Pendahuluan
Konsep Dasar
1. Pembentukan Citra
1.1 Dasar-dasar cara citra diambil dan diproses oleh perangkat.
Pada dasarnya, citra diambil dan diproses oleh perangkat melalui pengumpulan
informasi cahaya dari lingkungan sekitarnya. Hal ini melibatkan konsep piksel, resolusi, dan
representasi warna. Piksel merupakan unit dasar pembentukan citra, sedangkan resolusi
mengacu pada tingkat detail yang dapat ditangkap oleh citra. Representasi warna
menggambarkan cara citra merepresentasikan warna, baik dalam skala abu-abu maupun
warna penuh.
1.2 Memahami piksel, resolusi, dan representasi warna.
a. Piksel (Pixel): Merupakan titik terkecil dalam citra digital. Setiap piksel memiliki
nilai intensitas yang merepresentasikan warna atau kecerahan pada lokasi tersebut.
b. Resolusi: Ditentukan oleh jumlah piksel dalam citra dan diukur dalam lebar x tinggi.
Resolusi tinggi memberikan detail yang lebih baik.
c. Representasi Warna: Citra dapat direpresentasikan dalam model warna tertentu seperti
RGB, di mana warna direpresentasikan sebagai campuran intensitas merah, hijau, dan
biru.
3. Pengenalan Objek
3.1 Konsep mendeteksi dan mengenali objek dalam citra.
a. Deteksi Objek: Proses mengidentifikasi keberadaan objek dalam citra, sering kali
dengan menentukan lokasi dan batas objek.
b. Pengenalan Objek: Proses lebih lanjut yang melibatkan atribut identifikasi, seperti
klasifikasi jenis objek.
3.2 Teknik seperti pencocokan template, segmentasi objek.
Teknik ini digunakan untuk mengidentifikasi dan mengenali objek dalam citra, seperti
menggunakan pencocokan template untuk mencocokkan objek yang telah diidentifikasi atau
disebutkan sebelumnya.
Konsep dasar dalam Computer Vision membentuk dasar untuk pengembangan
algoritma dan model yang dapat menginterpretasi dan mengolah informasi visual. Dengan
memahami pembentukan citra, fitur utama, dan pengenalan objek, kita dapat merancang
sistem yang mampu melakukan tugas-tugas kompleks seperti pengenalan wajah, deteksi
objek, dan analisis visual lainnya.
1. Aplikasi di Industri
1.1 Kontrol kualitas, otomatisasi, dan robotika.
a. Kontrol Kualitas: Computer Vision digunakan untuk inspeksi visual otomatis dalam
proses produksi. Ini mencakup deteksi cacat, pengukuran dimensi, dan pengecekan
keseragaman produk.
b. Otomatisasi: Sistem otomatisasi industri menggunakan Computer Vision untuk
mengoptimalkan proses produksi, termasuk pemilahan barang, pengaturan mesin, dan
pelacakan produk.
c. Robotika: Robot industri diperkuat dengan kemampuan penglihatan komputer untuk
melakukan tugas seperti pengambilan dan penyusunan objek dengan lebih tepat.
1.2 Studi kasus yang memperlihatkan keberhasilan implementasi di industri.
Terdapat berbagai studi kasus yang menunjukkan keberhasilan implementasi
Computer Vision di industri, seperti penggunaan sistem penglihatan mesin untuk inspeksi
kualitas produk dan penggunaan robot penglihatan untuk pemindahan objek.
2. Kesehatan
2.1 Analisis citra medis, diagnostik, dan bantuan bedah.
a. Analisis Citra Medis: Computer Vision membantu interpretasi citra medis seperti
sinar-X, CT scan, dan MRI untuk mendeteksi penyakit atau kelainan.
b. Diagnostik: Algoritma Computer Vision dapat membantu dokter dalam mendiagnosis
penyakit, termasuk pengenalan pola dalam citra histologi atau citra mikroskopis.
c. Bantuan Bedah: Sistem Computer Vision dapat digunakan dalam pemandu bedah
untuk navigasi tepat dan pemetaan struktur internal selama operasi.
2.2 Transformasi di bidang kesehatan melalui Computer Vision.
Contohnya, dengan menggunakan Computer Vision, perusahaan pengembang aplikasi
medis dapat membuat aplikasi yang membantu dokter mendiagnosis kanker kulit melalui
analisis citra dermatoskopi dengan tingkat akurasi yang tinggi.
Kesimpulan
Modul ini bertujuan memberikan pengantar komprehensif terhadap konsep dasar
Computer Vision, aplikasi yang beragam, dan peran pentingnya dalam membentuk masa
depan teknologi.
DAFTAR PUSTAKA