Computer vision didefinisikan sebagai salah satu
cabang ilmu pengetahuan yang mempelajari bagaimana komputer dapat
mengenali obyek yang diamati atau diobeservasi. Arti dari computer
vision adalah ilmu dan teknologi mesin yang melihat, dimana mesin mampu
mengekstrak informasi dari gambar yang diperlukan untuk menyelesaikan
tugas tertentu.
Untuk menunjang tugas computer vision, maka terdapat beberapa fungsi pendukung ke dalam sistem ini antara lain :
1. Proses penangkapan citra /gambar
2. Proses pengolahan citra
3. Analisa data citra
4. Proses pemahaman data citra
Sebuah computer yang menyerupai kemampuan manusia dalam menangkap sinyal visual dilakukan dalam empat tahapan proses dasar :
1. Image Acquisition
Pada
manusia dimulai dengan mata, kemudian informasi visual diterjemahkan ke
dalam suatu format yang kemudian dapat dimanipulasi oleh otak. Senada
dengan proses di atas, computer vision membutuhkan mata untuk menangkap
sinyal visual.
Contohnya :
Kamera menterjemahkan sebuah scene atau image.
2. Image processing
Image
processing membantu peningkatan dan perbaikan kualitas image, sehingga
dapat dianalisa dan di olah lebih jauh secara lebih efisien. Image
processing akan meningkatkan perbandingan sinyal terhadap noise.
Sinyal-sinyal tersebut adalah informasi yang akan merepresentasikan
objek yang ada didalam image. Noise adalah segala bentuk interfensi,
kekurangan yang terdapat pada objek.
3. Image Analysis
Image
analysis akan mengeksplorasi scene ke dalam bentuk karakteristik utama
dari objek melalui suatu proses investigasi. Program analysis digunakan
untuk mencari tepi dan batas-batasan objek kedalam image.
4. Image Understanding
Merupakan
langkah terakhir dalam proses computer vision.pada bagian ini akan
melibatkan kajian tentang tehnik-tehnik artificial intelligent.
1.1. Latar Belakang
Image
enhancement adalah proses mendapatkan citra yang lebih mudah
diinterpretasikan oleh mata manusia (Human Visual System/HVS). Proses
ini merupakan salah satu proses awal dalam pengolahan citra (image
preprocessing). Untuk meningkatkan kualitas hasil proses image
enhancement maka lebih baik manipulasi citra dilakukan dalam domain
frekuensi. Beberapa jenis transformasi yang dapat digunakan untuk
mengubah citra dari domain spasial ke domain frekuensi antara lain,
transformasi fourier, transformasi gelombang-singkat (wavelet
transform), Discrete Cosine Transform (DCT), dan sebagainya. Citra yang
terbentuk menjadi berkualitas buruk karena mengalami derau (noise) pada
saat pengambilan (capture) gambar, pengiriman melalui saluran transmisi,
terlalu terang/gelap, kurang tajam, kabur dan sebagainya. Pada proses
perbaikan kualitas citra, ciri-ciri tertentu dalam citra lebih
diperjelas kemunculannya.
Secara matematis:
f(x,y) f’ (x,y) (1)
Ciri-ciri
pada f(x,y) lebih ditonjolkan. Pada proses pelembutan dan penajaman
citra merupakan operasi penapisan (filtering), sehingga dilakukan
operasi konvolusi citra f(x,y) dan filter h(x,y).
Secara matematis dalam domain spasial dirumuskan sebagai berikut:
f’(x,y) = h(x,y) * f(x,y) (2)
dan dalam domain frekuensi
F’(u,v) = H(u,v) F(u,v) (3)
Proses
pemilihan H(u,v) yang tepat dalam rangka menonjolkan ciri citra f(x,y).
Pada umumnya nilai f(x,y) sudah diketahui yang merupakan citra asli,
persoalannya adalah memilih filter h(x,y) yang tepat untuk dapat
menonjolkan ciri tertentu dari citra asli. Dalam domain frekuensi,
umumnya citra yang mengalami gangguan yaitu pada frekuensi tinggi
sehingga dilakukan proses penyaringan yang dapat menapis frekuensi
tinggi High Pass Filter (HPF) dan meloloskan frekuensi rendah yaitu Low
Pass Filter (LPF) [1].
Perbaikan
kualitas citra dengan metoda Fuzzy Image Filtering disertai dengan
sharpening yang dapat meningkatkan kualitas citra yang dihasilkan. Fuzzy
Image Filter ini terdiri atas dua tahap, dimana tahap pertama adalah
melakukan komputasi sebuah turunan fuzzy untuk delapan arah yang
berbeda. Tahap kedua adalah memanfaatkan turunan tersebut untuk
melakukan fuzzy smoothing dengan memberikan bobot kontribusi nilai pixel
tetangga. Efek pengaburan yang mungkin terjadi karena proses fuzzy
smoothing diperbaiki dengan menambahkan suatu proses sharpening [2].
Proses
perbaikan kualitas citra yang dilakukan terbatas pada domain spasial
sehingga berimplikasi pada waktu komputasi yang makin besar. Penelitian
tentang pemulihan citra dalam kawasan gelombang-singkat telah dilakukan
dengan tipe wavelet yang digunakan adalah wavelet haar karena memberikan
hasil yang paling baik dari jenis wavelet yang lain. Kelemahan pada
penelitian ini adalah citra yang tajam akan menjadi rusak, sehingga
perlu dibandingkan dengan metoda yang lain [3].
Keuntungan
pemulihan citra dalam kawasan gelombang-singkat adalah waktu komputasi
lebih cepat karena daerah dukungan (region of support) lebih kecil
separuhnya.
Jangan lupa mampir comment dulu ya gan,.. ;) terima kasih
0Awesome Comments!