APLIKASI COMPUTER VISION UNTUK PENENTUAN POSISI OBJEK SIMETRIS PADA RUANG TIGA DIMENSI

APLIKASI COMPUTER VISION UNTUK PENENTUAN POSISI OBJEK SIMETRIS PADA RUANG TIGA DIMENSI Najirah Umar1 1 Jurusan Teknik Informatika, STMIK Handayani Makassar Alamat Jl. Urip Sumoharjo KM. 4 Makassar,90224 Email : najirah_stmikh@yahoo.com1 Tlp. 0411-456861 Fax: 0411ABSTRAK Penelitian ini bertujuan membuat aplikasi pengambilan pengolahan gambar dicapture oleh webcam mengolahnya menggunakan gray scale biner menentukan posisi objek. Aplikasi menggunakan bahasa pemrograman delphi dirancang mengelompokkan pixel-pixel objek menjadi wilayah (region) merepresentasikan objek serta mampu membedakan antara objek latar gambar digital.penelitian ini dilaksanakan di Laboratorium STMIK Handayani Makassar. Metode digunakan dalam penelitian ini metode perancangan. Sampel data diperoleh dari hasil pengujian sistem, dianalisis model use-case, urutan operasi. Berdasarkan analisis tersebut dibuat model desain implementasi. Hasil penelitian menunjukkan bahwa aplikasi dibangun dapat digunakan menentukan posisi objek simetris pada ruang tiga dimensi. Kata kunci : Computer Vision, gray scale, biner 1. PENDAHULUAN Grafika komputer suatu Penggunaan komputer saat ini big ilmu komputer merupakan salah satu kebutuhan mempelajari tentang cara-cara dalam dunia Ilmu Pengetahuan meningkatkan memudahkan Teknologi, bisnis maupun kebutuhan komunikasi antara manusia mesin pribadi karena pada dasarnya (komputer) jalan komputer merupakan alat bantu dalam membangkitkan, menyimpan penyelesaian masalah bersifat memanipulasi gambar, model suatu rutinitas diseluruh aspek kehidupan obyek menggunakan komputer. manusia. Perkembangan komputer Grafika komputer memungkinkan user saat ini sangat pesat seiring berkomunikasi lewat gambar, perkembangan teknologi perangkat bagan, diagram menunjukkan keras perangkat lunak. bahwa grafika komputer bisa Perkembangan tersebut diikuti diterapkan pada banyak big (Insap semakin meluasnya penggunaan Santosa, 2004). komputer pada berbagai big. Salah satu big cukup berkembang big 27

pengolahan. Dengan bermacammacam tekstur warna, sebuah atau gambar dapat menyajikan informasi sesuai keinginan. Dalam dunia nyata, kemampuan seseorang menyerap informasi lebih mudah membaca atau menganalisis gambar dibandingkan sekumpulan kata-kata atau angka disajikan (Soendoro Herlambang, 2004). Computer Vision mencoba meniru cara kerja visual manusia ( human vision). Human Vision sesungguhnya sangat kompleks yaitu manusia melihat objek indera penglihatan (mata), lalu objek tersebut diteruskan ke otak dinterpretasi sehingga manusia mengerti objek apa tampak dalam pangan mata. Hasil keputusan ini digunakan pengambilan keputusan, misalnya menghindar dari objek ada atau mengetahui posisi suatu objek terutama objek simetris. Objek simetris objek memiliki jarak sudut pang sama bila dilihat dari arah berbeda dalam suatu ruang. Keseimbangan simetris dapat dikiaskan sebagai keseimbangan cermin, berarti, sisi-sisi berlawanan harus sama persis menciptakan keseimbangan. Bila ditarik garis lurus pada bagian tengah maka, bagian satu akan menjadi cerminan bagi lain. Computer Vision merupakan teknik-teknik mengestimasi ciriciri objek di dalam, pengukuran ciri berkaitan geometri objek menginterpretasi informasi geometri tersebut seperti menentukan posisi objek, dimana posisi horizontal diwakili oleh sumbu X, posisi vertikal diwakili oleh sumbu Y jarak dari kamera ke suatu titik objek diwakili oleh sumbu Z berada dalam ruang tiga dimensi Proses di dalam Computer Vision dapat di bagi menjadi tiga aktivitas yaitu : 1. Memperoleh atau mengakuisisi digital 2. Melakukan teknik komputasi memproses atau memodifikasi data ( Operasi pengolahan ). 3. Menganalisis menginterpretasi menggunakan hasil pemrosesan tujuan tertentu misalnya memandu robot, mengontrol peralatan( Rinaldi Munir, 2004). 2. TINJAUAN PUSTAKA 2.1 Computer Vision Ilmu Komputer studi sistematik tentang proses algoritmik menjelaskan mentrasformasikan informasi, baik itu berhubungan teori-teori, analisa, desain, efisiensi, implementasi, ataupun aplikasiaplikasi ada paya. Salah satu big ilmu komputer Computer Vision. Computer Vision proses otomatis mengintegrasikan sejumlah besar proses persepsi visual, seperti akuisisi data, pengolahan, klasifikasi, pengenalan ( recognition ), 28

membuat keputusan (Adrian Low 1991 ). Computer Vision teknik-teknik mengestimasi ciriciri objek di dalam, pengukuran ciri berkaitan geometri objek menginterpretasikan informasi geometri tersebut (Jain, Rames 1995). Computer vision merupakan salah satu cabang dari artificial intelligence (kecerdasan buatan) difokuskan pada pengembangan algoritma menganalisis informasi dari suatu image ke dalam bentuk informasi sebenarnya di dunia nyata.. Peran dari computer vision sebagai salah satu penyedia data input bagi komputer dapat mengerti keadaan di sekelilingnya. Kemudian dari data input telah didapatkan, akan diolah sedemikian rupa sehingga komputer dapat memberikan respon sesuai diinginkan menentukan cara penyajian hasil data input tersebut. Gambar 1. Perbandingan Computer Vision Dan Computer Graphics Fungsi computer vision menyajikan informasi dunia nyata ke dalam informasi image. Berikut beberapa permasalahan dalam computer vision merupakan fokus utama : 11. Sensing Bagaimana sensor memperoleh image dari dunia luar (World View) termasuk properti dari dunia seperti material, bentuk, iluminasi. Bahkan pada bentuk 3D, termasuk pula geometri, tekstur, motion, identitas dari obyek di dalamnya disimpan sehingga dapat digunakan oleh komputer. 2. Decoded Information Bagaimana caranya membuka mengambil setiap informasi ada di dalam image itu sehingga komputer dapat memperoleh semua informasi selengkap lengkapnya. 3. Using the information Memilih informasi apa saja benar benar dibutuhkan harus diprioritaskan lebih dari pada lainnya. Juga harus dipilih informasi apa ada dalam image itu justru harus dibuang karena dapat mengganggu jalannya sistem. Algoritma apa saja dibutuhkan memproses informasi dari image bagaimana memanfaatkannya. Beberapa subyek ilmu memanfaatkan computer vision antara lain: a. Face recognition (pengenalan wajah) b. 3D reconstruction (rekonstruksi struktur 3 dimensi) c. Motion tracking (pelacakan gerakan) Computer Vision aplikasi lain berhubungan artificial intelligence, merupakan alat analisis evaluasi 29

informasi visual menggunakan komputer. Teknik Artificial Integensia memungkinkan komputer bisa mengenal sebuah gambar mengidentifikasi objek. Dengan menggunakan teknik pelacakan pencocokan, komputer bisa memilih kunci khusus mencari serta mengidentifikasi informasi agar pangan mata manusia tidak meleset. Untuk membantu pengguna memecahkan suatu masalah atau mengambil suatu keputusan, perangkat lunak vision computer Artificial Intelegensi berusaha mengetahui melalui informasi visual. Sebuah sistem visual mempunyai kemampuan memperbaiki informasi berguna dari sebuah gambar. Untuk memperbaiki informasi diperlukan pengetahuan proyeksi geometri dari objek dari suatu gambar. Big ilmu mempunyai kaitan sistem visual sejak pertama kali dikembangkan hingga saat ini, menghasilkan teknik-teknik baru terus dikembangkan baik tujuan peningkatan akurasi maupun meningkatkan kecepatan proses. Salah satu pengembangannya pengolahan merupakan big tersendiri cukup berkembang sejak orang mengerti bahwa komputer tidak hanya menangani teks tetapi juga data gambar ( ). Teknik-teknik pengolahan bisanya digunakan melakukan transformasi dari satu kepada lain, sementara tugas perbaikan informasi terletak pada manusia melalui penyusunan algoritmanya. Big ini meliputi penajaman, penonjolan fitur tertentu dari suatu, kompresi koreksi. Sebaliknya sistem visual menggunakan sebagai masukan tetapi menghasilkan keluaran jenis lain seperti representasi dari kontur objek di dalam, atau menghasilkan gerakan dari suatu peralatan mekanis terintegrasi sistem visual. Jadi penekanan pada sistem visual perbaikan pengambilan informasi secara otomatis interaksi manusia minimal. Algoritma pengolahan sangat berguna pada awal perkembangan sistem visual, biasanya digunakan menajamkan informasi tertentu pada, sebelum diolah lebih jauh. Komputer grafik melalui pemrograman grafik menghasilkan dari bentuk geometri primitive seperti titik, garis lurus garis lengkung, lingkaran bentukbentuk dasar geometri lainnya. Komputer grafik memainkan peranan penting dalam visualisasi. Segkan sistem visual bekerja sebaliknya, menduga bentuk geometri primitive ciri lainnya merupakan penyederhanaan dari asal sifatnya lebih kompleks. Jadi Komputer grafik memadukan unsurunsur pembentuk membentuk atau mensintesa segkan sistem visual menganalisis terkag menguraikannya menjadi bentuk sederhana agar dapat dinilai secara kuantitatif. 30

2.2. Citra Citra (Image) gambar pada big dwimatra (dua dimensi). Ditinjau dari sudut pang matematis, merupakan fungsi penerus dari intensitas cahaya pada big dwimatra. Sumber cahaya menerangi objek, objek memantulkan kembali sebagian cahaya ditangkap oleh alat-alat optik seperti mata pada manusia, kamera, pemindai (scanner) sebagainya, sehingga baan objek disebut ini terekam (Rinaldi Munir, 2004). langkah digunakan memperbaiki mengalami gangguan agar mudah diinterpretasi baik oleh manusia maupun oleh komputer bertujuan memperbaiki kualitas menjadi lebih baik (Rinaldi Munir, 2004). Teknik-teknik pengolahan mentransformasikan menjadi lain, jadi masukannya keluarannya juga, namun keluaran mempunyai kualitas lebih baik daripada masukan. (image processing) suatu ilmu komputasi memungkinkan manusia dapat mengambil informasi dari suatu, tidak lepas dari big computer vision. Sesuai perkembangannya terdapat dua tujuan utama, yakni : (1) Memperbaiki kualitas Hasilnya berupa informasi interprestasikan oleh manusia (human perception). (2) Mengekstraksi informasi ciri menonjol pada suatu Hasilnya berupa informasi ciri dari secara numerik melalui besaran data dapat dibedakan secara jelas (Achmad Basuki, 2005). (image processing) merupakan suatu proses filter gambar asli menjadi gambar lain sesuai kebutuhan. Misalnya, apabila mendapatkan gambar terlalu gelap, pengolahan dapat diproses agar mendapatkan gambar jelas seperti digambarkan dalam blok diagram (Riyanto Sigit, 2005). Citra digital merupakan diambil berdasarkan sampling kuantisasi tertentu, terbentuk dari piksel-piksel besarnya tergantung pada sampling nilai derajat keabuan serta tergantung pada kuantisasi. Model digital dinyatakan dalam bentuk matrik, didefenisikan sebagai fungsi (x,y) dimana x menyatakan nomer baris y menyatakan kolom f menyatakan nilai dari derajat keabuan dari. Model matrik pada digital memungkinkan dilakukannya operasi matrik. Citra merupakan dimensi spatial berisi informasi warna tidak bergantung pada waktu. Citra merupakan sekumpulan titik-titik dari gambar, disebut pixel (picture element). Titik-titik tersebut menggambarkan posisi koordinat mempunyai intensitas dapat dinyatakan bilangan. Intensitas ini menunjukan warna, melalui penjumlahan (Red, Green Blue / RGB). 31

Tabel.1 Hubungan Citra Gambar 2. Skema Kubus Warna RGB Koordinat memberikan informasi warna pixel berdasarkan; Brightness (ketajaman) warna cahaya (hitam, abu-abu, putih) dari sumber, Hue (corak warna) ditimbulkan oleh warna (merah, kuning, hijau dll ) merupakan panjang gelombang dominan dari sumber. Misalnya 8 bit per pixel mempunyai 256 warna 24 bit tiap pixel dinyatakan ; - bit 0 sampai 7 warna merah (red) - bit 7 sampai 15 warna hijau (green) - bit 16 sampai 24 warna biru (blue) Kemungkinan kombinasi warna ada 16.777.216, dimana nilai 0 menyatakan warna hitam segkan nilai 16. 777.216 menyatakan warna putih. Hubungan image processing pembagian big dalam komputer melibatkan input output tertentu dapat di jelaskan pada tabel berikut ini : Output Image Deskripsi Input Image Penge Citra nalan pola Comp uter Vision Komputer Grafik data lainnya Dalam tabel diatas terlihat jelas bahwa pengolahan (image processing) merupakan suatu big pengetahuan dimana inputnya berupa hasilnya juga berupa proses berupa perbaikan kualitas atau penyajian informasi. Agar hasil berupa data numerik atau teks menyatakan informasi ada dalam diperlukan pengetahuan dipelajari dalam pengenalan pola computer vision. 2.3. Digitalisasi Citra Agar dapat diolah komputer digital, maka suatu harus dipresentasikan secara numerik nilai-nilai diskrit. Representasi dari fungsi malar(kontinu) menjadi nilai-nilai diskrit disebut digitalisasi, dihasilkan ini disebut digital. Pada umumnya digital berbentuk persegi panjang dimensi ukurannya dinyatakan sebagai tinggi x lebar atau lebar x panjang. Citra digital tingginya N, lebarnya M, memiliki L derajat keabuan dapat dinyatakan sebagai fungsi : 0 x M 32

f(x,y) 0 y N 0 f L a. 3. SKENARIO UJI COBA Dalam melaksanakan penelitian ini akan dilakukan perancangan alat sistem melakukan pengambilan gambar akan dibuat dirancang dalam blok diagram seperti berikut: Kamera Gambar 3 Blok diagram perangkat keras Aplikasi pengolahan dirancang bertujuan menentukan posisi objek capture menggunakan webcam memanfaatkan komponen delphi dalam pengambilan gambar menampilkan gambar disusun dalam blok diagram sebagai berikut : gr ay sc ale Bi ner isa si gr ay sc ale Bi ne ris asi Kamera 1 Citra 1 Objek Kamera 2 Citra 2 Pen ent uan Ko ordi nat Pen 4ent titik uan Ko ordi nat 4 titik Gambar 4 Disain Perangkat Lunak Pen ent uan X, Y, Z Pengambilan gambar webcam menggunakan program aplikasi memanfaatkan komponen delphi berupa : 1). TtsCap32 komponen menampilkan gambar berupa gambar bergerak 2). TtsCap32PopupMenu komponen mengatur bagaimana pengambilan gambar 3). TtsCap32Dialogs komponen mengatur format gambar akan dicapture. b. Mengubah ke gray scale biner Gambar telah capture berupa warna diolah menggunakan program aplikasi kedalam keabuan (gray scale) cara nilai piksel ada pada berupa warna dirataratakan kemudian dibagi tiga sesuai jumlah layer pada warna yaitu layer r, layer b, layer g menjadi satu layer yaitu keabuan ( gray scale). Unit terkecil dari data digital bit, yaitu angka biner, 0 atau 1. Kumpulan dari data sejumlah 8 bit data sebuah unit data disebut byte, nilai dari 0 255.Pixel (picture element) sebuah titik merupakan elemen paling kecil pada. Angka numerik (1 byte) dari pixel disebut digital number (DN). Digital Number bisa ditampilkan dalam warna kelabu, berkisar antara putih hitam (gray scale), tergantung level energi terdeteksi. Pixel disusun dalam orde benar akan membentuk 33

sebuah. Gambar di bawah ini menunjukkan derajat keabuan hubungan antara digital number derajat keabuan menyusun sebuah. Gambar 5 Hubungan Digital Number derajat keabuan a. Algoritma Sistem Algoritma Untuk Merancang Aplikasi penentuan posisi objek sebagai berikut : 1). Membuat program aplikasi pengambilan gambar 2). Mengcapture Gambar menggunakan webcam 3). Menampilkan gambar telah dicapture dalam bentuk diam 4). Mengubah Citra warna menjadi grayscale. 5). Mengubah Citra Gray Scale ke dalam biner 6). Menentukan koordinat empat titik. 7). Menentukan posisi X,Y,Z 4. HASIL DAN PEMBAHASAN Fungsi utama sistem ini menetukan posisi objek dalam aplikasi pengolahan, prosedurnya mengambil gambar ( warna) menggunakan webcam, mengubah ke keabuan biner, menentukan koordinat empat titik, menentukan posisi objek. Proses awal menentukan posisi objek dalam ruang tiga dimensi mengcapture objek hasilnya berupa warna, kemudian diubah kedalam keabuan ( gray scale), Prosedur sebagai berikut : 1. Meletakkan objek pada posisi diinginkan 2. Mengaktifkan program pengambilan gambar 3. Mengkoneksikan webcam satu dua komputer 4. Mengkalibrasi kamera satu dua 5. Menampilkan gambar dilayar 6. Mengcapture gambar 7. Mengubah warna kedalam grayscale cara menjumlah nilai dari tiga layer yaitu nilai r, nilai g nilai b kemudian dibagi tiga sehingga menghasilkan grayscale (keabuan) rumus sebagai berikut : Proses ini bertujuan mengelompokkan piksel-piksel objek kedalam wilayah mempresentasikan objek membedakan objek latar belakang. Citra telah diubah ke grayscale dilanjutkan 34

binerisasi hanya bernilai 0 1, Pada biner, batas antara objek latarbelakang terlihat jelas. Piksel objek berwarna putih seg piksel latarbelakang berwarna hitam. Untuk menentukan nilai biner dari grayscale memiliki derajat keabuan 256 dibagi dua, maka nilai tengahnya 128 sehingga mengubah menjadi biner dapat dituliskan sebagai berikut : Jika nilai keabuan < 128 maka nilainya sama 0 Jika nilai keabuan >= 128 maka nilainya sama 1 Proses mengubah warna ke dalam gray scale biner, maka proses selanjutnya menentukan koordinat empat titik berupa x1-y1, x2-y2, x3-y3, x4y4, prosedur sebagai berikut : 1. Hasil capture gambar berupa biner selanjutnya diolah menentukan posisi koodinat titik x1y1 cara melacak piksel bernilai 1 dimulai dari koordinat (0,0) letaknya pada sisi kiri atas dari biner, dilakukan berulang sampai ditemukan piksel bernilai 1 pertama, selanjutnya menjadi nilai x1y1. Ketentuan pelacakannya jika koordinat piksel bernilai 0 maka pencarian dilanjutkan sampai ditemukan koordinat piksel bernilai 1. 2. Setelah nilai piksel x1y1 ditemukan, maka dilakukan pelacakan sampai ditemukan piksel bernilai 1 merupakan koordinat piksel pada kolom terdekat dari batas matriks, selanjutnnya menjadi nilai x2y2. Ketentuan pelacakannya jika koordinat piksel bernilai 0 maka pencarian dilanjutkan sampai ditemukan koordinat piksel bernilai 1. 3. Pelacakan dilanjutkan kepada koordinat piksel dari matriks biner sampai ditemukan piksel nilai 1, dari baris piksel terjauh, selanjutnya dijadikan nilai x3y3. Ketentuan pelacakannya jika koordinat piksel bernilai 0 maka pencarian dilanjutkan sampai ditemukan koordinat piksel bernilai 1. 4. Setelah nilai piksel x3y3 ditemukan, dilanjutkan pelacakan sampai ditemukan koordinat piksel bernilai 1 letaknya pada paling terakhir dari matriks, selanjutnya dijadikan sebagai nilai x4y4. Ketentuan pelacakannya jika koordinat piksel bernilai 0 maka pencarian dilanjutkan sampai ditemukan koordinat piksel bernilai 1. Setelah koordinat empat titik didapatkan, maka dilanjutkan menentukan posisi X, Y, Z diproses sebagai berikut : 1. Hasil capture gambar ditampilkan pada kamera satu berupa biner, telah diolah kedalam koordinat empat titik, maka piksel titik koordinat x1 pertama ditemukan pada saat pelacakan objek nilai piksel 1 selanjutnya dijadikan nilai x, 35

karena merupakan nilai pertama diperoleh sejajar sumbu x pada ruang tiga dimensi. 2. Citra biner dihasilkan oleh kamera satu kamera dua, dijadikan nilai y proses nilai y1 pada kamera 1 nilai y1 pada kamera 2 sama, maka nilai diambil dijadikan nilai y dipilih salah satunya cara, nilai piksel y4 dikurangi nilai piksel y1 memperoleh nilai y, karena nilai koordinat tersebut sejajar sumbu y dalam ruang tiga dimensi. 3. Untuk nilai Z diambil dari hasil capture gambar pada kamera 2 yaitu sejajar sumbu Z yaitu nilai x1 dari koordinat x1y1 dari koordinat empat titik. 2. 3. 6. RGB kemudian dibagi tiga, hasilnya berupa satu layer grayscale rentang nilai keabuan 0 sampai 255, dari grayscale diubah kedalam bentuk biner dimana objek bernilai 1 latarbelakang bernilai 0. Telah berhasil merancang program aplikasi pengolahan menentukan posisi objek. Kekurangannya belum menghasilkan perbandingan posisi objek tepat berdasarkan tingkat resolusi, hal ini dipengaruhi oleh ketepatan menempatkan posisi objek pada saat pengcapturan gambar. DAFTAR PUSTAKA [1] Gambar 6 Proses Penentuan Posisi Objek 5. KESIMPULAN 1. Tersusun suatu algoritma mengolah obyek gambar digital dari warna telah dicapture, diolah menggunakan gray scale cara warna terdiri dari 3 layer matriks menjumlahkan nilai Achmad Basuki, dkk, 2005. Citra Digital menggunakan Visual Basic, Cetakan Pertama, Yogyakarta : Graha Ilmu [2] Adi Nugroho, 2005. Rational Rose Pemodelan Berorientasi Objek, Cetakan Pertama, Bandung : Informatika [3] Balza Achmad Kartika Firdausy, 2005. Teknik Citra Digital Menggunakan Delphi, Yogyakarta : Ardi Publishing [4] Bambang Robi`in, 2004. Pemograman Grafis Multi Media menggunakan Delphi, Yogyakarta : Andi Offset 36

[5] Eru Puspita, Sistem Pendeteksian Penjejakan Wajah Secara Realtime (Online) http://www.ies.eepisits.edu/index.php, 37