Jobsheet II. OpenCV untuk Processing Filter

dokumen-dokumen yang mirip
Praktikum. Jobsheet III. untuk Processing. B. Dasar Teori Ada dua mode dan HSB. (a) (b) HSB. Gambar 3.1. memperoleh. A. Tujuan

Bentuk 2D dasar. Titik. Garis. Contoh 2. Contoh. Contoh 1. Syntax. point(x, y) x: koordinat x y: koordinat y

Pengenalan Processing untuk Image Processing

BAB III METODE PENELITIAN

BAB IV PENGUJIAN SISTEM. mendeteksi tempat parkir yang telah selesai dibuat. Dimulai dari pengambilan

BAB IV ANALISA. 4.1 Analisa teknik pengolahan citra

BAB IV PENGUJIAN SISTEM. koordinat pada tiap-tiap area, akses pixel, contrast streching, histogram. yang

BAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi

BAB III PERANCANGAN. 3.1 Diagram blok sistem

BAB IV HASIL DAN PEMBAHASAN. microcontroller menggunakan komunikasi serial. 1. Menyalakan Minimum System ATMEGA8535

BAB IV HASIL DAN PEMBAHASAN

BAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra.

BAB III METODE PENELITIAN. pada blok diagram tersebut antara lain adalah webcam, PC, microcontroller dan. Gambar 3.1 Blok Diagram

BAB 3 PERANCANGAN SISTEM. Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang

BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER

BAB III METODE PENELITIAN. tracking obyek. Pada penelitian tugas akhir ini, terdapat obyek berupa bola. Gambar 3.1. Blok Diagram Penelitian

Bab III Perangkat Pengujian

BAB III METODE PENELITIAN. melacak badan manusia. Dimana hasil dari deteksi atau melacak manusia itu akan

BAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai

Manipulasi Gambar dengan Efek yang keren

Manipulasi Gambar dengan Efek yang keren

DAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi

PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY

BAB 4 IMPLEMENTASI DAN PENGUJIAN. perangkat lunak yang sama untuk semua pengujian. analisa citra bioinformatika ini dalah sebagai berikut:

BAB III METODE PENELITIAN. Mulai. Studi Pustaka. Perancangan Perangkat Lunak. Pembuatan Sistem. Uji. Selesai. Gambar 3.1 Diagram Alir Penelitian

BAB IV IMPLEMENTASI DAN PENGUJIAN

BAB 4 IMPLEMENTASI DAN PENGUJIAN

Logika pemrograman sederhana

BAB II LANDASAN TEORI. Kamera web (singkatan dari web dan camera) merupakan sebuah media

DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL

BAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain:

BAB V PEMBAHASAN UMUM

BAB III PERANCANGAN SISTEM

BAB 3 ANALISIS DAN PERANCANGAN. Tahap & Hasil Langkah Penelitian Literatur & Referensi. Memahami konsep deteksi wajah

Pengolahan Citra (Image Processing)

III. METODE PENELITIAN. Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari

ANALISA PERANCANGAN SISTEM

PANDUAN PRAKTIKUM DASAR ARDUINO

3.2.1 Flowchart Secara Umum

PENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS

BAB IV PENGUJIAN SISTEM. pada PC yang dihubungkan dengan access point Robotino. Hal tersebut untuk

APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL

Fitur bentuk merupakan fitur dasar dalam visual content

TRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION

BAB 2 LANDASAN TEORI. metode yang digunakan sebagai pengawasan kendaraan yang menggunakan pengenalan

PANDUAN PRAKTIKUM DASAR ARDUINO

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI

BAB 3 ANALISIS DAN PERANCANGAN

Pemantauan Kondisi Kepadatan Jalan Kelurahan Sawojajar dengan menggunakan Image Processing Berbasis Visual Basic 6.0

Praktikum 1 Installation for OpenCV

MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner

KONTROL ROBOT MOBIL PENJEJAK GARIS BERWARNA DENGAN MEMANFAATKAN KAMERA SEBAGAI SENSOR

Pengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature

BAB 3 PEMBAHASAN. 3.1 Sistem Absensi Berbasis Webcam

BAB 1V HASIL SIMULASI DAN ANALISIS

BAB III ANALISIS DAN PERANCANGAN SISTEM

BAB 3 PERANCANGAN SISTEM

MILIK UKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Permasalahan

BAB II DASAR TEORI. CV Dokumentasi CV berisi pengolahan citra, analisis struktur citra, motion dan tracking, pengenalan pola, dan kalibrasi kamera.

IMPLEMENTASI ALGORITMA LEMPEL-ZIV-WELCH DAN ADAPTIVE HUFFMAN CODING PADA KRIPTOGRAFI VISUAL

BAB III ANALISIS DAN PERANCANGAN SISTEM

BAB IV HASIL DAN PEMBAHASAN

BAB 2 LANDASAN TEORI

Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.

KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS

BAB 3 PERANCANGAN SISTEM

APLIKASI WEBCAM UNTUK MENJEJAK PERGERAKAN MANUSIA DI DALAM RUANGAN

Aplikasi Perekam Citra Berdasarkan Pergerakan Objek Yang Nampak

BAB 3 ANALISIS DAN PERANCANGAN

Prototype Pendeteksi Jumlah Orang Dalam Ruangan

Sistem Video Streaming dengan Server Mini Personal Computer (Mini Pc) pada Jaringan Ad-Hoc

pengambilan citra video, pemrosesan citra pada setiap frame,, pendeteksian objek

BAB II LANDASAN TEORI

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM

BAB III PERENCANAAN DAN PERANCANGAN SISTEM

COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA

BAB III METODE PENELITIAN. akhir, ada beberapa cara yang telah dilakukan, antara lain:

BAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.

Rekognisi karakter optik merupakan salah satu aplikasi pengenalan pola yang

BAB IV HASIL PENELITIAN DAN ANALISIS. Pengujian Modul Kamera Raspberry Pi v2

APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

A. Tujuan Mengenal penggunaan piranti input gambar berupa scanner dan kamera digital yang mengubah gambar menjadi format digital.

BAB 2 LANDASAN TEORI

PANDUAN PRAKTIKUM DASAR ARDUINO

Bab 3. Perancangan Sistem

BINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC

PANDUAN PRAKTIKUM DASAR ARDUINO

Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah

JOBSHEET 3. Sensor Warna dan Mikrokontroller

IDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME

PENGHITUNG JUMLAH MOBIL MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DENGAN INPUT VIDEO DIGITAL

BAB III METODE PENELITIAN

Dwiny Meidelfi, M.Cs

Transkripsi:

Jobsheet II OpenCV untuk Processing Filter A. Tujuan Mahasiswa mampu menjelaskan fitur filter gambar pada OpenCV untuk Processing Mahasiswa mampu mengoperasikan fitur filter gambar pada OpenCV untuk Processing. B. Dasar Teori OpenCV untuk processing merupakan sebuah library yang memiliki banyak fitur, diantaranya filter threshold, blur dan adaptive threshold. Penggunaan filter pada OpenCV dapat dimanfaatkan pada pengolahan citra yang masih memiliki noise. Dengan kata lain, filter digunakan untuk mengurangi noise yang muncul pada pengolahan citra. Filter threshold merupakan filter yang menjadikan gambar RGB atau Grayscale menjadi biner (0 dan 1). Nilai threshold menjadi ambang batas kapan sebuah pixel dapat diubah menjadi nilai 0 atau 1. Filter blur merupakan filter yang menjadikan gambar menjadi buram. Dengan memburamkan gambar, gambar akan semakin halus dan mudah untuk dideteksi.filter adaptive threshold merupakan filter yang dapat menyesuaikan sendiri ambang batas yang digunakan antara gelap dan terangnya. Gambar 2.1 Filter Pada OpenCV

C. Alat dan Bahan 1 set PC atau Notebook. Program Processing. Library OpenCV for Processing yang telah terunduh. Praktikum Pemrosesan Sinyal @G4.206 D. Langkah Kerja 1. Baca dan pahami petunjuk praktikum sebelum melakukan praktikum. Pastikan semua alat dan bahan sudah terpenuhi. Hubungi pengajar ketika terdapat masalah atau error. 2. Buat sketsa baru pada program Processing. 3. Import library Video dan OpenCV. Gambar 2.2 Import Library Video dan OpenCV for Processing 4. Buat inisialisai capture webcam dengan nama camera dan inisialisasi OpenCv dengan nama opencv. Capture camera; OpenCV opencv; 5. Buat inisialisasi Th dengan format data integer dan filterthreshold dengan tipe data gambar PImage. int Th; PImage filterthreshold;

6. Buat setting project sesuai dengan kode berikut. void setup() { //Membuat capture baru dan masukkan pada variabel camera camera = new Capture(this, 640, 480); //Gunakan dimensi 640 x 480 dengan //renderer engine P2D (Processing 2D) size(640,480,p2d); //Mulai melakukan pemindaian kamera camera.start(); //Membuat capture baru untuk variabel opencv dari pemindaian //yang dilakukan oleh variabel camera. //Variabel opencv ini yang nantinya akan digunakan sebagai //olah gambar menggunakan OpenCV. opencv=new OpenCV(this,camera); //Set variabel Th. Th=50; println("--------------------------------------"); println(" Filter pada OpenCV "); println(" Praktikum Pemrosesan Sinyal @G4.206 "); println(" "); println("--------------------------------------"); 7. Masukkan kode berikut pada void draw() void draw() { //Lakukan pemindaian kamera camera.read(); //OpenCV memuat gambar dari variabel camera opencv.loadimage(camera); //Aktifkan filter Treshold opencv.threshold(th); //Ambil hasil filter dan masukkan pada variabel filterthreshold filterthreshold=opencv.getsnapshot(); //Tampilkan sumber gambar image(camera, 0, 0, width/2, height/2); //Tampilkan hasil filter threshold image(filterthreshold, width/2, 0, width/2, height/2); //========= Fungsi Pengubah Nilai ============ if (keypressed) { if (key == 'q') { Th=Th+5; println("nilai Threshold:", Th); if (key == 'a') { Th=Th-5; println("nilai Threshold:", Th); //=============================================

8. Run sketch 9. Ubah angka Threshold dengan menekan tombol keyboard [q] untuk menambah dan [a] untuk mengurangi. Untuk melihat nilai Threshold yang sedang digunakan, dapat dilihat pada console sketch kita. Console 10. Screenshoot tampilan, masukkan pada hasil pengamatan dan beri penjelasan 11. Tambahkan inisialisasi Bl dengan format data integer dan filterblur dan filterdual dengan tipe data gambar PImage. Sehingga tampak seperti kode berikut. int Th, Bl ; PImage filterthreshold, filterblur, filterdual; 12. Isi variable Bl dengan nilai 10 pada void setup() Bl=10;

13. Tambahkan kode berikut setelah kode filterthreshold=opencv.getsnapshot(); pada void draw() //Muat ulang gambar opencv opencv.loadimage(camera); //Aktifkan fitur Blur opencv.blur(bl); //Ambil hasil filter dan masukkan pada variabel filterblur filterblur=opencv.getsnapshot(); 14. Tampilkan hasil filter blur dengan menambah kode berikut setelah kode image(filterthreshold, width/2, 0, width/2, height/2); pada void draw() //Tampilkan hasil filter blur image(filterblur, 0, height/2, width/2, height/2); 15. Tambahkan kode berikut pada fungsi pengubah nilai if (key == 'w') { Bl=Bl+1; println("nilai Blur:", Bl); if (key == 's') { if (Bl<=1) { Bl=1; else { Bl=Bl-1; println("nilai Blur:", Bl); 16. Run sketch. 17. Ubah nilai Blur. Screenshoot tampilan, masukkan pada hasil pengamatan dan beri penjelasan 18. Tambahkan kode berikut setelah kode pada langkah ke-13 //Muat gambar opencv opencv.loadimage(camera); //Aktifkan fitur Blur opencv.blur(bl); //Aktifkan filter Treshold opencv.threshold(th); //Ambil hasil filter dan masukkan pada variabel filterdual filterdual=opencv.getsnapshot();

19. Tampilkan hasil filter dengan menambah kode berikut setelah kode pada langkah ke-14 //Tampilkan hasil filter dual. image(filterdual, width/2, height/2, width/2, height/2); 20. Atur nilai Threshold sebesar 60 dan ubah nilai Blur sesuai dengan table 2.3. Screenshoot tampilan, masukkan pada hasil pengamatan dan beri penjelasan E. Hasil Pengamatan Tabel 2.1 Hasil Pengamatan Filter Threshold No Nilai Threshold Tampilan Hasil Filter dan Penjelasan 1 20 2 40 3 60 4 80 5 100 6 120 7 140 8 160 9 180 10 200 Tabel 2.2 Hasil Pengamatan Filter Blur No Nilai Blur Tampilan Hasil Filter dan Penjelasan 1 1 2 3 3 5 4 7 5 9 6 11 7 13 8 15 9 17 10 19

Tabel 2.3 Hasil Pengamatan Filter Dual Praktikum Pemrosesan Sinyal @G4.206 No Nilai Blur Tampilan Hasil Filter dan Penjelasan 1 5 2 10 3 20 4 25 5 30 F. Analisa Data 1. Pada nilai threshold brapa tampilan filter threshold menjadi putih semua dan hitam semua? 2. Pada nilai blur berapa tampilan filter blur tidak mengalami perubahan? 3. Berdasarkan tabel 2.3, mengapa tampilan filter dual berbeda dengan filter threshold? 4. Jelaskan perintah untuk mengaktifkan fitur filter pada opencv! G. Tugas 1. Berdasarkan praktikum yang telah dilakukan, apa kegunaan masing-masing filter tersebut? H. Kesimpulan