Disusun oleh:
Nama: Jiyon Ataa Nurmufti Adam
NIM: 16/399996/TK/45010
2. Tujuan Praktikum
Mahasiswa dapat menganalisis, memahami, dan melakukan proses feature detection dengan
menggunakan script Python pada Open CV
3. Pelaksanaan
Tempat : Laboratorium Fotogrametri dan Penginderaan Jauh
Waktu : 13.00 – 15. 50 WIB
1. sift = cv2.SIFT()
2. kp = sift.detect(gray,None)
3. img=cv2.drawKeypoints(gray,kp)
Fungsi sift.detect () adalah untuk menemukan titik kunci pada gambar yang
dipertimbangkan. Sedangkan drawKeypoints() digunakan untuk perintah menggambar
keypointnya/memunculkan keypointnya.
2|Halaman
Pengolahan Citra
Metoda Speed-Up Robust Features (SURF) merupakan sebuah metode deteksi fitur yang
menggunakan keypoint dari sebuah citra/gambar. metode SURF menggunakan penggabungan
metode citra integral (integral image) dan blob detection berdasarkan determinan dari matriks
Hessian. Dalam implementasinya, metode SURF dibagi menjadi beberapa tahapan antara lain.
3|Halaman
Pengolahan Citra
Pada Brief tidak dapat dilakukan pada semua jenis image, karena yang hanya dapat
mendeteksi descriptor. Disini saya telah mencoba beberapa image berformat .jpg dan BRIEF
mayoritas dapat diguankan pada image yang mempunyai objak Bulat atau Lingkaran seperti
coin diatas. Dalam pendeteksian descriptor pada BRIEF, dapat dibantu dengan fungsi
4|Halaman
Pengolahan Citra
star.detect() seperti halnya pada SIFT dan SURF. Untuk Brief.compute() digunakan untuk
menghitung jumlah descriptor yang telah terdeteksi.
5|Halaman
Pengolahan Citra
6|Halaman
Pengolahan Citra
Detektor keypoint STAR (diimplementasikan sebagai bagian dari perpustakaan visi komputer
OpenCV. Ini berasal dari detektor fitur CenSurE (Centre Surround Extrema). STAR Detektor
menggunakan pendekatan bi-level dari Laplacian of Filter Gaussians (LoG). (Patel, 2014).
Gambar 5.13 KananProses dari SIFT & Kiri Proses dari STAR pada OpenCV
Gambar 5.14 Total Keypoints dari Proses SIFT & STAR pada OpenCV
Terlihat dalam hasil computenya adalah, deteksi Keypoints pada SIFT lebih banyak daripada
menggunakan STAR. Hal ini dikarenakan SIFT memliki algorithma yang lebih kompleks
meskipun proses yang dilakukan relative lama. Sedangkan STAR kebanyakan digunakan
dalam membantu detector lain seperti BRIEF, SURF, FAST, dll dalam mendeteksi keypoints.
8|Halaman
Pengolahan Citra
DAFTAR PUSTAKA
Hietanen, A., & Lankinen, J. (2016). A Comparison of Feature Detectors and Descriptors for
Object Class Matching, 1–23.
Objective, I., Descriptors, F., & Transform, S. F. (n.d.). Feature Detectors and Applications, 60(2).
Hassaballah, M., Abdelmgeid, A. A., & Alshazly, H. A. (2016). Image Features Detection ,
Description and Matching Image Features Detection , Description. https://doi.org/10.1007/978-3-
319-28854-3
Nuryanto, Joko. 2017. Pengenalan Wajah (Face Recognition) Dengan Menggunakan Metode
SURF, Skripsi. Surakarta : Universitas Muhammadiyah Surakarta.
Karami, E., Prasad, S., & Shehata, M. (n.d.). Image Matching Using SIFT , SURF , BRIEF and
ORB : Performance Comparison for Distorted Images.
Patel, A., R. Kasat, D., Jain, S., & M. Thakare, V. (2014). Performance Analysis of Various Feature
Detector and Descriptor for Real-Time Video based Face Tracking. International Journal of
Computer Applications, 93(1), 37–41. https://doi.org/10.5120/16183-5415
9|Halaman