2207 100 175

VISI KOMPUTER
Dalam ilmu visi komputer sebuah penglihatan dilakukan oleh komputer (menggunakan kamera, scanner maupun alat / perangkat untuk menangkap image lainnya). Visi komputer menangkap image kemudian mengekstrak informasi dan mempergunakannya sesuai kebutuhan. Misal didapatkan suatu image dari wajah seseorang, maka dari image tersebut dapat diperoleh informasi berupa array tentang intensitas cahaya yang ditangkap maupun informasi tentang banyaknya sensor peka cahaya yang digunakan dalam menangkap image tersebut. Image yang sesungguhnya hanya berupa informasi tersebut dapat menimbulkan beragam persepsi dari manusia yang melihatnya. Identifikasi terhadap suatu image sangat tergantung terhadap persepsi dan psikologi dari pribadi yang melihatnya.
Penelitian dan pengembangan visi komputer telah diaplikasikan dalam banyak bidang, di antaranya:
1. Optical character recognition (OCR): membaca kode pos yang ditulis tangan pada surat.
2. Machine inspection: inspeksi berturut-turut secara cepat terhadap suatu bagian atau produk untuk menjamin kualitas.
3. 3D model building (photogrammetry): konstruksi model 3D secara otomatis dari suatu image.
4. Medical imaging: melakukan penangkapan gambar sebelum, selama operasi dan setelah operasi.
5. Automotive safety: melakukan deteksi rintangan yang tidak diharapkan seperti trotoar pada jalan.
dan masih banyak lainnya.

2209105085 Visi Komputer ?????

VISI KOMPUTER by akhmad arif

                Beberapa tahun yang lalu, kemajuan bidang mikroelektronik dan teknologi digital mengantarkan kamera sebagai media yang mendunia. Kemajuan yang juga kemudian mendorong untuk dikembangkannya sistem dari visi komputer. Visi komputer biasa di kaitkan dengan pemodelan dan tiruan pandangan manusia menggunakan software dan hardware komputer. Kombinasi dari berbagai disiplin ilmu dipakai untuk menghasilkan suatu pola yang sesuai dengan pandangan manusia yang kemudian bisa di pahami dan disimulasikan. Visi komputer diterjemahkan juga sebagai pemahaman terhadap gambar yaitu mempelajari bagaimana merekonstruksi, menafsirkan, dan mengerti bentuk 3 dimensi dari suatu gambar 2 dimensi yang struktur bentuknya di tampilkan ke dalam layar. Gambar berikut menunjukkan komponen hardware dari sistem visi komputer.

                Mudahnya pengambilan suatu gambar dan video dimanapun melalui kamera video merupakan latar belakang mempelajari lebih lanjut visi komputer, yang kemudian untuk mengembangkan suatu aplikasi yang mampu menampilkan suatu gambar ke dalam bentuk 3 dimensi, pengawasan secara otomatis (lihat gambar 1), dan pengenalan wajah.

                Visi komputer merupakan kombinasi dari pengolahan citra (image processing), pengenalan pola (pattern recognition), photogrammetry . Pengolahan citra digunakan untuk memanipulasi gambar dengan memperbaiki kualitas,  memperkecil  ukuran (compress/ decompress) sebuah gambar. Pengenalan pola berhubungan dengan proses identifikasi obyek pada citra atau interpretasi citra. Sedangkan photogrammetry merupakan suatu cabang ilmu untuk mempelajari dan mendapatkan informasi sebanyak-banyaknya dari sudut pandang geometry dari suatu gambar contohnya perencanaan kota.

2209105047 Simple Thresholding using Matlab

Simple Thresholding using Matlab 

Arga Wahyumianto

Pengolahan citra merupakan salah satu bidang yang cukup diminati dewasa ini. Salah satu tools yang bisa digunakan untuk merancang dan menguji rangkaian pengolahan citra adalah Matlab. Pada Matlab terdapat beberapa cara untuk melakukan pengolahan citra, yaitu menggunakan fungsi-fungsi dalam paket Image Processing Toolbox, atau dapat juga menggunakan bentuk blokset, yaitu dalam Video and Image Processing Blockset. Kali ini akan dibahas mengenai operasi Thresholding, mengubah citra grayscale menjadi citra biner,secara sederhana menggunakan kombinasi dari Image Processing Toolbox dan Image menggunakan Blockset 

Sebelum membuka blockset, terlebih dahulu dibaca sebuah image dari harddisk. Contoh yang digunakan adalah menggunakan image ‘rice.png’, yang merupakan salah satu source bawaan dari Matlab.

I=imread ('rice.png')

imshow (I)

Perintah untuk membaca image menjadi sebuah data dalam Matlab adalah menggunakan imread (nama_file). Jenis file image yang mampu dikenali oleh Matlab antara lain adalah JPEG, TIFF, GIF, BMP, PNG, dan beberapa jenis lainnya. Perintah kedua, imshow(nama_variabel), digunakan untuk memperlihatkan isi dari variabel I ke dalam sebuah figure. Hasilnya akan seperti berikut.

Gambar 1. Hasil Eksekusi

 

Kemudian, setelah mempersiapkan gambar yang akan diubah ke hitam-putih, maka langkah selanjutnya adalah merangkai blok-bloknya. Blok yang dibutuhkan untuk membuat sebuah operasi Thresholding sederhana menggunakan Video and Image Processing Blockset adalah :

1. Image from workspace, didapat dari Video and Image Processing Blockset / Source
2. Relational Operator, didapat dari Simulink / Logic and Bit Operation
3. Constant, didapat dari Simulink / Source
4. Video Viewer, didapat dari Video and Image Processing Blockset / Sink

Kemudian, susun blok-blok tersebut seperti pada gambar berikut :

Gambar 2. Blok awal thresholding

 

Selanjutnya, diperlukan sedikit pengaturan pada blok-blok tersebut.

1. Pada Block Image from Workspace, ubah
   • Value = I
   • Output port label = Image
2. Ubah Relational Operator menjadi berbentuk parameter >
3. Nilai contant diubah menjadi 128. Secara umum, nilai grayscale berada pada rentang 0-255, dan dipilih nilai tengahnya, yaitu 128. Nilai ini merupakan ambang batas yang digunakan untuk menentukan apakah suatu titik / pixel merupakan warna hitam atau putih.
4. Pada blok Video Viewer, ubah Input Image Type menjadi Intensitiy.
5. Kemudian, rangkai semua blok seperti gambar berikut 

Gambar 3. Hasil Blok Thresholding

6. Setelah itu, sebelum dijalankan, ubah dahulu parameter simulasi, dengan cara membuka Configuration Parameter dari menu Simulation. Ubah parameter menjadi :
   • Pada panel Solver, Stop Time = 0
   • Pada panel Solver, Type = Fixed-step
   • Pada panel Solver, Solver = discrete (no continous states)

Setelah itu, jalankan simulasi, dengan memilih menu Simulasi -> Start, atau bisa tekan Ctrl+T. Hasilnya akan seperti berikut :

 

 Gambar 4. Image sebelum diproses

Gambar 5. Image sesudah diproses

 

 

2209 105 030 – WARNA RGB

HERU SUSANTO (2209 105 030) – WARNA RGB

 

Format Warna Pada Gambar

 

Gambar (Digital) adalah sekumpulan titik yang disusun dalam bentuk matriks, dan nilainya menyatakan suatu derajat kecerahan (derajat keabuan / gray-scale). Derajat keabuan 8 bit menyatakan 256 derajat kecerahan. Pada gambar berwarna nilai setiap titiknya adalah nilai derajat keabuan pada setiap kompoen warnaRGB. Bila masing-masing komponen R, G dan B mempunyai 8 bit, maka satu titik dinyatakan dengan (8+8+8)=24 bit atau 224 derajat keabuan.

 

Format RGB

 

 

Format RGB (Red, Green & Blue) adalah format dasar yang digunakan oleh banyak peralatan elektronik seperti monitor, LCD atauTV untuk menampilkan sebuah gambar. Pada format RGB, suatu warna didefinisikan sebagai kombinasi (campuran) dari komponen warna R, G dan B. Pada format warna RGB 24 bit, maka nilai R, G dan B masing-masing 0-255.

 

GAMBAR 1

 

DeteksiWarna

 

Mendeteksi adanya warna-warna tertentu. Menentukan posisi pixel dengan warna yang ditentukan. Contoh aplikasi : Deteksi rambu-rambu lalu lintas, deteksi bola dengan warna tertentu, obyek berdasarkan warna, deteksi kulit (skin detection). Untuk warna-warna dasar, nilai RGB cukup efektif dalam melakukan deteksi meskipun cara ini bukan cara terbaik. Nilai threshold dapat dipelajari berdasarkan pola warna atau ditentukan secara intuitif, tetapi threshold RGB ini sangat rentanterhadap kestabilan cahaya. Aplikasi untuk menentukan nilai threshold terbaik dalam suatu permasalahan dapat dilakukan menggunakan teknik-teknik machine learning.

 

GAMBAR 2 (Nilai threshold : R>163; 43<G<222, 32<B<250)

 

Untuk aplikasideteksi Kulit (Skin detection), menggunakandeteksiwarnakulit(skin detection) dapat dilakukan menggunakan format RGB atau YCrCb. Mendeteksi warna kulit banyak digunakan untuk aplikasi pengenalan wajah, deteksi badan atau anggota badan. Sangat sulit mendapatkan system deteksi warna kulit yang bersifat general, karena ada perbedaan warna kulit pada masing-masing ras (melayu, cina, eropa, latin atau afrika)

 

GAMBAR 3

(2209 105 012) Pengolahan Citra Digital

Pengolahan Citra Digital

Ranu Wijayanto (2209 105 012)

 

Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis citra dengan bantuan komputer. Pengolahan citra digital dapat dikelompokkan dalam dua jenis kegiatan :

1. Memperbaiki kualitas suatu gambar, sehingga dapat lebih mudah diinterpretasi oleh mata manusia.

2. Mengolah informasi yang terdapat pada suatu gambar untuk keperluan pengenalan objek secara otomatis.

Bidang aplikasi kedua yang sangat erat hubungannya dengan ilmu pengetahuan pole (pattern recognition) yang umumnya bertujuan mengenali suatu objek dengan cara mengekstrak informasi penting yang terdapat pada suatu citra. Bila pengenalan pola dihubungkan dengan pengolahan citra, diharapkan akan terbentuk suatu sistem yang dapat memproses citra masukan sehingga citra tersebut dapat dikenali polanya. Proses ini disebut pengenalan citra atau image recognition. Proses pengenalan citra ini sering diterapkan dalam kehidupan sehari-hari.

Pengolahan citra dan pengenalan pola menjadi bagian dari proses pengenalan citra. Kedua aplikasi ini akan saling melengkapi untuk mendapatkan ciri khas dari suatu citra yang hendak dikenali. Secara umum tahapan pengolahan citra digital meliputi akusisi citra, peningkatan kualitas citra, segmentasi citra, representasi dan uraian, pengenalan dan interpretasi.

Akusisi citra

Pengambilan data dapat dilakukan dengan menggunakan berbagai media seperti kamera analog, kamera digital, handycamp, scanner, optical reader dan sebagainya. Citra yang dihasilkan belum tentu data digital, sehingga perlu didigitalisasi.

Peningkatan kualitas citra

Pada tahap ini dikenal dengan pre-processing dimana dalam meningkatkan kualitas citra dapat meningkatkan kemungkinan dalam keberhasilan pada tahap pengolahan citra digital berikutnya.

Segmentasi citra

Segmentasi bertujuan untuk memilih dan mengisolasikan (memisahkan) suatu objek dari keseluruhan citra. Segmentasi terdiri dari downsampling, penapisan dan deteksi tepian. Tahap downsampling merupakan proses untuk menurunkan jumlah piksel dan menghilangkan sebagian informasi dari citra. Dengan resolusi citra yang tetap, downsampling menghasilkan ukuran citra yang lebih kecil. Tahap segmentasi selanjutnya adalah penapisan dengan filter median, hal ini dilakukan untuk menghilangkan derau yang biasanya muncul pada frekuensi tinggi pada spektrum citra. Pada penapisan dengan filter median, gray level citra pada setiap piksel digantikan dengan nilai median dari gray level pada piksel yang terdapat pada window filter. Tahap yang terakhir pada proses segmentasi yaitu deteksi tepian. Pendekatan algoritma Canny dilakukan berdasarkan konvolusi fungsi citra dengan operator Gaussian dan turunan-turunannya. Pendeteksi tepi ini dirancang untuk merepresentasikan sebuah tepian yang ideal, dengan ketebalan yang diinginkan. Secara umum, proses segmentasi sangat penting dan secara langsung akan menentukan keakurasian sistem dalam proses identifikasi iris mata.

Representasi dan Uraian

Representasi mengacu pada data konversi dari hasil segmentasi ke bentuk yang lebih sesuai untuk proses pengolahan pada komputer. Keputusan pertama yang harus sudah dihasilkan pada tahap ini adalah data yang akan diproses dalam batasan-batasan atau daerah yang lengkap. Batas representasi digunakan ketika penekanannya pada karakteristik bentuk luar, dan area representasi digunakan ketika penekanannya pada karakteristik dalam, sebagai contoh tekstur. Setelah data telah direpresentasikan ke bentuk tipe yang lebih sesuai, tahap selanjutnya adalah menguraikan data.

Pengenalan dan Interpretasi

Pengenalan pola tidak hanya bertujuan untuk mendapatkan citra dengan suatu kualitas tertentu, tetapi juga untuk mengklasifikasikan bermacam-macam citra. Dari sejumlah citra diolah sehingga citra dengan ciri yang sama akan dikelompokkan pada suatu kelompok tertentu. Interpretasi meliputi penekanan dalam mengartikan objek yang dikenali.