Anda di halaman 1dari 20

# DAFTAR GAMBAR Gambar 2-1 Hasil Proses Konversi ke bentuk Grayscale .............. 8 Gambar 2-2 Proses Deteksi Tepi Citra ..........................................

8 Gambar 2-3 Hasil Beberapa Deteksi Tepi ..................................... 9 Gambar 2-4 Contoh Gaussian Filter Noise ................................. 11 Gambar 2-5 Contoh Gaussian Filter............................................. 12 Gambar 2-6 Proses Menghubungkan Edge Kearah a.................. 13 Gambar 2-7 Arah Setengah lingkaran ......................................... 14 Gambar 2-8 Konsep Delaunay Trinagulation.............................. 15 Gambar 2-9 Titik-titik yang Sudah Diurutkan ............................. 17 Gambar 2-10 Kumpulan Subset dari 2 atau 3 Titik ..................... 17 Gambar 2-11 Penggabungan Subset............................................ 18 Gambar 2-12 LR Dasar antara Triangulasi Kiri dan Kanan....... 18 Gambar 2-13 Potensial Kandidat ................................................ 19 Gambar 2-14 Setelah Penghapusan ”bad edge” ......................... 19 Gambar 2-15 Kandidat yang Memenuhi Kondisi......................... 20 Gambar 2-16 Penambahan LR-edge............................................ 21 Gambar 2-17 Delaunay Triangulation......................................... 21 Gambar 2-18 Convex Hull ........................................................... 23 Gambar 2-19 Model Warna HSV ................................................. 25 Gambar 2-20 Saturation / Value Pada Hue Tertentu Dalam Model HSV................................................................................................ 26 Gambar 2-21 Contoh Saturation dan Variasi Value Single Red Hue ................................................................................................ 27 Gambar 3-1 Blok Diagram Segmentasi Pakaian ......................... 31 Gambar 3-2 Diagram Alir Konversi ke Grayscale ...................... 32 Gambar 3-3 Diagram Alir CDT ................................................... 33 Gambar 3-4 Diagran Alir Deteksi Kulit...................................... 34 Gambar 3-5 Kode program untuk data masukan citra RGB........ 35 Gambar 3-6 Kode Program untuk konversi dari RGB ke Grayscale ....................................................................................................... 35 Gambar 3-7 Kode Program Deteksi Tepi.................................... 36 Gambar 3-8 Kode Program untuk Constrained Delaunay Triangulation................................................................................. 37

xvii

Gambar Gambar Gambar Gambar Gambar Gambar Gambar Gambar Gambar Gambar Gambar Gambar

3-9 Kode Program Background Removal ......................37 3-10 Kode Program Deteksi Kulit..................................38 4-1 Tampilan Antar Muka ..............................................40 4-2 Tampilan Hasil Proses Tombol Browse...................40 4-3 Tampilan Antar Muka Setelah Memilih Citra..........41 4-4 Tampilan Hasil Deteksi Tepi....................................42 4-5 Tampilan input 2 Titik oleh User .............................42 4-6 Tampilan Region Pakaian........................................43 4-7 Tampilan Hasil Segmentasi Pakaian .......................43 4-8 Citra input ...............................................................44 4-9 Prosentase Perbandingan Nilai Hue........................46 4-10 Prosentase Perbandingan Nilai Threshold ............49

xviii

Dari uraian tersebut diharapkan gambaran umum permasalahan dan pemecahan yang diambil dapat dipahami dengan baik.1 Latar Belakang Segmentasi pakaian secara luas digunakan pada tugas-tugas visi komputer. batasan masalah.BAB 1 PENDAHULUAN Pada bab ini akan dibahas mengenai garis besar tugas akhir. Kemudian hasil dari edge detection tadi akan dipisahkan antara latar depan dan latar belakangnya. identifikasi. dan latar belakang yang berbeda. Kemudian untuk memisahkan seed latar depan dengan menggunakan metode skin detection dan seed latar belakang menggunakan metode Constrained Delaunay Triangulation (CDT). sketsa manusia. dan panjang kaos kaki. Kesulitan yang banyak ditemui jika menggunakan model-based adalah banyaknya model yang ditawarkan untuk mengatasi perbedaan pakaian dan bermacam-macam gaya/pose. kondisi pencahayaan yang berbeda. permasalahan. Diharapkan dengan menggunakan metode CDT ini dapat diperoleh segmentasi yang akurat dan mampu 1 . dan potret untuk graphics rendering. 1. Jadi untuk daerah diluar segiempat (latar belakang) otomatis akan dihapus. mengedit citra. seperti deteksi pakaian seseorang. metodologi serta sistematika penulisan tugas akhir. Metode segmentasi dapat diperoleh dari variasi pada warna dan corak. panjang kemeja. yang meliputi latar belakang. tujuan. Sebuah model pakaian umumnya memiliki tiga parameter yaitu panjang lengan baju. Hasil dari segmentasi dengan menggunakan CDT ini adalah region pakaian. Citra input mula-mula dicari garis tepinya (edge detection) dengan menggunakan metode Canny. Seed untuk latar depan di inputkan oleh user dengan memberikan batasan berupa segiempat pada citra.

• Obyek manusia harus dengan posisi menghadap ke depan. 1.0 (R2009a) 1.4 Batasan Masalah Batasan masalah yang digunakan dalam pengerjaan Tugas Akhir ini adalah sebagai berikut: • Citra yang digunakan adalah citra dengan gambar single obyek manusia.5 Metodologi Pembuatan Tugas Akhir ini terbagi menjadi beberapa tahapan pengerjaan untuk mempermudah serta sebagai target tujuan dan . 1. dapat dirumuskan permasalahan sebagai berikut: • Bagaimana menerapkan metode CDT untuk estimasi latar belakang pada segmentasi pakaian • Bagaimana memperoleh region pakaian dengan menggunakan deteksi kulit • Bagaimana menghitung akurasi pada performa segementasi pakaian 1.3 Permasalahan Dari latar belakang yang telah dijelaskan diatas.8. • Deteksi tepi yang digunakan adalah deteksi tepi Canny.2 mengekstrak pakaian berbeda dari citra statis dengan variasi latar belakang dan kondisi pencahayaan. • Implementasi perangkat lunak menggunakan Matlab 7.2 Tujuan Tujuan pembuatan Tugas Akhir ini adalah membuat sebuah sistem untuk segmentasi pakaian dengan menggunakan metode Constrained Delaunay Triangulation (CDT) yang dapat digunakan untuk proses identifikasi dan mampu menghasilkan tingkat akurasi yang tinggi.

dasar teori. Perancangan Perangkat Lunak Perancangan perangkat lunak meliputi analisis dan desain sistem. berisi latar belakang. Analisis yang dilakukan adalah analisis konsep dan algoritma dari hasil studi literatur ke dalam sebuah program. tujuan. proses yang telah dilakukan. teori.3 waktu yang terhitung dalam penyelesaian Tugas Akhir ini. dan dokumentasi internet. metodologi. implementasi. Bab 1. Tahap ini juga menganalisis performa dan kelemahan-kelemahan yang didapatkan dari sistem ini. 1. majalah. Uji Coba dan Evaluasi Tahap ini melakukan uji coba dan evaluasi program yang telah dibuat dengan menggunakan Matlab. . dan sistematika penulisan. Studi Literatur Studi literatur yang dilakukan adalah mempelajari konsep. batasan permasalahan. Berikut adalah tahapan pengerjaan Tugas Akhir ini 1. 2. Pendahuluan. pembuktian pembuktian. 3. dan teknologi yang digunakan. 4. 5. permasalahan. Pembuatan Buku Tugas Akhir Tahap ini melakukan pendokumentasian dan laporan dari seluruh konsep. Pembuatan Perangkat Lunak Pembuatan perangkat lunak meliputi implementasi dari rancangan yang telah dibuat pada tahap sebelumnya menjadi suatu perangkat lunak.6 Sistematika Penulisan Tugas Akhir Laporan Tugas Akhir ini akan dibagi menjadi beberapa bab sebagai berikut: 1. dan hasil-hasil yang telah didapatkan selama pengerjaan Tugas Akhir. Literatur yang digunakan meliputi buku referensi. Buku Tugas Akhir ini bertujuan untuk mendapatkan gambaran dari pengerjaan Tugas Akhir ini dan diharapkan dapat berguna untuk pembaca yang tertarik untuk melakukan pengembangan lebih lanjut.

dan kemudian dilakukan analisis terhadap hasil uji coba tersebut. Bab 5. Rancangan algoritma dijelaskan dengan menggunakan diagram alur. Perancangan dan Implementasi Aplikasi.4 2. Bab 3. berisi simpulan yang dapat diambil dari Tugas Akhir ini beserta saran untuk pengembangan selanjutnya. 3. Selain itu. Pada bab ini dijabarkan tahapan-tahapan dari proses perancangan dan pembuatan perangkat lunak sebagai implementasi dari metode yang diterapkan dalam tugas akhir. 5. Bab 4. Penutup. akan dilakukan uji coba berdasarkan parameter-parameter yang ditetapkan. Tinjauan Pustaka. . 4. akan dibahas dasar ilmu yang mendukung pembahasan tugas akhir ini. Bab 2. Uji coba dan analisis hasil. pada bab ini akan dijabarkan implementasi dari aplikasi yang telah dibuat yaitu aplikasi yang dibangun dengan komponen-komponen yang telah ada yang sesuai dengan permasalahan dan batasannya yang telah dijabarkan pada bab pertama.

2) .0)  f (2.  f (M −1.2) . deteksi tepi.  f (0.. .  . Citra digital adalah citra kontinu yang diubah dalam bentuk diskrit. citra grayscale. . Citra digital berbentuk matriks dengan ukuran M x N akan tersusun sebagai berikut : f (0.2) .0) f (M −1.2) .1) f (0.   . N −1) 5 . . y) =  . N −1)  (2..1) f (1.1 Citra digital Istilah citra yang digunakan dalam bidang pengolahan citra dapat diartikan sebagai suatu fungsi kontinyu dari intensitas cahaya dalam bidang dua dimensi. Pemrosesan citra dengan komputer digital membutuhkan citra digital sebagai masukannnya. proses CDT. . baik koordinat ruang maupun intensitas cahayanya.BAB 2 DASAR TEORI Pada bab ini akan diuraikan mengenai dasar-dasar teori yang digunakan dalam pengerjaan tugas akhir ini. N −1)  f (2.0) f (2. ...1) f (0.  .. Convex Hull 2. Pengolahan digitalisasi terdiri dari 2 proses yaitu pencuplikan (sampling) posisi.  f (1..0)  f (1. N −1)   .. Teori yang akan dibahas adalah citra digital.1) f (M −1. y ) dimana ' x ' dan ' y ' merupakan koordinat piksel dalam matriks dan ' f ' merupakan derajat intensitas piksel tersebut. f (x. dan kuantisasi intensitas.   f (M −1.1) f (2. Citra digital dapat dinyatakan dalam matriks dua dimensi f ( x..    f (1.

y ) dalam fungsi matematis dapat dituliskan sebagai berikut : 0 ≤ x ≤ M −1 0 ≤ y ≤ N −1 0 ≤ f ( x. Besar G tergantung pada proses digitalisasinya.6 Suatu citra f ( x. y ) ≤ G − 1 Dimana : M = banyaknya garis pada array citra N = banyaknya kolom pada array citra G = banyaknya skala keabuan (graylevel) Interval 0. titik-titik kecil tersebut tidak teramati oleh manusia yang melihat secara normal. “pel”. Titiktitik tersebut merupakan satuan terkecil dari suatu citra digital yang disebut sebagai “picture element”. Pada sistem dengan tampilan citra digital yang dirancang dengan baik (beresolusi tinggi). makin tinggi nilai resolusinya dan makin halus gambarnya. Untuk citra 8 bit. dapat dilihat titik-titik kecil berbentuk segiempat yang membentuk citra tersebut. G disebut skala keabuan (grayscale). Biasanya keabuan 0 (nol) menyatakan intensitas hitam dan G menyatakan intensitas putih. “pixel”. (2. Beberapa sistem peralatan medical imaging seperti CT-Scan dan ultrasonography menggunakan bentuk citra digital 3 dimensi seperti ini untuk keakuratan pengamatan. Perhatikan citra digital secara seksama.2) . Untuk aplikasi 3 dimensi dikenal dengan satuan voxel yang memiliki dimensi ketebalan dan berbentuk kubus. “piksel”. nilai G sama dengan 28 = 256 warna (derajat keabuan). Makin banyak piksel yang mewakili suatu citra. Jumlah piksel per satuan panjang akan menentukan resolusi citra tersebut.

2 Citra Grayscale Proses awal yang banyak dilakukan dalam image processing adalah mengubah citra berwarna menjadi citra grayscale hal ini digunakan untuk menyederhanakan model citra.3) Dimana : r = nilai matrik warna merah g = nilai matrik warna hijau b = nilai matrik warna biru beriktunya algoritma mengkonversi citra asli ke dalam bentuk citra grayscale. Sehingga untuk melakukan proses-proses selanjutnya tetap diperhatikan tiga layer diatas menjadi 1 layer matrik grayscale dan hasilnya adalah citra grayscale. dan biru kemudian lakukan perhitungan menggunakan rumus 2. Hasil dari proses langkah nomor 3 berupa output citra hasil konversi yaitu citra grayscale. Glayer (layer warna hijau) dan B-layer (layer warna biru). dengan nilai s (hasil citra grayscale). Ambil nilai matrik warna merah.11B ( x.3) : Gray ( x. g(green) dan b(blue) menjadi citra grayscale seperti yang ditunjukkan pada gambar 2-21.3R ( x. . Dalam citra ini tidak ada lagi warna yang ada adalah derajat keabuan. y ) = 0. dan b sehingga dapat dituliskan menjadi rumus seperti persamaan (2. y ) + 0. g. hijau dan biru dari tiap piksel citra asli.5G ( x. Tampilkan hasil operasi langkah ke-2 dalam tiap satu piksel citra. maka konversi dapat dilakukan dengan mengambil rata-rata dari nilai r. 4. y ) + 0. Masukkan nilai matrik warna merah. hijau. 2. y ) (2. Untuk mengubah citra berwarna yang mempunyai nilai matrik masing-masing r (red).7 2.3 3. Citra berwarna terdiri dari 3 layer matrik yaitu R-layer (layer warna merah). 1.

Gambar 2-1 Hasil Proses Konversi ke bentuk Grayscale 2. tujuannya adalah : • Untuk menandai bagian yang menjadi detail citra. yang terjadi karena error atau adanya efek dari proses akuisisi citra. • Untuk memperbaiki detail citra yang kabur. Gambar 2-2 Proses Deteksi Tepi Citra .3 Deteksi Tepi (Edge Detection) Deteksi tepi (Edge Detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari suatu obyek-obyek citra.8 Hasil dari implementasi rumus grayscale dapat dilihat pada Gambar 2-1 yang menunjukkan perubahan citra warna menjadi citra yang hanya mempunyai derajat keabuan.

9 Suatu titik (x. Bila diperhatikan bahwa tepi suatu citra terletak pada titik-titik yang memiliki perbedaan yang tinggi. Hasil deteksi dari beberapa citra menggunakan model differensial berdasarkan Gambar 2-2 dapat dilihat hasilnya pada Gambar 2-3.y) dikatakan sebagai tepi (edge) dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangganya. Berikut ini beberapa macam metode untuk proses deteksi tepi antara lain : . Gambar 2-3 Hasil Beberapa Deteksi Tepi Pada Gambar 2-3 terlihat bahwa hasil deteksi tepi berupa tepitepi dari suatu citra. Gambar 2-2 berikut ini menggambarkan bagaimana tepi suatu citra diperoleh.