aplikasi pengolahan citra deteksi dan pengenalan · pdf filewarna pada obyek yang bukan buatan...
TRANSCRIPT
Aplikasi Pengolahan CitraDETEKSI WARNAAplikasi Pengolahan CitraDETEKSI WARNA
Achmad BasukiPENS-ITS, 26 Des 2006
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Materi
• Format Warna– RGB– r-g Color– Normalized RGB– HSV– YCrCb– TSL
• Deteksi Warna– Static Threshold– Distance Threshold– Dynamic Threshold
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Format Warna Pada Gambar
• Gambar (Digital) adalah sekumpulan titik yang disusun dalam bentuk matriks, dan nilainyamenyatakan suatu derajat kecerahan (derajatkeabuan/gray-scale). Derajat keabuan 8 bit menyatakan 256 derajat kecerahan.
• Pada gambar berwarna nilai setiap titiknyaadalah nilai derajat keabuan pada setiapkompoen warna RGB. Bila masing-masingkomponen R,G dan B mempunyai 8 bit, makasatu titik dinyatakan dengan (8+8+8)=24 bit atau224 derajat keabuan
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Format RGB
• Format RGB (Red, Green & Blue) adalahformat dasar yang digunakan oleh banyakperalatan elektronik seperti monitor, LCD atau TV untuk menampilkan sebuahgambar.
• Pada format RGB, suatu warnadidefinisikan sebagai kombinasi(campuran) dari komponen warna R, G dan B.
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Format RGB
Pada format warna RGB 24 bit, maka nilai R, G dan B masing-masing 0-255
Warna R G BHitam 0 0 0Merah 255 0 0Hijau 0 255 0
Biru 0 0 255Kuning 255 255 0Magenta 255 0 255Cyan 0 255 255Putih 255 255 255Abu-Abu 127 127 127Orange 255 110 0Ungu 128 0 255Coklat 128 25 0Pink 255 190 220Navy 0 0 120
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
R-G Color Space
• Nilai r-g digunakan untuk mendeteksi warna kulit, J. Fritsch, S. Lang, M. Kleinehagenbrock, G. A. Fink and G. Sagerer, Improving Adaptive Skin Color Segmentation by Incorporating Results from Face Detection, Proc. IEEE Int. Workshop on Robot and HumanInteractive Communication (ROMAN), Berlin, Germany,September2002. IEEE.
• Nilainya berada 0-1 pada setiap komponen r dan g
BGRRr++
=BGR
Gg++
=
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Normalized RGB
BGRRr++
=
BGRGg++
=
BGRBb++
=
Vladimir Vezhnevets Vassili Sazonov Alla Andreeva, ”A Survey on Pixel-Based Skin Color Detection Technique”, Graphics and Media Laboratory, Faculty of Computational Mathematics and Cybernetics Moscow State University,Moscow, Russia.
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
HSV (Hue, Saturation, Value)
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
CIE (Commission Internationale de l’Eclairage)
RGB XYZ CIE
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
CMY(Cyan Magenta Yellow)
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
YCrCb
Y = 0.299R+0.587G+0.114BCr = R−Y Cb = B−Y
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
TSL (Tint, Saturation, Lightness)
BGRL
G
ggr
ggr
T
grS
114.0587.0299.0
0,0
0,43
2)/arctan(
0,41
2)/arctan(
)(59 2
1
22
++=
⎪⎪⎪
⎩
⎪⎪⎪
⎨
⎧
=
<+
>+
=
⎥⎦
⎤⎢⎣
⎡+
=
π
π
Dimana:
3131
−++
=
−++
=
BGRGg
BGRRr
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Deteksi Warna
• Mendeteksi adanya warna-warna tertentu• Menentukan posisi pixel dengan warna
yang ditentukan• Aplikasi: Deteksi rambu-rambu lalu lintas,
deteksi bola dengan warna tertentu, deteksi obyek berdasarkan warna, deteksikulit (skin detection)
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Threshold RGB
• Untuk warna-warna dasar, nilai RGB cukupefektif dalam melakukan deteksi meskipun caraini bukan cara terbaik.
• Nilai threshold dapat dipelajari berdasarkan polawarna atau ditentukan secara intuitif, tetapithreshold RGB ini sangat rentan terhadapkestabilan cahaya
• Aplikasi untuk menentukan nilai threshold terbaik dalam suatu permasalahan dapatdilakukan menggunakan teknik-teknik machine learning.
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Contoh Threshold RGB
Nilai threshold : R>163; 43<G<222, 32<B<250
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Nilai Threshold RGB
Nilai threshold : 112<R<168; 70<G<149, 44<B<118
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Threshold HSV
• Untuk warna-warna natural, nilai HSV cukupefektif dalam melakukan deteksi.
• Nilai threshold dapat dipelajari berdasarkan polawarna atau ditentukan secara intuitif. Dibandingkan dengan RGB, threshold HSV inicenderung lebih stabil terhadap perubahancahaya.
• Aplikasinya seperti pada threshold untuk warnabuah, warna pada pemandangan atau warna-warna pada obyek yang bukan buatan manusia.
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Threshold YCrCb
• YCrCb adalah format warna Yellow, Crominan Red dan Crominan Blue.
• Range nilai masing-masing komponen :o 0≤Y≤255o -255≤Cr≤255o -255≤Cb≤255
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Threshold YCrCb
Nilai threshold : 41<R<145; 10<G<52, -16<B<-4
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Color Thresholding
• Static Thresholding: nilai threshold dicari secaraintuisi. Berarti kita harus mempelajari warnapada gambar dulu sebelum menentukan nilaithreshold.
• Distance Threshold: nilai threshold adalah nilaibatas jarak dari sebuah warna dengan warnareferensi.
• Dynamic Threshold: nilai threshold dicarimenggunakan algoritma searching atauklasifikasi.
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Static Color thresholding
⎩⎨⎧ ⊆⊆⊆
=lain yanguntuk 0,
Ibb Ig,g Ir,runtuk ,1P
Dimana : Ir, Ig, Ib adalah interval untuk warna r, g dan b yang ditentukan secara spesifik
Misalkan untuk mengambil warna merah dilakukan dengan:IF r>200 and g<64 and b<64 THEN warna=merah
Nilai threshold
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Distance Color thresholding
Bila diketahu warna acuan mempunyai nilai elemen warna c1, c2 dan c3. Maka setiap warna w1, w2 dan w3 dapat dihitung jaraknyadengan warna referensi dengan cara:
( )∑
∑−=
−=
iii
iii
cwd
cwd
2
(Jarak Manhattan)
(Jarak Euclidian)
Nilai threshold ditentukan dengan besarnya jarak warnamaksimum dari sebuah warna dan warna referensi.
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Dynamic Color Threshold
• Threshold dapat dipilih apakah threshold global atau threshold local
• Threshold menggunakan distance threshold dari warna-warna di sekitaobyek yang dimaksud
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Color Thresholding DinamikDengan Rata-Rata Acuan
• Sebelumnya diambil gambar-gambar contohsebagai acuan untuk menentukan threholdingdari warna yang diinginkan.
• Dari data warna-warna tersebut diambil rata-rata dari setiap elemen warna:
• Thresholding dilakukan dengan jarak d darisetiap rata-rata elemen warna
bluerata-rataadalah bgreen rata-rataadalah red rata-rataadalah
gr
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Color Thresholding DinamikDengan Rata-Rata Acuan
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Perbandingan Thresholding Static danDinamik
ThresholdingDinamik
ThresholdingStatic
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Aplikasi Color DetectionSKIN DETECTION
• Menggunakan deteksi warna kulit (skin detection) dapat dilakukan menggunakan format RGB atau YCrCb
• Mendeteksi warna kulit banyak digunakan untukaplikasi pengenalan wajah, deteksi badan atauanggota badan.
• Sangat sulit mendapatkan sistem deteksi warnakulit yang bersifat general, karena adaperbedaan warna kulit pada masing-masing ras(melayu, cina, eropa, latin atau afrika )
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Aplikasi Color DetectionDETEKSI DAN PENGENALAN BUAH
• Setiap buah mempunyai warna yang spesifik
• Color thresholding dapat digunakan untukmendeteksi dimana letak buah
• Color histogram dapat digunakan un tukmengenali buah.
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Aplikasi Color DetectionDETEKSI KEMATANGAN TOMAT
• Kematangan tomat dapat dibedakanmenjadi tiga fase yaitu hijau, campur-warna dan merah
• Dengan deteksi warna RGB atau HSV atay YCrCb dapat dideteksi kematangantomat
Achmad BasukiComputer Vision and Pattern Recognition Research Group PENS – ITS, Surabaya 2006
Aplikasi Color DetectionDETEKSI RAMBU-RAMBU LALU LINTAS
• Deteksi rambu-rambu lalu lintas dapat dilakukanmenggunakan color thresholding baik RGB atauHSV, karena rambu-rambu lalu lintasmempunyai warna dan bentuk yang spesifik.
• Deteksi rambu-rambu lalu lintas dapatdigunakan untuk dipasang pada kendaraansebagai co-pilot atau smart navigation