Modul Instrumentasi Optik

Modul Instrumentasi Optik

TF3020 – Laboratorium Instrumentasi & Kontrol
Nama / NIM : Fuad Irda Pangestu / 13319018
David Hamonangan / 13319060
Fikri Abdul Aziz / 13319100

1. Pendahuluan
Instrumentasi optik memanfaatkan fenomena dan interaksi optik untuk berbagai macam keperluan
pengukuran. Kamera merupakan salah satu instrumen optik yang bisa dimanfaatkan secara luas, mulai
dari keperluan di dunia hiburan hingga keperluan saintifik. Saat ini kamera telah banyak di gunakan pada
bidang sistem autonomus dan robotika dengan kamera berperan sebagai indra penglihatan. Pada
praktikum ini, akan diamati bagaimana kamera dapat dimanfaatkan dalam memberikan informasi
pemetaan kondisi ruang 3D menjadi informasi 2D melalui kalibrasi kamera dan melihat pemanfaatan
kamera dalam sistem sederhana untuk pengukuran jarak.

Tujuan praktikum ini sebagai berikut:

1. Menentukan faktor intrinsik dan ekstrinsik pola papan catur 20 mm squares dengan
kalibrasi kamera.
2. Menentukan faktor intrinsik pola papan catur 45 mm squares dengan kalibrasi kamera.
3. Menentukan faktor koreksi distorsi dari hasil kalibrasi kedua pola papan catur.
4. Membandingkan hasil pengukuran jarak dengan IMDISTLINE dengan Pengolahan citra.

2. Studi Pustaka
2.1 Kamera Digital dan Kalibrasi
Kamera merupakan salah satu alat optic untuk mendapatkan foto atau citra. Citra dapat diartikan sebagai
representasi objek 3D dalam media 2D. Optika geometri memungkinkan terjadinya model formasi citra
dari berkas cahaya. Cahaya yang berinterksi dengan suatu objek akan membawa informasi mengenai
objek tersebut dan jika cahaya tersebut dapat ditangkap dengan baik maka objek tersebut dapat
direprestasikan dengan baik sebagai citra.

2.1.1 Model Kamera Lubang Jarum

Model kamera jarum merupakan model kamera ideal yang memberikan model matematis proyeksi titik
objek pada koordinat 3D menjadi koordinat citra 2D. Model kamera jarum ini digunakan untuk
menjelaskan kemampuan kamera dalam mendapatkan informasi ruang 3D . Berkas cahaya yang
 Modul Instrumentasi Optik

jumlahnya sangat banyak membawa informasi mengenai objek tersebut. Bukaan celah lubang jarum
memyebabkan berkas cahaya seperti tersaring sehingga memungkinkan pemetaan titik per titik kedalam
citra 2D pada film dan sensor. Jarak antara bidang 2D dengan lubang disebut dengan focal length.

2.1.2 Kamera dan Lensa

Kamera modern menggunakan susunan lensa untuk memfokuskan atau menyebakan cahaya membuat
parameter focal length menjadi jarak antara pusat lensa dengan titik fokus. Karena pemakaian lensa pada
kamera modern memungkinkan fleksibilitas dalam kamera terhadap jarak perekaman dan ukuran objek.
Tetapi, hal ini menyebabkan distorsi pada citra yang tertangkap. Pada kamera model jarum tidak
menggunakan lensa menyebabkan model ini tidak mempertimbangkan distorsi akibat lensa. Distorsi
sendiri terbagi menjadi 2 yaitu distorsi radial dan distorsi tangensial.

2.1.3 Parameter Intrinsik dan Ekstrinsik Kamera

Model kamera lubang jarum, parameter kamera dibagi menjadi dua jenis parameter instrinsik dan
ekstrinsik. Parameter intrinsik terdiri menjadi focal length, optical center, dan skewness
(ketidaksimeterisan). Pada parameter ekstrinsik merupakan representasi ruang 3D yang terdiri dari
parameter rotasi dan translasi.

2.1.4 Kalibrasi Kamera

Kalibrasi dilakukan untuk mendapatkan estimasi parameter intrinsik dan parameter ekstrinsik. Jika citra
yang terekam dianggap sebagai matrik maka matriks tersebut dapat diselesaikan jika diketahui dimensi
objek dalam dunia nyata. Cara yang paling umum dalam kalibrasi kamera adalah dengan menggunakan
pola papan catur.

2.2 Pengukuran Jarak dengan Dua Bintik Laser

2.2.1 Konfigurasi Triangulasi
Kofigurasi trianggulasi sering perangkat optik sering digunakan untuk pengukuran non-kontak dan remote
sensing. Konsep trianggulasi memanfaatkan hubungan kesebangunan segitiga antara sumber cahaya-
objek-detektor. Sumber cahaya yang menyinari satu titik objek, citra dari cahaya tersebut akan terbentuk
pada bidang sensor. Dengan mengukur posisi titik cahaya pada titik citra, jarak objek terhadap sistem
dapat ditentukan dengan syarat jarak dan sudut konfigurasi diketahui.

2.2.2 Pengolahan Citra

Pengolahan citra merupakan salah satu bagian dari pengolahan sinyal multidemensi. Dalam keperluan
pengukuran jarak pengolahan citra banyak dilakukan. Pengolahan citra perlu dilakukan agar dapat
melakukan analisa dengan baik.
 Modul Instrumentasi Optik

2.2.3 Ruang Warna

Dalam suatu citra yang berwarna terdiri dari kombinasi kanal warna. Kombinasi kanal warna ini disebut
dengan ruang warna. Ruang warna yang paling umum untuk digunakan adalah RGB yang
merepresentasikan warna dengan kombinasi merah ,hijau, dan biru. Model RGB ini berasal dari model
spektrum gelombang elektromagnetik cahaya tampak. Namun, ruang warna RGB ini bersifat non linear
sehingga kurang cocok dalam menganalisa persepsi warna. Maka dari itu untuk penggunaan analisa
digunakan ruang warna HSV, hue merepresentasikan panjang gelombang dominan suatu warna,
saturation menunjukkan kemurnian warna, dan value merepresentasikan tingkat luminans. Ruang warna
HSV memungkinkan pemisahan antara informasi warna dan pencahayaan dari suatu citra.

2.2.4 Filtering
Filtering pada pengolahan citra digital adalah cara untuk menigkatkan kualitas citra. Tujuan dari filtering
agar informasi visual yang terkandung pada citra dapat diperoleh dengan kerjernihan yang lebih baik
melalui penghilangan noise, penajaman, dan blurring. Filter dikategorikan menjadi dua, yaitu spatial
filtering dan frequecy filtering.

2.2.5 Tresholding
Thresholding merupakan jenis segmentasi citra yang paling sederhana, yaitu proses pembagian citra
menjadi beberapa area sesuai karakter dari piksel yang umumnya digunakan dalam deteksi objek sehingga
mempermudah analisa citra. Salah satu metode thresholding yang dapat menentukan batas secara global
dan otomatis adalah metode Otsu yang membagi citra menjadi dua kelompok: background & foreground.

3. Alat dan Bahan

No Item Banyak Keterangan
1 Kamera Digital 1

2 Pola Kalibrasi Papan Catur 1

3 Perangkat Lunak MATLAB 1

4 Dua Buah Laser LED 1

5 Busur derajat 1

6 Meteran 1

Tabel 1 Alat dan Bahan

 Modul Instrumentasi Optik

4. Hasil dan Analisis

4.1 Kalibrasi Kamera
4.1.1 Kalibrasi Kamera
Kalibrasi kamera dilakukan dengan menggunakan Camera Calibrator pada aplikasi Matlab.
Digunakan pola papan catur 20 mm squares dengan jumlah gambar sebanyak lima , sepuluh, dan
lima belas. Kamera yang digunakan memiliki spesifikasi sebagai berikut.
Tabel 2 Spesifikasi Kamera

Device Resolusi Bukaan

Iphone 8 12 MP Wide ƒ/1.8

Dilakukan kalibrasi pada pola papan catur 20 mm squares pada masing-masing jumlah gambar,
didapatkan parameter pada masing-masing jumlah gambar sebagai berikut.

Gambar 1 Parameter lima buah citra pola 1

Gambar 2 Parameter 10 buah citra pola 1

 Modul Instrumentasi Optik

Gambar 3 Parameter lima belas citra pola 1

Setelah mendapatkan parameter dari masing-masing jumlah gambar, digunakan hasil kalibrasi
lima gambar karena hasil kalibrasi dengan lima gambar memiliki error terkecil. Berikut parameter
intrinsik dari kamera hasil kalibrasi lima buah gambar.

Gambar 4 Parameter Intrinsik lima buah citra pola 1

Dari gambar diatas didapat bahwa focal length sumbu-x dan sumbu-y memiliki perbedaan nilai
yaitu sumbu-x bernilai 978.02 piksel sedangkan sumbu-y bernilai 979.58 piksel. Focal length ini
adalah ukuran jarak antara lensa dengan sensor pada kamera. Focal length pada kamera
mempengaruhi sudut pandang dalam hasil foto, semakin besar focal length akan memberikan
sudut pandang yang sempit, sehingga objek pada jarak jauh tampat terlihat besar dalam foto.
Sebaliknya semakin kecil focal length maka akan memberikan sudut pandang yang lebih luas yang
membuat ojek memperoleh porsi lebih kecil dalam foto. Kemudian ada parameter principal point
yaitu titik perpotongan antara principal axis dari kamera dengan planen dari sensor atau film.
Pada percobaan ini didapat principal point senilai [1037.44,760.048]. selain itu ada skew yang
merupakan kecenderungan kemiringan pada suatu arah, pada hasil kalibrasi kamera didapat nilai
skew senilai -0.313 yang mana nilai tersebut masih terbilang kecil dan tidak terlalu
mempengaruhi pada hasil foto atau gambar. Radial distortion merupakan pergeseran linier titik
 Modul Instrumentasi Optik

foto dalam arah radial terhadap titik utama posisib ideal. Distorsi positif akan menghasilkan efek
seperti lensa cembung sedangkan distorsi negatif akan menghasilkan efek seperti lensa cekung.
Dari hasil percobaan didapat nilai radial distortion positif dengan nilai 0.0945, nilai tersebut
cenderung kecil. Tangential distortion merupakan pergerseran linier titik foto pada arah normal
(tegak lurus) garis ideal melalui titik foto tersebut. Tangential distortion terjadi karena kesalahan
dalam mengatur titik pusat lensa pada gabungan lensa. Nilai tangential distortion umumnya
sangat kecil sehingga tidak terlalu mempengaruhi hasil citra dan cenderung diabaikan, dapat
dilihat pada gambar diatas bahwa nilai tangential distortion sangat kecil yaitu dibawah 0.1
sehingga tidak akan terlalu mempengaruhi hasil citra.

Selain parameter intrinsik, terdapat juga parameter ekstrinsik yang didapat dari hasil kalibrasi
kamera pada masing-masing jumlah citra. Berikut parameter ekstrinsik dari masing-masing
jumlah citra.

Gambar 5 Parameter Ekstrinsik lima buah citra pola 1

 Modul Instrumentasi Optik

Gambar 6 Parameter Ekstrinsik sepuluh citra pola 1

Gambar 7 Parameter Ekstrinsik lima belas citra pola 1

Rotation vector merupakan besaran arah dengan nilai sebanding dengan kecepatan rotasi
dengan arah tegak lurus terhadap bidang rotasi. Dalam konteks kalibrasi gambar, rotation vector
adalah perbedaan posisi citra dengan bidang x0 dan y0 yang menunjukkan arah dan besar rotasi
dari citra.

Translation vector adalah vektor perpindahan transformasih objek pada bidang koordinat dari
posisi satu ke posisi lainnya dengan kata lain yaitu besar dan arah seberapa jauh posisi citra
bergeser dari posisi awal x0 dan y0. Banyaknya data pada parameter ekstrinsik dipengatuhi oleh
jumlah citra yang dihitung.

Pada percobaan ini, kelompok kami tidak mengalami penolakan citra pada Matlab. Namun,
penolakan citra pada Matlab bisa disebabkan oleh perbedaan ukuran pada gambar, pencahayaan
 Modul Instrumentasi Optik

yang minim, foto papan catur banyak kesalahan seperti tidak rata, dan masih banyak lagi. Untuk
menghindari penolakan tersebut, siapkanlah pola citra yang bagus dan potret dengan kualitas
kamera yang baik dengan kondisi cahaya yang bagus juga.

4.1.2 Nilai Reprojection Error, Penyebab Error, dan Upaya Menurunkan Reprojection Error.
Dari hasil kalibrasi kamera didapat reprojection error pada masing-masing kalibrasi tiap jumlah
foto. Nilai reprojection error dari 5 citra sebesar 0.19 piksel, 10 citra sebesar 0.22 piksel, dan lima
belas citra sebesar 0.22 piksel. Histogram dari masing-masing reprojection error dapat dilihat
pada gambar dibawah.

Gambar 8 Reprojection error lima citra pola 1

Gambar 9 Reprojection error sepuluh cita pola 1

 Modul Instrumentasi Optik

Gambar 10 Reprojection error lima belas citra pola 1

Reprojection error ini adalah kesalahan pengukuran secara geometris perbedaan jarak antara titik
yang diukur dengan yang diproyeksikan pada suatu citra sebenarnya dengan kata lain
reprojection error merupakan kesalahan proyeksi gambar yang menghasilkan koordiat gambar
tidak sesuai dengan aslinya. Penyebab terjadinya reprojection error biasanya terjadi karena ketika
memotret pola papan catur posisi gambar tidak lurus atau tidak saling tegak lurus terhadap
kamera, selain itu juga bisa disebabkan dari kondisi cahaya ketika pengambilan gambar. Untuk
meminimiasi reprojection error bisa dengan melakukan pengambilan foto sejajar terhadap
kamera, memastikan pencahayaan dengan baik, dalam mengambil foto tidak terlalu dekat
dengan pola papan catur, dan pastikan pola papan catur rata. Selain itu, bisa dengan
menggunakan fungsi pada Matlab berupa bundleAdjustment dengan prinsip menyempurnakan
titik 3-D dan kamera pose untuk meminimalisasi reprojection error.

4.1.3 Evaluasi Parameter Distorsi

Evaluasi dilakukan pada lima buah citra. Citra akan dibandingkan antara yang asli dengan hasil
dikoreksi oleh parameter dari kalibrasi sebelumnya. Parameter yang digunakan yaitu
parameterhasil kalibrasi lima buah citra karena memiliki reprojection error terkecil dibanding
dengan lainnya. Berikut hasil citra yang asli dibandingkan dengan hasil koreksi dengan parameter.
 Modul Instrumentasi Optik

Gambar 11 Perbandingan gambar asli (sebelah kiri) dan hasil koreksi (sebelah kanan)

Dari hasil parameter lima buah citra didapat nilai radial distortion sebesar [0.0945,-
0.2243,0.1791], tangential distortion sebesar [-0.0017,0.005], dan skew sebesar -0.313. Dari
gambar diatas, untuk mengevaluasi pengaruh distorsi pada kamera digunaka fungsi
undistortImage, dapat dilihat bahwa gambar hasil koreksi cenderung memiliki radial positif
(barrel) dibandingkan dengan citra aslinya, hal tersebut terbukti bahwa dari nilai radial distortion
yang cukup besar sehingga mempengaruhi distorsi pada gambar hasil koreksi. Tangential
distortion dan skew cenderung tidak terlihat pada citra hasil koreksi karena kedua parameter
tersebut cukup kecil nilainya sehingga tidak terlalu mempengaruhi kamera.
Dapat dilihat juga bahwa pada dasarnya parameter hasil kalibrasi ini seharusnya berfungsi untuk
menghilangkan distorsi pada citra, namun nyatanya hasil koreksi citra dengan parameter
membuat citra lebih terdistorsi dibandingkan dengan hasil tangkapan kamera. Hal ini terjadi
karena prossesor pada kamera sekarang sudah sangat canggih yang membuat hasil fotonya
minim akan distorsi dibandingkan dengan pengolahan dengan fungsi unditortImage.
 Modul Instrumentasi Optik

4.1.4 Evaluasi Pengaruh Pola Papan Catur.

Gambar 12 Parameter Pola Papan Catur 1 lima belas citra

Gambar 13 Parameter Pola Papan Catur 2 lima belas citra

Digunakan perbandingan dua buah pola papan catur berbeda, jumlah citra yang digunakan
sebanyak lima belas citra. Citra diambil dengan perangkat dan kondisi ruangan yang sama agar
 Modul Instrumentasi Optik

hasil yang didapatkan cukup akurat. Dapat dilihat bahwa pola papan catur besar akan
memberikan nilai skew, radial dan tangential distortion yang lebih besar dibandingkan dengan
pola papan catur kecil. Namun, reprojection error yang dihasilkan oleh pola papan catur besar
jauh lebih kecil dibandingkan dengan pola papan catur kecil. Hal ini disebabkan karena
pengukuran skew dan distortion pada pola yang lebih besar akan lebih mudah mengalami
distorsi atau ketidaksejajaran dibandingkan dengan pola papan catur kecil. Sebaliknya, error
reprojection menjadi kecil karena akan terlihat lebih jelas dan rata-rata perbedaan jarak yang
sedikit akibat dari pola persegi yang jumlahnya lebih sedikit.

4.2 Pengukuran Jarak dengan Bintik Laser

Gambar 14 Flowchart Pengukuran Jarak dengan imdistline

 Modul Instrumentasi Optik

Gambar 15 Pengukuran Jarak dengan Pengolahan Citra

4.2.1 Evaluasi Pengukuran dengan IMDISTLINE

Pada pengukuran dengan imdistline menggunakan metode yang simple. Pada dasarnya metode
ini hanya menampilkan frame lalu memanggil garis dengan perintah imdistline. Garis ini dapat
dipindahkan, dipanjangkan, dan dipendekkan sesuai dengan kemauan pengguna. Perintah ini
juga akan menampilkan jarak dari ujung ke ujung garis yang dihitung dalam satuan piksel.
Keakurasian metode ini bergantung seberapa jeli penggunanya dalam mengatur garis antara
objek yang akan dihitung jaraknya.

Gambar 16 Pengukuran dengan imdistline

 Modul Instrumentasi Optik

Kode yang digunakan:

I = imshow('data1.JPG');
imdistline

4.2.2 Evaluasi Pengukuran dengan Pengolahan Citra

Pada pengukuran dengan pengolahan citra terdapat serangkaian tahap dan pengolahan yang
dilakukan pada data hingga data dapat diukur jarak antar objeknya. Pengolahan yang dilakukan
antara lain memfokuskan daerah yang terkena laser dengan menggunakan perintah imcrop(),
tetapi sebelum melakukan crop image perlu mencari koordinat daerah crop pada setiap frame.
Filter merupakan salah satu pengolahan yang digunakan pada percobaan ini. filter yang
digunakan adalah filter gaussian dan mean filter dengan variasi pada standar deviasi dan kernel.
Hal lain yang dilakukan adalah konversi ruang warna dari RGB menjadi HSV. Setelah dilakukan
konversi ruang warna thresholding terhadap citra saturasi dilakukan. Kedua Langkah sebelumnya
dilakukan untuk medapatkan gambar terdefinisi oleh gelap dan terang. Hal ini akan
meningkatkan akurasi perintah imfindcirlces yang akan mencari lingkaran pada gambar laser
yang telah dilakukan filtering dan threshold. Pada gambar akan dimunculkan lingkaran yang telah
ditemukan oleh imfindcirlces dan ditentukan jarak antar titik pusat lingkaran dengan
perintah pdist. Data yang didapat selama pengukuran dapat dilihat pada Tabel 3.

Gaussian Filter Mean Filter

imdistline
5 10 25 3 15 55
data1 145.770 140.639 143.344 163.643 143.503 145.003 146.541
data 2 318.740 319.559 320.248 317.555 319.162 318.957 309.320
data3 560.060 559.507 556.438 541.584 559.709 560.912 565.258
data4 922.420 922.730 920.954 890.318 922.080 922.561 921.762
data5 1454.170 1451.200 1448.400 1451.800 1447.500 1451.600 1445.600
Tabel 3 Hasil Pengukuran Jarak dengan Pengolahan Citra

Dalam melakukan pengukuran menggunakan filter gaussian pada dasarnya filter gaussian akan
mekaburkan dan menghaluskan gambar. Gambar titik laser yang telah difilter akan terlihat lebih
bulat dan pada titik pusat laser akan menghasilkan sebuah titik terang. Titik terang itu ketika
diubah ruang warnanya akan menghasilkan titik gelap. Titik gelap ini akan menyerupai lingkaran
dan menjadi lingkaran yang membantu pengukuran jarak.
 Modul Instrumentasi Optik

Gambar 17 Pengaruh Gambar dengan Filter Gaussian dan tanpa Filter Gaussian

Hasil akhir pengukuran akan terlihat seperti Gambar 18. setelah ditemukan linkarang yang cocok
lalu dihitung jarak antara kedua pusat dengan menggunakan perintah pdist.

Gambar 18 Tampilan Akhir Setelah Pengolahan Citra

Dalam penggunaan filter mean menggunakan cara yang mirip hanya berbeda cara
menghilangkan noise. Pengukuran jarak dengan kedua filter ini mempunyai permasalahan ketika
nilai standar deviasi dan kernel yang digunakan besar titik gelap yang menjadi acuan parameter
titik pusat laser hilang atau mengecil seperti Error! Reference source not found..

Gambar 19 Perbandingan Filter Gaussian dengan std 10 dan 25

Penyelesaian dalam permasalah ini adalah mengubah parameter dalam perintah

imfindcircles. Paramater awal yang digunakan seperti adalah dibawah ini:

[centers,radii] = imfindcircles(bintik,[20 50],'ObjectPolarity','dark',

'Sensitivity',0.9)

Paramater yang diubah adalah radius yang awalnya [20 50] menjadi [40 100] dan polaritas objek
menjadi ‘bright’. Hal ini menyebabkan pencarian lingkaran akan spesifik mencari lingkaran
dengan radius 40-100 pixel dan acuan yang awalnya adalah gelap menjadi terang. Sehingga
parameter akhir akan menjadi seperti dibawah ini dan seperti Gambar 20.
 Modul Instrumentasi Optik

[centers,radii] = imfindcircles(bintik,[40 100],'ObjectPolarity','bright',

'Sensitivity',0.9)

Gambar 20 Tampilan setelah Mengubah Parameter

Penggunaan standar deviasi yang tinggi menyebabkan keakuratan pengukuran turun. Hal dapat
dilihat juga pada Tabel 3 hasil pengukuran dengan standar deviasi 25 berubah dengan cukup
signifikan dibandingkan dengan penggunaan standar deviasi yang lebih kecil. Permasalahan lain
yang muncul dengan penggunaan standar deviasi yang besar adalah ketika objek memiliki jarak
yang dekat . Objek akan terlihat menyatu sehingga pengukuran akan kurang akurat.

Gambar 21 Tampilan objek yang dekat dengan std yang besar

4.2.3 Konversi Ruang Warna RGB ke HSV

Model HSV menjelaskan warna mirip dengan bagaimana mata manusia melihat warna . RGB
mendfinisikan warna dengan kombinasi warna primer. Penggunaan HSV sering digunakan dalam
situasi deksripsi warna memiliki peran integral. Penggunaan lainnya adalah ketika memmerlukan
pemisahan pencahayaan dari informasi warna. Pada percobaan ini HSV digunakan karena ingin
memisahkan informasi warna dengan pencahayaan dari papan yang terkena laser dan tidak
terkena laser. Hal ini akan membuat pencarian titik pusat dari laser akan lebih akurat.
Perbandingannya dapat dilihat pada Error! Reference source not found. dan Error! Reference
source not found..
 Modul Instrumentasi Optik

Gambar 22 Tampilan Ruang Warna RGB

Gambar 23 Tampilan Ruang Warna HSV

Kita dapat melihat bahwa ketika tidak diubah dalam ruang warna HSV, dapat terjadi kesalahan
dalam menentukan lingkaran yang akan menjadi acuan titik pusat dari laser. Konversi warna
dilakukan setelah gambar telah difilter karena ketika sebelum difilter gambar langsung diubah ke
dalam ruang warna HSV perintah imfindcircles tidak dapat menemukan lingkaran karena
masih terdapat noise.

Gambar 24 Tampilan hasil konversi HSV sebelum difilter

4.2.4 Pengaruh Filter, Parameter, dan Konversi Satuan Piksel Menjadi Satuan Jarak
 Modul Instrumentasi Optik

Jika dilihat dari hasil data yang didapatkan (Tabel 3), data dari gaussian filter ketika standar deviasi
yang digunakan besar pengukuran cenderung kurang akurat karena efek pengkaburan yang
berlebih menyebabkan objek lebih sulit untuk ditemukan titik pusatnya. Pada mengukuran mean
filter data yang dihasilkan cukup konsisten dengan perubahan pada setiap beda kernel tidak
berigu signifikan walaupun masih ada satu data yang perbedaannya cukup besar. Parameter
seperti radius jari-jari jika tidak diatur dengan tepat maka dapat menyebabkan lingkaran tidak
tepat di titik pusat objek menyebabkan pengukuran yang kurang tepat. Pengubahan ruang warna
dari RGB ke HSV akan mempengaruhi hasil akhir seperti pada penjelasan bagian sebelumnya.
Hasil dalam ruang warna RGB menyebabkan banyak lingkaran yang terdeteksi bukan pada titik
pusat objek. Hal ini menyebabkan perhitungan menjadi kurang tepat.

Dalam suatu gambar terdapat komponen densitas piksel. Densitas piksel adalah banyaknya piksel
dalam satu inch dari suatu gambar yang dinyatakan dengan satuan ppi. Satuan piksel dapat
konversi menjadi satuan panjang jika diketahui densitas pixel pada suatu gambar. Misalkan suatu
gambar mempunyai densitas sebesar 96 dpi yang berarti mempunyai 96 pixel dalam 1 inci. Maka
1 pixel akan bernilai 0.026458333 cm.
 Modul Instrumentasi Optik

Source Code:
% masukkan frame

img = imread('data4.JPG');

% Define area crop masing" frame

area1 = [1530.5 1176.5 1364 428];
area2 = [1375.5 1286.5 1543 325];
area3 = [1251.5 1164.5 1827 538];
area4 = [1062.5 1204.5 2216 600];
area5 = [738.5 1176.5 2832 720];

%crop frame
crop = imcrop(img, area4);

% filter frame (pilih salah satu gaussian/mean)

filter = imgaussfilt(crop, 25);
%filter = imboxfilt(crop,55); %mean filter

%konversi rgb image menjadi hsv

hsv = rgb2hsv(filter);

%extract saturasi value dan thresholding terhadap saturasi

sat = hsv(:,:,2);
t = graythresh(sat);
bintik = (sat>t);

%menampilkan image yang telah dithreshold

imshow(bintik)

%mencari lingkara dengan jari-jari yang spesifik

[centers,radii] = imfindcircles(bintik,[40 100],'ObjectPolarity','bright',
'Sensitivity',0.9)
%menggambarkan lingkarang yang ditemukan pada display figure
viscircles(centers,radii);
%menghitung jarak titik pusat antar lingkaran
D=pdist(centers)

5. Kesimpulan
Dari hasil kalibrasi kamera terhadap pola papan catur, didapat parameter intrinsik dan ekstrinsik
pada kamera. Kalibrasi pola papan catur 20 mm squares menghasilkan parameter intrinsik yang
terdapat pada Gambar 4. Parameter intrinsik mempengaruhi pada hasil gambar dimana terdapat
focal length, radial dan tangential distortion, skew, dan principal point. Parameter ekstrinsik dari
kamera dapat dilihat pada Gambar 5, Gambar 6 , dan Gambar 7. Pada parameter ekstrinsik
didpat rotation vector dan translation vector. Parameter intrinsik dari pola papan catur 45 mm
squares dapat dilihat pada Gambar 13 . Dari paramater-parameter yang didapat antara kedua
buah pola papan catur pola papan catur besar kan memberikan parameter intrinsik yang jauh
 Modul Instrumentasi Optik

lebih besar dibandingkan dengan pola papan catur kecil. Namun, reprojection error yang dihasilka
oleh pola papan catur besar jauh lebih kecil dibandingkan dengan pola papan catur kecil.
Sehingga dari parameter tersebut akan menghasilkan gambar yang dikoresi dengan parameter
hasil kalibrasi menggunakan fungsi undistortImage pada Matlab.

Pada pengukuran jarak dapat dilakukan dengan menggunakan perintah imdistline dan
pengolahan citra. Dengan menggunakan imdistline memberikan kemudahan pengukuran
karena hanya perlu memanggil perintah tersebut dan pengguna dapat langsung mengatur garis
yang disediakan. Tetapi, kakuratan akan sangat bergantung pada pengguna. Pada pengukuran
dengan menggunakan pengolahan citra banyak langkah yang digunakan dari crop gambar, filter,
mengubah ruang warna, mencari lingkaran, dan menghitung jarak. Dengan menggunakan
parameter yang banyak membuat pengukuran dapat lebih akurat.

6. Referensi
Jean-Yves Bouguet. “Camera Calibration Toolbox for Matlab”. Oktober 2015. Diakses pada: 22
Februari 2021. URL: http://www.vision.caltech.edu/bouguetj/calib_doc/

A. Handojo, E. Juliastuti. Salindia Kuliah Teknik Optika: Perekaman Citra dengan CCD. Teknik
Fisika ITB. 2014.

C. Solomon & T. Breckon. Fundamentalas of Digital Image Processing: A Practical Approach with
Examples in Matlab. Wiley-Blackwell. 2011.

Correct image for lens distortion - MATLAB undistortImage. (2021). MathWorks.

https://www.mathworks.com/help/vision/ref/undistortimage.html

Evaluating the Accuracy of Single Camera Calibration - MATLAB & Simulink. (2021). MathWorks.
https://www.mathworks.com/help/vision/ug/evaluating-the-accuracy-of-single-camera-
calibration.html#:%7E:text=Reprojection%20Errors,-
Reprojection%20errors%20provide&text=A%20reprojection%20error%20is%20the,project
ed%20into%20the%20same%20image.&text=If%20the%20overall%20mean%20reprojectio
n,the%20highest%20error%20and%20recalibrating.

Refine 3-D points and camera poses - MATLAB bundleAdjustment. (2021). MathWorks.
https://www.mathworks.com/help/vision/ref/bundleadjustment.html

7. Lampiran
Kontribusi Anggota
Nama / NIM
13319018 / Fuad Irda Pangestu
13319060 / David Hamonangan
13319100 / Fikri Abdul Aziz
Modul Instrumentasi Optik
Kontribusi
Pengukuran imdistline dan pengolahan citra
Pembuatan laporan
Kalibrasi kamera