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

Postingan populer dari blog ini

BEDAH NOVEL "BIDADARI-BIDADARI SURGA"

ARTIKEL : DESAIN GRAFIS

Kisah Cinta Kasih Dalam Cerita "Salah Asuhan"