Tugas 5 - Computer Vision (Putri Gea Aryanti)
Tugas 5 - Computer Vision (Putri Gea Aryanti)
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.