HASIL TELAAH JURNAL

PENENTUAN WILAYAH WAJAH MANUSIA PADA CITRA BERWARNA

BERDASARKAN WARNA KULIT DENGAN METODE TEMPLATE MATCHING
Judul

: Penentuan wilayah wajah manusia pada citra berwarna berdasarkan warna kulit dengan metode
template matching

Penulis
: Dhody Kurniawan, Achmad Hidayatno, R. Rizal Isnanto
Penelaah
: Satya yoga Pratama, Luthfi Rahman, Raynaldi Surya R, Radhitya Wiratama, Rionando Jepri Dll
Tanggal Telaah : 6 April 2015

A. Permasalahan yang melatar belakangi penilitian

Penentuan wilayah wajah dalam citra digital sudah sangat berkembang..Penerapannya pun sudah
banyak digunakan, seperti penyandian video conference, video sequences dan pengenalan atau
identifikasi wajah. Walaupun penentuan wilayah wajah manusia sangat mudah dilakukan dengan
penglihatan manusia, tetapi automasisasi pengolahan pada computer memerlukan berbagai macam teknik
pengolahan citra. Sehingga si penuslis melakukan penelitian tentang penentuan wilayah wajah ini.
B. Apa yang diteliti
Seperti yang telah dijelaskan sebelumnya bahwa penulis meneliti tentang penuntuan wilayah
wajah dengan metode template matching dan berapa tingkat efisiensinya . Penulis membatasi
penelitiannya dengan batasan sebagai berikut:
1. Pengenalan daerah wajah yang dilakukan adalah wajah tampak depan, dengan maksimal
terdapat dua citra wajah dalam sebuah citra berwarna.
2. Jenis citra yang digunakan adalah citra berwarna, dengan format JPEG.
3. Jenis pengambangan yang dilakukan dalam penelitian ini adalah pengambangan adaptif.
4. Penelitian tidak menerapkan derau pada citra yang digunakan.
5. Simulasi pada penelitian ini menggunakan program bantu MATLAB 6.5.
C. Metode apa yang digunakan dalam penelitian
Pada journal ini penulis menggunakan metode template matching dan informasi warna kulit.
Metode tersebut mempunyai dua langkah dalam pengolahan citra. Pertama, memisahkan wilayah kulit
dengan wilayah bukan kulit. Kedua, menempatkan wajah model tampak depan di dalam wilayah
kulit.
Dalam langkah pertama, citra berwarna diubah menjadi citra kemungkinan kulit (citra aras
keabuan). Citra ini mempunyai nilai keabuan yang menunjukkan suatu piksel mempunyai
kemungkinan merupakan wilayah kulit. Kemudian citra kemungkinan kulit diambangkan dengan
pengambangan adaptif. Citra terambang ini merupakan citra biner, yang terdiri atas wilayah kulit dan
wilayah bukan kulit. Selanjutnya dengan menggunakan metode template matching, ditentukan wilayah
kulit tersegmentasi tersebut merupakan wilayah wajah atau bukan. Penelitian dilakukan dengan
program bantu MATLAB 6.5

D. Dasar teori yang digunakan

1. Sistem penangkapan citra
Pada dasarnya semua citra yang berada di alam merupakan citra analog. Sehingga kita
memerlukan suatu sistem penangkapan citra untuk mengubahnya kedalam bentuk citra digital.
Misalkan suatu sinyal citra dua dimensi di fungsinkan dengan
menjadi citra digital. Fungsi

g (x , y )

f (x , y)

adalah hasil rekaman sub system sensor citra dengan

fungsi sebaran titik dari sensor citranya adalah h ( x , y ) . Sehingga

f (x , y)

selanjutnya direkam

yang mengalami konvolusi Fungsi

g (x , y ) ,

g ( x , y ) merupakan

adalah citra kontinu dan

merupakan citra masukan pada sub-sistem cuplik (sampling), yang akan menghasilkan
citra diskret kontinu

gs ( x , y )

, . Selanjutnya citra diskret-kontinu

gs ( x , y ) dilewatkan melalui pengubah analog-

kedigital (ADC) untuk memperoleh citra diskretdiskret

gd ( x , y ) .

2. Penapisan
Terdapat dua tipe penapisan, pertama penapisan secara linear contoh prosesnya adalah
tapis pelewat rendah dan tapis pelewat tinggi. Kedua adalah penapisan citra secara tak-linear.
3. Deteksi wajah dalam citra
Deteksi wajah (face detection) apabila ada sebuah suatu citra yang berubah-ubah,
maka deteksi wajah ialah akan menentukan apakah ada atau tidak wajah dalam citra tersebut,
dan jika ada akan ditentukan lokasi dan luas dari citra wajahnya. Hal-hal yang mempengaruhi
dalam deteksi wajah adalah: posisi, ada atau tidaknya komponen struktural, ekspresi wajah,
keadaan tumpang tindih (occlusion), arah citra, dan kondisi citra. Tujuan dari deteksi wajah
ialah untuk mengidentifikasi semua daerah citra yang mengandung sebuah wajah dengan
tanpa mengabaikan posisi tiga dimensi, arah, dan kondisi pencahayaan.
4. Warna Kulit (Skin Color)
Warna kulit manusia merupakan cirri efektif yang digunakan dalam proses deteksi wajah.
Waulupun warna kulit setap manusia berbeda, perbedaan utama terdapat pada intensitasnya.
Berupa Beberapa ruang warna digunakan untuk memberi label piksel-piksel sebagai kulit,
antara lain yaitu RGB, HSV, YCbCr, dan CIE LUV.
5. Segmentasi Kulit
Langkah pertama dalam algoritma deteksi wajah ialah dengan menggunakan
segmentasi kulit untuk membuang sebanyak mungkin citra yang diindikasikan sebagai
wilayah bukan kulit. Ada dua cara yang digunakan dalam mensegmentasi berdasar warna
kulit, yaitu mengubah citra RGB ke ruang YCbCr atau ke ruang HSV
Keuntungan utama dari mengubah citra ke ruang YCbCr ialah pengaruh luminansi
dapat dihilangkan selama pemrosesan citra. Dalam ruang RGB, tiap komponen citra (merah,
hijau, dan biru) mempunyai tingkat kecerahan yang berbeda-beda. Dengan demikian di
dalam ruang YCbCr semua informasi tentang tingkat kecerahan diberikan oleh komponen Y,
karena komponen Cb (biru) dan komponen Cr (merah) tidak tergantung dari luminansi
6. Daerah kulit

Daerah kulit didefinisikan sebagai daerah tertutup dalam suatu citra, yang dapat
mempunyai 0, 1 atau lebih lubang (hole) di dalamnya. Batasan warnanya ditunjukkan oleh
piksel dengan angka 1 untuk citra biner. Semua lubang di dalam citra biner mempunyai
nilai piksel 0 (daerah hitam). Ada beberapa hal yang diperlukan untuk menentukan daerah kulit
yaitu: jumlah lubang di dalam suatu daerah kulit, pusat massa, arah, dan lebar dan tinggi wilayah
kulit.

7. Template Matching
Dalam template matching, pola wajah bakuan (biasanya tampak depan/frontal)
ditetapkan terlebih dahulu secara manual oleh suatu fungsi. Diberikan citra masukan, nilai
korelasi dengan pola bakuan dihitung untuk kontur wajah, mata, hidung, dan mulut
secara bebas. Keberadaan sebuah wajah ditentukan berdasarkan nilai-nilai korelasi.
E. Perancangan Program

Berikut algoritmanya
1. Proses inisialisasi warna kulit: yaitu mencari nilai rerata dank ovarian dari model warna kulit.
Model warna kulit ini merupakan citra berwarna yang didapat dari ekstraksi sejumlah warna kulit
manusia.
2. Membaca citra referensi: membaca citra dengan format JPEG. Citra yang dibaca adalah citra
referensi yang berupa citra berwarna
3. Melakukan proses pengubahan dari citra referensi menjadi citra grayscale
4. Menetapkan proses pengambangan (thresholding) terhadap citra grayscale
5. Mencari wilayah-wilayah didalam citra hitam putih, yaitu dengan menentukan jumlah wilayah
kulit di dalam citra hitam putih. Kemudian bisa menentukan kemungkinan wilayah wajah
manusia
6. Melakukan pencocokan antara bagian citra yang berhubungan dengan wilayh wajah dengan
wajah model
7. Menggambarkan kordinat segiempat pada citra referensi untuk wilayah yang di indikasikan
sebagai wajah manusia
F. Hasil penilitian

Dari hasil penentuan wilayah wajah oleh program terhadap 52 citra didapatkan table berikut
Nama

Jumlah
objek
wajah

Jumlah Kotak
inspeksi
Objek
Objek
wajah
lain

Aji

Alan Smith

Bayi

Britney Spears

Couple

Dalma_cs
David
Beckham

Davids

Deka

Del Piero

Desailly

Erik

Indi

India 1

India 2

Italy 1

Italy 2

Joe&Deka

John Dowdell

Jovita

Kaleb

Karen-and-Alf

LeBron

Lelaki Bule

Lelaki Cina 1

Lelaki Cina 2

Lia

Lucy Liu 1

Lucy Liu 2

Mawar

Nedved

Nia
Perempuan
Bule
Nama

Jumlah
objek

Jumlah Kotak
inspeksi

wajah

Objek
wajah

Objek
lain

Prita
Rifai&Cahyon
o

Rini

Romi

Schumacer
Serena&Venus
1
Serena&Venus
2

Serena&Mom

Shania Twain

Siti

Smile

Thuram

Tom Cruise

Tupac&friend

Usher&fans

Vieri&Materazi

Vika

Zalayeta

Perempuan
Negro

Dari table diatas diketauhi dari 52 buah data citra berwarna yang digunakan sebagai database, terdapat 39 buah citra
terdeteksi wilayah wajahnya secara sempurna. Sehingga metode template matching yang digunakan dalam
penentuan
wilayah
wajah
mempunyai
tingkat
keberhasilan
sebesar

keber h asilan=

N t x 100 = 39 x 100 =75

52
Nr

G. Kesimpulan
1.
2.

Pendeteksian wilayah wajah dengan ras etnik yang berbeda mempunyai tingkat keberhasilan yang tinggi
bila citra tersebut menampilkan setengah badan saja.
Semakin besar nilai korelasi silang, maka tingkat kesesuaian antar wilayah wajah yang didapatkan dengan
model wajah akan semakin baik

3. Kebanyakan kesalahan dalam proses segmentasi wilayah kulit adalah karena terdapatnya
wilayah wilayah yang memiliki keserupaan dengan nilai kemungkinan kulit, seperti
warna pakaian yang dikenakan ataupun warna latar belakang