KEYWORDS A B S T R A C T
Penggabungan, Panorama, Citra, SIFT
Penggabungan gambar merupakan suatu proses menggabungkan gambar yang berbeda dan
tumpang tindih menghasilkan sebuah gambar panorama. Gambar panorama adalah sebuah
gambar yang memiliki sudut pandang yang luas dan sering disebut wide angle. Pengenalan
objek merupakan suatu proses yang memberikan klarifikasi terhadap objek bentuk tertentu
pada suatu gambar. Pengenalan objek memiliki tahap deteksi dan pengenalan. Ekstraksi fitur
CORRESPONDENCE merupakan salah satu tahap untuk mengambil fitur-fitur penting yang mencirikan objek yang
ingin dikenali. Salah satu metode ekstraksi fitur yaitu SIFT (Scale Invariant Feature
Phone: - Transform) dikatakan bahwa metode ini tidak terpengaruh oleh perubahan ukuran, adanya
translasi, atau rotasi pada objek. Metode ini digunakan untuk pencarian keypoint. Jumlah
E-mail: ilmihazny@gmail.com keypoint dapat berubah berdasarkan nilai threshold. Jikalau nilai threshold lebih tinggi maka
pencarian keypoint lebih akurat. Pada percobaan dengan nilai threshold 1 ditemukan keypoint
sebanyak 41 dan nilai erornya 0,2743. Pada saat nilai threshold dinaikkan menjadi 3 jumlah
keypoint yang ditemukan adalah 90 dan nilai erornya 1,0541.
Citra hasil Difference-of-Gaussian, D(x, y, σ), diperoleh dengan kali dari besar jendela deskriptor yang akan digunakan sebagai
melakukan operasi konvolusi pada citra masukan dengan filter pembebanan pada setiap besaran nilai dari titik sampel [4].
Difference-of-Gaussin, maka: (Mukhlis, 2015)
𝐷(𝑥, 𝑦, 𝜎 = 𝐺(𝑥, 𝑦, 𝑘𝜎) − 𝐺(𝑥, 𝑦, 𝜎) ∗ 𝐼(𝑥, 𝑦) Pada tahapan ini gambar-gambar yang sudah diambil akan
= 𝐿(𝑥, 𝑦, 𝑘) digabungkan dapat dilihat seperti flowchart dibawah ini:
Penentuan Keypoint
Setelah kandidat keypoint ditemukan melalui tahapan pencarian
nilai ekstrim, maka langkah selanjutnya adalah untuk
menyeleksi keypoint. Hasil awal dari algoritma ini,
mempertimbangkan lokasi keypoint di pusat titik sampel (Kale
& Singh, 2015).
𝜕𝐷𝑇 1 𝜕2𝐷
𝐷(𝑥) = 𝐷 + 𝑥 + 𝑥𝑇 2
𝜕𝑥 2 𝜕𝑥 𝑥
Gedung
3 53 0,5971
Auditorium
KESIMPULAN
SARAN
DAFTAR PUSTAKA
[1] Indartono, K., Intan, D., Saputra, S., & Santiko, I. (2016).
Perbandingan Kinerja Metode Scale Invariant Feature Transform
dan Sum of Squared Difference pada Image Mosaic. 23–24.
[2] J, A. M. K., & Priya, S. (2017). Panoramic Image Stitching based
on Feature Extraction and Correlation. International Journal of
Modern Trends in Engineering & Research, 4(2), 135–143.
https://doi.org/10.21884/ijmter.2017.4064.lew5k
[3] Kale, P., & Singh, K. R. (2015). A Technical Analysis of Image
Stitching Algorithm. 6(1), 284–288.
[4] Mukhlis. (2015). Implementasi Algoritma Affine Scale Invariant
Feature Transform Untuk Pengenalan Wajah Pada Citra Sketsa.
[5] Rosidin. (2018). Analisis Pendeteksi Kecocokan Objek Pada Citra
Digital Menggunakan Matlab Dengan Metode Algoritma Sift.