TUGAS 5 – COMPUTER VISION

1. Jelaskan 3 perbedaan antara Komputasi Manual dengan Komputasi Fotografi.

JAWAB :
1. Media Penyimpanan:
• Komputasi Manual (Konvensional): Dalam fotografi konvensional, gambar
dihasilkan pada media analog, seperti film fotografi. Proses pengembangan dan
pencetakan kemudian dilakukan secara kimiawi.
• Komputasi Fotografi (Digital): Dalam fotografi digital, gambar direkam dalam
format digital dan disimpan dalam file elektronik. Pengolahan selanjutnya dapat
dilakukan secara langsung di dalam kamera atau menggunakan perangkat lunak
komputer.
2. Proses Pengolahan:
• Komputasi Manual (Konvensional): Proses pengolahan film fotografi melibatkan
langkah-langkah kimia yang kompleks, seperti pengembangan dan fiksasi, untuk
menghasilkan gambar yang terlihat.
• Komputasi Fotografi (Digital): Pengolahan gambar digital dapat dilakukan
menggunakan perangkat lunak pengolahan gambar seperti Adobe Photoshop
atau Lightroom. Manipulasi gambar, peningkatan warna, kontras, dan retus dapat
dilakukan secara digital.
3. Distribusi dan Berbagi:
• Komputasi Manual (Konvensional): Fotografi konvensional sering kali
memerlukan pencetakan fisik untuk dibagikan atau dipamerkan. Fotografi ini bisa
terbatas pada cetakan yang telah dihasilkan dari film.
• Komputasi Fotografi (Digital): Fotografi digital dapat dengan mudah dibagikan
dan didistribusikan melalui berbagai platform online. Gambar dapat diunggah ke
situs web, media sosial, atau dikirim melalui email tanpa memerlukan pencetakan
fisik.

2. Sebutkan 3 Jenis Computational Photography yang menurut Anda paling mudah, dan berikan
penjelasannya.
JAWAB :
1. HDR Photography (High Dynamic Range):
• Penjelasan: HDR Photography menggabungkan beberapa gambar dengan
eksposur yang berbeda untuk menciptakan gambar yang memiliki rentang
dinamis yang lebih luas. Dengan menggunakan teknik ini, kita dapat menangkap
detail baik di area terang maupun di area gelap, yang mungkin sulit dicapai dengan
satu eksporur saja. Software kemudian menggabungkan gambar-gambar ini untuk
menciptakan foto akhir dengan tingkat kontras yang tinggi.
 • Penerapan Mudah: Banyak ponsel pintar dan kamera digital sekarang memiliki
opsi HDR otomatis, sehingga cukup mudah untuk mengaktifkannya dan
mendapatkan hasil yang memukau.
2. Panorama Photography:
• Penjelasan: Panorama Photography melibatkan penggabungan beberapa gambar
horizontal atau vertikal untuk menciptakan gambar panoramik yang lebar. Ini
memberikan pandangan yang lebih luas daripada yang dapat dihasilkan oleh satu
gambar. Algoritma komputasi kemudian meratakan dan menggabungkan gambar-
gambar ini untuk menciptakan gambar yang utuh.
• Penerapan Mudah: Banyak kamera dan ponsel pintar memiliki mode panorama
yang memandu pengguna untuk mengambil serangkaian gambar dan secara
otomatis menggabungkannya.
3. Portrait Mode (Efek Bokeh):
• Penjelasan: Mode potret menggunakan teknologi komputasi untuk menyorot
subjek utama dalam gambar dengan meminimalkan kedalaman bidang tajam di
latar belakang (efek bokeh). Ini sering dilakukan dengan menggunakan
pengenalan wajah dan mengoptimalkan fokus pada subjek, sementara latar
belakang diberikan efek blur artistik.
• Penerapan Mudah: Mode potret sudah umum ditemukan di kamera ponsel pintar
modern. Pengguna hanya perlu memilih mode potret dan membidik subjek, dan
kamera akan melakukan sisanya.

3. Sebutkan 2 proses pada Computational Photography yang menurut Anda susah dipahami,
dan berikan alasannya.
JAWAB :
1. Semantic Segmentation dan Object Recognition:
• Alasan Sulit Dipahami: Semantic segmentation melibatkan identifikasi dan
pemisahan objek-objek berbeda dalam suatu gambar berdasarkan kategori atau
jenisnya. Object recognition, di sisi lain, mencakup pemahaman lebih lanjut
tentang apa yang sebenarnya terdapat dalam gambar tersebut. Proses ini
melibatkan penggunaan teknik-teknik Deep Learning dan Convolutional Neural
Networks (CNN) untuk melatih model dalam memahami konten gambar,
mengenali objek, dan memisahkan area berbeda dalam gambar.
• Kompleksitas: Proses ini kompleks karena membutuhkan pemahaman yang
mendalam tentang arsitektur jaringan saraf, pelatihan model, dan pengolahan
citra. Selain itu, perlu pengetahuan tentang klasifikasi objek dan anotasi data yang
tepat untuk melatih model.
2. Image Deblurring dan Super-Resolution:
• Alasan Sulit Dipahami: Image deblurring melibatkan upaya untuk menghilangkan
efek buram atau kabur dari gambar. Super-resolution bertujuan untuk
meningkatkan resolusi gambar sehingga gambar tampak lebih tajam dan detail.
 Kedua proses ini sering melibatkan pemahaman mendalam tentang matematika
dan teknik pemrosesan sinyal seperti transformasi Fourier.
• Kompleksitas: Image deblurring dan super-resolution dapat melibatkan teknik-
teknik seperti regularisasi, inversi, dan penggunaan filter untuk memahat detail
dan mengurangi kebisingan. Memahami prinsip-prinsip matematis dan algoritma
di balik proses ini bisa memerlukan pengetahuan yang lebih teknis.

4. Sebutkan 2 contoh Stereo correspondence dalam penerapan teknologi pada Computer

Vision.
JAWAB :
1. Stereo Depth Sensing untuk Kamera Ponsel:
• Deskripsi: Kamera ponsel pintar modern sering kali dilengkapi dengan sensor
kedalaman atau kemampuan stereovision. Dua atau lebih kamera pada ponsel
bekerja bersama-sama untuk membentuk gambar dari sudut pandang yang
berbeda. Dengan menggunakan stereo correspondence, algoritma komputer
vision dapat menentukan kedalaman setiap titik pada gambar, memungkinkan
ponsel untuk mengukur jarak dan membuat efek bokeh yang lebih realistis dalam
mode potret.
• Manfaat: Memungkinkan ponsel untuk membuat efek bokeh yang lebih alami dan
akurat, serta meningkatkan kemampuan kamera untuk mengukur jarak dan
mendeteksi objek dalam pengaturan Augmented Reality (AR).
2. Pemetaan Kedalaman pada Kendaraan Otonom:
• Deskripsi: Dalam konteks kendaraan otonom, teknologi stereo correspondence
digunakan untuk mendapatkan informasi kedalaman di sekitar kendaraan.
Kamera-kamera yang ditempatkan pada kendaraan (seperti kamera di spion atau
pada bumper) menghasilkan gambar dari berbagai sudut pandang. Dengan
menerapkan algoritma stereo correspondence, kendaraan dapat memetakan
jarak dan kedalaman objek di sekitarnya, membantu dalam navigasi,
penghindaran tabrakan, dan pengambilan keputusan saat berkendara.
• Manfaat: Meningkatkan keamanan dan kemampuan navigasi kendaraan otonom
dengan memberikan pemahaman yang lebih baik tentang lingkungan sekitarnya.

5. Sebutkan kemudahan dan kesulitan penerapan Stereo correspondence dalam Computer

Vision.
JAWAB :
Kemudahan:
• Stereo correspondence dapat digunakan untuk memperkirakan kedalaman objek dalam
sebuah gambar.
• Teknik ini dapat digunakan untuk menghasilkan model 3D dari objek.
• Stereo correspondence dapat digunakan untuk memperkirakan jarak antara objek dan
kamera.
Kesulitan:
• Stereo correspondence memerlukan gambar yang diambil dari sudut pandang yang
berbeda, sehingga memerlukan perangkat keras khusus.
• Teknik ini memerlukan waktu komputasi yang cukup lama.
• Stereo correspondence dapat menghasilkan hasil yang tidak akurat jika gambar yang
digunakan tidak cocok atau jika terdapat gangguan pada gambar.