mesin (komputer) dengan jalan
membangkitkan, menyimpan dan memanipulasi gambar, model suatu obyek menggunakan
komputer. Grafika komputer memungkinkan user untuk berkomunikasi lewat gambar,
bagan, diagram yang menunjukkan bahwa grafika komputer bisa diterapkan pada
banyak bidang (Insap Santosa, 2004).
Salah satu bidang yang cukup berkembang adalah bidang
pengolahan citra. Dengan bermacam-macam tekstur dan warna, sebuah citra atau
gambar dapat menyajikan informasi sesuai keinginan. Dalam dunia nyata,
kemampuan seseorang untuk menyerap informasi lebih mudah dengan membaca atau
menganalisis gambar dibandingkan dengan sekumpulan kata-kata atau angka yang
disajikan (Soendoro Herlambang, 2004).
Computer Vision mencoba meniru cara kerja visual manusia (human vision) . Human Vision sesungguhnya sangat
kompleks yaitu manusia melihat objek dengan indera penglihatan (mata), lalu
citra objek tersebut diteruskan ke otak untuk dinterpretasi sehingga manusia
mengerti objek apa yang tampak dalam pandangan mata. Hasil keputusan ini
digunakan untuk pengambilan keputusan, misalnya untuk menghindar dari objek
yang ada atau mengetahui posisi suatu objek terutama objek simetris. Objek
simetris adalah objek yang memiliki jarak dan sudut pandang yang sama
bila dilihat dari arah yang berbeda dalam suatu ruang. Keseimbangan simetris
dapat dikiaskan sebagai keseimbangan cermin, berarti, sisi-sisi yang berlawanan
harus sama persis untuk menciptakan keseimbangan. Bila ditarik garis lurus pada
bagian tengah maka, bagian yang satu akan menjadi cerminan bagi yang lain.
Computer Vision merupakan teknik-teknik untuk
mengestimasi ciri-ciri objek di dalam citra, pengukuran ciri yang
berkaitan dengan geometri objek dan menginterpretasi informasi geometri
tersebut seperti menentukan posisi objek, dimana posisi horizontal diwakili
oleh sumbu X, posisi vertikal diwakili oleh sumbu Y dan jarak dari kamera
ke suatu titik objek diwakili oleh sumbu Z yang berada dalam ruang tiga dimensi
Proses di
dalam Computer Vision dapat
di bagi menjadi tiga aktivitas yaitu :
1. Memperoleh
atau mengakuisisi citra digital
2. Melakukan
teknik komputasi untuk memproses atau memodifikasi data citra (Operasi
pengolahan citra).
3. Menganalisis
dan menginterpretasi citra dan menggunakan hasil pemrosesan dengan tujuan
tertentu misalnya memandu robot, mengontrol peralatan( Rinaldi Munir, 2004).
BAB III
TINJAUAN PUSTAKA
Computer Vision
Ilmu Komputer adalah studi
sistematik tentang proses algoritmik yang menjelaskan dan mentrasformasikan
informasi, baik itu berhubungan dengan teori-teori, analisa, desain, efisiensi,
implementasi, ataupun aplikasi-aplikasi yang ada padanya. Salah satu bidang
ilmu komputer adalah Computer
Vision.
Computer Vision adalah proses otomatis yang
mengintegrasikan sejumlah besar proses untuk persepsi visual , seperti akuisisi
data, pengolahan citra, klasifikasi, pengenalan ( recognition ), dan membuat keputusan (Adrian Low 1991 ).
Computer Vision adalah teknik-teknik untuk mengestimasi
ciri-ciri objek di dalam citra , pengukuran ciri yang berkaitan dengan geometri
objek dan menginterpretasikan informasi geometri tersebut (Jain, Rames 1995).
Computer vision merupakan salah satu cabang dari artificial intelligence (kecerdasan
buatan) yang difokuskan pada pengembangan algoritma untuk menganalisis
informasi dari suatu image ke
dalam bentuk informasi yang sebenarnya di dunia nyata.. Peran dari computer vision adalah sebagai
salah satu penyedia data input bagi komputer untuk dapat mengerti keadaan di
sekelilingnya. Kemudian dari data input yang telah didapatkan, akan diolah
sedemikian rupa sehingga komputer dapat memberikan respon sesuai yang
diinginkan untuk menentukan cara penyajian hasil data input tersebut.
Gambar 1. Perbandingan Computer Vision Dan Computer
Graphics
Fungsi computer vision adalah untuk menyajikan informasi dunia nyata ke
dalam informasi image.
Berikut adalah beberapa permasalahan dalam computer vision yang merupakan fokus utama :
1. Sensing
Bagaimana
sensor memperoleh image dari
dunia luar (World View)
termasuk properti dari dunia seperti material, bentuk, dan iluminasi. Bahkan
pada bentuk 3D, termasuk pula geometri, tekstur, motion, dan identitas dari obyek di dalamnya disimpan sehingga
dapat digunakan oleh komputer.
2. Decoded Information
Bagaimana caranya untuk
membuka dan mengambil setiap informasi yang ada di dalam image itu sehingga komputer
dapat memperoleh semua informasi selengkap–lengkapnya.
3. Using the information
Memilih
informasi apa saja yang benar–benar dibutuhkan dan harus diprioritaskan lebih
dari pada yang lainnya. Juga harus dipilih informasi apa yang ada dalam imageitu yang justru harus dibuang
karena dapat mengganggu jalannya sistem. Algoritma apa saja yang
dibutuhkan untuk memproses informasi dari image dan bagaimana memanfaatkannya. Beberapa subyek ilmu
yang memanfaatkan computer visionantara
lain:
a.
Face
recognition (pengenalan wajah)
b.
3D
reconstruction (rekonstruksi struktur 3 dimensi)
c.
Motion
tracking (pelacakan gerakan)
Computer Vision adalah aplikasi lain yang berhubungan
dengan artificial intelligence,
yang merupakan alat analisis dan evaluasi informasi visual dengan menggunakan
komputer. Teknik Artificial Integensia memungkinkan komputer untuk bisa
mengenal sebuah gambar dan mengidentifikasi objek. Dengan menggunakan teknik
pelacakan dan pencocokan, komputer bisa memilih kunci khusus dan mencari serta
mengidentifikasi informasi agar pandangan mata manusia tidak meleset. Untuk
membantu pengguna memecahkan suatu masalah atau mengambil suatu keputusan,
perangkat lunak vision computer Artificial Intelegensi berusaha mengetahui
melalui informasi visual.
Sebuah sistem visual mempunyai kemampuan untuk
memperbaiki informasi yang berguna dari sebuah gambar. Untuk memperbaiki
informasi diperlukan pengetahuan dan proyeksi geometri dari objek dari suatu
gambar.
Bidang ilmu yang mempunyai kaitan
dengan sistem visual sejak pertama kali dikembangkan hingga saat ini ,
menghasilkan teknik-teknik baru yang terus dikembangkan baik untuk tujuan
peningkatan akurasi maupun untuk meningkatkan kecepatan proses. Salah satu
pengembangannya adalah pengolahan citra yang merupakan bidang tersendiri
yang cukup berkembang sejak orang mengerti bahwa komputer tidak hanya menangani
teks tetapi juga data gambar ( citra ). Teknik-teknik pengolahan citra bisanya
digunakan untuk melakukan transformasi dari satu citra kepada citra yang lain,
sementara tugas perbaikan informasi terletak pada manusia melalui penyusunan
algoritmanya. Bidang ini meliputi penajaman citra, penonjolan fitur tertentu
dari suatu citra, kompresi citra dan koreksi citra. Sebaliknya sistem visual
menggunakan citra sebagai masukan tetapi menghasilkan keluaran jenis lain
seperti representasi dari kontur objek di dalam citra, atau menghasilkan
gerakan dari suatu peralatan mekanis yang terintegrasi dengan sistem visual.
Jadi penekanan pada sistem visual adalah perbaikan dan pengambilan informasi
secara otomatis dengan interaksi manusia yang minimal.
Algoritma pengolahan citra sangat berguna pada awal
perkembangan sistem visual, biasanya digunakan untuk menajamkan informasi
tertentu pada citra, sebelum diolah lebih jauh.
Komputer grafik melalui pemrograman
grafik menghasilkan citra dari bentuk geometri primitive seperti titik, garis
lurus dan garis lengkung, lingkaran dan bentuk-bentuk dasar geometri lainnya.
Komputer grafik memainkan peranan penting dalam visualisasi. Sedangkan sistem
visual bekerja sebaliknya, menduga bentuk geometri primitive dan ciri lainnya
yang merupakan penyederhanaan dari citra asal yang sifatnya lebih kompleks.
Jadi Komputer grafik memadukan unsur-unsur pembentuk citra untuk membentuk atau
mensintesa citra sedangkan sistem visual menganalisis citra dan terkadang
menguraikannya menjadi bentuk yang sederhana agar dapat dinilai secara
kuantitatif.
Pengolahan Citra
Citra (Image) adalah gambar pada
bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra
merupakan fungsi penerus dari intensitas cahaya pada bidang dwimatra.
Sumber cahaya menerangi objek, objek memantulkan kembali sebagian cahaya dan
ditangkap oleh alat-alat optik seperti mata pada manusia, kamera, pemindai
(scanner) dan sebagainya, sehingga bayangan objek yang disebut citra ini
terekam (Rinaldi Munir, 2004).
Pengolahan citra adalah langkah yang
digunakan untuk memperbaiki citra yang mengalami gangguan agar mudah
diinterpretasi baik oleh manusia maupun oleh komputer yang bertujuan
memperbaiki kualitas citra menjadi lebih baik (Rinaldi Munir, 2004).
Teknik-teknik pengolahan citra mentransformasikan citra menjadi citra lain,
jadi masukannya adalah citra dan keluarannya juga citra, namun citra keluaran
mempunyai kualitas lebih baik daripada citra masukan.
Pengolahan citra (image processing) adalah suatu
ilmu komputasi yang memungkinkan manusia dapat mengambil informasi dari suatu
citra, tidak lepas dari bidang computer
vision. Sesuai dengan perkembangannya terdapat dua tujuan utama, yakni :
1.
Memperbaiki kualitas citra, Hasilnya berupa
informasi citra yang interprestasikan oleh manusia (human perception).
2.
Mengekstraksi informasi ciri yang menonjol pada
suatu citra, Hasilnya berupa informasi ciri dari citra secara numerik melalui
besaran data yang dapat dibedakan secara jelas (Achmad Basuki, 2005).
Pengolahan citra (image processing) merupakan suatu
proses filter gambar asli menjadi gambar lain sesuai kebutuhan. Misalnya,
apabila mendapatkan gambar yang terlalu gelap, dengan pengolahan citra dapat
diproses agar mendapatkan gambar yang jelas seperti yang digambarkan dalam blok
diagram (Riyanto Sigit, 2005).
Citra digital merupakan citra yang
diambil berdasarkan sampling dan kuantisasi tertentu, terbentuk dari
piksel-piksel yang besarnya tergantung pada sampling dan nilai derajat keabuan
serta tergantung pada kuantisasi. Model citra digital dinyatakan dalam bentuk
matrik, citra didefenisikan sebagai fungsi (x,y) dimana x menyatakan nomer
baris dan y menyatakan kolom dan f menyatakan nilai dari derajat keabuan dari
citra. Model matrik pada citra digital memungkinkan dilakukannya operasi
matrik.
Citra merupakan dimensi spatial yang
berisi informasi warna dan tidak bergantung pada waktu. Citra merupakan
sekumpulan titik-titik dari gambar, yang disebut pixel(picture element).
Titik-titik tersebut menggambarkan posisi koordinat dan mempunyai intensitas yang
dapat dinyatakan dengan bilangan. Intensitas ini menunjukan warna citra,
melalui penjumlahan (Red, Green dan
Blue / RGB).
Gambar 2. Skema Kubus Warna RGB
Koordinat memberikan informasi warna
pixel berdasarkan; Brightness (ketajaman)
warna cahaya (hitam, abu-abu, putih) dari sumber, Hue (corak warna) yang ditimbulkan oleh warna (merah,
kuning , hijau dll ) dan merupakan panjang gelombang dominan dari sumber.
Misalnya citra dengan 8 bit per pixel mempunyai 256 warna dan citra dengan 24
bit tiap pixel dinyatakan dengan :
·
bit 0 sampai dengan 7 untuk warna merah (red)
·
bit 7 sampai dengan 15 untuk warna hijau (green)
·
bit 16 sampai dengan 24 untuk warna biru (blue)
Kemungkinan kombinasi warna yang ada
adalah 16.777.216,
dimana nilai 0 menyatakan warna hitam sedangkan nilai
16. 777.216 menyatakan warna putih.
Hubungan image processing dengan
pembagian bidang dalam komputer yang melibatkan input dan output tertentu dapat
di jelaskan pada tabel berikut ini :
Tabel .1 Hubungan Pengolahan Citra
Output
|
|||
Image
|
Deskripsi
|
||
Input
|
Image
|
Pengolahan Citra
|
– Pengenalan
pola- Computer Vision
|
Komputer Grafik
|
Pengolahan data lainnya
|
||
Dalam tabel diatas terlihat jelas
bahwa pengolahan citra (image processing) merupakan suatu bidang pengetahuan
dimana inputnya berupa citra dan hasilnya juga berupa citra dengan proses yang
berupa perbaikan kualitas citra atau penyajian informasi citra. Agar hasil
berupa data numerik atau teks yang menyatakan informasi yang ada dalam citra
diperlukan pengetahuan yang dipelajari dalam pengenalan pola dan computer
vision.
Digitalisasi Citra
Agar dapat diolah dengan komputer
digital, maka suatu citra harus dipresentasikan secara numerik dengan
nilai-nilai diskrit. Representasi citra dari fungsi malar(kontinu) menjadi
nilai-nilai diskrit disebut digitalisasi, citra yang dihasilkan ini disebut dengan
citra digital. Pada umumnya citra digital berbentuk persegi panjang yang
dimensi ukurannya dinyatakan sebagai tinggi x lebar atau lebar x panjang. Citra
digital yang tingginya N, lebarnya M, dan memiliki L derajat keabuan dapat
dinyatakan sebagai fungsi:
0 ≤ x ≤ M
f(x,y) 0 ≤ y ≤ N
0 ≤ f ≤ L
SKENARIO UJI COBA
Dalam melaksanakan penelitian ini
akan dilakukan perancangan alat dan sistem untuk melakukan pengambilan
gambar yang akan dibuat dirancang dalam blok diagram seperti berikut:
Gambar 3 Blok diagram perangkat keras
Aplikasi pengolahan citra yang
dirancang bertujuan untuk menentukan posisi objek yang capture dengan
menggunakan webcam dengan memanfaatkan komponen delphi dalam pengambilan gambar
dan menampilkan gambar yang disusun dalam blok diagram sebagai berikut :
Gambar 4 Disain Perangkat Lunak
a. Pengambilan
gambar dengan webcam menggunakan program aplikasi yang memanfaatkan komponen
delphi berupa :
1)
TtsCap32 adalah komponen untuk menampilkan
gambar berupa gambar bergerak
2)
TtsCap32PopupMenu adalah komponen untuk mengatur
bagaimana pengambilan gambar
3)
TtsCap32Dialogs adalah komponen untuk mengatur
format gambar yang akan dicapture.
b. Mengubah
ke citra gray scale dan citra biner
Gambar yang telah capture berupa citra warna diolah dengan
menggunakan program aplikasi kedalam citra keabuan (gray scale) dengan cara
nilai piksel yang ada pada citra yang berupa citra warna dirata-ratakan
kemudian dibagi tiga sesuai dengan jumlah layer pada citra warna yaitu layer r,
layer b, dan layer g menjadi satu layer yaitu keabuan ( gray scale). Unit
terkecil dari data digital adalah bit, yaitu angka biner, 0 atau 1. Kumpulan
dari data sejumlah 8 bit data adalah sebuah unit data yang disebut byte, dengan
nilai dari 0 – 255 .Pixel (picture element) adalah sebuah titik yang merupakan
elemen paling kecil pada citra. Angka numerik (1 byte) dari pixel disebut
digital number (DN). Digital Number bisa ditampilkan dalam warna kelabu,
berkisar antara putih dan hitam (gray scale), tergantung level energi yang
terdeteksi. Pixel yang disusun dalam orde yang benar akan membentuk sebuah
citra. Gambar di bawah ini menunjukkan derajat keabuan dan hubungan antara
digital number dan derajat keabuan yang menyusun sebuah citra.
Gambar 5 Hubungan Digital Number dengan
derajat keabuan
a. Algoritma
Sistem
Algoritma Untuk
Merancang Aplikasi penentuan posisi objek adalah sebagai berikut :
1.
Membuat program aplikasi pengambilan gambar
2.
Mengcapture Gambar dengan menggunakan webcam
3.
Menampilkan gambar yang telah dicapture dalam bentuk
citra diam
4.
Mengubah Citra warna menjadi grayscale.
5.
Mengubah Citra Gray Scale ke dalam citra biner
6.
Menentukan koordinat empat titik.
7.
Menentukan posisi X,Y,Z
BAB IV
PEMBAHASAN
Fungsi utama sistem ini adalah
menetukan posisi objek dalam aplikasi pengolahan citra, prosedurnya
adalah mengambil gambar (citra warna) dengan menggunakan webcam, mengubah ke
citra keabuan dan citra biner, menentukan koordinat empat titik, menentukan
posisi objek .
Proses awal untuk menentukan posisi objek dalam ruang
tiga dimensi adalah mengcapture objek yang hasilnya berupa citra warna,
kemudian diubah kedalam citra keabuan ( gray scale), Prosedur sebagai berikut :
1. Meletakkan
objek pada posisi yang diinginkan
2. Mengaktifkan
program pengambilan gambar
3. Mengkoneksikan
webcam satu dan dua dengan computer
4. Mengkalibrasi
kamera satu dan dua
5. Menampilkan
gambar dilayar
6. Mengcapture
gambar
7. Mengubah
citra warna kedalam citra grayscale dengan cara menjumlah nilai dari tiga layer
yaitu nilai r, nilai g dan nilai b kemudian dibagi tiga sehingga menghasilkan
citra grayscale (keabuan) dengan rumus sebagai berikut :
Proses ini bertujuan mengelompokkan
piksel-piksel objek kedalam wilayah yang mempresentasikan objek yang membedakan
objek dengan latar belakang .
Citra yang telah diubah ke grayscale
dilanjutkan dengan binerisasi yang hanya bernilai 0 dan 1, Pada citra biner,
batas antara objek dan latarbelakang terlihat jelas. Piksel objek berwarna
putih sedang piksel latarbelakang berwarna hitam. Untuk menentukan nilai biner
dari citra grayscale yang memiliki derajat keabuan 256 dibagi dua, maka nilai
tengahnya adalah 128 sehingga untuk mengubah menjadi citra biner dapat
dituliskan sebagai berikut :
Jika nilai keabuan < 128 maka nilainya
sama dengan 0
Jika nilai keabuan >= 128 maka nilainya
sama dengan 1
Proses mengubah citra warna ke dalam
citra gray scale dan citra biner, maka proses selanjutnya adalah menentukan
koordinat empat titik berupa x1-y1, x2-y2, x3-y3, x4-y4, dengan prosedur
sebagai berikut :
1.
Hasil capture gambar yang berupa citra biner
selanjutnya diolah untuk menentukan posisi koodinat titik x1y1 dengan cara
melacak piksel yang bernilai 1 dimulai dari koordinat (0,0) yang letaknya pada
sisi kiri atas dari citra biner, yang dilakukan berulang sampai ditemukan
piksel yang bernilai 1 yang pertama, selanjutnya menjadi nilai x1y1. Ketentuan
pelacakannya adalah jika koordinat piksel bernilai 0 maka pencarian dilanjutkan
sampai ditemukan koordinat piksel yang bernilai 1.
2.
Setelah nilai piksel x1y1 ditemukan, maka
dilakukan pelacakan sampai ditemukan piksel yang bernilai 1 yang merupakan
koordinat piksel pada kolom terdekat dari batas matriks citra, selanjutnnya
menjadi nilai x2y2. Ketentuan pelacakannya adalah jika koordinat piksel
bernilai 0 maka pencarian dilanjutkan sampai ditemukan koordinat piksel
yang bernilai 1.
3.
Pelacakan dilanjutkan kepada koordinat piksel
dari matriks citra biner sampai ditemukan piksel yang nilai 1, dari baris
piksel yang terjauh, yang selanjutnya dijadikan nilai x3y3. Ketentuan pelacakannya
adalah jika koordinat piksel bernilai 0 maka pencarian dilanjutkan sampai
ditemukan koordinat piksel yang bernilai 1.
4.
Setelah nilai piksel x3y3 ditemukan, dilanjutkan
pelacakan sampai ditemukan koordinat piksel yang bernilai 1 yang letaknya pada
paling terakhir dari matriks citra, selanjutnya dijadikan sebagai nilai x4y4.
Ketentuan pelacakannya adalah jika koordinat piksel bernilai 0 maka pencarian
dilanjutkan sampai ditemukan koordinat piksel yang bernilai 1.
Setelah koordinat empat titik didapatkan,
maka dilanjutkan dengan menentukan posisi X, Y, Z yang diproses sebagai
berikut :
1.
Hasil capture gambar yang ditampilkan pada
kamera satu berupa citra biner, dan telah diolah kedalam koordinat empat
titik, maka piksel yang titik koordinat x1 yang pertama ditemukan pada
saat pelacakan objek yang nilai piksel 1 selanjutnya dijadikan nilai x,
karena merupakan nilai pertama diperoleh yang sejajar dengan sumbu
x pada ruang tiga dimensi.
2.
Citra biner yang dihasilkan oleh kamera satu dan
kamera dua, dijadikan nilai y dengan proses nilai y1 pada kamera 1 dan nilai y1
pada kamera 2 sama, maka nilai yang diambil untuk dijadikan nilai y dipilih
salah satunya dengan cara, nilai piksel y4 dikurangi dengan nilai piksel y1
untuk memperoleh nilai y, karena nilai koordinat tersebut sejajar dengan sumbu
y dalam ruang tiga dimensi.
3.
Untuk nilai Z diambil dari hasil capture gambar
pada kamera 2 yaitu yang sejajar dengan sumbu Z yaitu nilai x1 dari koordinat
x1y1 dari koordinat empat titik .
Gambar 6 Proses Penentuan Posisi
Objek
BAB V
KESIMPULAN
Computer Vision adalah ilmu dan
teknologi mesin yang melihat, yaitu mesin yang mampu mengekstrak informasi dari
gambar yang diperlukan untuk menyelesaikan tugas tertentu. Teknologi Computer
Vision banyak diimplementasikan dalam berbagai bidang kehidupan, salah
satunya dalam bidang kecerdasan buatan untuk menentukan posisi objek simetris
pada ruang tiga dimensi ini.
Dengan adanya aplikasi computer vision ini dapat disimpulkan
sebagai berikut:
1.
Tersusun suatu algoritma untuk mengolah obyek
gambar digital dari citra warna yang telah dicapture, diolah dengan menggunakan
citra gray scale dengan cara citra warna yang terdiri dari 3 layer matriks
dengan menjumlahkan nilai RGB kemudian dibagi tiga, dan hasilnya berupa satu
layer citra grayscale dengan rentang nilai keabuan 0 sampai dengan 255, dari
citra grayscale diubah kedalam bentuk citra biner dimana objek bernilai 1 dan latarbelakang
bernilai 0.
2.
Telah berhasil merancang program aplikasi
pengolahan citra untuk menentukan posisi objek.
3.
Kekurangannya belum menghasilkan perbandingan
posisi objek yang tepat berdasarkan tingkat resolusi citra, hal ini dipengaruhi
oleh ketepatan menempatkan posisi objek pada saat pengcapturan gambar.
DAFTAR PUSTAKA
Komentar
Posting Komentar