Jurnal I Made Santika Putra PDF
Jurnal I Made Santika Putra PDF
ABSTRAK
Pengambilan citra terkadang tidak sesuai dengan yang dibutuhkan, sehingga
diperlukan proses pengolahan citra untuk mendapatkan bentuk citra yang diinginkan. Dengan
menanamkan kecerdasan pada sebuah kamera, pengambilan suatu citra dengan bentuk
tertentu dapat dilakukan sehingga mengurangi beban waktu dan memfasilitasi pengguna
dalam proses pengambilan gambar. Segmentasi citra merupakan proses pengambilan
informasi dari citra dalam pencarian citra yang serupa seperti warna. Warna dapat dijadikan
input dalam penggambaran daerah yang diinginkan (Region Of Interest) melalui proses
deteksi warna dan tracking warna, sehingga dapat dilakukan pengambilan gambar dalam
bentuk tertentu. Object Tracking adalah proses mengikuti suatu objek yang bergerak dan
berpindah posisi. Computer Vision didefinisikan sebagai salah satu cabang ilmu pengetahuan
yang mempelajari bagaimana komputer dapat mengenali obyek yang diamati. Dalam
mengenali obyek yang diamati dilakukan proses segmentasi citra dengan menggunakan
euclidean color filtering, grayscale dan deteksi blob. Dalam implementasi segementasi citra
untuk deteksi objek warna untuk pengambilan bentuk citra rectangle, digunakan metode
segmentasi dan center of grafity. Hasil dari pengujian sistem ini adalah objek warna dapat
terdeteksi dan dijejaki dengan baik dalam jarak terbaik antara 40cm-80cm dan dengan
intensitas cahaya terbaik antara 22lx-242lx.
Kata Kunci : Pengolahan Citra, Computer Vision, Deteksi Warna, Segmentasi, Objek
Tracking, Capture image, Center of Gravity.
ABSTRACT
In order to retrieve an appropriate image, an image processing needed to obtain the
desired of image form. Instilling artificial intelegent on a camera, capturing an image with a
certain shape can be reducing the load time and facilitates the user in the process of
shooting. Image segmentation is the process of retrieval information from seeking a similar
image like a color. Color can be used as inputs in the depiction of the desired area (Region
Of Interest) through the process of color detection and tracking of color, so it can be shooting
in a particular form. Object Tracking is the process of following a moving object and switch
positions. Computer Vision is defined as a branch of science that studies how computers can
recognized the observed objects. In recognition of the observed object, there is segmentation
process using euclidean color filtering, gray scale and blob detection. In the implementation
of image segmentation to detect color of the object and to capture the image of the rectangle
shape, there is methods of segmentation and center of gravity. Results from the testing of this
system is the color object can be detected and traced by the best distance between 40cm-
80cm best and with the best light intensity between 22lx-242lx.
Keywords : Image Processing, Computer Vision, Color Detection, Segmentation, Objek
Tracking, Capture image, Center of Gravity.
1
Latar Belakang pergerakan objek warna yang
Webcam merupakan sebuah device ditempelkan di jari pengguna.
yang dapat digunakan sebagai sensor 2. Bagaimana sistem dapat
dalam mendeteksi sebuah benda bergerak menentukan poin 1 dan poin 2 dari
melalui proses pengolahan citra. Webcam objek warna yang bergerak.
juga dapat digunakan dalam pengambilan 3. Bagaimana sistem dapat
gambar (capture image). membentuk garis rectangular
Object Tracking adalah proses berdasarkan poin 1 dan poin 2 dari
mengikuti suatu objek yang bergerak dan pergerakan objek warna.
berpindah posisi. Computer Vision 4. Bagaimana sistem dapat
didefinisikan sebagai salah satu cabang mengambil bentuk citra
ilmu pengetahuan yang mempelajari berdasarkan pembentukan garis
bagaimana komputer dapat mengenali rectangular.
objek yang diamati. Dalam proses
pengenalan objek dan deteksi objek Tujuan Penelitian
diperlukan pemisahan segmen tertentu Tujuan dari kegiatan penelitian ini
pada suatu citra yang dikenal dengan adalah mendeteksi adanya warna yang
proses segmentasi. bergerak dalam penentuan letak dengan
Segmentasi citra merupakan bagian menggunakan metode pelacakan yakni
dari proses pengolahan citra. Kegunaan metode segmentasi warna dan center of
segmentasi menurut Forsyth dan Ponce grafity (COG) sehingga dapat menyeleksi
(2003) adalah pengambilan informasi dari suatu citra tertentu berdasarakan daerah
citra seperti pencarian bagian mesin, yang diinginkan (Region Of Interest).
pencarian manusia dan pencarian citra
yang serupa. Secara umum pendekatan Batasan Masalah
segmentasi citra yang sering digunakan Batasan masalah adalah sebagai
adalah melalui pendekatan intensitas, berikut :
pendekatan warna dan pendekatan bentuk 1. Aplikasi yang dibuat adalah aplikasi
(Rujikietgumjorn, 2008). Salah satu berbasis desktop.
produk teknologi dalam proses pengolahan 2. Menggunakan webcam untuk
citra adalah Aforge.Net Framework. menangkap pergerakan objek warna.
Pada penelitian ini sistem yang 3. Warna yang digunakan pada objek yang
dibangun adalah suatu aplikasi yang dapat di tracking adalah warna yang berbeda
mengambil sebuah bentuk citra rectangle dengan latar warna background dan
dari hasil Region Of Interest (ROI) objek yang diseleksi serta di capture.
berdasarkan objek warna yang dideteksi 4. Garis yang terbentuk dari proses
dan dilacak. Pada Penelitian ini digunakan tracking warna berdasarkan koordinat
beberapa metode pelacakan (tracking) awal dan koordinat akhir adalah garis
yakni dengan mengkombinasikan metode dengan bentuk persegi (rectangular).
segmentasi dan center of grafity (COG) 5. Resolusi dari keluaran bentuk citra
yang diharapkan dapat melacak yang dihasilkan bergantung pada
pergerakan dari objek warna yang kamera webcam yang digunakan.
dideteksi. 6. Metode yang digunakan metode
pelacakan yakni mengkombinasikan
Rumusan Masalah metode segmentasi warna dan center of
Rumusan permasalahan yang ada grafity (COG).
pada penelitian ini adalah : 7. Proses segmentasi warna menggunakan
1. Bagaimana sistem dapat framework aforge.Net
mendeteksi dan melacak
2
Framework Aforge.Net [6] terlemah dan warna putih(255) pada
AForge.NET merupakan intensitas terkuat. Proses konversi dari
framework C# terbuka yang dirancang citra berwarna menjadi Grayscale
untuk pengembang dan peneliti di bidang menggunakan koefisian dari
Computer Vision dan Artificial ITURecommendation BT.709.
Intelligence (Kecerdasan Buatan) -
Pengolahan Gambar, Jaringan Saraf Grayscale = 0.2125*red + 0.7154*green + 0.0721*blue.
Tiruan, Algoritma Genetika, Logika
Persamaan Konversi Grayscale ……(1)
Fuzzy, Pembelajaran Mesin, Robotika, dll.
Kerangka ini terdiri oleh set
Blob [4]
perpustakaan dan contoh aplikasi, yang
Blob merupakan sekumpulan
menunjukkan karakteristiknya:
piksel-piksel yang memiliki hubungan
AForge.Imaging - library dengan tetangga. Proses perhitungan blob dapat
rutinitas pengolahan citra dan filter; dilakukan dengan melakukan analisis
AForge.Vision - library computer piksel yang bertetangga. Piksel
vision; bertetangga pada sebuah piksel ditentukan
AForge.Video - set library untuk sebagai piksel yang berjarak 1 dari piksel
pemrosesan video; asal. Proses perhitungan blob akan
AForge.Neuro - library perhitungan memanfaatkan relasi piksel 8-neighbors.
jaringan sarat tiruan; Gambar 1 merupakan gambaran sederhana
AForge.Genetic - library pemrograman dari relasi 8-neighbors.
evolusi;
AForge.Fuzzy - library perhitungan
fuzzy;
AForge.Robotics - library yang
memberikan dukungan pada beberapa
robotika kit;
Gambar 1. Relasi 8-neighbors
AForge.MachineLearning - library
pembelajaran mesin; dan lain-lain.
3
merupakan perumusan matematis dari A
2
input warna
Apakah objek 14
objek warna untuk pengambilan bentuk Warna Terdeteksi
diam selama 100x
capture?
citra berupa kebutuhan akan hardware dan Hitung blob bertetangga
7
ya
software. dengan blob ccounter
15
16
Dalam perancangan aplikasi deteksi Apakah Objek
Warna
8
Bentuk garis Rectangle
tidak tidak
objek warna untuk pengambilan bentuk Terdeteksi? 17
4
Start/Stop
dr = centerR - ptr[RGB.R]
dg= centerG - ptr[RGB.G]
db= centerB - ptr[RGB.B]
2 2 2
ab = (dr) + (dg) + (db)
Matriks 2D ke baris
ab <= radius2 ke x kolom ke y = 0
(hitam)
Matriks 2D ke baris ke
x kolom ke y = RGB
x = 1 +1
5
c. Koordinat (495,87)
Grayscale = (0.2125 x R) + (0.7154 x G) + (0.0721 x B)
= (0.2125 x 174)+(0.7154 x 68)+(0.0721 x 45)
= 36,975 + 48,6472 + 3,2445
= 88,8867 = 89
6
8. Penentuan Titik Pusat (Center of 9. Pennguncian Poin 1 dan Poin 2
Gravity) Dalam proses pengambilan bentuk
Setelah objek warna terdeteksi citra rectangle dibutuhkan penentuan poin
melalui proses segmentasi warna, 1 dan poin 2 oleh user. Setelah objek
grayscale dan blob, maka proses terdeteksi dan telah ditentukan titik pusat,
selanjutnya adalah penentuan titik pusat proses selanjutnya adalah penguncian poin
(center of gravity) dari objek yang telah 1 dan poin 2. Poin 1 dan poin 2 dapat
dideteksi. Penentuan titik pusat ini terkunci jika objek yang terdeteksi diam
nantinya dapat digunakan dalam selama 100x capture dalam toleransi 1px
pembentukan garis rectangle dalam proses atas, 1px bawah, 1px kanan dan 1px kiri.
pengambilan bentuk citra. Proses Gambar 14 adalah flowchart proses
penentuan titik pusat ini menggunakan penguncian poin 1 dan poin 2. Gambar 15
persamaan 3 seperti terlihat pada gambar adalah realisasi dari flowchart penguncian
12. Realisasi dari perhitungan persamaan poin 1 dan poin 2.
3 terlihat pada gambar 13.
Start
Start
Deteksi Objek
Stop
ya
Start
7
10. Pembentukan rectangle
Setelah penguncian poin 1 dan poin
2, maka sistem secara otomatis akan
membentuk garis rectangle. Proses
pembentukan rectangle seperti terlihat
pada Gambar 16. Realisasi proses
pembentukan rectangle seperti terlihat
pada Gambar 17.
8
Pada gambar 19 merupakan 2. Deteksi objek warna
grafik pengujian deteksi objek warna 3. Penguncian poin
terhadap cahaya dari 3 objek warna yang 4. Pembentukan Rectangle
diuji yaitu merah, biru dan orange 5. Pengambilan Gambar
Media pilihan
1 warna
muncul/berhasil
Deteksi objek
2
warna berhasil
Pengambilan
gambar bentuk
5
rectangle
berhasil
Kesimpulan
Berdasarkan penelitian yang telah
dilakukan, didapat kesimpulan bahwa :
Gambar 20. Grafik deteksi warna 1. Segmentasi Citra dan pengambilan
terhadap jarak titik pusat untuk deteksi objek
bergerak dapat diimplementasikan
Pengujian Blackbox Fitur Sistem pada aplikasi deteksi objek warna
untuk pengambilan citra bentuk
Pengujian fitur sistem ini dilakukan
rectangle.
dengan menggunakan metode blackbox
2. Dari hasil pengujian yang telah
agar dapat diketahui fitur sistem dapat
dilakukan, dapat ditarik
berfungsi dengan baik seperti terlihat pada
kesimpulan bahwa dari proses
tabel 2. Pengujian fitur sistem yang
segmentasi citra untuk deteksi
dilakukan adalah:
objek warna diketahui jarak terbaik
1. Pemilihan warna
9
adalah antara 40cm – 80cm. [7] http://lib.ui.ac.id/file?file=digital/1342
Sedangkan untuk deteksi warna 42-T%2027914-
terhadap intensitas cahaya, nilai Penerapan%20algoritma-Literatur.pdf.
lumiance terbaik adalah antara 22lx Diakses pada 18 Agustus 2014
– 242lx. [8] http://repository.usu.ac.id/bitstream/12
3. Dari hasil pengujian pada aplikasi 3456789/29363/4/Chapter%20II.pdf.
deteksi objek warna untuk Diakses pada 18 September 2014
pengambilan bentuk citra [9] http://www.mathalino.com/reviewer/e
rectangle, didapatkan bahwa warna ngineering-mechanics/centroids-and-
pada objek warna yang dideteksi centers-gravity. Diakses online pada
tidak boleh sama atau terdapat pada 22 September 2014.
latar background atau objek yang [10] http://id.wikipedia.org/wiki/Micros
akan di capture. oft_Visual_Studio. Diakses pada 20
4. Dari percobaan 3 warna yang Oktober 2014.
dideteksi, warna merah adalah [11] http://thesis.binus.ac.id/doc/Bab2/2
warna yang dapat terdeteksi 011-1-00289-if%202.pdf. Diakses
dengan baik. pada 20 November 2014
[12] http://msdn.microsoft.com/en-
Daftar Pustaka us/library/system.drawing.rectangle.fr
[1] Rahmadi Kurnia. 2009. “Penjejak omltrb(v=vs.110).aspx. Diakses online
Target Benda Pada Gerakan Liner pada 22 November 2014
Berdasarkan Warna”. Padang :
Universitas Andalas Padang.
[2] Wawan Kurniawan. 2011.
“Pengenalan Bahasa Isyarat Dengan
Menggunakan Metode Segmentasi
Warna Kulit dan Center Of Grafity”.
Jambi : Universitas Jambi.
[3] Shanti Anggriani Tambunan. 2010.
“Pengembangan Kerangka Prototype
Detektor Api Pada Citra Digital
Dengan Menerapkan Metode
Segmentasi SRM (Statistical Region
Merging)”. Bandung : Institut
Teknologi Nasional Bandung.
[4] Benedictus Yoga Budi Putranto. 2010.
“Segementasi Warna Citra Dengan
Deteksi HSV Untuk Mendeteksi
Objek”. Yogyakara : Universitas
Kristen Duta Wacana.
[5] Mohamad Ihsan Nurdin. 2013.
“Perbandingan Aplikasi Pengenalan
Gender Berdasarkan Citra Wajah
Dengan Implementasi Library Shore
Terhadap Aplikasi EyeFace
Recognation”. Bandung : Institut
Teknologi Nasional Bandung
[6] Framwork aforge.Net.
http://www.aforgenet.com. Diakses
online pada tanggal 1 juli 2014.
10