Download - Laporan Progres Tugas Akhir A5
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 1/39
PEMBUATAN APLIKASI PENENTUAN OBJEK UTAMA
GAMBAR DENGAN DEPTH OF FIELD (DOF)
DIMAS FANNY HEBRASIANTO PERMADI
NRP.7410040023
Dosen Pembimbing:
Nana Ramadijanti, S.Kom, M.Kom
NIP. 1971110919980220011
Drs.Achmad Basuki, M.Kom, Ph.D
NIP. 196901121994031002
PROGRAM STUDI D4 TEKNIK INFORMATIKA
DEPARTEMEN TEKNIK INFORMATIKA DAN TEKNIK
KOMPUTER
POLITEKNIK ELEKTRONIKA NEGERI SURABAYA
2014
PROGRES PROYEK AKHIR
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 2/39
PEMBUATAN APLIKASI PENENTUAN OBJEK UTAMA GAMBAR
DENGAN DEPTH OF FIELD (DOF)
DIMAS FANNY HEBRASIANTO PERMADI
NRP.7410040023
Dosen Pembimbing:Nana Ramadijanti, S.Kom, M.Kom
NIP. 1971110919980220011
Drs.Achmad Basuki, M.Kom, Ph.D
NIP. 196901121994031002
PROGRAM STUDI D4 TEKNIK INFORMATIKA
DEPARTEMEN TEKNIK INFORMATIKA DAN TEKNIK
KOMPUTER
POLITEKNIK ELEKTRONIKA NEGERI SURABAYA
2014
PROGRES PROYEK AKHIR
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 3/39
3
PEMBUATAN APLIKASI PENENTUAN OBJEK UTAMA GAMBAR
DENGAN DEPTH OF FIELD (DOF)
Oleh:Dimas Fanny H. P.
NRP 7410040023
Diajukan untuk Memenuhi Persyaratan Studi Diploma IV Memperoleh
Sarjana Sains Terapan(S.ST.)
Di
Politeknik Elektronika Negeri Surabaya — ITS
Tahun 2014
Disetujui Oleh :
Tim Penguji Progres Proyek Akhir: Dosen Pembimbing:
1. Kholid Fathoni, S.Kom, MT 1. Nana Ramadijanti, S.Kom, M.Kom
NIP. 198012262008121003 NIP. 1971110919980220011
2. Fadilah Fahrul Hardiansyah.S.ST 2. Drs.Achmad Basuki, M.Kom, Ph.D
NIP 2000000061 NIP. 196901121994031002
3. Entin Martiana Kusumaningtyas, S.Kom, M.Kom
NIP 197403122000122001
Mengetahui
Ketua Program Studi D4 Teknik Informatika
Departemen Teknik Informatika dan Teknik Komputer
Politeknik Elektronika Negeri Surabaya
Izbat Uzzin Nadhori, S.Kom,M.T.
NIP. 197405052003121002
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 4/39
4
ABSTRAK
Manusia mudah menilai pentingnya daerah gambar dan
memusatkan perhatian pada bagian-bagian penting pada suatu objek
dari gambar. Sedangkan pada komputer untuk menentukan bagian
objek yang utama merupakan bidang penelitian Pengolahan Citra dan
Computer Vision yaitu penerapan Depth of Field (DoF). Depth of
Field (DoF) adalah metode yang dipakai untuk menentukan bagian
utama (Field) dan kedalaman gambar (Depth). Pada akhirnya dengan
menggunakan metode – metode tersebut dapat menghasilkan objek
utama pada gambar.
Kata kunci : DoF, Edge Detection, Blur , RoI.
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 5/39
5
DAFTAR ISI
ABSTRAK ....................................................................................... 4
DAFTAR ISI .................................................................................... 5
DAFTAR GAMBAR ........................................................................ 7
BAB I ............................................................................................... 8
PENDAHULUAN ............................................................................ 8
1.1 LATAR BELAKANG ............................................................ 8
1.2 RUMUSAN MASALAH ....................................................... 91.3 TUJUAN ................................................................................ 9
1.4 METODOLOGI ..................................................................... 9
1.5 SISTEMATIKA PENULISAN ............................................ 11
BAB II ............................................................................................ 14
TEORI PENUNJANG .................................................................... 14
2.1 TINJAUAN PUSTAKA ....................................................... 14
2.1.1. Paper yang digunakan .................................................. 14
2.2 DASAR TEORI ................................................................... 15
2.2.1. DoF (Depth of Field) ................................................... 15
2.2.2. Blur Detection .............................................................. 17
2.2.3. Edge Detection ............................................................. 17
2.2.4. Histogram Intersection ................................................. 20
2.2.5. Histogram Projection ................................................... 20
2.2.6. OpenCV ....................................................................... 21
BAB III ........................................................................................... 22
PERANCANGAN DAN PEMBUATAN APLIKASI .................... 22
3.1 PERANCANGAN UMUM .................................................. 22
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 6/39
6
3.1.1. Tahap Pertama (Pre Processing): ................................. 26
3.1.2 Tahap Kedua (RoI): ...................................................... 30
3.1.3 Tahap Ketiga (DoF) : .................................................... 31
3.2 PEMBUATAN INTERFACE ............................................... 31
BAB IV ........................................................................................... 32
ANALISA DAN PENGUJIAN ...................................................... 32
4.1 LINGKUNGAN UJI COBA ................................................ 32
4.2 LAPORAN SISTEM ............................................................ 324.3 RENCANA TAHAP SELANJUTNYA ............................... 36
DAFTAR PUSTAKA ..................................................................... 38
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 7/39
7
DAFTAR GAMBAR
Gambar 2.2.1. Depth of Field ......................................................... 16
Gambar 2.2.2. Contoh Gambar Blur ............................................... 17
Gambar 2.2.3. Edge Detection ........................................................ 18
Gambar 2.2.4. Histogram Projection .............................................. 21
Gambar 2.2.5. Platform dan OS yang digunakan. .......................... 21
Gambar 3.1.1. Proses Pengimplimentasian Aplikasi yang digunakan
........................................................................................................ 22
Gambar 3.1.2. Ekstraksi library OpenCV 2.2 dengan menggunakan
CMake ............................................................................................ 23
Gambar 3.1.2.1.1. Konfigurasi Include dan library addition pada
Microsoft Visual Studio 2010 ......................................................... 24
Gambar 3.1.2.2.1. Konfigurasi include dari direktori OpenCV ...... 24
Gambar 3.1.2.3.1. Penambahan library dari direktori OpenCV...... 24
Gambar 3.1.2.4.1. Memasukkan nama library OpenCV ................. 25
Gambar 3.1.2. Diagram Blok Proses Secara Umum ....................... 26
Gambar 3.1.1.1. Gambar Asli ......................................................... 27
Gambar 3.1.1.2. Proses Gambar ..................................................... 28
Gambar 3.1.1.3. Hasil Dari Penggabungan Gambar ....................... 29
Gambar 3.1.2.1. Design Sistem (Tahap Kedua) ............................. 30
Gambar 3.1.3.1. Design Sistem (Tahap Ketiga) ............................. 31
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 8/39
8
BAB I
PENDAHULUAN
1.1 LATAR BELAKANG
Secara umum manusia mudah menilai suatu
gambar berdasarkan objek yang dominan dan yang dianggap
penting untuk dijadikan konten dari gambar. Sedangkan
pada komputer diperlukan komputasi untuk mendapatkan
objek penting yang salah satu caranya dengan menggunakan
metode blurring image. Selain itu, juga bisa denganmenggunakan metode Region of Interest (RoI) dan Depth of
Field (DoF) yaitu dengan menentukan area objek penting
dari suatu gambar ataupun dengan melihat kedalaman dari
suatu objek pada gambar.
Efek blur secara umum sampel area yang berkisar
pada tiap pixel pada suatu gambar yang mempunyai nilai
baru dari nilai pixel tetangga pada rata – rata suatu pixel
gambar dari nilai sampel awal/asli pada pixel gambar. Blursuatu objek pada gambar yang kemungkinan disebabkan
oleh pengambilan gambar pada kamera ataupun kualitas dari
gambar tersebut. Blur juga dapat kita proses dengan
menggunakan komputer dengan berbagai cara, sebagai
contoh motion blur, gaussian blur, average blur, median
blur, dan lain – lain. Proses blur ini bisa dikaitkan dengan
deteksi objek utama pada gambar untuk sebagai proses awal
untuk menghasilkan objek utama.Region of Interest (RoI) sering dikaitkan dengan
informasi kategoris atau kuantitatif (misalnya, pengukuran
seperti volume atau intensitas rata - rata). Biasanya juga
diartikan sebagai bagian yang dipilih sampel dalam dataset
yang diidentifikasi untuk tujuan tertentu. Misalnya pada
gambar 2D, yaitu untuk menentukan batas – batas objek
utama pada gambar.
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 9/39
9
DoF (Depth of Field) istilah dunia fotografi,
merupakan bagian mana yang ingin terlihat tajam dan bagian
mana yang ingin terlihat kabur. Ruang tajam yang dimaksudadalah area gambar yang akan nampak tajam jika dilihat
pada jarak tertentu dan bukaan diafragma tertentu pula. Bisa
juga dikatakan bahwa jarak antar objek yang terlihat
difokuskan pada gambar. Jarak ini bisa jadi yang terdekat
ataupun terjauh dari setiap objek yang difokuskan. Sehingga
gambar objek yang tidak termasuk difokuskan terlihat lebih
blur. Selain itu, objek yang tidak difokuskan menjadi objek
utama yang dicari. Sehingga, objek yang blur dianggapsebagai objek pendukung dari gambar tersebut.
1.2 RUMUSAN MASALAH
Berdasarkan latar belakang di atas, maka ditemukan
beberapa rumusan masalah yaitu :
A. Bagaimana membuat aplikasi untuk mendapatkan objek
utama gambar dengan DoF.
B. Bagaimana cara melakukan blurring suatu gambar padaobjek tertentu.
1.3 TUJUAN
Berdasarkan dengan metode DoF dan metode – metode
yang mendukung terhadap DoF, komputer dapat melakukan
proses untuk mendapatkan objek utama pada suatu gambar.
Selanjutnya pada akhir tujuan dari aplikasi ini dapat
menghasilkan dengan menentukan ketepatan nilai dari
ketajaman blur tersebut dapat menghasilkan seperti berikut :1. Gambar dengan objek yang terpilih lebih terlihat
jelas daripada objek lainnya.
2. Dapat mengetahui nilai dari DoF dan nilai focus
pada objek tertentu dari suatu gambar.
1.4 METODOLOGI
Metodologi yang digunakan pada Proyek Akhir ini adalah
sebagai berikut :
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 10/39
10
a. Studi Literatur
Pada tahap ini yang dilakukan studi tentang
pemahaman langkah – langkah dalam pencarian objek pada suatu gambar dengan menggunakan library yang
sudah ada.
b. Perancangan Sistem Perangkat Lunak
Perancangan sistem perangkat lunak yang dilakukan
meliputi sebagai berikut :
a. Instalasi Software Developer dan Library
Berupa cara menginstal software dan library yangakan dipakai untuk membuat aplikasi ini.
b. Konfigurasi Library
Berupa cara – cara melakukan konfigurasi library
yang dipakai dalam implementasi aplikasi ini.
c. Proses pembuatan aplikasi
Berupa bagian proses untuk perancangan sistem
pada aplikasi dari langkah awal hingga akhir.
d. Pembuatan Interface Berupa perancangan desain interface aplikasi untuk
mempercantik dan mempermudah penampilan
aplikasi ketika dijalankan.
c. Implementasi Sistem
Hasil perancangan sistem kemudian
diimplementasikan untuk dijadikan sebuah aplikasi.
d. Pengujian dan Analisa
Setelah pembangunan aplikasi, akan dilakukan uji coba
aplikasi dan membuat analisa dari hasil uji coba
aplikasi tersebut. Pada tahap ini, uji coba aplikasi
dilakukan dengan cara pemilihan berbagai gambar
yang akan diuji.
e. Pembuatan Laporan
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 11/39
11
Membuat dokumentasi dari semua tahapan proses
diatas berupa laporan yang berisi tentang teori dan hasil
proek akhir ini.
1.5 SISTEMATIKA PENULISAN
Sistematika penulisan dari proyek akhir ini direncanakan
sebagai berikut :
BAB I PENDAHULUAN
Bab ini berisi tentang pendahuluan yang
terdiri dari latar belakang, perumusan
masalah, tujuan, metodologi, serta sistematika
pembahasan dari proyek akhir ini.
BAB II TEORI PENUNJANG
Bab ini membahas mengenai teori – teori yang
berkaitan dengan penyelesaian Proyek Akhir,
yang didapatkan dari berbagai macam bukuserta sumber-sumber terkait lainnya yang
berhubungan dengan pembuatan Proyek
Akhir ini.
BAB III PERANCANGAN DAN PEMBUATAN
SISTEM
Bab ini membahas mengenai perancangan
sistem, meliputi proses pembuatan aplikasi
dan desain interface aplikasi.
BAB IV PENGUJIAN DAN ANALISA
Bab ini merangkum tentang hasil pengujian
beserta analisa dari sistem yang telah dibuat
dalam proyek akhir sehingga bisa didapat
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 12/39
12
kelebihan atau kekurangan sistem yang telah
dibuat.
BAB V PENUTUP
Bab ini berisi tentang kesimpulan dari proyek
akhir dilengkapi dengan saran yang berguna
untuk mengembangkan sistem untuk
dikembangkan lebih baik lagi.
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 13/39
13
Halaman ini sengaja dikosongkan
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 14/39
14
BAB II
TEORI PENUNJANG
2.1 TINJAUAN PUSTAKA
Tinjauan pustaka ini membahas mengenai teori penunjang
dalam penyelesaian proyek akhir ini. Beberapa teori penunjang
tersebut adalah sebagai berikut :
2.1.1. Paper yang digunakan
UnsupervisedDetectionofRegionsofInterestUsingIterativeLinkAnalysis
Paper yang ditulis oleh Gunhee Kim dan Antonio
Torralba ini menjelaskan tentang bagaimana teknik
mengoptimalisasi mendeteksi Region of Interest (RoI)
tanpa menggunakan penamaan pada gambar dalam Web
yang berantakan. Maksud dari penulisan ini yaitu
memudahkan dalam pengelompokan gambar pada web
berdasarkan RoI yang telah dideteksi pada gambar.
AlgorithmsforRenderingDepthofFieldEffectsin
ComputerGraphics
Paper ini ditulis oleh Brian A. Brasky dan Todd J.
Kosloff menjelaskan tentang algoritma untuk rendering
efek DoF pada Komputer Grafik. Jadi dengan algoritma ini
dapat menghasilkan fokus sempurna pada suatu objek
dengan daerah objek lain terlihat lebih blur.
ALayeredDepth-of-FieldMethodforSolvingPartial
Occlusion
Paper yang ditulis oleh David C. Schedl dan
Michael Wimmer berisi tentang teknik untuk
menghasilkan efek DoF dengan menggunakan pendekatan
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 15/39
15
untuk mengatasi masalah oklusi parsial dimana hasilnya
menghasilkan blur yang seragam dan memfokuskan objek
dengan sempurna.
ImagePartialBlurDetectionandClassification
Paper ini ditulis oleh Renting Liu, Zhaorong Li dan
Jiaya Jia yang berisi tentang pengelompokan gambar
berdasarkan deteksi blur tanpa perlu melakukan image
deblurring.
DepthofFieldImplementationWithOpenGL Paper ini ditulis oleh Tin-Tin Yu yang berisi
tentang pengimplementasian DoF dengan menggunakan
OpenGL untuk mendapatkan hasil blurring pada area out-
of-focus. Teknik blurring ini dengan menkalkulasi Circle
of Confusion (CoC) dengan tiap piksel dan menggunakan
fungsi pendistribusian pencahayaan pada tiap piksel.
2.2 DASAR TEORI
2.2.1. DoF (Depth of Field)
Yaitu istilah khusus untuk menunjukkan ruang
tertentu di dalam citra yang nampak relatif tajam karena
adanya perbedaan ketajaman (fokus). Walaupun sebuah
lensa hanya mempunyai satu fokus yang presisi, yaitu pada
bidang fokus yang berada pada satu jarak fokus (focal
distance) tertentu, penurunan ketajaman citra pada kedua sisidi samping bidang fokus bersifat gradual, sehingga di dalam
kedalaman ruang, ketidaktajaman gambar dapat tidak
nampak pada kondisi perspektif normal. Jadi pada hasil
gambar, objek yang lebih focus akan terlihat lebih tajam
dibandingkan dengan objek lainnya yang tampak blur dari
objek yang difokuskan.
Contoh gambar dari DoF :
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 16/39
16
Gambar 2.2.1. Depth of Field
Jarak antara benda – benda terdekat dan terjauh
terhadap objek pada gambar. Untuk mendapatkan hasil DoF
pada gambar
Efek DoF muncul dari sifat fisik lensa. Lensa
kamera (atau lensa di mata Anda) memungkinkan cahaya
untuk melewati ke film (atau retina). Agar cahaya untuk
berkumpul ke satu titik di film (atau retina), sumbernya
harus jarak tertentu dari lensa. Apa pun yang tidak berada di
jarak proyeksi yang tepat ke daerah (bukan ke titik) pada
film. Wilayah ini dikenal sebagai Circle of Confusion (CoC).
CoC sendiri itu adalah posisi optik yang disebabkan oleh
kerucut sinar cahaya dari lensa tidak datang ke fokus yang
sempurna ketika pencitraan sumber titik.
Untuk perhitungan CoC dari parameter kamera
yaitu :
CoC = abs (aperture * (* focallength (objectdistance -
planeinfocus)) / (objectdistance * (planeinfocus -focallength)))
Jarak objek dapat dihitung dari nilai-nilai z di z-buffer:
objectdistance =-zfar * znear / (z * (zfar - znear) - zfar)
Skala dan bias istilah yang dihitung dari parameter kamera:
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 17/39
17
CoCScale = (aperture * focallength * planeinfocus * (zfar -
znear)) / ((planeinfocus - focallength) * znear * zfar)
CoCBias = (aperture * focallength * (znear - planeinfocus))
/ ((planeinfocus * focallength) * znear)
2.2.2. Blur Detection
Yaitu pendeteksian gambar buram pada suatu objek
pada gambar. Blur detection bisa dihasilkan dari hasil
filtering LPF (Low Pass Filter) dan HPF (High Pass Filter)
dengan menggunakan metode Laplacian ataupun Gaussian.
Pada blur detection dapat menjadikan suatu gambar adanya
keburaman suatu objek dari gambar tersebut. Banyak jenis
blur yang bisa kita ketahui, misalnya motion blur, average
blur, focal blur, median blur, dll. Berikut contoh hasil
gambar blur detection.
Gambar 2.2.2. Contoh Gambar Blur
2.2.3. Edge Detection
Yaitu sebuah proses untuk mendapatkan informasi
tepi dari sebuah gambar. Hasil dari deteksi tepi ini seperti
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 18/39
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 19/39
19
Metode Robert merupakan metode dasar dengan
memanfaatkan filter baris atau filter kolom:
− untuk filter vertical
− untuk filter horizontal
2. Metode Prewitt
Metode Prewitt merupakan pengembangan metode
robert dengan menggunakan filter HPF yang diberi
satu angka nol penyangga. Metode ini mengambil
prinsip dari fungsi laplacian yang dikenal sebagai
fungsi untuk membangkitkan HPF.Metode Prewitt merupakan metode deteksi tepi dengan
memanfaatkan filter kernel 3x3 sebagai berikut:
[− − − ] untuk filter vertical
[− −
−
] untuk filter horizontal
3. Metode SobelMetode Sobel merupakan pengembangan metode
robert dengan menggunakan filter HPF yang diberi
satu angka nol penyangga. Metode ini mengambil
prinsip dari fungsi laplacian dan gaussian yang dikenal
sebagai fungsi untuk membangkitkan HPF. Kelebihan
dari metode sobel ini adalah kemampuan untuk
mengurangi noise sebelum melakukan perhitungan
deteksi tepi.Metode sobel dengan memanfaatkan kernel 3x3
sebagai berikut:
[− − − ] untuk filter vertical
[− − −
] untuk filter horizontal
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 20/39
20
2.2.4. Histogram Intersection
Yaitu memperkirakan lokasi dari objek pada gambar yang
dikenal sebagai Color Histogram yang termasuk pada lingkup
dari background yang hanya mempunyai efek kecil pada
perbandingan dari objek. Histogram color seleanjutnya dapat
dibandingkan dengan simpanan database dari histogram colrs
yang dikenal sebagai objek.
2.2.5. Histogram Projection
Proyeksi didefinisikan di sini sebagai suatu operasi yang
biner gambar peta yang menjadi satu-dimensi array disebut
histogram atau proyeksi profil. Nilai-nilai dari histogram adalah
jumlah dari pixel hitam sepanjang arah tertentu. Dua jenis
histograms ditentukan. Mereka adalah di 0-derajat (horizontal
proyeksi histogram) dan 90 derajat (vertikal proyeksi histogram)
dengan melihat pada sumbu horisontal y.
Suatu horisontal proyeksi histogram h (x) dari gambar biner
ƒ (x, y) adalah jumlah pixel hitam diproyeksikan ke sumbuvertikal x. Suatu Vertikal proyeksi histogram v (y) dari gambar
biner ƒ (x, y) adalah jumlah pixel hitam diproyeksikan ke
horisontal sumbu y. Vertikal dan horisontal pada proyeksi
histograms dari angka 2 adalah sebagai contoh ditampilkan pada
gambar.
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 21/39
21
Gambar 2.2.4. Histogram Projection
2.2.6. OpenCV
OpenCV (Open Source Computer Vision) adalah sebuah
Open Source BSD-licensed library yang berisi lebih dari 500
algoritma yang telah dioptimalisasi dengan baik untuk pengolahan
gambar dan video analisis. Sejak pengenalan pada tahun 1999
Computer Vision mempunyai banyak tools untuk mengembangakan
sebuah aplikasi. OpenCV awalnya dikembangkan oleh Intel oleh
Gary Bradski sebagai initiator untuk melakukan research pada
Computer Vision.Pada tahun 2006 telah meluncurkan seri pertama pada versi
beta yaitu OpenCV 1.0 yang selanjutnya dikembangkan lagi lebih
lanjut hingga tahun 2009 dengan meluncurkan seri OpenCV 2.
Hingga tahun 2013 OpenCV telah merilis seri terakhirnya hingga seri
OpenCV 2.6.0.
OpenCV dapat berjalan diberbagai platform dan Operating
System. Platform yang biasa digunakan yaitu dengan menggunakan
Eclipse (minimum versi OpenCV 2.0), Microsoft Visual studio 2008
hingga Microsoft Visual Studio 2013 (minimum versi OpenCV 2.0),
Android (minimum versi OpenCV 2.4.2), Java (minimum versi
OpenCV 2.4.4), iOS (minimum versi OpenCV 2.4.2), Windows
(minimum versi OpenCV 2.0), Linux (minimum versi OpenCV 2.0).
Gambar 2.2.5. Platform dan OS yang digunakan.
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 22/39
22
BAB III
PERANCANGAN DAN PEMBUATAN APLIKASI
3.1 PERANCANGAN UMUM
Aplikasi ini dirancang dengan menggunakan library
OpenCV 2.2 untuk memudahkan dan mempercepat dalam
pemrosesan gambar. Dengan menggunakan library ini aplikasi
ini menjadi mudah diimplementasikan.
Berikut skenario rancangan alur penggunaan programdalam pembuatan aplikasi ini :
CMake OpenCV M. VS 2010 Qt Creator
Gambar 3.1.1. Proses Pengimplimentasian Aplikasi
yang digunakan
Pada aplikasi dilakukan dengan mengekstrak library
OpenCV dengan menggunakan CMake untuk mendapatkan dan
mensinkronisasi dengan bahasa C pada Microsoft Visual Studio
2010. Dengan mengekstrak source library pada OpenCV kita
dapat menggunakan dengan mudah pada Microsoft Visual
Studio 2010 sebagai library-nya. Selanjutnya pada Microsoft
Visual Studio 2010 melakukan konfigurasi terlebih dahuluuntuk memanggil library OpenCV yang dihasilkan oleh CMake
tadi. Setelah pemrograman aplikasi selesai dilakukan dapat
diimplementasikan pada Qt Creator yang sebagai media
pembuatan interface pada aplikasi ini. Sehingga aplikasi lebih
user friendly untuk digunakan.
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 23/39
23
Proses ekstraksi library OpenCV dengan menggunakan
CMake
Gambar 3.1.2. Ekstraksi library OpenCV 2.2 dengan
menggunakan CMake
Berikut konfigurasi pemanggilan library OpenCV 2.2 pada
Microsoft Visual Studio 2010 :
1. Menambahkan konfigurasi pada VC++ directories untuk
pemanggilan library OpenCV dan Include OpenCV secara
umum
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 24/39
24
Gambar 3.1.2.1.1. Konfigurasi Include dan library
addition pada Microsoft Visual Studio 2010
2. Konfigurasi pemanggilan include dari direktori OpenCV
Gambar 3.1.2.2.1. Konfigurasi include dari direktori
OpenCV
3. Menambahkan konfigurasi library pada linker untuk
pemanggilan library dari direktori OpenCV
Gambar 3.1.2.3.1. Penambahan library dari direktori
OpenCV
4. Menambahkan konfigurasi library pada linker pada
direktori input untuk pemanggilan library dari direktori
OpenCV.
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 25/39
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 26/39
26
Gambar 3.1.2. Diagram Blok Proses Secara Umum
Berikut penjelasan langkah – langkah proses
pengimplementasian pembuatan aplikasi ini :
3.1.1. Tahap Pertama (Pre Processing):
FilterAverage
Sebuah filter lowpass yang menghitung rata – rata
abu-abu (grayscale) atau nilai warna dalam lingkungan
persegi panjang = kernel sepanjang pixel. Filter ini
menggantikan nilai setiap pixel [i, j] dengan rata – rata dari pixel di beberapa pixel tetangga di sekitarnya, yaitu jumlah
bobot dari [i + p, j + q], dengan p = -k ke k , q = -k ke k
untuk beberapa nilai k positif, bobot non-negatif dengan
bobot tertinggi pada p = q = 0. Jika semua bobot sama maka
ini adalah filter rata-rata. Berikut contoh source code-nya :
cv::blur(img,meanfilter3,cv::Size(3,3));
EdgeDetection
Yaitu proses deteksi tepi pada suatu gambar yang
menghasilkan gambar berupa garis – garis tepi pada objek
yang ada pada gambar. Metode untuk edge detection
beragam. Pada aplikasi ini dengan menggunakan metode
Sobel yaitu dengan memanfaatkan kernel 3x3 sebagai
berikut:
[
− − −
] untuk filter vertical
[− − − ] untuk filter horizontal
Sehingga mendapatkan hasil filter yang di proses
berdasarkan vertical dan horizontal pada gambar terlebih
dahulu dan selanjutnya diproses lagi dengan menyatukan
dari filter tersebut. Berikut contoh source code-nya :
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 27/39
27
// sobel X Sobel( src_gray, sobel_x, ddepth, 1, 0, 3,
scale, delta, BORDER_DEFAULT );
convertScaleAbs( sobel_x, abs_sobel_x );// sobel Y
Sobel( src_gray, sobel_y, ddepth, 0, 1, 3,scale, delta, BORDER_DEFAULT );
convertScaleAbs( sobel_y, abs_sobel_y );/// Total sobel (approximate)
addWeighted( abs_sobel_x, 0.5, abs_sobel_y, 0.5,
0, sobel );
Berikut langkah –
langkah proses detail :1. Gambar awal dijadikan blur dengan menggunakan
metode filter average dengan matriks 3x3, 5x5, 7x7,
9x9, dan 11x11 yang tiap matriks tersebut prosesnya
dipisah. Jadi 1 gambar akan di proses berdasarkan
tiap matriks tersebut seecara terpisah.
2. Kita melakukan edge detection (deteksi tepi) pada
tiap – tiap hasil filtering tersebut berdasarkan hasil
filter average sesuai dengan matriks – matriks tadi.3. Setelah melakukan proses edge detection, hasil tiap
gambar dari proses tadi dilakukan penggabungan
untuk menghasilkan gambar yang lebih sempurna.
Gambar 3.1.1.1. Gambar Asli
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 28/39
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 29/39
29
tersebut. Jadi gambar tersebut diproses filter average dengan
matriks 3x3, 5x5, 7x7, 9x9, 11x11. Maka hasilnya seperti
gambar sebelumnya.2. Proses selanjutnya, hasil dari filter average yang masih
diproses secara terpisah berdasarkan matriks tadi, dilakukan
proses edge detection dengan metode sobel. Proses ini
dilakukan secara terpisah juga. Jadi hasil dari filter average
dari matriks 3x3 akan diproses edge detection tersendiri.
Begitu pula dengan hasil dari filter average dengan matriks
5x5, 7x7, 9x9, 11x11. Maka menghasilkan gambar yang
berbeda – beda juga pada hasil edge detection denganmetode sobel ini.
3. Proses selanjutnya yaitu penggabungan gambar dari hasil
edge detection yang diproses secara terpisah tadi.
Penggabungan dari 5 gambar yang diproses secara terpisah
tadi untuk menjadikan gambar tersebut menjadi 1 gambar
utuh untuk diproses lagi pada tahapan selanjutnya. Berikut
hasil dari penggabungan gambar dari 5 gambar yang telah
diproses dari edge detection tadi :
Gambar 3.1.1.3. Hasil Dari Penggabungan Gambar
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 30/39
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 31/39
31
ukuran dari rectangle itu pada objek yang telah
ditentukan. Maka hasilnya objek pada suatu gambar
terlihat mempunyai penanda bahwa berbentuk kotaksebagai tanda itu adalah objek dari gambar tersebut.
3.1.3 Tahap Ketiga (DoF) :
Gambar 3.1.3.1. Design Sistem (Tahap Ketiga)
Penjelasan :
1. Kita melakukan penentuan nilai DoF berdasarkan
nilai Focal length pada gambar dan CoC untuk
mendapatkan nilai DoF pada gambar
2. Pada akhirnya mendapatkan nilai DoF pada gambar
dan hasil objek utama pada gambar
3.2 PEMBUATAN INTERFACE
Pada tahap ini, dilakukan proses pembuatan interface
aplikasi supaya lebih menarik dan lebih mudah untuk
dioperasikan.
Penentuan DoF
Mendapatkan hasil objekutama dan nilai DoF
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 32/39
32
BAB IV
ANALISA DAN PENGUJIAN
Pada bab ini akan menjelaskan tentang progress
pembuatan aplikasi ini sejauh mana yang sudah dicapai :
4.1 LINGKUNGAN UJI COBA
a. Perangkat Keras (Hardware)
1. Processor : Intel Pentium core i3 (2.2 GHz)
2.
Harddisk : Kapasitas 750 Gb3. RAM : 4 Gb
4. VGA : Ati Radeon HD6730 2Gb
b. Perangkat Lunak (Software)
1. Sistem Operasi : Windows 7 64 bit
2. Software build: Microsoft Visual Studio 2010,
OpenCV 2.2
4.2 LAPORAN SISTEM
Berikut proses tahapan yang telah dilakukan :
Tahap Proses yang telah dilakukan status
Proses instalasi library OpenCV 2.2Selesai
100%
Sinkronisasi library OpenCV 2.2 dengan Microsoft
Visual Studio 2010
Selesai
100%
Open dan Load gambar dengan menggunakan bahasa
C++ dan library OpenCV 2.2
Selesai
100% Filtering image dengan menggunakan metode filter
average dengan menggunakan matriks 3x3, 5x5, 7x7,
9x9, dan 11x11
Selesai
100%
Proses edge detection pada gambar yang telah
dilakukan filter average
Selesai
100%
Proses penggabungan gambar setelah proses edge
detection
Selesai
100%
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 33/39
33
Proses thresholding gambar setelah proses
penggabungan gambar
Selesai
90%
Proses pemberian tanda (bentuk kotak) pada objekyang telah ditentukan
Selesai70%
Proses menghitung Histogram dari gambar tersebut Selesai 0%
Proses Smoothing Histogram Selesai 0%
Proses deteksi nilai puncak pada histogram Selesai 0%
Proses penentuan nilai DoF Selesai 0%
Pembuatan interface pada aplikasi Selesai 0%
Hasil proses yang telah dilakukan dalam aplikasi ini meliputi :
Gambar
Matriks3x3
Matriks5x5
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 34/39
34
Matriks7x7
Matriks9x9
Matriks11x11
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 35/39
35
Penggabuangam
bar
Thresh
old
Rectangle
Analisa Program :
1. Filter Average
Pada hasil gambar tersebut, maka dihasilkan hasil
gambar lebih buram dari pada gambar aslinya. Dari
kesimpulan pada filter ini, semakin besar matriksnya
maka hasil gambar semakin buram.
2. Edge Detection
Pada hasil gambar tersebut, maka dihasilkan hasilgambar mendapatkan hasil pada garis – garis pada objek.
Jika diproses dengan matriks yang berbeda maka
hasilnya juga berbeda. Semakin besar matriks yang diuji
maka garis – garis yang dihasilkan akan lebih lebar
dengan matriks yang lebih kecil
3. Penggabungan gambar
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 36/39
36
Pada hasil ini akan dihasilkan gambar dengan garis –
garis pada objek lebih terang dan jelas. Ini dikarenakan
digabungkannya hasil dari edge detection sebelumnyayang diproses dengan filter average dengan matriks 3x3,
5x5, 7x7, 9x9, 11x11 yang selanjutnya dilakukan edge
detection secara terpisah. Penggabungan gambar ini
dengan menjumlahkan nilai x dan y pada proses edge
detection dari tiap nilai x dan y gambar sebelumnya yang
selanjutnya dilanjutkan dengan penggabungan secara
utuh pada gambar terhadap nilai x dan y untuk
menghasilkan gambar yang utuh.4. Threshold
Pada hasil gambar tersebut, maka dihasilkan hasil
gambar garis – garis utuh pada gambar yang setelah
digabungkan.
5. Rectangle
Dari hasil gambar tersebut, dihasilkan kotak – kotak pada
objek yang ada. Hanya saja kotak tersebut tidak memberi
kotak pada seluruh objek dengan hanya 1 kotak. Itudikarenakan pada hasil threshold, garis – garis tersebut
masih ada yang terputus. Sehingga tidak bisa memberi
kotak pada objek secara menyeluruh melainkan
berdasarkan garis – garis pada objek tersebut.
4.3 RENCANA TAHAP SELANJUTNYA
Dari beberapa tahap yang telah diproses belum semuamenu terkerjakan. Tahapan yang masih harus dikerjakan
dalam pembuatan aplikasi ini antara lain: a. Tahap pendeteksian objek gambar dengan
menambahkan rectangle dengan menyempurnakan
kotak tersebut dengan 1 objek secara menyeluruh.
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 37/39
37
b. Proses penentuan DoF dan pada akhirnya akan
mendapatkan hasil objek utama dari sebuah gambar tadi
dan juga mendapatkan nilai DoF dari gambar tersebut.c. Pembuatan Interface pada aplikasi ini.
8/12/2019 Laporan Progres Tugas Akhir A5
http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 38/39