laporan progres tugas akhir a5

8/12/2019 Laporan Progres Tugas Akhir A5

http://slidepdf.com/reader/full/laporan-progres-tugas-akhir-a5 1/39

PEMBUATAN APLIKASI PENENTUAN OBJEK UTAMA

GAMBAR DENGAN DEPTH OF FIELD (DOF)

DIMAS FANNY HEBRASIANTO PERMADI

NRP.7410040023

Dosen Pembimbing:

Nana Ramadijanti, S.Kom, M.Kom

NIP. 1971110919980220011

Drs.Achmad Basuki, M.Kom, Ph.D

NIP. 196901121994031002

PROGRAM STUDI D4 TEKNIK INFORMATIKA

DEPARTEMEN TEKNIK INFORMATIKA DAN TEKNIK

KOMPUTER

POLITEKNIK ELEKTRONIKA NEGERI SURABAYA

2014

PROGRES PROYEK AKHIR



PEMBUATAN APLIKASI PENENTUAN OBJEK UTAMA GAMBAR

DENGAN DEPTH OF FIELD (DOF)

DIMAS FANNY HEBRASIANTO PERMADI

NRP.7410040023

Dosen Pembimbing:Nana Ramadijanti, S.Kom, M.Kom

NIP. 1971110919980220011

Drs.Achmad Basuki, M.Kom, Ph.D

NIP. 196901121994031002

PROGRAM STUDI D4 TEKNIK INFORMATIKA

DEPARTEMEN TEKNIK INFORMATIKA DAN TEKNIK

KOMPUTER

POLITEKNIK ELEKTRONIKA NEGERI SURABAYA

2014

PROGRES PROYEK AKHIR



3

PEMBUATAN APLIKASI PENENTUAN OBJEK UTAMA GAMBAR

DENGAN DEPTH OF FIELD (DOF)

Oleh:Dimas Fanny H. P.

NRP 7410040023

Diajukan untuk Memenuhi Persyaratan Studi Diploma IV Memperoleh

Sarjana Sains Terapan(S.ST.)

Di

Politeknik Elektronika Negeri Surabaya — ITS

Tahun 2014

Disetujui Oleh :

Tim Penguji Progres Proyek Akhir: Dosen Pembimbing:

1. Kholid Fathoni, S.Kom, MT 1. Nana Ramadijanti, S.Kom, M.Kom

NIP. 198012262008121003 NIP. 1971110919980220011

2. Fadilah Fahrul Hardiansyah.S.ST 2. Drs.Achmad Basuki, M.Kom, Ph.D

NIP 2000000061 NIP. 196901121994031002

3. Entin Martiana Kusumaningtyas, S.Kom, M.Kom

NIP 197403122000122001

Mengetahui

Ketua Program Studi D4 Teknik Informatika

Departemen Teknik Informatika dan Teknik Komputer

Politeknik Elektronika Negeri Surabaya

Izbat Uzzin Nadhori, S.Kom,M.T.

NIP. 197405052003121002



4

ABSTRAK

Manusia mudah menilai pentingnya daerah gambar dan

memusatkan perhatian pada bagian-bagian penting pada suatu objek

dari gambar. Sedangkan pada komputer untuk menentukan bagian

objek yang utama merupakan bidang penelitian Pengolahan Citra dan

Computer Vision yaitu penerapan Depth of Field (DoF). Depth of

Field (DoF) adalah metode yang dipakai untuk menentukan bagian

utama (Field) dan kedalaman gambar (Depth). Pada akhirnya dengan

menggunakan metode – metode tersebut dapat menghasilkan objek

utama pada gambar.

Kata kunci : DoF, Edge Detection, Blur , RoI.



5

DAFTAR ISI

ABSTRAK ....................................................................................... 4

DAFTAR ISI .................................................................................... 5

DAFTAR GAMBAR ........................................................................ 7

BAB I ............................................................................................... 8

PENDAHULUAN ............................................................................ 8

1.1 LATAR BELAKANG ............................................................ 8

1.2 RUMUSAN MASALAH ....................................................... 91.3 TUJUAN ................................................................................ 9

1.4 METODOLOGI ..................................................................... 9

1.5 SISTEMATIKA PENULISAN ............................................ 11

BAB II ............................................................................................ 14

TEORI PENUNJANG .................................................................... 14

2.1 TINJAUAN PUSTAKA ....................................................... 14

2.1.1. Paper yang digunakan .................................................. 14

2.2 DASAR TEORI ................................................................... 15

2.2.1. DoF (Depth of Field) ................................................... 15

2.2.2. Blur Detection .............................................................. 17

2.2.3. Edge Detection ............................................................. 17

2.2.4. Histogram Intersection ................................................. 20

2.2.5. Histogram Projection ................................................... 20

2.2.6. OpenCV ....................................................................... 21

BAB III ........................................................................................... 22

PERANCANGAN DAN PEMBUATAN APLIKASI .................... 22

3.1 PERANCANGAN UMUM .................................................. 22



6

3.1.1. Tahap Pertama (Pre Processing): ................................. 26

3.1.2 Tahap Kedua (RoI): ...................................................... 30

3.1.3 Tahap Ketiga (DoF) : .................................................... 31

3.2 PEMBUATAN INTERFACE ............................................... 31

BAB IV ........................................................................................... 32

ANALISA DAN PENGUJIAN ...................................................... 32

4.1 LINGKUNGAN UJI COBA ................................................ 32

4.2 LAPORAN SISTEM ............................................................ 324.3 RENCANA TAHAP SELANJUTNYA ............................... 36

DAFTAR PUSTAKA ..................................................................... 38



7

DAFTAR GAMBAR

Gambar 2.2.1. Depth of Field ......................................................... 16

Gambar 2.2.2. Contoh Gambar Blur ............................................... 17

Gambar 2.2.3. Edge Detection ........................................................ 18

Gambar 2.2.4. Histogram Projection .............................................. 21

Gambar 2.2.5. Platform dan OS yang digunakan. .......................... 21

Gambar 3.1.1. Proses Pengimplimentasian Aplikasi yang digunakan

........................................................................................................ 22

Gambar 3.1.2. Ekstraksi library OpenCV 2.2 dengan menggunakan

CMake ............................................................................................ 23

Gambar 3.1.2.1.1. Konfigurasi Include dan library addition pada

Microsoft Visual Studio 2010 ......................................................... 24

Gambar 3.1.2.2.1. Konfigurasi include dari direktori OpenCV ...... 24

Gambar 3.1.2.3.1. Penambahan library dari direktori OpenCV...... 24

Gambar 3.1.2.4.1. Memasukkan nama library OpenCV ................. 25

Gambar 3.1.2. Diagram Blok Proses Secara Umum ....................... 26

Gambar 3.1.1.1. Gambar Asli ......................................................... 27

Gambar 3.1.1.2. Proses Gambar ..................................................... 28

Gambar 3.1.1.3. Hasil Dari Penggabungan Gambar ....................... 29

Gambar 3.1.2.1. Design Sistem (Tahap Kedua) ............................. 30

Gambar 3.1.3.1. Design Sistem (Tahap Ketiga) ............................. 31



8

BAB I

PENDAHULUAN

1.1 LATAR BELAKANG

Secara umum manusia mudah menilai suatu

gambar berdasarkan objek yang dominan dan yang dianggap

penting untuk dijadikan konten dari gambar. Sedangkan

pada komputer diperlukan komputasi untuk mendapatkan

objek penting yang salah satu caranya dengan menggunakan

metode blurring image. Selain itu, juga bisa denganmenggunakan metode Region of Interest (RoI) dan Depth of

Field (DoF) yaitu dengan menentukan area objek penting

dari suatu gambar ataupun dengan melihat kedalaman dari

suatu objek pada gambar.

Efek blur secara umum sampel area yang berkisar

pada tiap pixel pada suatu gambar yang mempunyai nilai

baru dari nilai pixel tetangga pada rata – rata suatu pixel

gambar dari nilai sampel awal/asli pada pixel gambar. Blursuatu objek pada gambar yang kemungkinan disebabkan

oleh pengambilan gambar pada kamera ataupun kualitas dari

gambar tersebut. Blur juga dapat kita proses dengan

menggunakan komputer dengan berbagai cara, sebagai

contoh motion blur, gaussian blur, average blur, median

blur, dan lain – lain. Proses blur ini bisa dikaitkan dengan

deteksi objek utama pada gambar untuk sebagai proses awal

untuk menghasilkan objek utama.Region of Interest (RoI) sering dikaitkan dengan

informasi kategoris atau kuantitatif (misalnya, pengukuran

seperti volume atau intensitas rata - rata). Biasanya juga

diartikan sebagai bagian yang dipilih sampel dalam dataset

yang diidentifikasi untuk tujuan tertentu. Misalnya pada

gambar 2D, yaitu untuk menentukan batas – batas objek

utama pada gambar.



9

DoF (Depth of Field) istilah dunia fotografi,

merupakan bagian mana yang ingin terlihat tajam dan bagian

mana yang ingin terlihat kabur. Ruang tajam yang dimaksudadalah area gambar yang akan nampak tajam jika dilihat

pada jarak tertentu dan bukaan diafragma tertentu pula. Bisa

juga dikatakan bahwa jarak antar objek yang terlihat

difokuskan pada gambar. Jarak ini bisa jadi yang terdekat

ataupun terjauh dari setiap objek yang difokuskan. Sehingga

gambar objek yang tidak termasuk difokuskan terlihat lebih

blur. Selain itu, objek yang tidak difokuskan menjadi objek

utama yang dicari. Sehingga, objek yang blur dianggapsebagai objek pendukung dari gambar tersebut.

1.2 RUMUSAN MASALAH

Berdasarkan latar belakang di atas, maka ditemukan

beberapa rumusan masalah yaitu :

A. Bagaimana membuat aplikasi untuk mendapatkan objek

utama gambar dengan DoF.

B. Bagaimana cara melakukan blurring suatu gambar padaobjek tertentu.

1.3 TUJUAN

Berdasarkan dengan metode DoF dan metode – metode

yang mendukung terhadap DoF, komputer dapat melakukan

proses untuk mendapatkan objek utama pada suatu gambar.

Selanjutnya pada akhir tujuan dari aplikasi ini dapat

menghasilkan dengan menentukan ketepatan nilai dari

ketajaman blur tersebut dapat menghasilkan seperti berikut :1. Gambar dengan objek yang terpilih lebih terlihat

jelas daripada objek lainnya.

2. Dapat mengetahui nilai dari DoF dan nilai focus

pada objek tertentu dari suatu gambar.

1.4 METODOLOGI

Metodologi yang digunakan pada Proyek Akhir ini adalah

sebagai berikut :



10

a. Studi Literatur

Pada tahap ini yang dilakukan studi tentang

pemahaman langkah – langkah dalam pencarian objek pada suatu gambar dengan menggunakan library yang

sudah ada.

b. Perancangan Sistem Perangkat Lunak

Perancangan sistem perangkat lunak yang dilakukan

meliputi sebagai berikut :

a. Instalasi Software Developer dan Library

Berupa cara menginstal software dan library yangakan dipakai untuk membuat aplikasi ini.

b. Konfigurasi Library

Berupa cara – cara melakukan konfigurasi library

yang dipakai dalam implementasi aplikasi ini.

c. Proses pembuatan aplikasi

Berupa bagian proses untuk perancangan sistem

pada aplikasi dari langkah awal hingga akhir.

d. Pembuatan Interface Berupa perancangan desain interface aplikasi untuk

mempercantik dan mempermudah penampilan

aplikasi ketika dijalankan.

c. Implementasi Sistem

Hasil perancangan sistem kemudian

diimplementasikan untuk dijadikan sebuah aplikasi.

d. Pengujian dan Analisa

Setelah pembangunan aplikasi, akan dilakukan uji coba

aplikasi dan membuat analisa dari hasil uji coba

aplikasi tersebut. Pada tahap ini, uji coba aplikasi

dilakukan dengan cara pemilihan berbagai gambar

yang akan diuji.

e. Pembuatan Laporan



11

Membuat dokumentasi dari semua tahapan proses

diatas berupa laporan yang berisi tentang teori dan hasil

proek akhir ini.

1.5 SISTEMATIKA PENULISAN

Sistematika penulisan dari proyek akhir ini direncanakan

sebagai berikut :

BAB I PENDAHULUAN

Bab ini berisi tentang pendahuluan yang

terdiri dari latar belakang, perumusan

masalah, tujuan, metodologi, serta sistematika

pembahasan dari proyek akhir ini.

BAB II TEORI PENUNJANG

Bab ini membahas mengenai teori – teori yang

berkaitan dengan penyelesaian Proyek Akhir,

yang didapatkan dari berbagai macam bukuserta sumber-sumber terkait lainnya yang

berhubungan dengan pembuatan Proyek

Akhir ini.

BAB III PERANCANGAN DAN PEMBUATAN

SISTEM

Bab ini membahas mengenai perancangan

sistem, meliputi proses pembuatan aplikasi

dan desain interface aplikasi.

BAB IV PENGUJIAN DAN ANALISA

Bab ini merangkum tentang hasil pengujian

beserta analisa dari sistem yang telah dibuat

dalam proyek akhir sehingga bisa didapat



12

kelebihan atau kekurangan sistem yang telah

dibuat.

BAB V PENUTUP

Bab ini berisi tentang kesimpulan dari proyek

akhir dilengkapi dengan saran yang berguna

untuk mengembangkan sistem untuk

dikembangkan lebih baik lagi.



13

Halaman ini sengaja dikosongkan



14

BAB II

TEORI PENUNJANG

2.1 TINJAUAN PUSTAKA

Tinjauan pustaka ini membahas mengenai teori penunjang

dalam penyelesaian proyek akhir ini. Beberapa teori penunjang

tersebut adalah sebagai berikut :

2.1.1. Paper yang digunakan

UnsupervisedDetectionofRegionsofInterestUsingIterativeLinkAnalysis

Paper yang ditulis oleh Gunhee Kim dan Antonio

Torralba ini menjelaskan tentang bagaimana teknik

mengoptimalisasi mendeteksi Region of Interest (RoI)

tanpa menggunakan penamaan pada gambar dalam Web

yang berantakan. Maksud dari penulisan ini yaitu

memudahkan dalam pengelompokan gambar pada web

berdasarkan RoI yang telah dideteksi pada gambar.

AlgorithmsforRenderingDepthofFieldEffectsin

ComputerGraphics

Paper ini ditulis oleh Brian A. Brasky dan Todd J.

Kosloff menjelaskan tentang algoritma untuk rendering

efek DoF pada Komputer Grafik. Jadi dengan algoritma ini

dapat menghasilkan fokus sempurna pada suatu objek

dengan daerah objek lain terlihat lebih blur.

ALayeredDepth-of-FieldMethodforSolvingPartial

Occlusion

Paper yang ditulis oleh David C. Schedl dan

Michael Wimmer berisi tentang teknik untuk

menghasilkan efek DoF dengan menggunakan pendekatan



15

untuk mengatasi masalah oklusi parsial dimana hasilnya

menghasilkan blur yang seragam dan memfokuskan objek

dengan sempurna.

ImagePartialBlurDetectionandClassification

Paper ini ditulis oleh Renting Liu, Zhaorong Li dan

Jiaya Jia yang berisi tentang pengelompokan gambar

berdasarkan deteksi blur tanpa perlu melakukan image

deblurring.

DepthofFieldImplementationWithOpenGL Paper ini ditulis oleh Tin-Tin Yu yang berisi

tentang pengimplementasian DoF dengan menggunakan

OpenGL untuk mendapatkan hasil blurring pada area out-

of-focus. Teknik blurring ini dengan menkalkulasi Circle

of Confusion (CoC) dengan tiap piksel dan menggunakan

fungsi pendistribusian pencahayaan pada tiap piksel.

2.2 DASAR TEORI

2.2.1. DoF (Depth of Field)

Yaitu istilah khusus untuk menunjukkan ruang

tertentu di dalam citra yang nampak relatif tajam karena

adanya perbedaan ketajaman (fokus). Walaupun sebuah

lensa hanya mempunyai satu fokus yang presisi, yaitu pada

bidang fokus yang berada pada satu jarak fokus (focal

distance) tertentu, penurunan ketajaman citra pada kedua sisidi samping bidang fokus bersifat gradual, sehingga di dalam

kedalaman ruang, ketidaktajaman gambar dapat tidak

nampak pada kondisi perspektif normal. Jadi pada hasil

gambar, objek yang lebih focus akan terlihat lebih tajam

dibandingkan dengan objek lainnya yang tampak blur dari

objek yang difokuskan.

Contoh gambar dari DoF :



16

Gambar 2.2.1. Depth of Field

Jarak antara benda – benda terdekat dan terjauh

terhadap objek pada gambar. Untuk mendapatkan hasil DoF

pada gambar

Efek DoF muncul dari sifat fisik lensa. Lensa

kamera (atau lensa di mata Anda) memungkinkan cahaya

untuk melewati ke film (atau retina). Agar cahaya untuk

berkumpul ke satu titik di film (atau retina), sumbernya

harus jarak tertentu dari lensa. Apa pun yang tidak berada di

jarak proyeksi yang tepat ke daerah (bukan ke titik) pada

film. Wilayah ini dikenal sebagai Circle of Confusion (CoC).

CoC sendiri itu adalah posisi optik yang disebabkan oleh

kerucut sinar cahaya dari lensa tidak datang ke fokus yang

sempurna ketika pencitraan sumber titik.

Untuk perhitungan CoC dari parameter kamera

yaitu :

CoC = abs (aperture * (* focallength (objectdistance -

planeinfocus)) / (objectdistance * (planeinfocus -focallength)))

Jarak objek dapat dihitung dari nilai-nilai z di z-buffer:

objectdistance =-zfar * znear / (z * (zfar - znear) - zfar)

Skala dan bias istilah yang dihitung dari parameter kamera:



17

CoCScale = (aperture * focallength * planeinfocus * (zfar -

znear)) / ((planeinfocus - focallength) * znear * zfar)

CoCBias = (aperture * focallength * (znear - planeinfocus))

/ ((planeinfocus * focallength) * znear)

2.2.2. Blur Detection

Yaitu pendeteksian gambar buram pada suatu objek

pada gambar. Blur detection bisa dihasilkan dari hasil

filtering LPF (Low Pass Filter) dan HPF (High Pass Filter)

dengan menggunakan metode Laplacian ataupun Gaussian.

Pada blur detection dapat menjadikan suatu gambar adanya

keburaman suatu objek dari gambar tersebut. Banyak jenis

blur yang bisa kita ketahui, misalnya motion blur, average

blur, focal blur, median blur, dll. Berikut contoh hasil

gambar blur detection.

Gambar 2.2.2. Contoh Gambar Blur

2.2.3. Edge Detection

Yaitu sebuah proses untuk mendapatkan informasi

tepi dari sebuah gambar. Hasil dari deteksi tepi ini seperti



19

Metode Robert merupakan metode dasar dengan

memanfaatkan filter baris atau filter kolom:

− untuk filter vertical

− untuk filter horizontal

2. Metode Prewitt

Metode Prewitt merupakan pengembangan metode

robert dengan menggunakan filter HPF yang diberi

satu angka nol penyangga. Metode ini mengambil

prinsip dari fungsi laplacian yang dikenal sebagai

fungsi untuk membangkitkan HPF.Metode Prewitt merupakan metode deteksi tepi dengan

memanfaatkan filter kernel 3x3 sebagai berikut:

[− − − ] untuk filter vertical

[− −

−

] untuk filter horizontal

3. Metode SobelMetode Sobel merupakan pengembangan metode

robert dengan menggunakan filter HPF yang diberi

satu angka nol penyangga. Metode ini mengambil

prinsip dari fungsi laplacian dan gaussian yang dikenal

sebagai fungsi untuk membangkitkan HPF. Kelebihan

dari metode sobel ini adalah kemampuan untuk

mengurangi noise sebelum melakukan perhitungan

deteksi tepi.Metode sobel dengan memanfaatkan kernel 3x3

sebagai berikut:

[− − − ] untuk filter vertical

[− − −

] untuk filter horizontal



20

2.2.4. Histogram Intersection

Yaitu memperkirakan lokasi dari objek pada gambar yang

dikenal sebagai Color Histogram yang termasuk pada lingkup

dari background yang hanya mempunyai efek kecil pada

perbandingan dari objek. Histogram color seleanjutnya dapat

dibandingkan dengan simpanan database dari histogram colrs

yang dikenal sebagai objek.

2.2.5. Histogram Projection

Proyeksi didefinisikan di sini sebagai suatu operasi yang

biner gambar peta yang menjadi satu-dimensi array disebut

histogram atau proyeksi profil. Nilai-nilai dari histogram adalah

jumlah dari pixel hitam sepanjang arah tertentu. Dua jenis

histograms ditentukan. Mereka adalah di 0-derajat (horizontal

proyeksi histogram) dan 90 derajat (vertikal proyeksi histogram)

dengan melihat pada sumbu horisontal y.

Suatu horisontal proyeksi histogram h (x) dari gambar biner

ƒ (x, y) adalah jumlah pixel hitam diproyeksikan ke sumbuvertikal x. Suatu Vertikal proyeksi histogram v (y) dari gambar

biner ƒ (x, y) adalah jumlah pixel hitam diproyeksikan ke

horisontal sumbu y. Vertikal dan horisontal pada proyeksi

histograms dari angka 2 adalah sebagai contoh ditampilkan pada

gambar.



21

Gambar 2.2.4. Histogram Projection

2.2.6. OpenCV

OpenCV (Open Source Computer Vision) adalah sebuah

Open Source BSD-licensed library yang berisi lebih dari 500

algoritma yang telah dioptimalisasi dengan baik untuk pengolahan

gambar dan video analisis. Sejak pengenalan pada tahun 1999

Computer Vision mempunyai banyak tools untuk mengembangakan

sebuah aplikasi. OpenCV awalnya dikembangkan oleh Intel oleh

Gary Bradski sebagai initiator untuk melakukan research pada

Computer Vision.Pada tahun 2006 telah meluncurkan seri pertama pada versi

beta yaitu OpenCV 1.0 yang selanjutnya dikembangkan lagi lebih

lanjut hingga tahun 2009 dengan meluncurkan seri OpenCV 2.

Hingga tahun 2013 OpenCV telah merilis seri terakhirnya hingga seri

OpenCV 2.6.0.

OpenCV dapat berjalan diberbagai platform dan Operating

System. Platform yang biasa digunakan yaitu dengan menggunakan

Eclipse (minimum versi OpenCV 2.0), Microsoft Visual studio 2008

hingga Microsoft Visual Studio 2013 (minimum versi OpenCV 2.0),

Android (minimum versi OpenCV 2.4.2), Java (minimum versi

OpenCV 2.4.4), iOS (minimum versi OpenCV 2.4.2), Windows

(minimum versi OpenCV 2.0), Linux (minimum versi OpenCV 2.0).

Gambar 2.2.5. Platform dan OS yang digunakan.



22

BAB III

PERANCANGAN DAN PEMBUATAN APLIKASI

3.1 PERANCANGAN UMUM

Aplikasi ini dirancang dengan menggunakan library

OpenCV 2.2 untuk memudahkan dan mempercepat dalam

pemrosesan gambar. Dengan menggunakan library ini aplikasi

ini menjadi mudah diimplementasikan.

Berikut skenario rancangan alur penggunaan programdalam pembuatan aplikasi ini :

CMake OpenCV M. VS 2010 Qt Creator

Gambar 3.1.1. Proses Pengimplimentasian Aplikasi

yang digunakan

Pada aplikasi dilakukan dengan mengekstrak library

OpenCV dengan menggunakan CMake untuk mendapatkan dan

mensinkronisasi dengan bahasa C pada Microsoft Visual Studio

2010. Dengan mengekstrak source library pada OpenCV kita

dapat menggunakan dengan mudah pada Microsoft Visual

Studio 2010 sebagai library-nya. Selanjutnya pada Microsoft

Visual Studio 2010 melakukan konfigurasi terlebih dahuluuntuk memanggil library OpenCV yang dihasilkan oleh CMake

tadi. Setelah pemrograman aplikasi selesai dilakukan dapat

diimplementasikan pada Qt Creator yang sebagai media

pembuatan interface pada aplikasi ini. Sehingga aplikasi lebih

user friendly untuk digunakan.



23

Proses ekstraksi library OpenCV dengan menggunakan

CMake

Gambar 3.1.2. Ekstraksi library OpenCV 2.2 dengan

menggunakan CMake

Berikut konfigurasi pemanggilan library OpenCV 2.2 pada

Microsoft Visual Studio 2010 :

1. Menambahkan konfigurasi pada VC++ directories untuk

pemanggilan library OpenCV dan Include OpenCV secara

umum



24

Gambar 3.1.2.1.1. Konfigurasi Include dan library

addition pada Microsoft Visual Studio 2010

2. Konfigurasi pemanggilan include dari direktori OpenCV

Gambar 3.1.2.2.1. Konfigurasi include dari direktori

OpenCV

3. Menambahkan konfigurasi library pada linker untuk

pemanggilan library dari direktori OpenCV

Gambar 3.1.2.3.1. Penambahan library dari direktori

OpenCV

4. Menambahkan konfigurasi library pada linker pada

direktori input untuk pemanggilan library dari direktori

OpenCV.



26

Gambar 3.1.2. Diagram Blok Proses Secara Umum

Berikut penjelasan langkah – langkah proses

pengimplementasian pembuatan aplikasi ini :

3.1.1. Tahap Pertama (Pre Processing):

FilterAverage

Sebuah filter lowpass yang menghitung rata – rata

abu-abu (grayscale) atau nilai warna dalam lingkungan

persegi panjang = kernel sepanjang pixel. Filter ini

menggantikan nilai setiap pixel [i, j] dengan rata – rata dari pixel di beberapa pixel tetangga di sekitarnya, yaitu jumlah

bobot dari [i + p, j + q], dengan p = -k ke k , q = -k ke k

untuk beberapa nilai k positif, bobot non-negatif dengan

bobot tertinggi pada p = q = 0. Jika semua bobot sama maka

ini adalah filter rata-rata. Berikut contoh source code-nya :

cv::blur(img,meanfilter3,cv::Size(3,3));

EdgeDetection

Yaitu proses deteksi tepi pada suatu gambar yang

menghasilkan gambar berupa garis – garis tepi pada objek

yang ada pada gambar. Metode untuk edge detection

beragam. Pada aplikasi ini dengan menggunakan metode

Sobel yaitu dengan memanfaatkan kernel 3x3 sebagai

berikut:

[

− − −

] untuk filter vertical

[− − − ] untuk filter horizontal

Sehingga mendapatkan hasil filter yang di proses

berdasarkan vertical dan horizontal pada gambar terlebih

dahulu dan selanjutnya diproses lagi dengan menyatukan

dari filter tersebut. Berikut contoh source code-nya :



27

// sobel X Sobel( src_gray, sobel_x, ddepth, 1, 0, 3,

scale, delta, BORDER_DEFAULT );

convertScaleAbs( sobel_x, abs_sobel_x );// sobel Y

Sobel( src_gray, sobel_y, ddepth, 0, 1, 3,scale, delta, BORDER_DEFAULT );

convertScaleAbs( sobel_y, abs_sobel_y );/// Total sobel (approximate)

addWeighted( abs_sobel_x, 0.5, abs_sobel_y, 0.5,

0, sobel );

Berikut langkah –

langkah proses detail :1. Gambar awal dijadikan blur dengan menggunakan

metode filter average dengan matriks 3x3, 5x5, 7x7,

9x9, dan 11x11 yang tiap matriks tersebut prosesnya

dipisah. Jadi 1 gambar akan di proses berdasarkan

tiap matriks tersebut seecara terpisah.

2. Kita melakukan edge detection (deteksi tepi) pada

tiap – tiap hasil filtering tersebut berdasarkan hasil

filter average sesuai dengan matriks – matriks tadi.3. Setelah melakukan proses edge detection, hasil tiap

gambar dari proses tadi dilakukan penggabungan

untuk menghasilkan gambar yang lebih sempurna.

Gambar 3.1.1.1. Gambar Asli



29

tersebut. Jadi gambar tersebut diproses filter average dengan

matriks 3x3, 5x5, 7x7, 9x9, 11x11. Maka hasilnya seperti

gambar sebelumnya.2. Proses selanjutnya, hasil dari filter average yang masih

diproses secara terpisah berdasarkan matriks tadi, dilakukan

proses edge detection dengan metode sobel. Proses ini

dilakukan secara terpisah juga. Jadi hasil dari filter average

dari matriks 3x3 akan diproses edge detection tersendiri.

Begitu pula dengan hasil dari filter average dengan matriks

5x5, 7x7, 9x9, 11x11. Maka menghasilkan gambar yang

berbeda – beda juga pada hasil edge detection denganmetode sobel ini.

3. Proses selanjutnya yaitu penggabungan gambar dari hasil

edge detection yang diproses secara terpisah tadi.

Penggabungan dari 5 gambar yang diproses secara terpisah

tadi untuk menjadikan gambar tersebut menjadi 1 gambar

utuh untuk diproses lagi pada tahapan selanjutnya. Berikut

hasil dari penggabungan gambar dari 5 gambar yang telah

diproses dari edge detection tadi :

Gambar 3.1.1.3. Hasil Dari Penggabungan Gambar



31

ukuran dari rectangle itu pada objek yang telah

ditentukan. Maka hasilnya objek pada suatu gambar

terlihat mempunyai penanda bahwa berbentuk kotaksebagai tanda itu adalah objek dari gambar tersebut.

3.1.3 Tahap Ketiga (DoF) :

Gambar 3.1.3.1. Design Sistem (Tahap Ketiga)

Penjelasan :

1. Kita melakukan penentuan nilai DoF berdasarkan

nilai Focal length pada gambar dan CoC untuk

mendapatkan nilai DoF pada gambar

2. Pada akhirnya mendapatkan nilai DoF pada gambar

dan hasil objek utama pada gambar

3.2 PEMBUATAN INTERFACE

Pada tahap ini, dilakukan proses pembuatan interface

aplikasi supaya lebih menarik dan lebih mudah untuk

dioperasikan.

Penentuan DoF

Mendapatkan hasil objekutama dan nilai DoF



32

BAB IV

ANALISA DAN PENGUJIAN

Pada bab ini akan menjelaskan tentang progress

pembuatan aplikasi ini sejauh mana yang sudah dicapai :

4.1 LINGKUNGAN UJI COBA

a. Perangkat Keras (Hardware)

1. Processor : Intel Pentium core i3 (2.2 GHz)

2.

Harddisk : Kapasitas 750 Gb3. RAM : 4 Gb

4. VGA : Ati Radeon HD6730 2Gb

b. Perangkat Lunak (Software)

1. Sistem Operasi : Windows 7 64 bit

2. Software build: Microsoft Visual Studio 2010,

OpenCV 2.2

4.2 LAPORAN SISTEM

Berikut proses tahapan yang telah dilakukan :

Tahap Proses yang telah dilakukan status

Proses instalasi library OpenCV 2.2Selesai

100%

Sinkronisasi library OpenCV 2.2 dengan Microsoft

Visual Studio 2010

Selesai

100%

Open dan Load gambar dengan menggunakan bahasa

C++ dan library OpenCV 2.2

Selesai

100% Filtering image dengan menggunakan metode filter

average dengan menggunakan matriks 3x3, 5x5, 7x7,

9x9, dan 11x11

Selesai

100%

Proses edge detection pada gambar yang telah

dilakukan filter average

Selesai

100%

Proses penggabungan gambar setelah proses edge

detection

Selesai

100%



33

Proses thresholding gambar setelah proses

penggabungan gambar

Selesai

90%

Proses pemberian tanda (bentuk kotak) pada objekyang telah ditentukan

Selesai70%

Proses menghitung Histogram dari gambar tersebut Selesai 0%

Proses Smoothing Histogram Selesai 0%

Proses deteksi nilai puncak pada histogram Selesai 0%

Proses penentuan nilai DoF Selesai 0%

Pembuatan interface pada aplikasi Selesai 0%

Hasil proses yang telah dilakukan dalam aplikasi ini meliputi :

Gambar

Matriks3x3

Matriks5x5



34

Matriks7x7

Matriks9x9

Matriks11x11



35

Penggabuangam

bar

Thresh

old

Rectangle

Analisa Program :

1. Filter Average

Pada hasil gambar tersebut, maka dihasilkan hasil

gambar lebih buram dari pada gambar aslinya. Dari

kesimpulan pada filter ini, semakin besar matriksnya

maka hasil gambar semakin buram.

2. Edge Detection

Pada hasil gambar tersebut, maka dihasilkan hasilgambar mendapatkan hasil pada garis – garis pada objek.

Jika diproses dengan matriks yang berbeda maka

hasilnya juga berbeda. Semakin besar matriks yang diuji

maka garis – garis yang dihasilkan akan lebih lebar

dengan matriks yang lebih kecil

3. Penggabungan gambar



36

Pada hasil ini akan dihasilkan gambar dengan garis –

garis pada objek lebih terang dan jelas. Ini dikarenakan

digabungkannya hasil dari edge detection sebelumnyayang diproses dengan filter average dengan matriks 3x3,

5x5, 7x7, 9x9, 11x11 yang selanjutnya dilakukan edge

detection secara terpisah. Penggabungan gambar ini

dengan menjumlahkan nilai x dan y pada proses edge

detection dari tiap nilai x dan y gambar sebelumnya yang

selanjutnya dilanjutkan dengan penggabungan secara

utuh pada gambar terhadap nilai x dan y untuk

menghasilkan gambar yang utuh.4. Threshold

Pada hasil gambar tersebut, maka dihasilkan hasil

gambar garis – garis utuh pada gambar yang setelah

digabungkan.

5. Rectangle

Dari hasil gambar tersebut, dihasilkan kotak – kotak pada

objek yang ada. Hanya saja kotak tersebut tidak memberi

kotak pada seluruh objek dengan hanya 1 kotak. Itudikarenakan pada hasil threshold, garis – garis tersebut

masih ada yang terputus. Sehingga tidak bisa memberi

kotak pada objek secara menyeluruh melainkan

berdasarkan garis – garis pada objek tersebut.

4.3 RENCANA TAHAP SELANJUTNYA

Dari beberapa tahap yang telah diproses belum semuamenu terkerjakan. Tahapan yang masih harus dikerjakan

dalam pembuatan aplikasi ini antara lain: a. Tahap pendeteksian objek gambar dengan

menambahkan rectangle dengan menyempurnakan

kotak tersebut dengan 1 objek secara menyeluruh.



37

b. Proses penentuan DoF dan pada akhirnya akan

mendapatkan hasil objek utama dari sebuah gambar tadi

dan juga mendapatkan nilai DoF dari gambar tersebut.c. Pembuatan Interface pada aplikasi ini.

laporan progres tugas akhir a5

Documents