aplikasi pengolahan citra deteksi dan pengenalan · pdf filewarna pada obyek yang bukan buatan...

32
Aplikasi Pengolahan Citra DETEKSI WARNA Aplikasi Pengolahan Citra DETEKSI WARNA Achmad Basuki PENS-ITS, 26 Des 2006

Upload: tranthu

Post on 06-Feb-2018

236 views

Category:

Documents


7 download

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

Format WarnaFormat Warna

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

ThresholdingThresholding

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