Computer Vision

Computer Vision adalah salah satu cabang ilmu pengetahuan yang mempelajari bagaimana komputer dapat mengenali obyek yang diamati/ diobservasi. Cabang ilmu ini bersama Intelijensia Semu (Artificial Intelligence) akan mampu menghasilkan sistem intelijen visual (Visual Intelligence System).

Computer Vision dapat dilakukan dalam empat tahapan dasar, yaitu :

1. Image Acqusition

Image Acqusition 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 sebuah mata untuk menangkap sebuah sinyal visual. Umumnya mata pada computer vision adalah sebuah kamera video. Kamera menerjemahkan sebuah scene atau image Kemudian sinyal listrik ini diubah menjadi bilangan biner yang akan digunakan oleh komputer untuk pemrosesan.

Keluaran dari kamera adalah berupa sinyal analog, dimana frekuensi dan amplitudonya (frekuensi berhubungan dengan jumlah sinyal dalam satu detik, sedangkan amplitudo berkaitan dengan tingginya sinyal listrik yang dihasilkan) merepresentasikan detail ketajaman (brightness) pada scene. Kamera mengamati sebuah kejadian pada satu jalur dalam satu waktu, memindainya dan membaginya menjadi ratusan garis horizontal yang sama. Tiap-tiap garis membuat sebuah sinyal analog yang amplitudonya menjelaskan perubahan brightness sepanjang garis sinyal tersebut.

Keluaran dari kamera adalah berupa sinyal analog, dimana frekuensi dan amplitudonya (frekuensi berhubungan dengan jumlah sinyal dalam satu detik, sedangkan amplitudo berkaitan dengan tingginya sinyal listrik yang dihasilkan) merepresentasikan detail ketajaman (brightness) pada scene. Kamera mengamati sebuah kejadian pada satu jalur dalam satu waktu, memindainya dan membaginya menjadi ratusan garis horizontal yang sama. Tiap-tiap garis membuat sebuah sinyal analog yang amplitudonya menjelaskan perubahan brightness sepanjang garis sinyal tersebut.

2. Image Proccessing

Tahapan berikutnya computer vision akan melibatkan sejumlah manipulasi utama (initial manipulation) dari data binary tersebut. 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 (signal-to-noise ratio = s/n). Sinyal-sinyal tersebut adalah informasi yang akan merepresentasikan objek yang ada dalam image. Sedangkan noise adalah segala bentuk interferensi, kekurang pengaburan, yang terjadi pada sebuah objek.

3. Image Analysis

Image analysis akan mengeksplorasi scene ke dalam bentuk karateristik utama dari objek melalui suatu proses investigasi. Sebuah program komputer akan mulai melihat melalui bilangan biner yang merepresentasikan informasi visual untuk mengidentifikasi fitur-fitur spesifik dan karekteristiknya. Lebih khusus lagi program image analysis digunakan untuk mencari tepi dan batas-batasan objek dalam image. Sebuah tepian (edge) terbentuk antara objek dan latar belakangnya atau antara dua objek yang spesifik. Tepi ini akan terdeteksi sebagai akibat dari perbedaan level brightness pada sisi yang berbeda dengan salah satu batasnya.

4. Image Understanding

Ini adalah langkah terakhir dalam proses computer vision, yang mana sprsifik objek dan hubungannya di identifikasi. Pada bagian ini akan melibatkan kajian tentang teknik-teknik artificial intelligent. Understanding berkaitan dengn template matching yang ada dalam sebuah scene. Metoda ini menggunakan program pencarian (search program)dan teknik penyesuaian pola (pattern matching techniques).

Dalam proses image acqusition dibutuhkan suatu teknik konversi yang disebut dengan ADC, Karena komputer tidak bekerja dengan sinyal analog, maka sebuah analog-to-digital converter (ADC), dibutuhkan untuk memproses semua sinyal tersebut oleh komputer. ADC ini akan mengubah sinyal analog yang direpresentasikan dalam bentuk informasi sinyal tunggal ke dalam sebuah aliran (stream) sejumlah bilangan biner . Bilangan biner ini kemudian disimpan di dalam memori dan akan menjadi data raw yang akan diproses.

Perbedaan dasar antara tabung vidicon dengan CCD :

• Tabung Vidicon

Photoconductive target adalah komponen utama dalam tabung vidicon. Fungsi photoconductive target dibantu oleh sebuah lensa fokus (lenses focuses on target), yang digunakan untuk melihat image target. Kemudian photoconductive target menyimpan scene dalam bentuk sinyal listrik (electrical charge). Electrical conductivity yang dihasilkan akan bervariasi, tergantung pada besarnya serapan cahaya. Ketika cahaya rendah maka perangkat ini akan mempunyai nilai resistansi yang tinggi. Photoconductive target akan berfungsi dengan baik pada saat pencahayaan bagus, agar resistansinya rendah. Standar yang berlaku untuk scanning adalah standar NTSC dan PAL.

• Charge Couple Devices

CCD adalah sebuah rangkaian terintegrasi yang sensitif terhadap cahaya. Dirancang untuk mengubah sebuah image visual persegi (rectangular visual image) menjadi sebuah sinyal listrik. Sebuah sistem lensa digunakan untuk menfokuskan scene ke photoconductive substrate seperti silicon. Perangkat ini menyerap cahaya dan menyimpannya sebagai sebuah electrical charge dalam bentuk ribuan kapasitor mini berbentuk persegi.

Konsep pengubahan informasi 3 D menjadi 2 D dalam Computer Vision :

Kamera video tidak melihat dalam format 3 dimensi. Yang diperlihatkan oleh kamera adalah sebuah representasi 2 dimensi dari segala sesuatu yang ditangkapnya. Dapat melihat secara akurat tinggi dan lebar dari sebuah objek, tetapi tidak dapat melihat dari dimensi dalam (depth) atau perspektif lainnya. Tanpa informasi depth, maka kita sulit untuk menentukan berapa jarak antara kamera dan objek yang lihatnya. Lebih jauh lagi akan sulit untuk menentukan jarak antar objek dalam sebuah scene. Pendekatan langsung yang dapat dilakukan untuk mengatasi masalah ini adalah dengan melakukan emulasi mendekati sistem penglihatan manusia.

Dalam image processing dilakukan dalam empat tahapan proses :

1. Pre Processing

Sebelum proses enhancement image dilakukan untuk meningkatkan kualitas scene, maka terdapat beberapa hal yang perlu dipersiapkan : Pertama, pasang sebuah filter pada lensa kamera untuk mengontrol jumlah cahaya, warna dan kontras berbagai objek di dalam scene. Kedua, kebanyakan sistem computer vision beroperasi di dalam lingkungan terkontrol, maka perlu diperhatikan kontrol terhadap intensitas iluminasi, posisi sumber cahaya atau objek, sehingga Diperoleh tingkat kelihatan yang maksimum dan informasi yang lengkap.

2. Noise Reduction

Noise reducation disebut juga dengan image averaging, yang digunakan untuk mengeliminasi noise dan distorsi. Pada proses ini sistem vision meng-capture sejumlah view yang berurutan dari sebuah scene, kemudian meratakannya. Misalnya sebagai akibat dari perubahan cahaya, posisi oebjek berubah, maka akan berakibat bagi perubahan image yang ditangkap oleh kamera, maka reduksi noise dilakukan secara random.

3. Gray Scale Modification

Teknik pemrosesan berikutnya adalah dengan mengatur tingkat terang (lighten) dan gelap (darken) dari sebuah scene. Hal ini disebut dengan grayscale modification. Sejalan dengan itu, maka untuk pemrosesan 8 bit biner array, angka 0 (00000000) merepresentasikan hitam dan angka 255 (11111111) merepresentasikan warna putih. Nilai – nilai yang berada diantara nilai tersebut, disebut dengan grayscale.

4. Histogram Flattering

Histogram Flattering adalah salah satu metoda lain yang digunakan untuk meningkatkan kualitas images. Histogram adalah sebuah grafik bar digital yang digunakan untuk mengatur informasi secara statistik. Histogram bisa dibangun dari image biner dengan menghitung jumlah beda level cahaya gray.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s


%d bloggers like this: