6 BAB 2 KAJ IAN PUS TAKA 2.1 Visi Komputer Visi komputer (Computer Vision) merupakan bidang ilmu yang melakukan studi tentang bagaimana sistem komputer mengenali pola atau objek yang diamati melalui sistem sensor (kamera, dll). Bidang ilmu ini mengembangkan berbagai pendekatannya dengan cara mengkombinasikan teknik-teknik Pengolahan Citra dan Pengenalan Pola atau Objek. Bersama bidang Intelijensia Semu (Artificial Intelligence), bidang Visi Komputer akan mampu menghasilkan sebuah Sistem Cerdas (Intelligent System). Visi Komputer oleh beberapa ahli didefinisikan sebagai berikut: • M enurut Ballard dan Brown, pembangunan fisik, yang berarti deskripsi sebuah fisik objek dari gambar. • M enurut Forsyth dan Ponce, mengekstrak deskripsi dunia atau informasi dari gambar atau urutan gambar. • Menurut Adrian Low (1991), visi dengan perolehan gambar, pemrosesan, klarifikasi, pengenalan, dan menjadi penggabungan, pengurutan pembuatan keputusan menuju pengenalan komputer berhubungan. • Menurut Saphiro dan Stochman (2001), visi komputer adalah suatu bidang yang bertujuan untuk membuat suatu keputusan yang berguna mengenali objek fisik nyata dan keadaan berdasarkan atas sebuah citra. Visi komputer merupakan
38
Embed
BAB 2 FINAL - thesis.binus.ac.idthesis.binus.ac.id/doc/Bab2/2011-1-00336-if 2.pdf · dengan cara mengkombinasikan teknik-teknik Pengolahan ... Analog berupa sinyal video seperti gambar
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
6
BAB 2
KAJIAN PUSTAKA
2.1 Visi Komputer
Visi komputer (Computer Vision) merupakan bidang ilmu yang melakukan studi
tentang bagaimana sistem komputer mengenali pola atau objek yang diamati melalui
sistem sensor (kamera, dll). Bidang ilmu ini mengembangkan berbagai pendekatannya
dengan cara mengkombinasikan teknik-teknik Pengolahan Citra dan Pengenalan Pola
atau Objek. Bersama bidang Intelijensia Semu (Artificial Intelligence), bidang Visi
Komputer akan mampu menghasilkan sebuah Sistem Cerdas (Intelligent System). Visi
Komputer oleh beberapa ahli didefinisikan sebagai berikut:
• Menurut Ballard dan Brown, pembangunan fisik, yang berarti deskripsi sebuah
fisik objek dari gambar.
• Menurut Forsyth dan Ponce, mengekstrak deskripsi dunia atau informasi dari
gambar atau urutan gambar.
• Menurut Adrian Low (1991), visi dengan perolehan gambar, pemrosesan,
klarifikasi, pengenalan, dan menjadi penggabungan, pengurutan pembuatan
keputusan menuju pengenalan komputer berhubungan.
• Menurut Saphiro dan Stochman (2001), visi komputer adalah suatu bidang yang
bertujuan untuk membuat suatu keputusan yang berguna mengenali objek fisik
nyata dan keadaan berdasarkan atas sebuah citra. Visi komputer merupakan
7
kombinasi antar pengolahan citra dan pengolahan pola. Hasil keluaran dari
proses visi komputer adalah pengertian tentang citra.
Gambar 2.1 Skema hubungan visi komputer dengan bidang lain.
2.2 Citra dan Pemrosesan Citra
2.2.1 Definisi Citra dan Citra Dijital
Citra dalam penelitian ini mengacu kepada citra dijital. Sebuah citra
didefinisikan sebagai matriks berukuran N baris dan M kolom yang terdiri dari
sekumpulan nilai dijital yang disebut piksel. Piksel merupakan elemen terkecil
dari suatu gambar. Nilai pada matriks merepresentasikan intensitas atau tingkat
8
kecerahan dari suatu piksel. Dengan kata lain, intensitas suatu warna pada citra
merupakan fungsi posisi f(x,y) dari suatu citra (Aguado dan Nixon, 2002, p32).
Gambar 2.2 Representasi pixel dalam sebuah potongan citra dijital
Citra sebagai keluaran dari suatu sistem perekaman data dapat bersifat:
1. Optik berupa foto,
2. Analog berupa sinyal video seperti gambar pada monitor televisi,
3. Dijital yang dapat langsung disimpan pada suatu pita magnetik.
Sebuah citra dijital dapat diciptakan secara langsung dari sebuah
pemandangan fisik oleh sebuah kamera atau alat yang serupa. Citra dijital juga
9
dapat dihasilkan dari medium analog atau sinyal, seperti dari lukisan, foto, atau
kertas yang telah dicetak, dengan bantuan scanner.
2.2.2 Pengolahan Citra
Pengolahan citra/image processing mengacu kepada pengolahan citra
dengan menggunakan komputer. Contoh operasi pemrosesan citra : mengubah
ukuran citra, menghitung histogram dari suatu citra, mengubah tingkat
kecerahan, komposisi (menggabungkan dua citra atau lebih), dan lain-lain.
Seperti yang dijelaskan oleh Gonzales dan Woods, 2008, p2, visi
merupakan indra yang paling berkembang. Namun tidak seperti manusia,
komputer mampu mengolah hampir semua jenis spektrum elektromagnetik.
Komputer dapat melakukan bermacam-macam pengolahan citra yang tidak biasa
dilakukan oleh manusia. Karenanya pengolahan citra mempunyai ruang dan
variasi yang sangat luas dalam aplikasinya.
Operasi-operasi yang dilakukan di dalam pengolahan citra banyak
ragamnya. Namun, secara umum, operasi pengolahan citra dapat diklasifikasikan
dalam beberapa jenis sebagai berikut: (ITTELKOM, 2008, pp7-11)
1. Perbaikan kualitas citra (image enhancement)
Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan
cara memanipulasi parameter-parameter citra. Dengan operasi ini,
ciri-ciri khusus yang terdapat di dalam citra lebih ditonjolkan.
Contoh-contoh operasi perbaikan citra:
a) Perbaikan kontras gelap atau terang
b) Perbaikan tepian objek (edge enhancement)
10
c) Penajaman (sharpening)
d) Pemberian warna semu (pseudocoloring)
e) Penapisan derau (noise filtering)
2. Pemugaran Citra (image restoration)
Operasi ini bertujuan menghilangkan atau meminimumkan cacat pada
citra. Tujuan pemugaran citra hampir sama dengan operasi perbaikan
citra. Bedanya, pada pemugaran citra penyebab degradasi gambar
diketahui. Contoh-contoh operasi pemugaran citra:
a) Penghilangan kesamaran (deblurring)
b) Penghilangan derau (noise removal)
3. Pemampatan citra (Image Compression)
Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam
bentuk yang lebih kompak sehingga memerlukan memori yang lebih
sedikit. Hal penting yang harus diperhatikan dalam pemampatan
adalah citra yang telah dimampatkan harus tetap mempunyai kualitas
gambar yang bagus. Contoh metode pemampatan citra adalah metode
JPEG.
4. Segmentasi Citra (Image Segmentation)
Jenis operasi ini bertujuan memecah suatu citra ke dalam beberapa
segmen dengan kriteria tertentu. Jenis operasi ini berkaitan erat
dengan pengenalan pola.
11
5. Analisis Citra (Image Analysis)
Jenis operasi ini bertujuan menghitung besaran kuantitatif dari suatu
citra untuk menghasilkan deskripsinya. Teknik analisis citra
mengekstraksi ciri-ciri tertentu dari suatu citra yang membantu dalam
proses identifikasi objek. Proses segmentasi kadang kala diperlukan
untuk lokalisasi objek yang diinginkan dari sekelilingnya. Contoh-
contoh operasi analisis citra adalah:
a) Pendeteksian tepi objek (edge detection)
b) Ekstraksi batas (boundary extraction)
c) Representasi daerah (region representation)
6. Rekonstruksi Citra (Image Reconstruction)
Jenis operasi ini bertujuan untuk membentuk ulang objek dari
beberapa citra hasil proyeksi. Operasi rekonstruksi citra banyak
digunakan dalam bidang medis. Misalnya beberapa foto rontgen
dengan sinar X digunakan untuk membentuk ulang gambar organ
tubuh.
2.3 Fitur dan Ekstraksi Fitur
Ketika suatu input data berukuran terlalu besar untuk diproses dan
diperkirakan memiliki banyak data tetapi sedikit informasi, maka terhadap input
tersebut perlu transformasi menjadi sekumpulan fitur yang direpresentasikan
dengan vektor, yang disebut vektor fitur (feature vector). Proses transformasi
diatas disebut ekstraksi fitur (feature extraction). Suatu fitur merupakan ciri yang
12
diamati dari suatu objek dalam hal ini merupakan citra dan juga merupakan suatu
deskriptor numerik yang dapat menangkap karakteristik visual tertentu. Ekstraksi
fitur memiliki dua tujuan, yaitu membuang aspek yang tidak relevan dari suatu
objek sehingga representasi informasi hanya mengandung data yang perlu,
penting, dan mentransformasi data menjadi sebuah representasi yang membawa
informasi lebih eksplisit atau secara jelas dan tidak membingungkan. (dikutip
dari http://en.wikipedia.org/wiki/Feature_extraction)
Fitur dapat diekstrak dari suatu citra secara keseluruhan yang
mendeskripsikan karakteristik visual secara global, ataupun dari bagian tertentu
suatu citra yang mendeskripsikan karakteristik secara lokal. Secara umum,
representasi suatu citra dalam fitur membutuhkan ruang penyimpanan yang jauh
lebih kecil daripada meyimpan citra itu sendiri.
2.4 Retrival Berbasis Konten (Content Based Retrival)
Citra memiliki informasi yang tidak terstruktur yang membuat proses
pencarian menjadi sangat sulit dilakukan. Sebuah kueri yang umum dilakukan
dalam basis data pada umumnya akan meminta menampilkan semua kolom-
kolom (field-field) yang berada di dalam basis data. Sedangkan, sebuah kueri
yang umum pada basis data dari citra akan meminta semua citra yang di
dalamnya terdapat bus berwarna merah. Kueri pertama ambil saja contoh dalam
basis data di bidang transaksi keuangan. Dengan mudahnya, kueri yang akan di
cari akan langsung didapat karena semua transaksi pada record basis data
mengandung semua informasi yang dibutuhkan (tanggal, tipe, jumlah, dan lain-
13
lain) dan sistem manajemen basis data dibuat untuk mengeksekusinya dengan
efisien. Kueri kedua yang berupa pencarian citra merupakan suatu hal yang
sangat sulit, kecuali semua citra dalam basis data telah diberi kata kunci. Dan
sering kali dalam hal ini sering terjadi kesalahan pengertian dari komputer untuk
mengartikan kueri yang telah diinputkan. Hal ini sering sekali disebut dengan
permasalahan semantik (semantic problem) atau sama pengertian namun berbeda
makna.
Informasi tidak terstruktur yang terkandung dari suatu citra sulit untuk
ditangkap secara otomatis. Oleh sebab itu, teknik yang mencari cara untuk
mengindeks informasi visual tidak terstruktur ini disebut retrival berbasis konten.
2.5 RCBK (Retrival Citra Berbasis Konten) / CBIR (Content Based Image
Retrival)
RCBK (Retrival Citra Berbasis Konten) / Content based image retrieval
(CBIR), adalah suatu aplikasi computer vision yang digunakan untuk melakukan
pencarian gambar-gambar dijital pada suatu basis data. Yang dimaksud dengan
"Content-based" di sini adalah bahwa yang dianalisa dalam proses pencarian itu
adalah actual contents (kandungan-kandungan aktual) sebuah gambar. Istilah
content pada konteks ini merujuk pada warna, bentuk, tekstur, atau informasi lain
yang didapatkan dari gambar tersebut. Istilah ini diduga diperkenalkan oleh
T.Kato pada tahun 1992 untuk mendeskripsikan percobaan dalam retrival citra
14
secara otomatis dari basis data berdasarkan warna dan bentuk. (dikutip dari