LAPORAN PRAKTIKUM COMPUTER VISION

SEGMENTASI OBJECT

Disusun Oleh :

1. Hafhis Gustiawan
2. Kania Puti Alaska
3. Muchsalmina
4. Aulia Saputra

TEKNOLOGI REKAYASA KOMPUTER JARINGAN

JURUSAN TEKNOLOGI INFORMASI DAN KOMPUTER
POLITEKNIK NEGERI LHOKSEUMAWE
2019
KATA PENGANTAR
 Puji syukur kami panjatkan kehadirat tuhan yang maha esa, yang atas
rahmat-Nya maka saya dapat menyelesaikan penyusunan makalah yang berjudul “
SEGMENTASI OBJECT”. Penulisan Laporan ini adalah merupakan salah satu
tugas dari mata kuliah Computer Vision sebagai nilai Final Praktikum.

Dalam Penulisan Laporan ini kami merasa masih banyak kekurangan-

kekurangan baik pada teknis penulisan maupun materi, mengingat akan
kemampuan yang dimiliki. Untuk itu kritik dan saran dari semua pihak sangat
saya harapkan demi penyempurnaan pembuatan makalah ini.

Dalam penulisan Laporan ini Kami menyampaikan ucapan terima kasih

yang tak terhingga kepada pihak-pihak yang membantu dalam menyelesaikan
penulisan Laporan ini, khususnya kepada orang tua, keluarga, teman, sahabat, dan
semua pihak yang tidak dapat disebutkan satu persatu, yang telah memberikan
bantuan dalam penulisan makalah ini.

Akhirnya Kami berharap semoga Allah memberikan imbalan yang

setimpal pada mereka yang telah memberikan bantuan, dan dapat menjadikan
semua bantuan ini ibadah, Amiin Yaa Robbal ‘Alamiin.

Lhokseumawe, 27 November 2019

Penulis
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Segmentasi merupakan salah satu proses untuk memisahkan citra menjadi
beberapa region berdasarkan kriteria tertentu. Berdasarkan pengertian tersebut,
dapat dikatakan bahwa tujuan utama dari proses semgentasi adalah menemukan
atau menyederhanakan daerah (region) citra menjadi bagian-bagian region yang
lebih kecil agar mudah dikenali dan dapat dianalisis kegunaan atau arti tiap-
tiapregion tersebut. Banyak sekali manfaat yang dapat diperoleh dari hasil
segmentasi, salah satunya untuk mengekstraksi ciri yang dapat digunakan sebagai
langkah awal pengenalan objek. Dalam pengenalan objek, proses segmentasi ini
merupakan suatu tahapan yang sangat penting dan tidak bisa dilewatkan agar
menghasilkan pengenalan objek yang lebih akurat. Semakin baik segmentasi yang
dihasilkan maka hasil performansi pengenalan objek akan semakin mendekati
benar.
Proses segmentasi dapat dilakukan melalui beberapa cara seperti melihat
intensitas warna yang terkandung citra ataupun berdasarkan objek-objek
penyusuncitra. Dengan segmentasi saja komputer masih belum bisa memberikan
informasi tentang citra, karena hanya sebatas memisahkan region-region dan
belum bisa mengidentifikasi region-region yang diperoleh tersebut merupakan
bagian dari objek yang sama atau region-region itu adalah bagian dari objek yang
berbeda. Hal ini terjadi bila segmentasi yang dilakukan menggunakan citra multi
color object ataupun bila kondisi citra dengan beberapa objek yang saling
beririsan satu sama lain (occluded object). Sebagai contoh, jika dilakukan
segmentasi untuk kondisi citra yang memiliki satu objek dengan banyak
warna,ternyata setelah dilakukan proses segmentasi maka hasil yang diperoleh
nantinyaakan dipisahkan beberapa region berdasarkan homogenitas atau
kesamaan ciri. Untuk itu segmentasi di sini perlu dikombinasikan dengan
PhotometricInvariance untuk menghitung perbedaan nilai intensitas piksel antar
region-region yang bertetangga. Sehingga nantinya dapat mengidentifikasikan
apakah antar region tersebut merupakan bagian dari objek yang sama (multi-color
object) atauberbeda objek (occluded object).
Dengan masalah lain dimana objek dalam citra dibanyangi atau terhalang
oleh bayangan dari objek lain akan mempengaruhi hasil segmentasi. Dimana
daerah bayangan terkadang tersegmentasi menjadi satu region tersendiri. Hal ini
mengakibatkan satu region bisa terbagi menjadi beberapa bagian. Untuk
mencegah hal itu maka digunakan Shadow Detection untuk mendeteksi
banyangan pada objek dalam citra. Warna yang berdekatan dilakukan analisa nilai
hue-nya untuk memastikan apakah warna tersebut adalah warna asli objek ataukah
warna objek yang terkena bayangan.

1.2 Rumusan Masalah

1. Bagaimana mendeteksi object pada file citra yang memiliki
backgraound yang berwarna merah ?
2. Bagaimana cara memisahkan object dengan background ?

1.3 Batasan Masalah

1. Hanya mendeteksi background yang berwarna merah
2. Hanya background nya yang di deteksi object nya di hilangkan

BAB II
LANDASAN TEORI

2.1 Pengertian Segmentasi

 Segmentasi adalah proses mempartisi citra digital menjadi beberapa segmen
(set piksel, juga dikenal sebagai superpixels). Tujuan dari segmentasi adalah untuk
menyederhanakan dan / atau mengubah penyajian gambar ke sesuatu yang lebih
bermakna dan lebih mudah untuk menganalisis. Gambar segmentasi biasanya
digunakan untuk menemukan obyek dan batas-batas (garis, kurva, dll) dalam
gambar Lebih tepatnya, segmentasi citra adalah proses untuk menempatkan label
untuk setiap pixel dalam sebuah gambar sehingga piksel dengan pangsa label yang
sama karakteristik visual tertentu.
Hasil segmentasi citra adalah seperangkat segmen yang secara kolektif
mencakup seluruh gambar, atau satu set kontur diekstrak dari citra (lihat deteksi
tepi). Setiap piksel dalam suatu wilayah mirip dengan memperhatikan beberapa
karakteristik properti atau dihitung, seperti warna, intensitas, atau tekstur. Daerah
yang berdekatan sangat berbeda sehubungan dengan karakteristik yang sama (s).
Ketika diterapkan pada setumpuk gambar, khas dalam pencitraan medis, kontur
yang dihasilkan setelah segmentasi citra dapat digunakan untuk membuat
rekonstruksi 3D dengan bantuan algoritma interpolasi seperti biji Marching.

2.2 Citra Digital

Citra yang ditangkap oleh kamera dan telah dikuantisasi dalam bentuk nilai
diskrit sisebut sebagai citra digital (digital image). Foto hasil cetak dari printer
tidak dapat disebut sebagai citra digital, namun foto yang tersimpan dalam file
gambar (bmp, jpg, png atau format lainnya) pada komputer dapat disebut sebagai
citra digital.
Pengolahan citra adalah disiplin ilmu yang mempelajari hal-hal yang
berkaitan dengan perbaikan kualitas gambar (peningkatan kontras, transformasi
warna, restorasi), transformasi gambar (rotasi, translasi, skala, transformasi
geometrik), melakukan pemilihan ciri citra (feature extraction) yang optimal
untuk bertujuan analisis, melakukan proses penarikan informasi atau deskripsi
objek atau pengenalan objek yang terkandung pada citra, melakukan kompresi
atau reduksi data untuk tujuan penyimpanan, transmisi dan waktu proses data.

2.3 Model Warna RGB

RGB adalah suatu model warna yang terdiri atas 3 buah warna: merah (red),
hijau (green), dan biru (blue), yang ditambahkan dengan berbagai cara untuk
menghasilkan bermacam-macam warna Model warna RGB adalah model warna
berdasarkan konsep penambahan kuat cahaya primer yaitu red, green dan blue.
Dalam suatu ruang yang sama sekali tidak ada cahaya, maka ruangan tersebut
adalah gelap total. Tidak ada signal gelombang cahaya yang diserap oleh mata kita
atau RGB (0, 0, 0). Apabila kita menambahkan cahaya merah pada ruangan
tersebut, maka ruangan akan berubah warna menjadi merah misalnya RGB (255,
0, 0), semua benda dalam ruangan tersebut hanya dapat terlihat berwarna merah.
Demikian apabila cahaya kita ganti dengan hijau atau biru
Seperti yang diketahui tahu bahwa RGB atau Red, Green, Blue merupakan
sistem pewarnaan untuk digital appearance dan banyak sekali digunakan untuk
monitor komputer, video, layar ponsel dll. Sistem warna RGB terdiri dari 100%
Red, 100% Green dan 100% Blue yang menghasilan 100 % putih. Tidak ada
hitam di RGB.

Gambar 2.1 Warna RGB

2.4 Pixel, Resolusi, Intensitas

Suatu gambar yang ada di dalam komputer sesungguhnya adalah kumpulan
dari ribuan titik yang sangat kecil dan tiap-tiap titik tersebut memiliki warna
tertentu. Kotak-kotak kecil itulah yang disebut pixel, ukuran suatu citradinyatakan
dalam titik atau pixel. Setiap pixel mempunyai satu warna dan bergabung dengan
pixel–pixel lainnya sehingga membentuk suatu pola dan menghasilkan gambar.
Jumlah pixel per daerahnya disebut dengan resolusi. Resolusi itulah yang
menentukan kualitas dari gambar. Jika suatu gambar diperbesar, makaresolusi
gambar akan menjadi kecil dan gambar menjadi tidak tajam. Semakin tinggi
resolusi gambar, maka akan semakin tinggi kemampuan perbesarannya.
Pixel yang membentuk suatu gambar memiliki warna-warna tertentu. Jumlah
warna yang dimiliki suatu gambar disebut intensitas.Intensitas gambar
mempunyai beberapa jenis istilah yaitu 256 warna, high color, 16 juta warna (true
color), gradasi abuabu (grayscale), dan hitam-putih (black & white). Semakin
banyak jumlah warna dalam suatu gambar maka akan semakin bagus. Jumlah
warna maksimum dari gambar dapat dilihat dari jenis (ekstensi) filenya. File
gambar berekstensi .jpg memiliki jumlah warna maksimum 16 juta warna, file
gambar berekstensi .gif memiliki jumlah warna maksimum 265 warna.

2.5 Computer Vision

Computer vision (visi komputer) dapat didefinisikan dengan pengertian
pengolahan citra yang dikaitkan dengan akuisisi citra, pemrosesan, klasifikasi,
penganan, dan pencakupan keseluruhan, pengambilan keputusan yang diikuti
pengidentifikasian citra. Inti dari teknologi Computer Vision adalah untuk
menduplikasi kemampuan penglihatan manusia ke dalam benda elektronik
sehingga benda elektronik dapat memahami dan mengerti arti dari gambar yang
dimasukkan
Sebagai suatu disiplin ilmu, visi komputer berkaitan dengan teori di balik
sistem buatan bahwa ekstrak informasi dari gambar. Data gambar dapat
mengambil banyak bentuk, seperti urutan video, pandangan dari beberapa kamera,
atau data multi-dimensi dari scanner medis.

BAB III
PEMBAHASAN

3.1 Tahapan Pembuatan Sistem

 Gambar 3.1 Diagram Alir Mendeteksi warna merah

3.1.1 Sistem mendeteksi selain warna merah

 Gambar 3.2 Diagram Alir sistem pendeteksi selain warna merah

3.2 Pembahasan
1. Buka Microsoft Visual Studio

2. Kemudian Tambahkan 3 Picturebox dengan 3 Button

3. Klik 2 kali pada Button 2 Select Objek, kemudian masukkan programnya

 4. Selanjutnya Klik 2 kali pada Button 3 Select Background, Kemudian
masukkan programnya

3.3 Hasil Project

BAB IV
 PENUTUP

4.1 Simpulan
Berdasarkan percobaan diatas dapat disimpulkan program ini dapat
mendeteksi background warna merah saja, pada program digunakan sebuah
kondisi jika pixel yang di get tersebut berwarna merah lebih dari 200 maka pixel
tersebut akan diubah menjadi warna putih sehingga background warna merah
menjadi warna putih dan objek akan terpisah dari background, Pada program
selanjutnya akan membuat kebalikan dari program sebelumnya yaitu ketika warna
yang di get pada pixel itu tidak berwarna merah maka akan berubah menjadi
putih.

4.2 Saran

DAFTAR PUSTAKA

(Angriani, 2015)Angriani, L. (2015) ‘Segmentasi Citra dengan Metode Threshold

pada Citra Digital Tanaman Penyelenggara : Program Studi Teknik Informatika
Fakultas Ilmu Komputer Universitas Muslim Indonesia Makassar , Indonesia
Editor : Tim Editor SNRIK 2015 Penerbit : Fakultas Ilmu Komputer’, Seminar
Nasional Riset Ilmu Komputer, 1(2).
Prabowo, D. A. and Abdullah, D. (2018) ‘Deteksi dan Perhitungan Objek
Berdasarkan Warna Menggunakan Color Object Tracking’, Pseudocode, 5(2), pp.
85–91. doi: 10.33369/pseudocode.5.2.85-91.