Author Archives: adi pamungkas
Perbaikan Kualitas Citra dalam Pengolahan Video
Perbaikan kualitas citra (Image Enhancement) merupakan salah satu tahapan dalam computer vision yang bersifat opsional.
Perbaikan kualitas citra bertujuan agar citra lebih mudah untuk diinterpretasi atau diolah dalam tahapan selanjutnya seperti segmentasi citra maupun ekstraksi ciri citra.
Metode perbaikan kualitas citra sangat beragam seperti operasi titik maupun operasi spasial yang dilakukan pada domain spasial maupun operasi transformasi yang dilakukan pada domain frekuensi.
Perbaikan kualitas citra bersifat heuristik dan eksperimentatif karena sesungguhnya tidak ada algoritma yang pasti dalam memperbaiki kualitas suatu citra.
Oleh sebab itu, bidang perbaikan kualitas citra sangat terbuka pada penemuan metode baru maupun pengembangan metode yang sudah ada.
Perbaikan kualitas citra dapat pula diaplikasikan dalam bidang pengolahan video (video processing). Hal ini karena sejatinya video adalah sekumpulan citra yang dijalankan secara sekuensial.
Secara garis besar, tahapan perbaikan kualitas citra dalam pengolahan video adalah sebagai berikut:
1. Membaca file video
2. Mengekstrak seluruh frame citra yang menyusun video
3. Melakukan operasi perbaikan kualitas citra pada setiap frame
4. Menyatukan kembali frame citra yang telah diperbaiki kualitasnya dan menjalankannya secara sekuensial dalam bentuk video.
Berikut ini merupakan contoh aplikasi pemrograman GUI Matlab untuk pengolahan video mengenai perbaikan kualitas citra pada domain spasial.
Operasi perbaikan kualitas citra yang dilakukan di antaranya adalah histogram equalization, intensity adjustment, dan gamma correction.
Selain itu, diberikan juga perintah mengenai pertukaran kanal warna pada ruang warna RGB (true color) dan visualisasi color map citra pada citra pseudo color.
1. Menampilkan GUI awal
-read more->
Cara menampilkan video pada GUI Matlab
Pengolahan video merupakan cabang ilmu yang merupakan bagian dari bidang sistem visi komputer (computer vision).
Video sejatinya merupakan sekumpulan citra yang dijalankan secara sekuensial dengan frame rate tertentu.
Pada umumnya pengolahan video dilakukan dengan langkah-langkah berikut:
1. Membaca file video asli
2. Mengekstrak setiap frame video
3. Mengolah setiap frame tersebut dengan metode dan tujuan tertentu
4. Menampilkan kembali hasil pengolahan frame citra secara sekuensial dalam bentuk video
Pengolahan video telah banyak dilakukan dan dikembangkan oleh para saintis di dunia karena perannya yang cukup besar dalam perkembangan teknologi.
Dalam bidang computer vision, kamera telah banyak dimanfaatkan untuk menggantikan maupun membantu peran mata manusia untuk mengawasi, mendeteksi, ataupun mengenali suatu obyek dalam video baik secara real-time maupun non real-time.
Oleh sebab itu, perkembangan ilmu pengetahuan khususnya pada bidang pengolahan citra digital dan pengolahan video terus menerus dilakukan.
Berikut ini merupakan contoh aplikasi pemrograman GUI Matlab mengenai pengolahan video sederhana di antaranya adalah untuk mengekstrak kanal warna citra RGB, mengkonversi ruang warna RGB menjadi grayscale, mengkonversi tone warna sepia, dan mengkonversi warna citra menjadi biner.
Format video yang dapat dibaca oleh Matlab di antaranya adalah .avi, .mpg, dan .mp4.
Tahapan pemrograman untuk pengolahan video adalah sebagai berikut:
1. Menampilkan GUI Matlab
-read more->
Model Ruang Warna Pengolahan Citra
Dalam bidang pengolahan citra digital dikenal berbagai macam ruang warna (color space) citra.
Yang paling umum adalah ruang warna RGB (Red, Green, Blue).
Ruang warna RGB mendefinisikan suatu warna berdasarkan tiga kanal (channel) warna yaitu merah, hijau, dan biru.
Ruang warna RGB untuk citra truecolor 24 bit diilustrasikan oleh gambar berikut:
-read more->
k-means clustering menggunakan matlab
Data clustering merupakan salah satu metode data mining yang bersifat tanpa arahan (unsupervised).
Ada dua jenis data clustering yang sering digunakan dalam proses pengelompokan data yaitu hierarchical (hirarki) data clustering dan non-hierarchical (non hirarki) data clustering.
K-means merupakan salah satu metode data clustering non hirarki yang berusaha mempartisi data yang ada ke dalam satu atau lebih cluster/kelompok.
Metode ini mempartisi data ke dalam cluster/kelompok sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karakteristik yang berbeda dikelompokkan ke dalam kelompok yang lain.
Ilustrasi algoritma k-means ditunjukkan pada gambar di bawah ini:
k-Nearest Neighbor (k-NN) Menggunakan Matlab
Algoritma k-nearest neighbor (k-NN atau KNN) merupakan sebuah algoritma untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut.
Ilustrasi dari metode yang digunakan oleh algoritma k-nn ditunjukkan pada gambar di bawah ini:
Cara menghitung koefisien korelasi menggunakan matlab
Koefisien korelasi merupakan suatu nilai yang digunakan untuk mengukur tingkat kedekatan hubungan antara dua variabel.
Koefisien korelasi memiliki nilai berkisar antara -1 sampai dengan +1.
Koefisien korelasi bernilai +1 berarti bahwa dua variabel berkorelasi sempurna antara satu dengan yang lain atau dapat dikatakan dua variabel tersebut identik.
Nilai positif (+) menunjukkan hubungan dua variabel yang sebanding atau berbanding lurus.
Koefisien korelasi bernilai 0 berarti bahwa dua variabel sama sekali tidak berhubungan/berkaitan satu sama lain.
Dan koefisien korelasi bernilai negatif (-) berarti bahwa dua variabel memiliki hubungan yang berbanding terbalik.
Koefisien korelasi dapat dihitung menggunakan persamaan berikut:
Berikut ini merupakan contoh aplikasi pemrograman matlab untuk menghitung koefisien korelasi antara dua variabel.
Sebagai contoh, misalnya kita ingin merancang bangun alat untuk mengukur suhu menggunakan sensor jenis LM35, maka setelah alat tersebut dibuat perlu kita validasi dengan hasil pengukuran alat ukur suhu standar seperti termometer digital.
Langkah-langkah menghitung koefisien korelasi menggunakan matlab adalah sebagai berikut:
1. Mempersiapkan data, pada contoh ini data terdiri dari hasil pengukuran suhu menggunakan alat dan hasil pengukuran suhu menggunakan termometer digital. Data disajikan dalam format .xlsx (excel)
-read more->
Cara membuat program executable (.exe) dari GUIDE Matlab
Dalam membuat program aplikasi menggunakan GUIDE Matlab, terkadang kita ingin menjalankan aplikasi tersebut pada komputer yang tidak terinstall Matlab.
Oleh karena itu, program GUIDE Matlab tersebut perlu kita konversi terlebih dahulu menjadi program aplikasi executable (.exe) sehingga program aplikasi dapat kita jalankan pada komputer yang tidak terinstall Matlab.
Langkah-langkahnya adalah sebagai berikut:
1. Persiapkan file GUIDE Matlab yang ingin kita convert (agar tampilan program semakin menarik, bila perlu buatlah icon dan splash screen program berupa file berformat .jpg, jika tidak, maka default icon dan default splash screen yang akan digunakan)
Akuisisi citra digital menggunakan webcam
Matlab (Matrix Laboratory) merupakan salah satu perangkat lunak yang mendukung bidang pengolahan citra digital. Dalam bidang tersebut pada umumnya diawali dengan proses akuisisi citra digital.
Proses akuisisi citra digital dilakukan dengan cara menangkap (capture) atau memindai (scan) citra analog kemudian mengkonversinya menjadi citra digital agar dapat disimpan dan juga diolah melalui komputer.
Salah satu alat akuisisi citra digital yang sering digunakan adalah webcam.
Dalam software Matlab, proses akuisisi citra digital menggunakan webcam dapat dilakukan dengan terlebih dahulu menginstal driver Image Acquisition Support Packages for Hardware Adaptors.
Ada cukup banyak driver yang perlu diinstal yaitu sebagai berikut:
| Adaptor Name | Support package name in list | Contents |
| Windows Video (winvideo) | OS Generic Video Interface | MATLAB files to use Windows Video, Macintosh Video, or Linux Video cameras with the toolbox. The correct OS files will be installed, depending on your system. |
| Kinect for Windows (kinect) | Kinect for Windows Sensor | MATLAB files to use Kinect for Windows cameras with the toolbox
Third party files – Kinect for Windows Runtime |
| QImaging (qimaging) | QImaging Hardware | MATLAB files to use QImaging cameras with the toolbox
Third party files – QImaging QCam |
| DALSA IFC (dalsaifc) | Teledyne DALSA IFC Hardware | MATLAB files to use DALSA IFC cameras with the toolbox |
| DALSA Sapera (dalsasapera) | Teledyne DALSA Sapera Hardware | MATLAB files to use DALSA Sapera cameras with the toolbox |
| GigE Vision (gige) | GigE Vision Hardware | MATLAB files to use GigE Vision cameras with the toolbox |
| Matrox (matrox) | Matrox Hardware | MATLAB files to use Matrox cameras with the toolbox |
| DCAM (dcam) | DCAM Hardware | MATLAB files to use DCAM cameras with the toolbox
Third party files – CMU DCAM on Windows driver file |
| GenICam GenTL (gentl) | GenICam Interface | MATLAB files to use GenTL cameras with the toolbox |
| Point Grey (pointgrey) | Point Grey Hardware | MATLAB files to use Point Grey cameras with the toolbox
Third party files – Point Grey FlyCapture |
| Linux Video (linuxvideo) | OS Generic Video Interface | MATLAB files to use Windows Video, Macintosh Video, or Linux Video cameras with the toolbox. The correct OS files will be installed, depending on your system. |
| Macintosh Video (macvideo) | OS Generic Video Interface | MATLAB files to use Windows Video, Macintosh Video, or Linux Video cameras with the toolbox. The correct OS files will be installed, depending on your system. |
| Data Translation (dt) | Data Translation Frame Grabbers | MATLAB files to use Data Translation hardware with the toolbox |
| Hamamatsu (hamamatsu) | Hamamatsu Hardware | MATLAB files to use Hamamatsu cameras with the toolbox |
| National Instruments (ni) | NI Frame Grabbers | MATLAB files to use NI hardware with the toolbox
Third party files – NI-IMAQ files |
Langkah-langkah untuk menginstal driver-driver tersebut adalah:
1. Klik tool ‘Add-Ons’ pada home tool, kemudian pilih ‘Get Hardware Support Packages’
Cara Mengekstrak Frame Video Menggunakan Matlab
Dalam bidang video processing, pada umumnya diawali dengan proses ekstraksi frame dari video sehingga pemrosesan video dilakukan pada setiap frame (frame by frame).
Berikut ini merupakan contoh aplikasi pemrograman matlab untuk mengekstrak frame dari suatu video.
Video pada contoh berikut ini berdurasi 20 detik dengan frame rate sebesar 30 per detik sehingga video tersebut memiliki jumlah frame sebanyak 20 x 30 = 600 frame.
Format video yang dapat dibaca oleh Matlab antara lain .avi, .mpg, dan .mp4.
Background Subtraction dengan Metode Pengurangan Citra Grayscale
Deteksi kendaraan adalah salah satu tahapan yang harus dilakukan dalam proses identifikasi kendaraan. Contoh aplikasi pemrograman matlab untuk deteksi kendaraan dengan metode background subtraction pengurangan citra grayscale adalah sebagai berikut:
Langkah-langkahnya yaitu:
-read more->
Pemrograman Matlab 