analisis perbaikan motion blur dengan metode...

Analisis Perbaikan Motion Blur Dengan Metode Penapis Wiener

TUGAS AKHIR

Program Studi

S1 Sistem Komputer

Oleh :

ZAKY RIAVANY BAHAR

11410200086

FAKULTAS TEKNOLOGI DAN INFORMATIKA

INSTITUT BISNIS DAN INFORMATIKA STIKOM SURABAYA

2019

ii

Analisis Perbaikan Motion Blur Dengan Metode Penapis Wiener

TUGAS AKHIR

Diajukan sebagai salah satu syarat untuk menyelesaikan

Program Sarjana Komputer

Oleh :

Nama : Zaky Riavany Bahar

NIM : 11410200086

Program : S1 (Strata Satu)

Jurusan : Sistem Komputer

FAKULTAS TEKNOLOGI DAN INFORMATIKA

INSTITUT BISNIS DAN INFORMATIKA STIKOM SURABAYA

2019

v

“Jangan pernah berhenti untuk bermimpi besar, meskipun banyak yang

menertawakanya, kelak mimpi-mimpi tersebut akan terukir sebagai jejakmu.”

vi

Saya persembahkan kepada kedua orang tuaku tercinta, adik - adikku tersayang,

orang – orang tersayang, sahabat – sahabatku kukasihi, dan semua keluarga yang

telah mendukung

vii

ABSTRAK

Di era yang modern sesuatu serba canggih dan teknologi

berkembang pesat. dimana teknologi yang berkembang salah satunya bisa

menghasilkan citra. banyak teknologi yang dapat menghasilkan gambar misalnya

kamera digital, kamera smartphone, CCTV dan Webcam. Dalam pengambilan

gambar , gambar yang dihasilkan tidak selalu bagus. banyak faktor yang

mempengaruhi tidak bagusnya hasil jepretan gambar. hasil pengambilan gambar

terkadang mengalami blur. Blur terjadi beberapa faktor diantaranya blur

dikarenakan oleh gerakan kamera (motion blur), blur yang dikarenakan oleh

kurang fokus, dan blur yang dikarenakan gangguan cahaya. Deblurring adalah

salah satu teknik restorasi citra dimana untuk mengurangi efek blur pada gambar.

metode deblurring ada banyak salah satunya adalah penapis Wiener. seberapa

efektif penapis Wiener dalam merestorasi citra yang disebabkan oleh gerakan

kamera (motion blur). Sistem yang dibuat pada penelitian ini menunjukan bahwa

semakin cepat kecepatan motor citra yang ditangkap semakin blur. Hasil

pengujian bahwa citra motion blur murni karena gerakan kamera tidak dapat

diolah menggunakan penapis Wiener. Penapis Wiener hanya bisa digunakan

apabila citra mendapatkan blur dikarenakan simulasi.

Keyword : Motion Blur, Penapis Wiener Method, Deblurring, Kamera

viii

KATA PENGANTAR

Mengucap puji syukur kehadirat ALLAH SWT, atas segala rahmat dan

hidayah-Nya sehingga penulis dapat menyelesaikan Tugas Akhir yang berjudul

“Analisis Perbaikan Motion Blur Dengan Metode Penapis Wiener” ini disusun

untuk menyelesaikan Program Studi S1 Sistem Komputer di Institut Bisnis Dan

Informatika Stikom Surabaya.

Penulis juga mengucapkan terima kasih yang sebesar-besarnya kepada:

1. Ibu & bapak serta keluarga tercinta yang selalu memperhatikan, mendukung,

dan menjagaku dari dahulu, sekarang, dan sampai selamanya.

2. Bapak Dr.Susijanto Tri Rasmana,S.kom., M.T. dan Harianto, S.Kom., M.Eng.

selaku Dosen Pembimbing I dan Dosen Pembimbing II yang telah sabar

membimbing, memberikan motivasi dan saran, terutama selama proses

penyusunan Tugas Akhir ini.

3. Bapak Heri Pratikno, M.T., MTCNA., MTCRE. selaku Dosen Penguji yang

telah sabar mebimbing dan memberikan saran dalam penyusunan buku Tugas

Akhir ini.

4. Para dosen dan karyawan STIKOM Surabaya yang banyak sekali memberikan

bantuan, baik yang saya sadari maupun tidak.

5. Saudara-saudara seangkatan dan seperjuanganku, mahasiswa S1-SK angkatan

2008 dan 2011 atas kebersamaan di kala susah dan senang.

6. Sahabat-sahabatku yang kukasihi yang selalu memberikan dukungan dan do’a.

Penulis

ix

2DAFTAR ISI

HALAMAN JUDUL ........................................................................................ i

HALAMAN PERSYARATAAN ...................................................................... ii

HALAMAN PENGESAHAN ........................................................................... iii

HALAMAN PERNYATAAN .......................................................................... iv

HALAMAN MOTTO ........................................................................................ v

HALAMAN PERSEMBAHAN ........................................................................ vi

ABSTRAK ......................................................................................................... vii

KATA PENGANTAR ....................................................................................... viii

DAFTAR ISI ...................................................................................................... ix

DAFTAR GAMBAR ........................................................................................ xiii

DAFTAR TABEL ............................................................................................. xv

BAB I PENDAHULUAN .......................................................................... 1

1.1 Latar Belakang Masalah .................................................................. 1

1.2 Perumusan Masalah ........................................................................ 2

1.3 Pembatasan Masalah ....................................................................... 2

1.4 Tujuan ............................................................................................. 2

1.5 Kontribusi ........................................................................................ 3

1.6 Sistematika Penulisan ..................................................................... 3

BAB II LANDASAN TEORI ....................................................................... 5

2.1 Webcam ........................................................................................... 5

2.2 Citra Digital .................................................................................... 6

2.3 Pengolahan Citra Digital ................................................................. 8

x

2.4 Fungsi Pengolahan Citra ................................................................. 8

2.4.1 Gray-Scalling ................................................................................... 11

2.4.2 RGB ................................................................................................. 13

2.5 Penapis Wiener ................................................................................ 14

2.6 Kernel ............................................................................................... 15

2.7 Point Spread Function (PSF) ........................................................... 17

2.8 Noise ................................................................................................ 18

2.9 MSE dan PSNR ................................................................................ 18

2.10 Arduino ............................................................................................ 19

2.11 Modul L298N(Driver Motor DC) .................................................... 23

2.12 Limit Switch ..................................................................................... 24

2.13 Motor DC ......................................................................................... 26

2.14 IDE Arduino ..................................................................................... 27

BAB III METODE PENELITIAN ................................................................. 29

3.1 Perancangan Sistem dan Blok Diagram Sistem ............................... 29

3.2 Perancangan Perangkat Keras .......................................................... 30

3.3 Perancangan Perangkat Lunak ......................................................... 32

3.4 Pengambilan Citra Sampel .............................................................. 39

3.5 Penyimpanan Data Citra ................................................................. 39

3.6 Pengolahan Citra .............................................................................. 39

3.7 Metode Pengujian dan Evaluasi Sistem ........................................... 40

3.7.1 Pengujian Streaming Citra Melalui Webcam .......................... 40

3.7.2 Pengujian Pengambilan Citra (Capture) ................................. 41

3.7.3 Pengujian Penyimpanan Citra ............................................... 41

xi

3.7.4 Pengujian Arduino .................................................................. 41

3.7.5 Pengujian Kecepatan Motor .................................................... 41

3.7.6 Pengujian Penapis Wiener ....................................................... 41

BAB IV PENGUJIAN DAN EVALUASI SISTEM ...................................... 43

4.1 Pengujian Streaming Citra Melalui Webcam ................................... 43

4.1.1 Tujuan ..................................................................................... 43

4.1.2 Alat yang Digunakan ............................................................. 43

4.1.3 Prosedur Pengujian ................................................................ 44

4.1.4 Hasil Pengujian ...................................................................... 44

4.2 Pengujian Pengambilan Citra (Capture) .......................................... 45

` 4.2.1 Tujuan .................................................................................... 45



4.24 Hasil Pengujian ...................................................................... 45

4.3 Pengujian Penyimpanan Citra ........................................................ 46

4.3.1 Tujuan .................................................................................... 46



4.3.4 Hasil Pengujian ...................................................................... 47

4.4 Pengujian Arduino ........................................................................... 48

4.4.1 Tujuan .................................................................................... 48



4.4.4 Hasil Pengujian ...................................................................... 48

xii

4.5 Pengujian Kecepatan Motor ............................................................ 49

4.5.1 Tujuan .................................................................................... 49



4.5.4 Hasil Pengujian ...................................................................... 50

4.6 Pengujian Penapis Wiener ................................................................ 51

4.6.1 Tujuan .................................................................................... 51



4.6.4 Hasil Pengujian ...................................................................... 51

BAB V PENUTUP ........................................................................................... 59

5.1 Kesimpulan ........................................................................................ 59

5.2 Saran .................................................................................................. 60

DAFTAR PUSTAKA ....................................................................................... 61

LAMPIRAN ....................................................................................................... 62

xiii

DAFTAR GAMBAR

Halaman

Gambar 2.1 Webcam ....................................................................................... 5

Gambar 2.2 Citra Digital ................................................................................. 7

Gambar 2.3 Gambar kordinat pixel ................................................................. 11

Gambar 2.4 Hasil Grayscaling ........................................................................ 12

Gambar 2.5 Gambar kordinat warna RGB ...................................................... 13

Gambar 2.6 Gambar penambahan campuran warna merah, hijau dan biru .... 14

Gambar 2.7 Contoh piksel tetangga ................................................................ 16

Gambar 2.8 Kernel blurring ............................................................................ 17

Gambar 2.9 PSF citra bintang ......................................................................... 18

Gambar 2.10 Arduino ........................................................................................ 21

Gambar 2.11 Atmega 328 pin ........................................................................... 21

Gambar 2.12 Modul L298N .............................................................................. 23

Gambar 2.13 Simbol Switch .............................................................................. 25

Gambar 2.14 Kontruksi Switch ......................................................................... 25

Gambar 2.15 Motor DC..................................................................................... 27

Gambar 2.16 IDE Arduino ................................................................................ 28

Gambar 3.1 Blok Diagram Sistem Secara Umum ........................................... 29

Gambar 3.2 Gambar Miniatur Penggerak Kamera .......................................... 30

Gambar 3.3 Gambar Rangkaian pada Perangkat Keras .................................. 31

Gambar 3.4 Flowchart Aplikasi Pengambilan Gambar .................................. 33

Gambar 3.5 Flowchart Komunikasi Serial Visual Studio ke Arduino............ 34

Gambar 3.6 Flowchart Serial Arduino to Visual Studio ................................. 36

xiv

Gambar 3.7 Flowchart Sensor Arduino .......................................................... 37

Gambar 3.8 Flowchart Pengolahan Citra ........................................................ 38

Gambar 4.1 Streaming dengan Webcam ......................................................... 44

Gambar 4.2 Capture dengan Webcam ............................................................. 46

Gambar 4.3 Proses Penyimpanan Citra ........................................................... 47

Gambar 4.4 Arduino Berfungsi Dengan Baik ................................................. 49

Gambar 4.5 Citra yang normal atau bagus ...................................................... 52

Gambar 4.6 Citra yang Mengalami Motion Blur ............................................ 52

Gambar 4.7 Citra yang Sudah Diolah Dengan Penapis Wiener ...................... 52

xv

DAFTAR TABEL

Halaman

Tabel 2.1 Spesifikasi Arduino .......................................................................... 20

Tabel 2.2 Fungsi Pin Modul L298N ................................................................ 24

Tabel 4.1 Tabel Pengujian Kecepatan Motor ................................................... 50

Tabel 4.2 Tabel Pengujian NSR 0.1 ................................................................. 54



Tabel 4.5 Tabel Pengujian NSR 0.1 pada kecepatan 0,27m/s ......................... 55






1

1

BAB I

PENDAHULUAN

1.1. Latar Belakang Masalah

Perkembangan teknologi digital sekarang berkembang dengan pesat, salah

satunya yang berkembang teknologi yang bisa menghasilkan suatu citra. Citra

atau biasa disebut dengan suatu gambar. Perangkat penghasil citra sangat banyak

misalnya kamera digital, perangkat smartphone yang dilengkapi kamera dan

webcam. Dengan berkembang teknologi kamera, kamera dapat digunakan sebagai

CCTV (Closed Circuit Television) atau pendeteksian tempat parkir yang kosong.

Dalam pendeteksian tempat parkir kosong bisa dibuat lintasan kamera untuk

pengambilan citra untuk pendeteksian. Dalam pengambilan citra, citra yang

dihasilkan tidak selalu bagus. Terkadang citra yang dihasilkan bisa mengalami

efek blur atau citra yang kabur. Citra yang kabur dapat disebabkan oleh berbagai

sebab, misalnya pergerakan selama pengambilan gambar oleh alat optik seperti

kamera (motion blur), penggunaan alat optik yang tidak fokus, pengguanaan lensa

dengan sudut yang lebar, gangguan atmosfir, pencahayaan yang singkat sehingga

mengurangi jumlah foton yang ditangkap oleh alat optik dan sebagainya.

Deblurring adalah salah satu teknik restorasi citra dengan tujuan

mengurangi efek blur. Citra yang mengalami efek blur akan diperbaiki dengan

teknik deblurring. Ada beberapa teknik yang digunakan untuk memperbaiki efek

blur misalnya penapis Wiener (Wiener filter), Lucy Richardson, Inverse filter.

Dalam penelitian sebelumnya penapis Wiener sudah dilakukan uji coba dalam

2

proses perbaikan citra. Citra yang asli dan blur yang dibangkitkan diproses untuk

perbaikan citra menggunakan penapis Wiener (Mistry dan Banerjee)

Pada Tugas Akhir ini akan menganalisa hasil citra yang kabur (blur) yang

disebabkan oleh gerakan (motion) kamera akan diperbaiki menggunakan teknik

deblurring dengan metode penapis Wiener.

1.2. Rumusan Masalah

1. Bagaimana membuat alat yang dapat menggerakan dan mengontrol

kecepatan webcam ?

2. Bagaimana melakukan analisa perbaikan dengan penapis Wiener (Wiener

filter) pada citra blur akibat gerakan kamera dengan kecepatan tertentu ?

1.3.Batasan Masalah

1. Uji coba menggunakan 1 buah webcam.

2. Input yang digunakan dalam tugas akhir kali ini berupa citra dengan tipe

format file JPEG.

3. Sofware yang digunakan MatLab

1.4 Tujuan

1 Menggerakan dan mengontrol kecepatan webcam yang ada pada lintasan.

2 Menganalisa perbaikan citra blur akibat gerakan kamera dengan kecepatan

tertentu menggunakan metode penapis Wiener.

3

1.5 Kontribusi

Kontribusi tugas akhir ini adalah apabila sistem ini diterapkan maka dapat

membuat orang lebih mudah untuk mengetahui bahwa function yang ada di

MatLab bekerja atau tidak. Dan untuk mengetehui seberapa efektif metode

penapis Wiener dalam pengolahan citra dimana untuk memperbaiki citra yang

mengalami motion blur. Dapat mengetahui keefektifan metode penapis Wiener

dalam nilai MSE dan PSNR.

1.6 Sistematika Penulisan

Sistematika penulisan buku tugas akhir ini terdiri dari lima bab, yang secara

ringkas dapat diuraikan sebagai berikut :

BAB I : Pendahuluan

Pada BAB I dijelaskan tentang latar belakang masalah, perumusan

masalah, pembatasan masalah, tujuan, kontribusi dan sistematika

penulisan buku tugas akhir.

BAB II : Landasan Teori

Pada BAB II menjelaskan tentang kamera, citra digital, pengolahan

citra yang meliputi grayscaling, metode filter Wiener, noise, kernel,

RGB, PSNR, MSE, motor DC, Arduino.

BAB III : Metode Penelitian

Pada BAB III membahas tentang perangkat-perangkat yang

digunakan dalam membuat tugas akhir ini, baik (hardware) yang

berupa miniatur maupun perangkat lunak (software) diantaranya

flowchart, proses pengambilan citra ,proses serial Arduino ke Visual

4

Studio, proses sensor Arduino, proses penginputan kecepatan motor

serta proses pengolahan citra dengan metode penapis Wiener dan

pengambilan nilai MSE & PSNR.

BAB IV : Pengujian dan Evaluasi Sistem

Pada BAB IV membahas tentang pengujian sistem meliputi,

pengujian menampilkan citra atau streaming dengan kamera , proses

pengambilan citra atau capture, proses penyimpanan citra, proses

arduino dapat menerima program, proses menghitung kecepatan

motor, proses pengolahan citra dengan penapis Wiener.

BAB V : Penutup

Pada BAB V merupakan bagian akhir dari laporan penelitian tugas

akhir ini yang menguraikan kesimpulan-kesimpulan yang diperoleh

dari proses penelitian serta saran-saran untuk pengembangan

penelitian selanjutnya.

5

BAB II

LANDASAN TEORI

2.1. Webcam

Webcam adalah kamera video sederhana berukuran relatif kecil. sering digunakan

untuk konferensi video jarak jauh atau sebagai kamera pemantau. Webcam pada

umumnya tidak membutuhkan kaset atau tempat penyimpanan data, data hasil

perekaman yang didapat langsung ditransfer ke komputer.Webcam juga merupakan

sebutan bagi kamera real time yang gambarnya bisa diakses atau dilihat

melalui internet , program instant messenging seperti Yahoo Messenger (YM),

AOL Messenger (AIM), Windows Live Messenger , dan Skype .Istilah "Webcam"

mengarah pada jenis kamera yang digunakan untuk kebutuhan layanan berbasis

web (Majid,2007).Definisi yang lain tentang webcam adalah sebuah periferal

berupa kamera sebagai pengambil citra/gambar dan mikrofon (optional ) sebagai

pengambil suara (audio) yang dikendalikan oleh sebuah komputer atau oleh

jaringan komputer.

Gambar 2.1 Webcam (M.Syarif , 2011)

http://id.wikipedia.org/wiki/World_Wide_Web

http://en.wikipedia.org/wiki/Windows_Live_Messenger

http://en.wikipedia.org/wiki/Skype

6

Gambar yang diambil oleh webcam ditampilkan ke layar monitor, karena

dikendalikan oleh komputer maka ada interface atau port yang digunakan untuk

menghubungkan webcam dengan komputer atau jaringan.Ada beberapa orang

yang mengartikan webcam sebagai webpage + camera karena dengan

menggunakan webcam untuk mengambil gambar video secara aktual bisa

langsung di-upload bila komputer yang mengendalikan terhubung dengan

internet.

2.2. Citra Digital

Citra digital menunjuk pada pemrosesan gambar dua dimensi menggunakan

computer. Dalam konteks yang lebih luas, pengolahan citra digital mengacu pada

pemrosesan setiap data dua dimensi. Citra digital merupakan sebuah larik (array)

yang berisi nilai-nilai real, kompleks yang direpresentasikan dengan deretan bit

tertentu.

Sebuah citra dapat didefinisikan sebagai fungsi f(x,y) berukuran M baris dan

N kolom, dengan x adalah y adalah koordinat spasial, dan amplitude f dititik

koordinat (x,y) dinamakan intensitas atau tingkat keabuan dari citra pada titik

tersebut. Apabila nilai x, y dan nilai amplitude f secara keseluruhan sehingga

(finite) dan bernilai diskrit maka dapat dikatakan bahwa citra tersebut adalah citra

digital. Nilai pada suatu irisan antara baris dan kolom (pada posisi x,y) disebut

dengan picture elements,image elements, pels, atau pixels istilah terakhir (pixel)

paling sering digunakan pada citra digital.

7

Citra digital dapat didefinisikan sebagai fungsi dua variabel, f(x,y), dimana x

dan y adalah koordinat spasial dan nilai f(x,y) adalah brightness level dari citra

pada koordinat tersebut, hal tersebut diilustrasikan pada Gambar 2.2

Gambar 2.2 Citra Digital (Nixon dan Aguado, 2002)

Teknologi dasar untuk menciptakan dan menampilkan warna pada citra

digital berdasarkan pada penelitian bahwa sebuah warna merupakan kombinasi

dari tiga warna dasar, yaitu merah, hijau dan biru (Red, Green, Blue - RGB).

Sebuah citra diubah ke bentuk digital agar dapat disimpan dalam memori

komputer atau media lain. Proses mengubah citra ke bentuk digital bisa dilakukan

dengan beberapa perangkat, misalnya scanner, kamera digital dan handycam.

Ketika sebuah citra sudah diubah ke dalam bentuk digital (selanjutnya disebut

citra digital), bermacam-macam proses pengolahan citra dapat diperlakukan

terhadap citra tersebut.

x

x1

y1

f(x1, y1)

8

2.3. Pengolahan Citra Digital

Pengolahan citra adalah salah satu cabang dari ilmu informatika. Pengolahan

citra berkutat pada usaha untuk melakukan transformasi suatu citra/gambar

menjadi citra lain dengan menggunakan teknik tertentu. Citra adalah representasi

atau tiruan dari suatu benda atau objek. Citra dibai menjadi dua, yaitu citra analog

dan citra digital. Citra analog adalah citra yang dihasilkan sinyal kontinyu, missal

foto yang dicetak di kertas foto, citra yang tampil di layar TV, citra yang

dihasilkan oleh CT-scan, citra yang tersimpan dalam pita kaset. Sedangkan citra

digital adalah citra yang bisa diolah langsung oleh computer dan tersimpan dalam

media simpan digital misalnya memory, hardisk, cd, dll. Contoh dari citra digital

ini adalah foto yang dihasilkan oleh kamera digital, dan citra yang dihasilkan oleh

scanner.

2.4. Fungsi Pengolahan Citra

Pengolahan citra bertujuan untuk memperbaikik kualitas citra agar mudah

diinterpretasikan oleh manusia atau mesin dan untuk mengolah informasi yang

ada pada suatu gambar untuk kebutuhan identifikasi objek secara otomatis.

Tekni-teknik pengolahan citra mentransformasikan citra menjadi citra lain.

Inputan pada proses ini adaah citra dan keluarannya juga berupa citra dengan

kualitas lebih baik daripada citra inputan sebelumnya. Pengolahan citra digital

diperlukan di beberapa bidang misalnya: bidang kedokteran, fotografi, dan

kemanan data.

9

Agar mudah diinterpretasi oleh manusia atau komputer, pengolahan citra

harus dilakukan dengan berbagai macam metode untuk mencapai citra sesuai yang

diinginkan.

Operasi-operasi yang dilakukan di dalam pengolahan citra banyak jenisnya.

Secara umum, operasi pengolahan citra dapat diklasifikasikan dalam beberapa

jenis sebagai berikut:

1. Perbaikan kualitas citra (Image enhancement.)

Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara

memanipulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri khusus yang

terdapat di dalam citra lebih ditonjolkan.Contoh-contoh operasi perbaikan citra:

a. perbaikan kontras gelap/terang

b. perbaikan tepian objek (edge enhancement)

c. penajaman (sharpening)

d. grayscaling

e. noise filtering

2. Pemugaran citra (Image restoration.)

Operasi ini bertujuan menghilangkan/meminimumkan cacat pada citra.

Tujuan pemugaran citra hampir sama dengan operasi perbaikan citra. Bedanya,

pada pemugaran citra penyebab degradasi gambar diketahui. Contoh-contoh

operasi pemugaran citra:

a. penghilangan kesamaran (deblurring)

b. penghilangan derau (noise)

10

3. Pemampatan citra (Image compression.)

Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk

yang lebih kompak sehingga memerlukan memori yang lebih sedikit. Hal penting

yang harus diperhatikan dalam pemampatan adalah citra yang telah dimampatkan

harus tetap mempunyai kualitas gambar yang bagus. Contoh metode pemampatan

citra adalah metode JPEG.

4. Segmentasi citra (Image segmentation.)

Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa

segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan

pengenalan pola.

5. Analisa citra (Image analysis.)

Jenis operasi ini bertujuan menghitung besaran kuantitif dari citra untuk

menghasilkan deskripsinya. Teknik pengorakan citra mengekstraksi ciri- ciri

tertentu yang membantu dalam identifikasi objek. Proses segmentasi kadangkala

diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya. Contoh-

contoh operasi pengorakan citra:

a. Pendeteksian tepi objek (edge detection)

b. Ekstraksi batas (boundary)

c. Representasi daerah (region)

6. Rekontruksi citra (Image reconstruction)

Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra

hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang medis.

Misalnya beberapa foto rontgen dengan sinar X digunakan untuk membentuk

ulang gambar organ tubuh. (Nixon dan Aguado, 2002).

11

Gray-Scaling

Secara digital suatu gray-scale image dapat direpresentasikan dalam bentuk

array dua dimensi. Tiap elemen dalam array menujukkan intensitas (grey level)

dari image pada posisi koordinat yang bersesuain. Apabila suatu citra

direpresentasikan dalam 8 bit maka berarti pada citra terdapat 28 ata 256 level

gray-scale, (biasanya bernilaiu 0-255), dimana 0 menunjukkan level intensitas

paling gelap dan 255 menunjukkan intensitas paling terang. Tiap elemen pada

array diatas disebut sebagai picture elemen atau paling sering disebut pixel.

Dengan melakukan perubahan pada intensitas masing-masing pixel maka

representasi citra secara keseluruhan akan berubah. Citra yang dinyatakan dengan

matrik M x N mempunyai intensitas tertentu pada pixel tertentu. Posisi picture

elemen (I,j) dan koordinat (x,y) berbeda.

Jumlah pixel dimulai dari sudut kiri atas sedangkan koordinat x dan y berada

pada sudut kiri bawah.

Gambar 2.3 Gambar kordinat pixel

Format citra ini disebut skala keabuan karena pada umumnya warna yang

dipakai adalah antara hitam sebagai warna minimal dan warna putih sebagai

warna maksimal sehingga warna antaranya adalah abu-abu.

12

Persamaan yang digunakan untuk mengkonversikan citra berwarna menjadi

citra skla keabuhan adalah sebagai berikut (Basuki,A:2005) :

Gray = (R + G + B) / 3 (2.1)

Konversi informasi suatu citra warna ke skala keabuhan dapat juga

dilakukan dengan cara memberi bobot pada setiap elemen warna (Achmad: 2005),

sehingga persamaan diatas dimodifikasi menjadi :

Gray =wRR + wGG + wBB (2.2)

Dengan wR, wG dan wB masing-masing adalah bobot untuk elemen warna

merah, hijau dan biru. NTSC (National Television System Committee)

mendefinisikan bobot untuk konversi citra warna ke skala keabuan adalah sebagai

berikut :

wR = 0,299 wG = 0,587 wB = 0,114

untuk citra berwarna nilai dari suatu pixel missal adalah X, maka untuk

mendapatkan nilai Red, Green, Blue dapat menggunakan rumus :

Blue = X / 216 (2.3)

Green = (X – Blue * 216) / 28 (2.4)

Red = X – Blue * 216 – Green * 28 (2.5)

Berikut adalah contoh Gambar 2.4 hasil grayscaling

Gambar 2.4 Hasil Grayscaling( Nata S, 2010 )

13

RGB

Suatu citra dalam model RGB terdiri dari tiga bidang citra yang saling lepas,

masing-masing terdiri dari warna utama: merah, hijau dan biru. Suatu warna

dispesifikasikan sebagai campuran sejumlah komponen warna utama.gambar

dibawah menunjukkan bentuk geometri dari model warna RGB untuk

menspesifikasikan warna menggunakan system koordinat Cartesian. Spektrum

greyscale (tingkat keabuan) yaitu warnayang dibentuk dari gabungan tiga warna

utama dengan jumlah yang sama,berada pada garis yang menghubungkan titik

hitam dan titik putih.

Gambar 2.5 Gambar koordinat warna RGB

Warna dipresentasikan dalam suatu sinar tambahan untuk membentuk warna

baru, dan berhubungan untuk membentuk sinar campuran. Citra pada gambar

sebelah kiri menunjukkan campuran dengan menambahkan warna utama merah,

hijau dan biru untuk membentuk warna sekunder kuning (merah + hijau), cyan

14

(biru + hijau), magenta (merah + hijau), dan putih (merah + hijau + biru). Model

warna RGB banyak digunakan untuk monitor komputer dan video kamera.

Gambar 2.6 Gambar penambahan campuran warna merah, hijau dan biru.

2.5. Penapis Wiener

Pada pengolahan citra digital, penapis digunakan untuk menekan frekuensi

tinggi pada citra seperti memperhaluskan citra (smoothing) atau menekan

frekwensi rendah seperti memperjelas atau mendeteksi tepi. Tujuan dari penapis

sendiri membuat citra tampak lebih baik atau tampak lebih jelas untuk analisis.

Filter juga sering disebut penyaringan citra atau penapisan citra.

Wiener filtering adalah filter yang akan melakukan penyaringan terhadap

noise yang menyerang citra yang menyebabkan penurunan kualitas citra tersebut

dengan menggunakan pendekatan statistik berdasarkan pixel-pixel tetangganya.

Penapisan citra dapat dilakukan dalam ruang lingkup frekwensi atau spasial.

Penapisan dalam ruang lingkup frekuensi akan mengubah citra ke kawasan

frekwensi, mengalikannya dengan sebuah fungsi penapis frekwensi, kemudian

mentranformasikan kembali hasilnya ke ruang lingkup spasial. Penapisan dalam

ruang lingkup spasial adalah melakukan konvolusi citra input F(i,j) , dengan

fungsi penapis H(i,j) dan �̂�(i,j) adalah hasil dari persamaan.

𝐹 ̂(𝑖, 𝑗) = 𝐻(𝑖, 𝑗) ∙ 𝐹(𝑖, 𝑗) (2.6)

15

Rumus ini sama dengan perkalian dalam ruang lingkup frekwensi, tetapi

dalam implentasi digitalnya bervariasi, karena fungsi penapis yang digunakan

harus disimulasikan dalam bentuk kernel diskret tertentu.

Berkebalikan dengan ruang lingkup frekwensi, adalah memungkinkan untuk

mengimplentasikan penapis non linear dalam ruang lingkup spasial. Dalam kasus

seperti ini, maka penjumlahan dalam fungsi konvolusi diganti dengan sebuah

operator non linear O(m,n).

�̂�(𝑖, 𝑗) = 𝑂(𝑚, 𝑛)[𝐻(𝑚, 𝑛)𝐹(𝑖 − 𝑚, 𝑗 − 𝑛)] (2.7)

Wiener Filtering adalah salah satu jenis penapis spasial non-linear. Dalam

kawasan frekuensi penapis Wiener berupa (McAndrew,2004) :

𝐹(𝑖, 𝑗) = [1

𝐻(𝑖,𝑗)

|𝐻(𝑖,𝑗)|2

|𝐻(𝑖,𝑗)|2+𝐾] �̂�(𝑖, 𝑗) (2.8)

Dengan K adalah suatu konstanta, nilai konstanta tersebut dipakai untuk

melakukan hampiran terhadap derau. Sebagai contoh, jika varians (𝜎2) derau

diketahui, K dapat diisi dengan 𝜎2 . Jika varians tidak diketahui, nilai K harus

dicoba-coba untuk mendapatkan hasil yang terbaik.

Hasil dari penapis spasial ditentukan oleh elemen matriks kernel, dan dapat

menghasilkan efek yang berbeda terhadap citra input misalnya : Sharpehing

(penajaman), Blurring (Pengaburan), Noise Reduction (Pengurangan derau), Edge

Detection (Deteksi Tepi).

2.6. Kernel

Kernel adalah sebuah matriks kecil yang biasanya berisikan jumlah angka

kecil digunakan untuk konvolusi sebuah citra. Setiap ukuan kernel berbeda dan

16

mengandung pola angka yang berbeda sehingga menghasilkan yang berbeda

dalam konvolusi. Misalnya kernel 3x3 yang mengimplentasikan Mean filter :

Titik kordinat dari matriks :

{(-1,-1)(0,-1)(1,-1)

(-1,0)(0,0)(1,0)

(-1,1)(1,0)(1,1)}

Kernel menggunakan konsep piksel tetangga, dimana matriks kernel dibuat

dengan asumsi bahwa nilai suatu piksel dapat dipengaruhi oleh piksel-piksel

tetangganya. Piksel tetangga adalah sejemlah piksel yang bersebelahan langsung

dengan piksel pusat.

Gambar 2.7 Contoh piksel tetangga

Kernel untuk pengaburan (blurrimg) menggunakan prinsip bahwa nilai

piksel pusat harus dibuat mendekati piksel tetangganya (mengurangi perbedaan).

1 1 1

1 1 1

1 1 1

17

Contoh dari kernel blurring :

Gambar 2.8 Kernel blurring

2.7. Point Spread Function (PSF)

Operator konvolusi pada persamaan (2.6) disebut juga point spread

spectrum (PSF). PSF ini dapat dijelaskan secara sederhana dengan contoh citra

bintang yang ditangkap oleh teleskop sebagai berikut: jika segala sesuatu

sempurna (misalnya optik teleskop yang sempurna, sudut penglihatan yang

sempurna), maka citra bintang hanya berupa pixel tunggal seperti ditunjukkan

pada Gambar 2.9(a). Tetapi, nyatanya, karena segala ketidaksempurnaan, citra

bintang yang diamati menyebar pada beberapa pixel, seperti yang ditunjukkan

pada Gambar 2.9(b) . Inilah yang dikenal dengan nama point spread spectrum.

Pada gambar 2.9(a) Citra bintang seharusnya, 2.9 (b) citra bintang yang

diamati akibat distorsi oleh PSF. PSF merupakan faktor penting pada restorasi

citra, karena PSF menggambarkan distorsi.

Menurut persamaan 2.6 , citra terdegradasi didapat dari :

Citra terdegradasi = citra asli * PSF

18

(a) (b)

Gambar 2.9 PSF pada citra bintang

Jadi, berdasarkan model degradasi pada persamaan 2.6, pekerjaan mendasar pada

deblurring adalah dekonvolusi citra kabur (blur) dengan PSF. (Catatan:

dekonvolusi adalah proses yang membalikkan efek konvolusi). Dengan kata lain,

kualitas citra hasil deblurring terutama ditentukan oleh pengetahuan PSF.

2.8. Noise

Noise adalah suatu bentuk kerusakan pada image signal yang disebabkan

oleh gangguan eksternal. Gangguan pada citra umumnya berupa variasi intensitas

suatu piksel yang tidak berkorelasi dengan piksel-piksel tetangganya (Yuwono,

2010)

2.9. MSE dan PSNR

Ada beberapa parameter pengukuran kesalahan atau error dalam

pemrosesan citra. Dua yang paling umum digunakan adalah Mean Square Error

(MSE) dan Peak Signal to Noise Ratio(PSNR).

Walaupun tidak selalu berkorelasi dengan presepsi visual manusia, MSE

merupakan ukuran yang baik dalam melakukan pengukuran terhadap kesamaan 2

19

citra. Misalkan kita memiliki dua citra f dan g dengan dimensi yang sama besar M

x N, MSE antara keduanya dapat didefinisikan persamaan berikut :

𝑀𝑆𝐸 = 1

𝑀×𝑁∑ 𝑀𝑖=1 ∑ 𝑁𝑗=1 (𝑓𝑖,𝑗 − 𝑔𝑖,𝑗)

2 (2.9)

Semakin besar nilai MSE, maka semakin besar perbedaan antara 2 buah

citra yang dibandingkan.

Satu lagi parameter pengukuran kesalahan yang sama baiknya adalah PSNR.

Untuk sebuah citra grayscale 8-bit f dan citra graycale 8-bit g dengan dimensi

yang sama, PSNR antara keduanya dapat didefiniskan oleh :

𝑃𝑆𝑁𝑅 = 10𝑙𝑜𝑔10 (2552

𝑀𝑆𝐸) (2.10)

Menggunakan nilai MSE antara f dan g, nilai 2552 merepresentasikan nilai MSE

yang terbesar yang mungkin antara 2 citra digital 8-bit. Tak seperti MSE, nilai

PSNR yang lebih besar mengindikasikan aprokmasi yang lebih dekat dari g pada

f. Satuan yang digunakan dalam PSNR adalah desibel(db)

2.10. Arduino

Arduino adalah pengendali mikro single-board yang bersifat open-source,

diturunkan dari Wiring platform, dirancang untuk memudahkan penggunaan

elektronik dalam berbagai bidang. Hardware Arduino memiliki prosesor Atmel

AVR dan software Arduino memiliki bahasa pemrograman C. Memori yang

dimiliki oleh Arduino Uno sebagai berikut : Flash Memory sebesar 32KB, SRAM

sebesar 2KB, dan EEPROM sebesar 1KB. Clock pada board Uno menggunakan

XTAL dengan frekuensi 16 Mhz. Dari segi daya, Arduino Uno membutuhkan

tegangan aktif kisaran 5 Volt, sehingga Uno dapat diaktifkan melalui koneksi

USB. Arduino Uno memiliki 28 kaki yang sering digunakan. Untuk Digital I/O

20

terdiri dari 14 kaki, kaki 0 sampai kaki 13, dengan 6 kaki mampu memberikan

output PWM (kaki 3,5,6,9,10,dan 11). Masing-masing dari 14 kaki digital di Uno

beroperasi dengan tegangan maksimum 5 Volt dan dapat memberikan atau

menerima maksimum 40mA.

Untuk Analog Input terdiri dari 6 kaki, yaitu kaki A0 sampai kaki A5.

Kaki Vin merupakan tempat input tegangan saat menggunakan sumber daya

eksternal selain USB dan adaptor.Spesifikasi Arduino uno R3 dapat dilihat pada

Tabel 2 1, gambar Arduino uno R3 dapat dilihat pada Gambar 2 1 dan pin Atmega

320 dapat dilihat pada Gambar 2 9.

Tabel 2.1 Spesifikasi Arduino

Mikrokontroler ATmega328

OperasiTegangan 5 Volt

Input Tegangan 7-12 Volt

Pin I/O Digital 14

Pin Analog 6

Arus DC tiap pin I/O 50 mA

Arus DC ketika 3.3V 50 mA

Memori flash 32 KB

SRAM 2 KB

EEPROM 1 KB

Kecepatan clock 16 MHz

21

Gambar 2.10 Arduino

Gambar 2.11 Atmega 328 pin

22

ATMega328 merupakan mikrokontroler keluarga AVR 8 bit. Beberapa tipe

mikrokontroler yang sama dengan ATMega8 ini antara lain ATMega8535,

ATMega16, ATMega32, ATmega328, yang membedakan antara mikrokontroler

antara lain adalah, ukuran memori, banyaknya GPIO (pin input/output),

peripherial (USART, timer, counter). Dari segi ukuran fisik, ATMega328

memiliki ukuran fisik lebih kecil dibandingkan dengan beberapa mikrokontroler

diatas. Namun untuk segi memori dan periperial lainnya ATMega328 tidak kalah

dengan yang lainnya karena ukuran memori dan periperialnya relatif sama dengan

ATMega8535, ATMega32, hanya saja jumlah GPIO lebih sedikit dibandingkan

mikrokontroler diatas.

ATMega328 merupakan bagian mikrokontroler yang ada pada Arduino R3

keluaran dari atmel yang mempunyai arsitektur RISC (Reduce Instruction Set

Computer) yang mana setiap proses eksekusi data lebih cepat dari pada arsitektur

CISC (Completed Instruction Set Computer). Mikrokontroler ini memiliki

beberapa fitur antara lain:

1. Memiliki EEPROM (Electrically Erasable Programmable Read Only

Memory) sebesar 1KB sebagai tempat penyimpanan data semi permanen

karena EEPROM tetap dapat menyimpan data meskipun catu daya

dimatikan.

2. Memiliki SRAM (Static Random Access Memory) sebesar 2KB.

3. Memiliki pin I/O digital sebanyak 14 pin 6 diantaranya PWM (Pulse

Width Modulation) output.

4. 32 x 8-bit register serba guna.

23

5. Dengan clock 16 MHz kecepatan mencapai 16 MIPS.

6. 32 KB Flash memory dan pada Arduino memiliki bootloader yang

menggunakan 2 KB dari flash memori sebagai bootloader.

7. 130 macam instruksi yang hampir semuanya dieksekusi dalam satu

siklus clock.

2.11. Modul L298N (Driver Motor DC)

Modul L298N adalah modul yang di dalamnya terdapat IC L298N yang

dapat mengendalikan arah putaran dan kecepatan motor DC ataupun motor

stepper.IC L298N Mampu mengeluarkan output tegangan untuk motor DC dan

motor stepper maksimal 50 Volt. IC L298N terdiri dari transistor-transistor logic

(TTL) dengan gerbang nand yang memudahkan dalam menentukkan arah putaran

suatu motor DC dan motor stepper. IC ini dapat mengendalikan 2 untuk motor DC

namun hanya dapat mengendalikan 1 motor stepper. Fungsi pin modul L298N

dapat dilihat pada Tabel 2.2 dan modul L298N dapat dilihat pada Gambar 2.11.

Gambar 2.12 Modul L298N

24

Tabel 2.2 Fungsi Pin Modul L298N

PIN FUNGSI

5V Sumber tegangan 5 Volt

GND Ground

12V Sumber tegangan 12 Volt

IN 1 Input 1 (terkoneksi dengan Arduino)




OUT 1 Output 1 (terkoneksi dengan pin positif motor DC 1)




2.12. Limit Switch

Limit switch merupakan jenis saklar yang dilengkapi dengan katup yang

berfungsi menggantikan tombol. Prinsip kerja limit switch sama seperti saklar

Push ON yaitu hanya akan menghubung pada saat katupnya ditekan pada batas

penekanan tertentu yang telah ditentukan dan akan memutus saat saat katup tidak

ditekan. Limit switch termasuk dalam kategori sensor mekanis yaitu sensor yang

akan memberikan perubahan elektrik saat terjadi perubahan mekanik pada sensor

tersebut. Penerapan dari limit switch adalah sebagai sensor posisi suatu benda

(objek) yang bergerak.

Limit switch umumnya digunakan untuk :

1. Memutuskan dan menghubungkan rangkaian menggunakan objek atau benda

lain.

25

2. Menghidupkan daya yang besar, dengan sarana yang kecil.

3. Sebagai sensor posisi atau kondisi suatu objek.

Prinsip kerja limit switch diaktifkan dengan penekanan pada tombolnya pada

batas/daerah yang telah ditentukan sebelumnya sehingga terjadi pemutusan

atau penghubungan rangkaian dari rangkaian tersebut. Limit switch memiliki 2

kontak yaitu NO (Normally Open) dan kontak NC (Normally Close) dimana

salah satu kontak akan aktif jika tombolnya tertekan. Simbol limit switch dapat

dilihat Gambar 2.12 dan konstruksi dapat dilihat pada Gambar 2.13.

Gambar 2.13 Simbol Switch

Gambar 2.14 Konstruksi Switch

26

2.13. Motor DC

Motor DC adalah motor listrik yang memerlukan suplai tegangan arus

searah pada kumparan medan untuk diubah menjadi energi gerak mekanik. Motor

arus searah, sebagaimana namanya, menggunakan arus langsung yang tidak

langsung/direct-unidirectional.

Bagian-bagian motor DC :

a. Rotor

Rotor merupakan bagian dari motor DC yang berputar. Bagian ini berupa

kumparan atau koil dimana arus listrik akan mengalir.

b. Stator

Stator merupakan bagian dari motor DC yang permanen atau tidak berputar.

Bagian ini menghasilkan medan magnet, baik yang dihasilkan dari koil maupun

dari medan magnet.

c. Commutator

Komponen ini terdapat pada motor DC dan berfungsi untuk membalikan arah

arus listrik dalam kumparan jangkar. Commutator juga membantu dalam

transmisi arus antara kumparan jangkar dan saluran daya.

Prinsip kerja motor DC

Prinsip kerja motor DC adalah jika arus lewat pada suatu konduktor, timbul

medan magnet di sekitar konduktor. Medan magnet hanya terjadi di sekitar

konduktor jika ada arus mengalir pada konduktor tersebut. Arah medan magnet

27

ditentukan oleh arah aliran arus pada konduktor. Motor DC dapat dilihat pada

Gambar 2.14.

Gambar 2.15 Motor DC

2.14. IDE Arduino

IDE (Integrated Development Environment) adalah sebuah perangkat lunak

yang digunakan untuk mengembangkan aplikasi mikrokontroler mulai dari

menuliskan source program, kompilasi, upload hasil kompilasi dan uji coba secara

terminal serial. IDE Arduino dapat dilihat pada Gambar 2.15.

a. Icon menu verify yang bergambar ceklis berfungsi untuk mengecek program

yang ditulis apakah ada yang salah atau error.

b. Icon menu upload yang bergambar panah ke arah kanan berfungsi untuk

memuat program yang dibuat di software Arduino ke hardware Arduino.

c. Icon menu New yang bergambar sehelai kertas berfungsi untuk membuat

halaman baru dalam pemrograman.

28

d. Icon menu Open yang bergambar panah ke arah atas berfungsi untuk membuka

program yang disimpan atau membuka program yang sudah dibuat dari

pabrikan software Arduino.

e. Icon menu Save yang bergambar panah ke arah bawah berfungsi untuk

menyimpan program yang telah dibuat atau dimodifikasi.

f. Icon menu serial monitor yang bergambar kaca pembesar berfungsi untuk

mengirim atau menampilkan serial komunikasi data saat dikirim dari hardware

Arduino.

Gambar 2.16 IDE Arduino

29

BAB III

METODE PENELITIAN

Untuk pengumpulan data yang diperlukan dalam melaksanakan tugas akhir, ada

beberapa cara yang telah dilakukan, antara lain:

1. Studi kepustakaan

Studi kepustakaan berupa pencarian data-data literature dari fungsi pada

software Matlab dan Visual Studio, Arduino, melalui pencarian dari internet, dan

konsep-konsep teoritis dari buku-buku penunjang serta metode yang akan

digunakan untuk melakukan pengolahan citra.

2. Penelitian laboratorium

Penelitian laboratorium dilakukan dengan perancangan perangkat

lunak,implentasi perangkat lunak, pengambilan data pengujian aplikasi, kemudian

melakukan evaluasi dari data hasil pengujian.

Perancangan Sistem dan Blok Diagram Sistem

Model penelitian yang akan dilakukan adalah model penelitian analisa.

Untuk mempermudah dalam memahami system yang akan dibuat dapat dijelaskan

melalui blok diagram pada Gambar 3.1

Gambar 3.1 Blok Diagram Sistem Secara Umum

Proses

captur

e

Citra

blur

Proses

perbaikan citra

Analis

a citra

30

Sebagai input, citra didapatkan dari kamera yang terpasang pada miniatur.

Kemudian diproses dengan menggunakan software Matlab. Citra yang diperoleh

adalah citra dalam keadaan motion blur. Setelah mendapatkan citra tersebut, maka

selanjutnya akan dilakukan proses perbaikan citra dengan metode penapis Wiener.

Dan hasil dari proses perbaikan tersebut akan dianalisa dan dibandingkan dengan

citra original menggunakan metode PSNR dan MSE. Hasil perbandingan akan

berupa nilai dari PSNR dan MSE guna mengetahui citra dalam keadaan blur

sudah mengalami perbaikan.

Perancangan Perangkat Keras

Perangkat keras pada Tugas Akhir ini berupa miniatur penggerak kamera

menggunakan motor DC. Dalam perangkat keras terdiri dari motor DC, Arduino,

Limit Switch dan motor Driver. Gambar 3.2 adalah gambar miniatur untuk

menggerakan kamera.

Gambar 3.2 Gambar Miniatur Penggerak Kamera

31

Untuk mengetahui apakah perangkat keras nantinya bisa digunakan, perlu

rancangan skema simulasi rangkaian seperti pada contoh Gambar 3.3.

Gambar 3.3 Gambar Rangkaian pada Perangkat Keras

Pada rangkaian gambar 3.3 Limit Switch terhubung dengan Arduino, Limit

Switch digunakan sebagai sensor. Terdapat tiga Limit Switch yang kegunaan

masing-masing berbeda. Limit Switch Camera digunakan untuk sensor

pengambilan citra, Limit Switch Start digunakan untuk menyalakan motor dan

motor bergerak maju, Limit Switch Stop digunakan untuk mereverse jalannya

motor menjadi mundur. Motor Driver yang terhubung dengan Arduino untuk

memberikan komunikasi pada motor untuk menjalakan atau memberhentikan

motor.

32

Perancangan Perangkat Lunak

Dalam perancangan perangkat lunak, perangkat lunak yang digunakan

meliputi Visual Studio 2012, Arduino IDE 1.6.8, MatLab 2015. Kemudian dalam

penulisannya atau dalam pembuatan program, akan meliputi bagian-bagian

penting dalam setiap langkah-langkah per bagian sesuai dengan algoritma atau

logika sekuensial dari awal sampai output. Dalam setiap perangkat lunak yang

digunakan akan memiliki fungsi dan bagian-bagian sendiri. Visual Studio

digunakan sebagai aplikasi pengambilan data citra. Alur algoritma program yang

ada di Visual Studio pada Gambar 3.4.

Gambar 3.4 adalah flowchart alur proses yang berada di Visual Studio.

Terdapat proses menyalakan kamera, untuk proses menyalakan kamera dengan

menekan tombol start dan akan menampilkan pilihan kamera yang akan

digunakan dan ukuran lebar piksel yang diinginkan. Kamera yang digunakan bisa

memilih kamera yang berada di laptop atau menggunakan kamera ekternal yang

sudah terkoneksi dengan USB port di laptop. Setelah memilih kamera dan ukuran

resolution Visual Studio akan menyalakan kamera sesuai yang dipilih dan ukuran

yang dipilih. Untuk pengambilan data citra, akan melalui proses komunikasi serial

dengan Arduino. Untuk proses komunikasi serial Visual Studio dengan Arduino

akan dipaparkan pada Gambar 3.5. Citra yang dihasilkan atau citra yang telah

ditangkap akan di simpan sesuai folder yang diingikan dengan menekan tombol

save. Data citra yang disimpan nantinya akan diolah dalam Matlab.

33

Gambar 3.4 Flowchart Aplikasi Pengambilan Gambar

Gambar 3.5 adalah flowchart alur proses komunikasi serial Visual Studio ke

Arduino. Dimana proses diawali dengan menekan dengan mengisi com port yang

tersedia terlebih dahulu kemudian tekan tombol connect untuk menyambungkan

serial. Setelah tersambung Visual Studio akan membaca data yang masuk. Data

start

end

Komunikasi serial Arduino

Citra Telah Di

ambil

Pilih Folder untuk

Penyimpan Citra

Citra

Tersimpan

Tekan Tombol

Start

Pilih Kamera dan

Ukuran Resolusi

Tekan Tombol

Save

Kamera menyala

34

yang masuk di Visual Studio berupa string, Apabila Visual studio menerima

string yang sesuai diingikan Visual Studio akan mengambil gambar secara

otomatis, gambar akan tercapture dengan sendirinya.

Gambar 3.5 Flowchart Komunikasi Serial Visual Studio ke Arduino

Gambar 3.6 dan Gambar 3.7 adalah flowchart alur sistem yang di proses

Arduino . Gambar 3.6 adalah flowchart serial Arduino yang didalamnya

Tekan Tombol Capture

untuk Mengambil Citra

Serial.read Push

button

Connect = 1

Citra Telah Di

ambil

start

Tekan Tombol

Connect

Input Comport

Command[0]

== B

end

Tidak

Ya

Ya

Tidak Command[1]

== L

Tidak

Ya

35

pengiriman data string . Proses awal akan terjadi pengecekan serial apakah ada

komunikasi yang terjadi jika tidak ada Arduino akan terus melakukan pengecekan

hingga terjadi komunikasi. Ketika adanya komunikasi Arduino akan membuka

serialnya. Dalam pengiriman data Arduino akan melakukan pengecekan adanya

penekan tombol limit switch/push button, apabila tombol push button tertekan

akan membaca BL(button low) dan mengirimkan data string berupa <BL> ke

Visual Studio. Dan sebaliknya apabila tombol push button tidak tertekan akan

membaca BH(button high) dan mengirimkan data string berupa <BH> ke Visual

Studio.String <BL> dan <BH> lah yang nantinya akan dibaca oleh Visual Studio

untuk menentukan proses pengambilan atau tidaknya . Apabila Arduino

mengirimkan string berupa <BH> maka Visual Studio tidak melakukan apapun

sampai menerima string <BL>. Setelah menerima string <BL> tombol capture di

Visual Studio akan otomatis tertekan atau memanggil capture secara otomatis.

Gambar 3.7 adalah flowchart yang ada di Arduino untuk mendeteksi Sensor

yang tertekan untuk mengetahui motor bergerak maju, mundur atau berhenti.

Arduino akan menghitung jumlah sensor / limit switch yang tertekan, apabila

count berjumlah 1 Arduino akan menyuruh motor driver untuk menggerakan

motor maju ketika sensor tertekan dan count berjumlah 2 maka motor driver akan

membalikan gerakan motor menjadi mundur kemudian sensor tertekan kembali

dan count berjumlah 3 maka motor driver akan memberhentikan motor.

36

Gambar 3.6 Flowchart Serial Arduino to Visual Studio

Membuka serial com

Kirim Serial to

Visual Studio

end

start

Connect == 1

Push button

== Low Print <BH>

Print <BL>

Serial print

Setup serial com

Setup push button

Tidak

Ya

Tidak

Ya

37

Gambar 3.7 Flowchart Sensor Arduino

start

Count >=3

Count = 0

Count +1

Count =1

Count +1

Count =2

Motor

Mundur

Motor

Maju

Motor

Berhernti

Motor Berhenti

Speed = 0

Dir1=High

Dir2=Low

Motor Maju

Speed = PWM

Dir1=High

Dir2=Low

Motor Mundur

Speed = PWM

Dir1=Low

Dir2=High

Switch a tertekan

Switch b tertekan

end

Ya

Ya

Ya

Tidak

Tidak

38

Proses pengolahan citra yang ada pada Matlab dapat dilihat pada Gambar

3.8 dimana flowchart untuk proses pengolahan citra.

Gambar 3.8 Flowchart Pengolahan Citra

Dimana proses pertama adalah memasukan citra yang sudah mengalami

motion blur, memasukan Len dan Theta untuk mendapatkan nilai PSF (point

spread function) dan nilai NSR. Len adalah panjang blur, Theta adalah sudut blur

dan NSR adalah noise . Dimana PSF digunakan sebagai kernel untuk mengolah

dengan metode penapis Wiener. Kemudian proses menggunakan penapis Wiener.

Hasil citra yang sudah ditapis dengan Wiener akan dibandingkan nilai MSE dan

PSNR dengan citra yang normal atau bagus.

start

Citra Motion Blur

Len, Theta, Nsr

Wiener Filter

MSE, PSNR

Hasil Wiener

Filter

MSE dan

PSNR

end

39

Pengambilan Citra Sampel

Citra sampel yang dimaksud adalah citra dengan kondisi yang sudah

mengalami motion blur atau citra yang sudah di blur. Citra sampel tersebut

digunakan untuk data yang akan di filter dengan penapis Wiener di Matlab.

Pengambilan citra sampel bisa dilakukan secara manual atau otomatis dengan

inputan sensor dari Arduino.

Penyimpanan Data Citra

Citra sampel yang telah didapatkan kemudian akan disimpan di folder

yang diinginkan. Dalam hal ini penyimpanan citra sampel di D:\Hasil\Restored

Image With Wiener.

Pengolahan Citra

Metode utama yang digunakan pada proses pengolahan citra adalah

metode penapis Wiener. Untuk mendukung metode utama dilakukan juga proses

pengolahan citra pendukung seperti konversi warna RGB menjadi bentuk abu-abu

(grayscaling) . Proses memasukan nilai point spread function(PSF) dalam hal ini

nilai PSF didapatkan dari memasukan nilai Len dan Theta. Hasil citra yang sudah

di olah dengan penapis akan dibandingkan dengan citra yang tanpa adanya motion

blur dengan metode MSE dan PSNR. Semakin rendahnya nilai MSE maka

menunjukan perubahan yang semakin bagus, apabila sebaliknya maka perubahan

dilakukan semakin buruk. Sedangkan untuk nilai PSNR semakin besar semakin

bagus atau mendekati nilai citra tanpa motion blur.

40

Grayscale adalah suatu format citra atau gambar yang tiap-tiap pixel gambar

hanya terdiri dari 1 channel warna. Proses perubahan warna dari RGB menjadi Grayscale

bertujuan untuk mempermudah proses selanjutnya yaitu proses perbandingan citra

yang sudah perbaiki dengan penapis Wiener dan gambar yang baik meggunakan metode

MSE dan PSNR.

Perubahan gambar RGB menjadi Grayscale menggunakan library yang ada pada

Matlab menggunakan perintah sebagai berikut:

I = rgb2gray(RGB)

Dimana I adalah Variabel Citra yang sudah mengalami grayscaling, dan RGB

adalah variabel citra masukan yang masih RGB. Dan rgb2gray perintah untuh

merubah citra RGB menjadi citra grey.

Metode Pengujian dan Evaluasi Sistem

Untuk mengetahui apakah aplikasi yang dibuat dapat berjalan sesuai yang

diharapkan, maka akan dilakukan pengujian dan evaluasi sistem untuk setiap

tahapan-tahapan dalam pembuatan aplikasi. Dimulai dari menampilkan citra

melalui kamera, pengambilan citra, peyimpanan citra, input kecepatan motor,

pengujian penapis Wiener.

3.7.1 Pengujian Streaming Citra Melalui Webcam

Untuk mengetahui apakah data citra sudah dapat diakses langsung melalui

Kamera, maka dilakukan pengujian dengan cara menjalankan program

pemanggilan kamera dari Visual studio, yaitu untuk mengakses console Kamera

41

secara langsung dari program. Kemudian citra yang tampil akan diuji apakah

dapat menampilkan data citra secara streaming.

3.7.2 Pengujian Pengambilan Citra (Capture)

Untuk mengetahui apakah data citra yang sudah dapat diakses langsung

melalui Kamera dapat diambil(capture). Sehingga data yang diambil dapat

disimpan dan diolah.

3.7.3 Pengujian Penyimpan Citra

Untuk mengetahui apakah data citra yang sudah diambil(capture) dapat

disimpan di tempat yang sesuai yang diinginkan.

3.7.4 Pengujian Arduino

Untuk mengetahui apakah Arduino bisa berfungsi dengan baik dan bisa

digunakan.

3.7.5 Pengujian Kecepatan Motor

Untuk mengetahui kecepatan motor dengan mengetahui tegangan yang

diterima dan waktu yang ditempuh dalam jarak 80cm.

3.7.6 Pengujian Penapis Wiener

Untuk Mengetahui citra yang telah disimpan kemudian diolah

menggunakan penapis Wiener memiliki perubahan dari gambar yang terkena

motion blur. Untuk pengujian apakah memiliki perubahan akan mencari nilai

42

MSE dan PSNR sebagai pembanding bahwa citra tersebut mengalami perubahan

ke bagus atau buruk.

43

BAB IV

PENGUJIAN DAN EVALUASI SISTEM

Sistem yang di ujicoba merupakan dari hasil program yang telah selesai

dibuat. Dimulai dari pengambilan citra dari webcam, pengolahan citra yang

dimulai dengan menampilkan citra melalui kamera, pengambilan citra,

penyimpanan citra, input kecepatan motor, pengujian penapis Wiener.

4.1 Pengujian Streaming Citra Melalui Webcam

Pengujian streaming ini dilakukan dengan mengintegrasikan Microsoft

Visual Studio melalui library Aforge.Video . Yaitu untuk memanggil serta

menjalankan console Webcam tersebut.

4.1.1 Tujuan

Tujuan dari percobaan ini untuk mengetahui apakah aplikasi sudah mampu

menampilkan data citra dari webcam ke aplikasi pada Visual Studio dan apakah

bisa langsung diproses oleh program.

4.1.2 Alat yang Digunakan

1. Laptop

2. Microsoft Visual Studio

3. Webcam

44

4.1.3 Prosedur Pengujian

1. Menjalankan program pada Microsoft Visual Studio

2. Menjalankan program untuk mengakses data citra pada kamera Laptop

tersebut

3. Menekan tombol start pada program yang sudah ditulis

4. Melihat hasil data citra pada Visual Studio

4.1.4 Hasil Pengujian

Setelah melakukan pengujian berikut adalah gambar yang didapatkan dari

Webcam pada Gambar 4.1. Dalam Gambar 4.1 dimana gambar tersebut adalah

hasil pengujian streaming citra melalui webcam di aplikasi pengambilan gambar

di Visual Studio. Pengujian yang dihasilkan seperti pada gambar 4.1 streaming

berjalan dengan lancar sesuai apa yang ditunjukan.

Gambar 4.1 Streaming dengan Webcam

45

4.2 Pengujian Pengambilan Citra (Capture)

Pengujian pengambilan citra dilakukan dengan menekan tombol capture

pada program yang sudah ditulis di Visual Studio.

4.2.1 Tujuan

Tujuan dari percobaan ini untuk mengetahui apakah tombol capture sudah

bisa melakukan fungsinya untuk melakukan pengambilan citra dari citra yang

streaming.


1. Laptop


3. Webcam



2. Menekan tombol capture pada program yang sudah ditulis di Visual Studio

3. Melihat hasil data citra pada Visual Studio



pengujian tombol capture pada Gambar 4.2.

46

Gambar 4.2 Capture dengan Webcam

Dalam Gambar 4.2 dimana gambar tersebut adalah hasil pengujian

pengambilan citra atau capture citra di aplikasi pengambilan gambar di Visual

Studio. Pengujian yang dihasilkan seperti pada Gambar 4.2 citra dapat

terambil/tercapture sesuai apa yang ditunjukan.

4.3 Pengujian Pennyimpan Citra.

Pengujian Penyimpan Citra dilakukan dengan menekan tombol save pada

program yang sudah ditulis.

4.3.1 Tujuan

Tujuan dari percobaan ini untuk mengetahui apakah tombol save sudah bisa

melakukan fungsinya untuk melakukan penyimpanan citra dari citra yang sudah di

capture.

47


1. Laptop


3. Webcam



2. Menekan tombol save pada program yang sudah ditulis di Visual Studio



pengujian tombol save pada Gambar 4.3

Gambar 4.3 Proses Penyimpanan Citra

Dalam Gambar 4.3 dimana gambar tersebut adalah hasil pengujian

penyimpanan citra di tempat penyimpanan yang diinginkan. Pengujian yang

48

dihasilkan seperti pada Gambar 4.3 citra dapat disimpan dimanapun ditempat

yang diinginkan sesuai apa yang ditunjukan.

4.4 Pengujian Arduino

Pengujian Arduino dilakukan dengan memasukan program sederhana dan

melihat di Ardunio monitor bahwa program berhasil dimasukan dan Arduino

berfungsi dengan baik.

4.4.1 Tujuan

Tujuan dari percobaan ini untuk mengetahui apakah Arduino bisa berfungsi

dengan baik dan tidak rusak.


1. Laptop

2. Arduino

3. Sofware Arduino


1. Memasukan program sederhana ke Arduino melalui Software Arduino

2. Melihat Arduino monitor di Sofware Arduino



pengujian Arduino pada Gambar 4.4

49

Gambar 4.4 Arduino Berfungsi Dengan Baik

Dalam Gambar 4.4 dimana gambar tersebut adalah hasil pengujian Arduino

yang sudah dikasih program sederhana. Pengujian yang dihasilkan seperti pada

Gambar 4.4 Arduino dapat berjalan dengan baik sesuai apa yang ditunjukan

4.5 Pengujian Kecepatan Motor

Pengujian kecepatan motor dilakukan dengan memasukan tegangan yang

berbeda-berbeda pada motor driver dan mencatat waktu tempuh dalam jarak

80cm.

4.5.1 Tujuan

Tujuan dari percobaan ini untuk mengetahui kecepatan motor pada tegangan

yang berbeda-beda.


1. Stopwatch.

50

2. Miniatur yang sudah terpasang motor DC dan arduino.


1. Memasukan tegangan yang berbeda-beda.

2. Mencatat waktu tempuh dalam jarak 80cm.


Setelah melakukan pengujian berikut adalah tabel yang didapatkan dari

pengujian kecepatan motor pada dan Tabel 4.1

Tabel 4.1 Tabel Pengujian Kecepatan Motor

Tegangan

(Volt)

Waktu Tempuh

(second/detik)

Kecepatan

(meter/second)

9 Volt 13 detik 0,06 m/s

12.5 Volt 3 detik 0,27 m/s

14 Volt 2 detik 0,4 m/s

Tabel 4.1 adalah tabel pengujian untuk mengitung kecepatan motor.

Dalam tabel tersebut semakin besar tegangan yang diberikan maka semakin

keceptan motor tersebut dan maka semakin cepat juga waktu yang ditempuh

dalam miniatur.

51

4.6 Pengujian Penapis Wiener

Pengujian penapis Wiener dilakukan dengan memanggil fungsi yang sudah

ada di Matlab. Hasil dari pengolahan citra dengan metode penapis Wiener akan

dibandingkan dengan metode MSE dan PSNR

4.6.1 Tujuan

Tujuan dari percobaan ini untuk mengetahui apakah dengan diolahnya citra

yang mengalami motion blur bisa mengalami perbaikan ke lebih baik atau buruk

dan apakah fungsi penapis Wiener bisa digunakan untuk perbaikan citra yang

sudah mengalami motion blur dari kamera langsung tanpa adanya simulasi blur.


1. Laptop

2. MatLab


1. Menjalankan program pada MatLab

2. Memasukan citra sampel yang sudah mengalami Motion Blur

3 Membandingkan citra yang sudah diolah dengan penapis Wiener dengan

yang normal.



pengujian metode penapis Wiener pada gambar. dan tabel pengujian.

52

Gambar 4.5 Citra yang normal atau bagus

Gambar 4.6 Citra yang Mengalami Motion Blur

Gambar 4.7 Citra yang Sudah Diolah Dengan Penapis Wiener

Dalam Gambar 4.5 dimana gambar tersebut adalah citra yang masih bagus

dan tidak mengalami noise ataupun motion blur. Sedangkan dalam Gambar 4.6

53

adalah citra yang sudah mengalami blur yang dikarenakan gerakan dalam hal ini

adalah motion blur. Unruk Gambar 4.7 adalah citra yang sudah mengalami

perbaikan dengan metode penapis Wiener , dalam gambar tersebut tidak tampak

jelas dengan kasat mata apa yang sudah berubah. Maka dalam hal itu akan

dilakukan perbandingan dengan metode MSE dan PSNR yang akan menghasilkan

nilai apakah citra tersebut mengalami perubahan seperti pada tabel yang ada

dibawah :

Tabel Pengujian MSE dan PSNR :

Pada Tabel 4.2 tabel pengujian dengan nilai Len 20 dan Theta 11 adalah

hasil yang paling bagus, tetapi dengan hasil tersebut citra yang diolah tersebut

perubahan yang terjadi adalah memperburuk citra dari nilai MSE : 13.22 dan

PSNR : 36.9511070 sebelum pengolahan dan sesudah pengolahan nilai MSE :

26.31 dan PSNR : 33.9642054. Semaikin kecil nilai MSE maka semakin bagus

sedangkan untuk nilai PSNR semakin besar semakin bagus. Pada tabel pengujian

terjadi sebaliknya. Pada Tabel 4.3 tabel pengujian dengan nilai NSR 0,2, nilai Len

100 dan Theta 21 adalah hasil pengujian yang terbaik. Image pada kecepatan 0,4

m/s pada Tabel 4.2,Tabel 4.3 dan Tabel 4.4 Nilai MSE : 13.22 dan PSNR :

36.9511070 sebelum citra mengalami perbaikan dengan penapis Wiener pada

kecepatan 0,4 m/s.

54

Pada Tabel 4.4 pengujian NSR 0,3 nilai Len 100 dan Theta 26 adalah Nilai

MSE dan PSNR yang terbaik. Image pada kecepatan 0,27 m/s pada Tabel

4.5,Tabel 4.6 dan Tabel 4.7. Nilai MSE : 33.57 dan PSNR : 32.9053916

sebelum citra mengalami perbaikan dengan penapis Wiener pada kecepatan 0,27

m/s.

Tabel 4.2 Tabel Pengujian NSR 0.1

NSR: 0,1

No Len Theta MSE PSNR

1 20 11 26.31 33.9642054

2 20 16 27.60 33.7563445

3 20 21 28.97 33.5455285

4 20 26 30.37 33.3399869

5 20 31 31.98 33.1165015

6 40 11 33.00 32.9799640

7 40 16 35.55 32.6567343

8 40 21 37.31 32.4469089

9 40 26 38.42 32.3196090

10 40 31 39.82 32.1640165

11 60 11 39.89 32.1564286

12 60 16 42.45 31.8861552

13 60 21 44.58 31.6735795

14 60 26 47.62 31.3869488

15 60 31 49.26 31.2399609

16 80 11 43.35 31.7952173

17 80 16 47.00 31.4439192

18 80 21 51.70 31.0298158

19 80 26 54.06 30.8361278

20 80 31 59.50 30.4195220

21 100 11 51.46 31.0499766

22 100 16 55.79 30.6989201

23 100 21 57.53 30.5656692

24 100 26 62.49 30.2069297

25 100 31 64.59 30.0631810


NSR: 0,2


1 20 11 132.35 26.9474770

2 20 16 132.71 26.9357520

3 20 21 132.67 26.9369910

4 20 26 132.83 26.9317524

5 20 31 132.80 26.9327293

6 40 11 131.01 26.9917730

7 40 16 131.30 26.9822292

8 40 21 131.68 26.9696811

9 40 26 132.47 26.9437704

10 40 31 132.75 26.9344555

11 60 11 128.54 27.0745101

12 60 16 129.49 27.0423450

13 60 21 129.85 27.0302611

14 60 26 130.19 27.0188635

15 60 31 129.45 27.0436249

16 80 11 127.32 27.1159290

17 80 16 127.94 27.0948829

18 80 21 127.61 27.1060389

19 80 26 126.34 27.1494734

20 80 31 126.98 27.1274591

21 100 11 125.12 27.1915500

22 100 16 124.87 27.2002829

23 100 21 123.57 27.2456049

24 100 26 125.72 27.1709004

25 100 31 128.75 27.0672882

55

Pada Tabel 4.5 pengujian NSR 0,1 nilai Len 20 dan Theta 11 adalah nilai

MSE dan PSNR yang terbaik. Sedangkan untuk Tabel 4.6 dan Tabel 4.7 nilai

MSE dan Theta terbaik adalah pada nilai Len 100 dan Theta 26 untuk Tabel 4.6

dan Len 100 dan Theta 31 pada Tabel 4.7.


NSR: 0,3


1 20 11 218.13 24.7776108

2 20 16 217.62 24.7878720

3 20 21 217.14 24.7973208

4 20 26 216.73 24.8056385

5 20 31 216.34 24.8133997

6 40 11 216.06 24.8191184

7 40 16 215.19 24.8366536

8 40 21 214.30 24.8545514

9 40 26 213.66 24.8674988

10 40 31 212.70 24.8870833

11 60 11 213.35 24.8738136

12 60 16 212.11 24.8991703

13 60 21 210.45 24.9333729

14 60 26 208.66 24.9703968

15 60 31 206.52 25.0152818

16 80 11 210.16 24.9392385

17 80 16 208.11 24.9819529

18 80 21 205.18 25.0434268

19 80 26 202.67 25.0968765

20 80 31 199.61 25.1630073

21 100 11 205.03 25.0466555

22 100 16 201.42 25.1237904

23 100 21 197.80 25.2025779

24 100 26 194.85 25.2677167

25 100 31 195.68 25.2492865


pada kecepatan 0,27 m/s

NSR: 0,1


1 20 11 106.65 27.8852185

2 20 16 107.45 27.8525882

3 20 21 107.97 27.8319141

4 20 26 108.91 27.7939445

5 20 31 109.59 27.7672599

6 40 11 110.89 27.7160490

7 40 16 112.27 27.6622148

8 40 21 112.92 27.6370406

9 40 26 113.63 27.6098793

10 40 31 113.34 27.6210571

11 60 11 116.51 27.5009964

12 60 16 118.00 27.4458251

13 60 21 118.51 27.4271534

14 60 26 119.83 27.3790257

15 60 31 119.40 27.3946021

16 80 11 120.15 27.3676058

17 80 16 120.46 27.3562435

18 80 21 120.28 27.3630046

19 80 26 118.71 27.4197535

20 80 31 119.63 27.3864809

21 100 11 123.22 27.2578509

22 100 16 123.96 27.2318446

23 100 21 122.49 27.2838686

24 100 26 124.02 27.2297822

25 100 31 125.82 27.1672206

56

Image pada kecepatan 0,27 m/s pada Tabel 4.8, Tabel 4.9 dan Tabel 4.10. Nilai

MSE : 19.68 dan PSNR: 35.2250216 sebelum citra mengalami perbaikan dengan

penapis Wiener pada kecepatan 0,06 m/s .

Pada Tabel 4.8 pengujian NSR 0,1 nilai Len 20 dan Theta 11 adalah nilai

MSE dan PSNR yang terbaik. Sedangkan untuk Tabel 4.9 dan Tabel 4.10 nilai

MSE dan Theta terbaik adalah pada nilai Len 100 dan Theta 26 untuk Tabel 4.9

dan Len 100 dan Theta 31 pada Tabel 4.10.



NSR: 0,2


1 20 11 209.64 24.9500770

2 20 16 208.91 24.9652249

3 20 21 208.22 24.9794946

4 20 26 207.55 24.9935198

5 20 31 206.91 25.0069554

6 40 11 200.62 25.1409752

7 40 16 199.45 25.1664382

8 40 21 198.96 25.1771363

9 40 26 198.80 25.1807349

10 40 31 198.14 25.1950710

11 60 11 193.86 25.2900256

12 60 16 192.58 25.3186261

13 60 21 190.35 25.3691735

14 60 26 188.09 25.4210455

15 60 31 185.88 25.4724726

16 80 11 184.16 25.5129330

17 80 16 181.66 25.5721623

18 80 21 179.09 25.6340075

19 80 26 177.73 25.6671439

20 80 31 175.49 25.7222386

21 100 11 176.02 25.7090894

22 100 16 171.95 25.8106513

23 100 21 169.23 25.8799174

24 100 26 166.43 25.9525093

25 100 31 168.02 25.9111242



NSR: 0,3


1 20 11 221.23 24.7162888

2 20 16 221.20 24.7168988

3 20 21 221.05 24.7198475

4 20 26 220.82 24.7243363

5 20 31 220.61 24.7286273

6 40 11 219.22 24.7560515

7 40 16 218.69 24.7664175

8 40 21 218.56 24.7690285

9 40 26 218.61 24.7680908

10 40 31 218.62 24.7679066

11 60 11 217.03 24.7996255

12 60 16 216.69 24.8063478

13 60 21 216.43 24.8116620

14 60 26 215.79 24.8244017

15 60 31 214.39 24.8527976

16 80 11 209.15 24.9602604

17 80 16 210.06 24.9414549

18 80 21 210.11 24.9402408

19 80 26 210.00 24.9425736

20 80 31 209.41 24.9548481

21 100 11 205.09 25.0454563

22 100 16 204.02 25.0680222

23 100 21 202.14 25.1082175

24 100 26 200.83 25.1365273

25 100 31 200.21 25.1499335

57

Dari hasil pengujian yang ada pada Tabel 4.2 sampai dengan Tabel 4.10 ,

dengan seiring cepatnya kecepatan motor akan menghasilkan citra yang blur

dimana dapat dilihat dari nilai MSE dan PSNR sebelum perbaikan menggunakan

metode penapis Wiener. Hasil pengujian Tabel 4.2 sampai dengan Tabel 4.4

menunjukan semakin besar nilai NSR maka akan semakin besar pula nilai MSE

dan semakin kecil pula nilai PSNR yang menunjukan bahwa citra semakin buruk.

Dengan nilai NSR kecil, nilai Len dan Theta yang terkecil akan memiliki

perbaikan yang cukup baik dibandingkan dengan nilai NSR yang lebih besar

Tabel 4.8 Tabel Pengujian NSR 0.1 pada

kecepatan 0,06 m/s

NSR: 0,1


1 20 11 61.22 30.2958402

2 20 16 62.17 30.2289412

3 20 21 63.17 30.1599579

4 20 26 64.20 30.0893754

5 20 31 65.27 30.0175602

6 40 11 77.00 29.2997819

7 40 16 79.08 29.1842623

8 40 21 80.16 29.1251951

9 40 26 80.67 29.0976668

10 40 31 81.16 29.0711387

11 60 11 87.12 28.7635432

12 60 16 89.95 28.6246888

13 60 21 91.44 28.5532900

14 60 26 94.07 28.4303150

15 60 31 93.97 28.4349412

16 80 11 90.99 28.5748685

17 80 16 93.31 28.4655439

18 80 21 96.06 28.3392235

19 80 26 96.27 28.3297555

20 80 31 98.67 28.2229394

21 100 11 101.70 28.0914242

22 100 16 104.74 27.9635551

23 100 21 103.18 28.0290410

24 100 26 105.16 27.9463203

25 100 31 106.29 27.8997902


kecepatan 0,06 m/s

NSR: 0,2


1 20 11 194.03 25.2862189

2 20 16 193.66 25.2944005

3 20 21 193.04 25.3082399

4 20 26 192.61 25.3180121

5 20 31 192.14 25.3286386

6 40 11 185.79 25.4746482

7 40 16 184.31 25.5092723

8 40 21 183.19 25.5357673

9 40 26 182.41 25.5543976

10 40 31 181.19 25.5834367

11 60 11 175.20 25.7294946

12 60 16 173.94 25.7607890

13 60 21 171.76 25.8156417

14 60 26 169.48 25.8737424

15 60 31 168.02 25.9113117

16 80 11 166.70 25.9455337

17 80 16 163.76 26.0227135

18 80 21 160.93 26.0982945

19 80 26 159.51 26.1368254

20 80 31 157.29 26.1977163

21 100 11 162.19 26.0646701

22 100 16 157.76 26.1848570

23 100 21 154.51 26.2752470

24 100 26 152.62 26.3287723

25 100 31 154.11 26.2865810

58

maka nilai Len dan Theta yang terbesar yang menunjukan perbaikan citra yang

baik.


kecepatan 0,06 m/s

NSR: 0,3


1 20 11 221.88 24.7036079

2 20 16 221.73 24.7065372

3 20 21 221.39 24.7131687

4 20 26 221.00 24.7208598

5 20 31 220.78 24.7252489

6 40 11 218.32 24.7737929

7 40 16 217.61 24.7880825

8 40 21 217.59 24.7884044

9 40 26 217.88 24.7826659

10 40 31 217.78 24.7845582

11 60 11 209.62 24.9505332

12 60 16 209.43 24.9543467

13 60 21 209.45 24.9540517

14 60 26 209.76 24.9476479

15 60 31 209.03 24.9626647

16 80 11 204.95 25.0483558

17 80 16 205.33 25.0403681

18 80 21 204.51 25.0575546

19 80 26 203.47 25.0798516

20 80 31 202.03 25.1107019

21 100 11 200.26 25.1488520

22 100 16 198.72 25.1824926

23 100 21 196.36 25.2342926

24 100 26 194.58 25.2738585

25 100 31 194.18 25.2827098

59

BAB V

PENUTUP

Dari hasil uji coba yang telah dilakukan, maka dapat diambil kesimpulan

saran-saran dan kesimpulan dari hasil yang diperoleh.

5.1. Kesimpulan

Adapun kesimpulan yang dapat dituliskan dari hasil sistem yang telah

dibuat antara lain sebagai berikut:

1. Perangkat keras yang digunakan untuk pengambilan motion blur berjalan

dengan baik dapat menghasilkan hasil yang diharapkan seperti pada Gambar

4.6. Perangkat keras juga memenuhi tujuan dibuatnya untuk mengontrol dan

menggerakan seperti pada Tabel 4.1.

2. Metode penapis Wiener yang hanya bisa digunakan sebagai simulasi pengujian

untuk motion blur yang didapat dari blur yang disimulasikan. Apabila motion

blur yang murni dari hasil tangkapan kamera dan diolah menggunakan penapis

Wiener maka hasil pegolahan citra tersebut akan buruk. Apabila citra asli

menggunakan simulasi motion blur dan diolah menggunakan metode penapis

Wiener maka hasil pengolahan citra yang akan kembali seperti citra asli

sebelum diberi simulasi motion blur.

3. Semakin cepat kecepatan motor akan semakin memberikan efek blur pada hasil

tangkapan kamera. . Untuk nilai MSE dan PSNR pada kecepatan0,27 m/s

sebelum perbaikan adalah MSE : 33.57 dan PSNR : 32.9053916, dan untuk

60

kecepatan 0,06 m/s sebelum perbaikan nilainya adalah MSE : 19.68 dan

PSNR: 35.2250216.

5.2. Saran

Saran yang dapat diberikan untuk mengembangkan sistem ini sebagai

berikut:

1. Disarankan blur yang direstorasi tidak hanya motion blur tetapi blur lainya

seperti Gaussian blur, blur karena kurang fokus dan lainya .

2. Untuk penelitian selanjutnya disarankan dapat menerapkan dengan metode

penapisan yang lain.

61

DAFTAR PUSTAKA

Askari, Azikin. 2005. Kamera Pengawas Berbasis Open Source. Jakarta:

Elexmedia Komputindo.

Anonim. 2006. Pengantar Pengolahan Citra. (pdf), (http://informatika.stei.itb.ac.id,

diakses 1 Mei 2012).

Budiarso , DW. 2010. Sistem Pendeteksi Aktivitas Kendaraan Pada Area Parkir

Dengan Jaringan Multi-Camera. (pdf), (http: //digilib.its.ac.id/public,

diakses 3 Mei 2012).

Mahastama,Aditya.2012.Pengolahan Citra Digital.(pdf),

(http://lecturer.ukdw.ac.id/~mahas/dossier/pcd_05, diakses pada 17

November 2017).

Mistry & Banerjee. Deblurred of Image with Wiener Filter in MATLAB. (pdf),

( www.jetir.org, diakses 31 Oktober 2017).

Nixon dan Aguado. 2002. Deteksi Tepi Unsur Pada Citra. Universitas Sumatera

Utara.

Saputra, Nata. 2010. Membuat Gambar Menjadi Grayscale (VB net). (online),

(http://http://natathecool.blogspot.com/2010/05/membuat-gambar-

menjadi-grayscale-vb-net.html, diakses 2 Mei 2012).

http://lecturer.ukdw.ac.id/~mahas/dossier/pcd_05

http://www.jetir.org/

analisis perbaikan motion blur dengan metode...

Documents