BAB II LANDASAN TEORI 2.1 Grafik Komputer Menurut Ephi Lintau

BAB II
LANDASAN TEORI
2.1
Grafik Komputer
Menurut Ephi Lintau ( 2010 ), grafika komputer pada dasarnya adalah suatu
bidang komputer yang mempelajari cara-cara untuk meningkatkan dan memudahkan
komunikasi antara manusia dengan mesin (komputer) sebagai
jalan untuk
membangkitkan,
suatu
menyimpan,
dan
memanipulasi
gambar
model
objek
menggunakan komputer.
Bentuk sederhana dari grafik komputer ada 2 yaitu :
1. Grafik komputer 2 dimensi
2. Grafik komputer 3 dimensi
2.2
Grafik Komputer 2D
Biasa disebut dengan 2D atau bidang adalah bentuk dari benda yang memiliki
panjang dan lebar. Grafik 2 Dimensi merupakan teknik penggambaran yang berpatokan
pada titik koordinat sumbu x (datar) dan sumbu y (tegak). Agar dapat tampil dengan
sempurna, gambar yang akan ditampilkan dengan teknik ini harus memiliki nilai
koordinat x dan y minimum 0 dan maksimum sebesar resolusi yang digunakan.
Grafik komputer 2D adalah sebuah generasi gambar digital ( digital image )
berbasis komputer, yang kebanyakan mengambil objek-objek dua dimensi (2D). Model
Grafik 2D merupakan kombinasi dari model geometri (juga disebut sebagai grafik
vektor), gambar digital (raster graphics), fungsi matematika, dan sebagainya.
11 Komponen-komponen ini dapat dimodifikasi dan dimanipulasi oleh transformasi
geometri dua dimensi, seperti translasi, rotasi, dan dilatasi. ( Ephi Lintau, 2010 )
2.3
Grafik Komputer 3D
Biasa disebut 3D atau merupakan bentuk dari benda yang memiliki panjang,
lebar, dan tinggi. Grafik 3 Dimensi merupakan teknik penggambaran yg berpatokan
pada titik koordinat sumbu x(datar), sumbu y(tegak), dan sumbu z(miring). Representasi
dari data geometrik 3 dimensi sebagai hasil dari pemrosesan dan pemberian efek cahaya
terhadap grafika komputer 2D. Tiga Dimensi, biasanya digunakan dalam penanganan
grafis. 3D secara umum merujuk pada kemampuan dari sebuah video card (link).
Grafik 3D merupakan perkembangan dari grafik 2D. Di dalam grafika komputer,
3D merupakan bentuk grafik yang menggunakan representasi data geometri tiga dimensi.
Suatu objek rangka 3D apabila disinari dari arah tertentu akan membentuk bayangan
pada permukaan gambar. Proses pembuatan grafik komputer 3D dapat dibagi ke dalam
tiga fase, yaitu 3D modeling yang mendeskripsikan bentuk dari sebuah objek, layout,
dan animation yang mendeskripsikan gerakan dan tata letak sebuah objek, dan 3D
rendering yang memproduksi image dari objek tersebut. ( Ephi Lintau, 2010 )
2.4
Image ( Citra )
Citra (image) adalah gambar pada bidang dua dimensi. Ditinjau dari sudut
pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya
pada bidang dua dimensi. Citra (image) adalah suatu representasi, kemiripan, atau
imitasi dari suatu objek atau benda. Istilah lain untuk citra adalah suatu komponen
12 multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual.
Citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya dengan
informasi. Maksudnya, sebuah gambar dapat memberikan informasi yang lebih banyak
daripada informasi yang disajikan dalam bentuk teks.
Sumber cahaya menerangi objek, objek memantulkan kembali sebagian dari
berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh alat-alat optik, misalnya mata
pada manusia, kamera, pemindai (scanner), dan sebagainya, sehingga bayangan objek
yang disebut citra tersebut terekam.
Menurut Eko Suwono ( 2010 ), sebuah citra mengandung sejumlah elemen dasar.
Elemen-elemen dasar tersebut dimanipulasi dalam pengolahan citra, elemen-elemen
citra tersebut adalah sebagai berikut :
1. Warna
Warna merupakan suatu persepsi yang dirasakan oleh sistem visual manusia
terhadap panjang gelombang cahaya yang dipantulkan oleh sebuah objek. Setiap
warna memiliki panjang gelombang. Warna yang diterima oleh mata merupakan
hasil kombinasi cahaya dengan panjang gelombang yang berbeda. Kombinasi
warna yang memberikan rentang warna yang paling lebar adalah red (R), green
(G), blue (B).
13 2. Kecerahan ( Brightness )
Kecerahan dapat disebut juga dengan intensitas cahaya. Kecerahan pada
sebuah piksel ( titik ) di dalam sebuah citra bukanlah merupakan suatu intensitas
yang real, tetapi sebenarnya adalah intensitas rerata dari suatu area yang
melingkupinya.
3. Kontras
Kontras merupakan elemen citra yang menyatakan sebaran terang dan gelap
di dalam sebuah gambar. Sebuah citra dengan kontras yang rendah dicirikan oleh
sebagian besar komposisi citranya yaitu terang atau sebagian besar gelap. Pada
sebuah citra dengan kontras yang baik, komposisi terang dan gelap tersebar
secara merata.
4. Kontur
Kontur merupakan suatu keadaan yang ditimbulkan oleh perubahan intensitas
pada piksel yang bersebelahan. Dikarenakan adanya perubahan intensitas, maka
mata manusia dapat mendeteksi tepi suatu objek di dalam sebuah citra.
14 5. Bentuk ( Shape )
Bentuk merupakan sebuah properti intrinsik dari suatu objek tiga dimensi,
dengan pengertian bahwa bentuk adalah properti intrinsik utama untuk sistem
visual manusia. Pada umumnya, citra yang dibentuk oleh mata merupakan citra
dwimatra ( dua dimensi ), sedangkan objek yang dilihat umumnya merupakan
objek yang berbentuk trimatra ( tiga dimensi ). Informasi bentuk objek dapat
diekstraksi dari sebuah citra pada permulaan pra-pengolahan dan segmentasi
sebuah citra.
6. Tekstur
Tekstur merupakan elemen yang diartikan sebagai sebuah distribusi spasial
dari derajat keabuan di dalam sekumpulan piksel yang bersebelahan. Jadi tekstur
tidak dapat didefinisikan untuk sebuah piksel. Sistem visual manusia dapat
menerima informasi citra sebagai suatu kesatuan. Resolusi sebuah citra yang
diamati, ditentukan oleh skala pada tempat di mana tekstur tersebut dipersepsi.
7. Waktu dan Pergerakan
Respon dari suatu sistem visual tidak hanya berlaku pada faktor ruang, tetapi
juga berlaku pada faktor waktu. Contohnya adalah apabila citra-citra diam
ditampilkan secara cepat, maka akan berkesan seperti melihat citra yang bergerak.
15 8. Deteksi dan Pengenalan ( Edge and Recognition )
Dalam mendeteksi dan mengenali sebuah citra, tidak hanya sistem visual
manusia saja yang bekerja, tetapi juga ikut melibatkan ingatan dan daya pikir
manusia.
2.5
Digital Image
Digital image dapat didefinisikan sebagai fungsi dua variabel f(x,y), di mana x
dan y adalah koordinat spasial dan nilai f(x,y) adalah intensitas citra pada koordinat
tersebut.
Teknologi dasar untuk menciptakan dan menampilkan warna pada citra digital
berdasarkan penelitian bahwa sebuah warna merupakan kombinasi dari tiga warna dasar,
yaitu merah, hijau, dan biru (Red, Green, Blue – RGB).
Digital Image lebih berkaitan dengan teknik pembentukan gambar dibandingkan
dengan hasil proses. Perbedaan proses pembentukan representasi image dari berbagai
media sangat potensial mendapatkan hasil akhir yang diinginkan. Proses memang tidak
mudah menghasilkan output yang sama persis tanpa sebuah perlakuan standarisasi yang
besar. Digital image merupakan objek nyata yang direpresentasikan secara elektronis.
Objek dapat bersumber dari dokumen, foto, barang cetakan, hingga lukisan. Unsur
utama digital image adalah tepi-tepi yang berisi elemen objek yang sangat dasar, yaitu
picture element ( pixel ).
16 Digital image secara garis besar terdiri atas dua kategori utama, yaitu raster ( bit
mapped ) dan vector ( object oriented ). Raster image terbentuk dari grid atau matrik
dengan unsur dasar berupa pixel ( picture element ) yang mempunyai lokasi unik dan
nilai warna tersendiri. Sebaliknya, vector image terbentuk dari instruksi matematika
dalam membentuk image. ( Rambe, 2011 )
2.5.1
Raster Image
Semua peralatan capture digital image menghasilkan raster image.
Bentuk raster sangat umum digunakan pada beberapa peralatan output, seperti
scanner maupun kamera digital. File-file seperti TIFF, JPEG / JFIF, dan GIF
merupakan beberapa contoh format file dalam bentuk raster.
2.5.2
Vector Image
Apabila bentuk raster image dihasilkan dari proses pengambilan gambar
atau capture, maka lain halnya dengan jenis image vector. Image vector
dihasilkan program pengolah gambar, termasuk gambar 2D dan 3D, gambar
arsitektur, grafik, logo, hingga font. Image terdiri atas garis, kurva, dan shape
yang dapat diedit atributnya, seperti warna objek dan fill objek. Karena
dihasilkan dari rumus matematika, ukuran gambar file mudah dimanipulasi tanpa
harus kehilangan detail gambar aslinya ( resolution independent ). Objek raster
dapat pula dikonversikan menjadi objek vector melalui proses ‘trace’. Setiap
17 unsur objek dalam image dapat ditransformasikan secara independent satu
dengan yang lain.
Pengolahan citra dapat diterapkan pada berbagai bidang untuk membentuk suatu
aplikasi yang tangguh dan dapat dipercaya. Oleh karena itu, aplikasi pengolahan citra
sangat memungkinkan untuk membentuk suatu mesin otomatis yang dapat membantu
manusia dalam melaksanakan suatu pekerjaan.
Pengolahan gambar digital atau Digital Image Processing (DIP) adalah bidang
yang berkembang sangat pesat sejalan dengan kemajuan teknologi pada industri saat ini.
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. ( Rambe, 2011 )
2.6
Warna ( RGB )
Menurut Rambe ( 2011 ), sistem visual manuasia dapat membedakan ratusan
ribu shade warna dan juga intensitas, tetapi hanya 100 shade keabuan. Oleh karena itu,
di dalam suatu citra masih banyak informasi lainnya yang ada pada warna, dan informasi
tersebut juga dapat digunakan untuk menyederhanakan suatu analisis citra, misalnya
identifikasi obyek dan ekstraksi warna.
Model warna merupakan cara yang standard untuk menspesifikasikan suatu
warna tertentu dengan mendefinisikan suatu sistem koordinat 3D dan suatu ruang bagian
yang mengandung semua warna yang dapat dibentuk ke dalam suatu model tertentu.
18 Suatu warna dapat dispesifikasikan menggunakan suatu model yang akan berhubungan
ke suatu titik tunggal dalam suatu ruang bagian yang mendefinisikannya. Masingmasing warna diarahkan ke salah satu standard hardware tertentu ( RGB atau CMY ).
RGB merupakan suatu model warna yang terdiri dari warna merah ( Red ), hijau
( Green ), dan biru ( Blue ), yang digabungkan kemudian menghasilkan suatu susunan
warna yang luas. Setiap warna dasar, misalnya warna merah, dapat diberi rentang nilai.
Untuk sebuah monitor komputer, memiliki nilai rentang yang paling kecil = 0 dan yang
paling besar = 255. Pilihan skala 256 ini didasarkan pada cara mendeskripsikan 8 digit
bilangan biner yang digunakan oleh suatu mesin komputer. Dengan menggunakan cara
ini, maka akan diperoleh warna campuran sebanyak 256 x 256 x 256 = 1677726 jenis
warna. Satu jenis warna dapat dibayangkan sebagai sebuah vektor di ruang dimensi tiga
yang biasanya dipakai dalam ilmu matematika, yang koordinatnya dinyatakan dalam
bentuk tiga bilangan, yaitu komponen x, komponen y, dan komponen z. Misalkan,
sebuah vektor dituliskan sebagai r = ( x, y, z ). Dalam warna, komponen-komponen
tersebut digantikan oleh komponen Red, Green, Blue. Jadi, satu jenis warna dapat
dituliskan sebagai berikut : warna = RGB ( 30, 75, 255 ). Untuk warna putih = ( 255,
255, 255 ), sedangkan untuk warna hitam = RGB ( 0, 0, 0 ).
19 Tabel 2.1 Komponen Warna RGB
Warna
R
G
B
Hitam
0
0
0
Merah
255
0
0
Hijau
0
255
0
Biru
0
0
255
Kuning
255
255
0
Magenta
255
0
255
Cyan
0
255
255
Putih
255
255
255
Abu-Abu
127
127
127
Orange
255
110
0
Ungu
128
0
255
Coklat
128
25
0
Pink
255
190
220
Navy
0
0
120
Gambar di bawah ini menunjukkan bentuk geometri dari model warna RGB yang
digunakan untuk menspesifikasikan warna menggunakan sistem koordinat Cartesian.
Spektrum grayscale ( tingkat keabuan ) yaitu warna yang dibentuk dari gabungan tiga
warna utama dengan jumlah yang sama, yang berada pada garis yang menghubungkan
titik hitam dan putih.
20 Gambar 2.1 Geometri model warna RGB
Bentuk representasi warna dari sebuah citra digital adalah sebagai berikut :
Gambar 2.2 Representasi warna citra digital
2.7
Format Citra Digital
Menurut Rambe ( 2011 ), suatu citra digital memiliki beberapa format yang
memilki karakteristik tersendiri. Format pada citra digital ini umumnya berdasarkan
pada tipe dan cara kompresi yang digunakan pada citra digital tersebut.
21 Ada 4 format citra digital yang sering dijumpai, yaitu :
1. Bitmap ( BMP )
BMP merupakan format gambar yang paling umum dan merupakan
sebuah format standard windows. Ukuran file dari format ini sangat besar karena
bisa mencapai ukuran megabyte. File ini merupakan format yang belum
terkompresi dan menggunakan sistem warna RGB ( Red, Green, Blue ) di mana
masing-masing warna dari pixel-nya terdiri atas 3 komponen R, G, dan B yang
dicampur menjadi satu. File BMP dapat dibuka dengan berbagai macam software
pembuka gambar seperti ACDSee, Paint, dan lain-lain. File BMP sangat jarang
atau bahkan tidak bisa digunakan di web ( internet ) dikarenakan ukurannya yang
besar.
2. Joint Photographic Expert Group ( JPEG )
Format file JPEG merupakan format yang paling terkenal sampai
sekarang ini. Hal ini dikarenakan oleh ukuran filenya yang kecil ( hanya puluhan
/ ratusan KB saja ), dan juga bersifat portable. Format file ini sering digunakan
pada bidang fotografi yang dipakai untuk menyimpan file foto hasil perekaman
Analog to Digital Converter ( ADC ). Karena ukurannya yang kecil inilah, maka
format file ini sering digunakan di internet ( web ).
3. Graphic Interchange Format ( GIF )
Menurut Iin Aryani ( 2008 ), format file ini hanya mampu menyimpan
dalam 8 bit ( hanya mendukung mode warna Grayscale dan Bitmap). Format file
GIF ini merupakan format standar untuk publikasi elektronik dan internet.
22 Format file ini mampu menyimpan animasi dua dimensi yang akan
dipublikasikan pada internet, desain halaman web dan juga publikasi elektronik.
Format file ini mampu mengkompres dengan ukuran kecil. Format file GIF (
Graphic Interchange Format ) ini merupakan format file yang paling banyak
disarankan dan digunakan.
Adapun kelebihan dari format GIF ini antara lain :
•
Ukuran file yang dihasilkan relatif kecil.
•
Mampu menggabungkan beberapa gambar menjadi satu kesatuan dan
menampilkannya secara bergantian ( animasi ).
•
Warna latar belakang ( background ) dapat dibuat transparan.
•
Adanya teknologi Interlacing yang akan membuat sebuah file diload secara
utuh dengan kualitas yang ditampilkan secara bertahap.
4. Portable Network Graphic ( PNG )
Format file PNG ini berfungsi sebagai alternatif lain dari format file GIF.
Format file ini digunakan untuk menampilkan objek dalam halaman web.
Kelebihan dari format file ini jika dibandingkan dengan format file GIF adalah
kemampuannya untuk menyimpan file dalam bit depth hingga 24 bit serta
mampu untuk menghasilkan latar belakang ( background ) yang transparan
dengan pinggiran yang halus.
23 Beberapa kelebihan yang dimiliki oleh format PNG ( Portable Network
Graphic ) ini adalah
•
Mempunyai semua kelebihan yang dimiliki oleh format file GIF ( Graphic
Interchange Format ), kecuali animasi.
•
Fitur Interlacing 2 dimensi yang terbukti lebih baik jika dibandingkan dengan
interlacing milik GIF.
•
Tersedianya 2 format file yaitu PNG8 ( 256 warna ) dan PNG24 yang
membuat designer dapat lebih leluasa memilih kualitas gambar. Akan tetapi, format file ini juga memiliki kelemahan yaitu file yang lebih
besar dari format lain sehingga ketika browser memuatnya dibutuhkan waktu
yang relatif lebih lama dibanding gambar berformat jpg. ( Iin Aryani, 2008 )
2.8
Citra Gray Scale
Suatu citra yang ditampilkan dari citra jenis ini terdiri dari warna abu-abu, yang
bervariasi pada warna hitam di bagian yang memiliki intensitas terlemah, dan bervariasi
pada warna putih di bagian yang memilki intensitas terkuat. Citra grayscale berbeda
dengan citra hitam-putih, yang di mana pada konteks komputer, citra hitam-putih hanya
terdiri dari dua warna saja, yaitu warna hitam dan warna putih saja. Pada citra grayscale
warna bervariasi antara hitam dan putih, tetapi variasi warna di antaranya juga sangat
banyak. Sebuah citra grayscale merupakan perhitungan dari intensitas cahaya pada
setiap pixel pada spektrum single band.
24 Suatu citra grayscale disimpan ke dalam format 8 bit untuk setiap sampel pixel,
sehingga intensitas yang memungkinkan adalah sebanyak 256 intensitas. Format ini
sangat membantu dalam pemrograman karena manipulasi bit yang tidak terlalu banyak.
Untuk mengubah citra berwarna yang memiliki nilai matriks masing-masing R, G, dan B
menjadi citra grayscale dengan nilai X, maka konversi dapat dilakukan dengan
mengambil rata-rata dari nilai R, G, dan B. ( Rambe, 2011 )
2.9
Deteksi Tepi
Menurut Tharom ( 2003 ), pengenalan tepi di bagian cahaya dan bayangan pada
sebuah gambar yang ditangkap oleh kamera merupakan prasyarat yang diperlukan untuk
semua teknik yang melibatkan deteksi, pengukuran, ataupun pengolahan sebuah objek.
Oleh karena itu, teknik pendeteksian tepi merupakan kepentingan ekonomi yang utama.
Dalam pengolahan citra industri, seluruh blok yang disebutkan di atas merupakan teknik
yang digunakan. Di sini, titik pusat adalah untuk mendeteksi apakah ada keunggulan di
daerah yang diuji dan untuk melokalisasi tepi ketika diketahui ada keunggulan tersebut.
Salah satu metode yang paling sering digunakan dalam pendeteksian tepi
langsung dari citra skala abu-abu adalah didasarkan pada model yang sebelumnya telah
ditentukan tepinya. Biasanya, scan untuk tepi dalam model tertentu terjadi sepanjang
tepi pemindaian garis dalam arah tertentu. Dua arah tepi dibedakan menjadi rising edge
dan falling edge. Disebut falling edge adalah ketika pada profil skala abu-abu berjalan
dari sisi yang terang ke sisi yang gelap. Jika tidak, maka disebut rising edge.
25 Sebuah teknik yang khas menggunakan parameter berikut :
•
Tinggi edge
Untuk mendeteksi tepi secara valid, harus ada perbedaan minimum nilai
skala abu-abu sepanjang garis pemindaian. Inilah yang disebut puncak tepi.
•
Panjang edge
Nilai dari panjang tepi menjelaskan tentang panjang yang harus ada dan
perbedaan minimum nilai skala abu-abu ditentukan oleh ketinggian tepi.
Tepi ( Edge ) merupakan sejumlah tempat pada citra dengan intensitas kontras
yang kuat, yang di mana intensitas kecerahannya dapat berubah secara drastis. Tepi
biasanya muncul pada lokasi citra yang merepresentasikan batasan sebuah objek. Dalam
sebuah objek berdimensi satu, suatu perubahan dapat diukur dengan menggunakan
fungsi turunan ( derrivative function ). Perubahan dikatakan mencapai maksimun jika
pada saat nilai turunan pertamanya telah mencapai nilai maksimum atau nilai dari
turunan keduanya ( second derrivative ) bernilai nol.
Gambar 2.3 Perubahan intensitas tepi
26 Profil dari gambar intensitas tepi adalah sebagai berikut :
•
Step Edges
•
Root Edge
•
Line Edge
Gambar 2.4 Intensitas tepi
Edge detection ( deteksi tepi ) merupakan suatu operasi yang dijalankan untuk
dapat mendeteksi garis-garis tepi yang membatasi dua wilayah ( region ) dari citra
homogen yang memiliki tingkat kecerahan yang berbeda. Pendeteksian tepi pada sebuah
citra merupakan suatu proses yang dapat menghasilkan tepi-tepi dari beberapa objek
citra, yang tujuannya adalah sebagai berikut :
•
Untuk menandai bagian yang menjadi detail dari sebuah citra
•
Untuk memperbaiki detail dari sebuah citra yang kabur atau kurang jelas,
yang terjadi karena adanya error atau adanya efek dari sebuah proses akuisisi
citra
27 •
Untuk meningkatkan penampakan garis batas dari suatu daerah atau objek di
dalam sebuah citra
Gambar 2.5 Contoh pendeteksian tepi
•
Dan juga untuk mengubah sebuah citra 2D menjadi suatu bentuk kurva
Sebuah titik (x,y) dapat dikatakan sebagai tepi dari suatu citra jika pada titik
tersebut memiliki perbedaan yang tinggi dengan sebelahnya.
Sebuah tepi mengandung sebagian besar dari komponen berfrekuensi tinggi.
Oleh karena itu, secara teori, proses pendeteksian tepi dapat dilakukan dengan
menggunakan filter dengan frekuensi yang tinggi dalam domain Fourier. Atau dengan
kata lain, pendeteksian tepi dilakukan dalam domain spasial karena memiliki
komputansi yang lebih sederhana, cepat, dan sering memberikan hasil yang lebih baik.
Proses pendeteksian tepi dapat dikelompokkan berdasarkan operator atau metode
yang digunakan dalam proses deteksi tepi sebuah citra agar memperoleh citra hasil.
1. Metode Robert
Metode Robert adalah nama lain dari teknik diferensial pada horizontal dan pada
arah vertikal, dengan menambahkan proses konversi biner setelah dilakukan diferensial.
28 Teknik konversi biner yang disarankan adalah konversi biner dengan meratakan
distribusi warna hitam dan warna putih.
Metode Robert menggunakan matriks yang berukuran 2 x 2 :
1⎤
⎡1
H =⎢
⎥
⎣− 1 − 1⎦
Gradient magnitude dari operator Robert ini adalah sebagai berikut :
G f (i, j ) = f (i, j ) − f (i + 1, j + 1) + f (i + 1, j ) − f (i, j + 1)
Karena operator Robert hanya menggunakan convolution mask yang berukuran 2
x 2, maka operator Robert sangat sensitif terhadap adanya noise.
2. Metode Sobel
Metode ini merupakan pengembangan dari metode Robert dengan menggunakan
filter HPF ( High Pass Filter ) yang diberi satu angka nol penyangga. Operator ini
mengambil prinsip dari fungsi laplacian dan gaussian yang dikenal sebagai fungsi untuk
membangkitkan HPF. Adapun karakter dari High Pass Filter ( HPF ) adalah sebagai
berikut :
∑∑ H ( x, y) = 0
y
x
Contohnya saja, sebuah fungsi citra f(x,y) adalah sebagai berikut :
29 Kemudian, dengan menggunakan filter HPF ( High Pass Filter ) :
H ( x, y ) = [− 1,1]
Maka hasil filternya adalah sebagai berikut :
Jika digambarkan, maka input dan output dari proses filter di atas adalah sebagai
berikut:
Gambar 2.6 Input dan output proses filter
Proses yang digunakan pada operator Sobel ini merupakan proses dari sebuah
konvolusi yang telah ditetapkan terhadap citra yang terdeteksi. Kelebihan dari metode
Sobel ini adalah kemampuannya untuk mengurangi noise sebelum melakukan
perhitungan deteksi tepi.
Operator Sobel menggunakan kernel filter dari matriks yang berukuran 3 x 3,
yaitu :
2
1⎤
⎡1
⎢
H =⎢0
0
0 ⎥⎥
⎣⎢− 1 − 2 − 1⎦⎥
⎡1 0 − 1 ⎤
V = ⎢⎢2 0 − 2⎥⎥
⎣⎢1 0 − 1⎥⎦
30 Operator Sobel melakukan pendeteksian tepi dengan memperhatikan tepi vertikal
dan tepi horizontal. Gradient magnitude dari operator Sobel ini adalah sebagai berikut :
G x = f (i − 1, j − 1) + 2 f (i − 1, j ) + f (i − 1, j + 1) − f (i + 1, j − 1) + 2 f (i + 1, j ) + f (i + 1, j + 1)
G y = f (i − 1, j − 1) + 2 f (i, j − 1) + f (i + 1, j − 1) − f (i − 1, j + 1) + 2 f (i, j + 1) + f (i + 1, j + 1)
G f ( x, y ) = G x + G y
2
2
Operator Sobel digunakan untuk mencari skala absolut rata-rata pada tiap titik
pada gambar grayscale. Tiap matriks pada operator Sobel adalah hasil rotasi 90 derajat
terhadap matriks lainnya, dengan kata lain, saling tegak lurus satu sama lain. Gx
merupakan estimasi besar gradien pada arah x. Sedangkan Gy merupakan estimasi besar
gradien pada arah y. Pencarian gradien magnitude citra untuk melihat daerah-daerah
yang memiliki turunan spasial yang tinggi.
2.10
Thresholding
Menurut Evan Yovianto ( 2010 ), Thresholding merupakan suatu proses
mengubah citra yang berderajat keabuan menjadi citra biner atau hitam putih, sehingga
dapat diketahui daerah mana yang termasuk obyek dan background dari sebuah citra
yang jelas. Pada proses thresholding, akan mengubah nilai dari suatu gambar menjadi
bi-level image yaitu hitam ( 0 ) untuk latar belakang ( background ) dan putih ( 255 )
untuk obyeknya, ataupun sebaliknya. Suatu citra hasil thresholding biasanya akan
digunakan lebih lanjut untuk proses pengenalan obyek serta ekstraksi fitur.
31 Secara umum, proses binerisasi dari sebuah citra grayscale untuk menghasilkan
sebuah citra biner adalah sebagai berikut :
g (x, y) = {1 if f (x, y) >= T}
g(x, y) = {0 if f (x, y) < T}
dengan g(x,y) merupakan sebuah citra biner dari citra grayscale f(x,y) dan T
menyatakan nilai ambang ( threshold ).
Metode thresholding dibagi menjadi 2 jenis, yaitu :
1. Thresholding Global
Thresholding jenis ini dilakukan dengan mempartisi suatu histogram dengan
menggunakan sebuah threshold ( batas ambang ) global T, yang berlaku
untuk seluruh bagian citra.
T = T{f(x,y)}, dengan T tergantung pada nilai gray level dari pixel pada posisi
x,y.
2. Thresholding Adaptif
Thresholding jenis ini dilakukan dengan membagi sebuah citra menggunakan
beberapa sub citra. Kemudian pada setiap sub citra, proses segmentasi
dilakukan dengan menggunakan nilai threshold yang berbeda.
Nilai dari sebuah threshold dapat ditentukan dengan beberapa cara, seperti :
metode Itterative Selection, metode Onsu ( global thresholding ), dan juga dengan
menggunakan metode Local Thresholding. Pada metode Itterative Selection, nilai
threshold ditentukan dengan cara menghitung nilai rata-rata dari pixel background (Tb)
32 dan juga dari pixel object ( To ) pada sebuah image. Dengan menggunakan rata-rata dari
kedua nilai pixel tersebut, maka didapat nilai thresholdnya. Rumus yang dipakai dalam
perhitungan ini adalah :
T=
(To + Tb)
2
Contoh dari hasil thresholding RGB adalah sebagai berikut :
Gambar 2.7 Hasil thresholding RGB
2.11
Kalibrasi Kamera
Menurut Giri Wahyu ( 2011 ), proses kalibrasi kamera dilakukan untuk
mendapatkan beberapa nilai parameter dari sebuah kamera digital yang digunakan untuk
melakukan proses rekonstruksi objek 3D dari gambar 2D. Parameter-parameter yang
dibutuhkan ini adalah matriks intrinsik dan matriks ekstrinsik yang akan digunakan
untuk dapat melakukan perhitungan. Hal ini dilakukan agar dapat ditentukan letak dari
suatu benda di dalam ruang tiga dimensi.
33 Parameter dari matriks intrinsik terdiri dari 4 unsur, yaitu :
•
Nilai fokus kamera
Jarak antara lensa kamera dengan bidang gambar.
•
Titik pusat proyeksi
Lokasi titik tengah gambar dalam pixel koordinat.
•
Ukuran pixel efektif
•
Koefisien distorsi
Koefisien tingkat kelengkungan lensa yang meliputi radial dan tangensial
distorsi.
Matriks intrinsik dapat dirumuskan dengan :
⎡ fx
Wint = ⎢⎢ 0
⎢⎣ 0
Cx ⎤
fy Cy ⎥⎥
0 1 ⎥⎦
0
K = [k1 k 2
p1 p 2]
Di mana,
fx, fy = nilai fokus kamera
Cx, Cy = titik tengah
k1, k2 = distorsi radial
p1, p2 = distorsi tangensial
Sedangkan nilai parameter ekstrinsik terdiri dari dua buah matriks, yaitu matriks
translasi dan matriks rotasi. Parameter ekstrinsik ini menggambarkan orientasi posisi
dari kamera terhadap sistem koordinat sebenarnya dalam ruang tiga dimensi atau world
coordinate.
34 Matriks rotasi :
⎡ r11
R = ⎢⎢r21
⎢⎣r31
r12
r22
r32
r13 ⎤
r23 ⎥⎥
r33 ⎥⎦
Matriks translasi :
⎡ t1 ⎤
T = ⎢⎢t 2 ⎥⎥
⎢⎣t 3 ⎥⎦
2.12
Pseudocode
Menurut Hendrat ( 2011 ), pseudocode adalah suatu kode atau tanda yang
menyerupai ( pseudo ) atau merupakan penjelasan cara menyelesaikan suatu masalah.
Pseudocode sering digunakan untuk menuliskan algoritma dari suatu permasalahan,
yang berisikan langkah-langkah untuk menyelesaikan suatu permasalahan ( hampir sama
dengan algoritma ), hanya saja bentuknya sedikit berbeda dari algoritma. Pseudocode
menggunakan bahasa yang hampir menyerupai bahasa pemrograman. Selain itu
biasanya pseudocode menggunakan bahasa yang mudah dipahami secara universal dan
juga lebih ringkas daripada algoritma. Dalam penulisan algoritma dan juga pseudocode
tidak ada aturan yang mengikat, karena kedua hal ini berguna untuk memudahkan dalam
menggambarkan suatu urutan kejadian dan sebagai dasar dari alur pembuatan program,
sehingga dapat lebih mudah dipahami.
35 2.13
C Sharp ( C# )
Merupakan sebuah bahasa pemrograman yang berorientasi objek yang
dikembangkan oleh Microsoft sebagai bagian dari inisiatif kerangka .NET Framework.
C# adalah salah satu dari banyak bahasa yang bisa dipakai untuk pemrograman
.NET. Kelebihan utama bahasa ini adalah sintaksnya yang mirip C, namun lebih mudah
dan lebih bersih.
C# sebagai bahasa pemrograman untutk Framework .NET memiliki ruang
lingkup penggunaan yang sangat luas. Pembuatan program dengan user interface
Windows maupun console dapat dilakukan dengan C#. Karena Framework .NET
memberikan fasilitas untuk berinteraksi dengan kode yang unmanaged, penggunaan
library seperti DirectX 8.1 dan OpenGL dapat dilakukan. C# juga dapat digunakan untuk
pemrograman web site dan web service. ( Agro Rahmatullah, 2002, p. 14 )
2.14
Metode Waterfall
Menurut Nur Ichsan ( 2010 ), metode Waterfall merupakan sebuah model
perancangan software secara sekuensial, dimana proses perancangan tersebut mengalir
secara teratur ke bawah, sehingga terlihat seperti air terjun.
Keuntungan Metode Waterfall, yaitu :
•
Kualitas dari sistem yang dihasilkan akan baik. Ini dikarenakan oleh
pelaksanaannya secara bertahap, sehingga tidak terfokus pada tahapan
tertentu saja.
36 •
Dokument pengembangan sistem sangat terorganisir, karena setiap fase harus
terselesaikan dengan lengkap sebelum melangkah ke fase berikutnya.
Jadi setiap fase atau tahapan akan mempunyai dokumen tertentu.
Kelemahan dari metode Waterfall yaitu :
•
Diperlukan majemen yang baik, karena proses pengembangan tidak dapat
dilakukan secara berulang sebelum terjadinya suatu produk.
•
Kesalahan kecil akan menjadi masalah besar jika tidak diketahui sejak awal
pengembangan.
•
Pelanggan sulit menyatakan kebutuhan secara eksplisit sehingga tidak dapat
mengakomodasi ketidakpastian pada saat awal pengembangan.
Gambar 2.8
Metode Waterfall
37 Seperti yang terlihat pada Gambar 2.8, proses perancangan program bergerak
dari atas ke bawah seperti air terjun. Di dalam model Waterfall, fase-fasenya adalah
sebagai berikut :
o Analisis Spesifikasi Kebutuhan
o Desain
o Implementasi
o Integrasi
o Pengetesan dan Debugging (verifikasi)
o Instalasi
o Perawatan
2.15
UML ( Unified Modeling Language )
Menurut Henderi ( 2007 ), Unified Modeling Language ( UML ) adalah sebuah
bahasa pemodelan yang telah menjadi standar dalam industri software untuk visualisasi,
merancang, dan mendokumentasikan sistem perangkat lunak. Bahasa Pemodelan UML
lebih cocok untuk pembuatan perangkat lunak dalam bahasa pemrograman yang
berorientasi objek ( C++, C#, Java, VB.NET ), namun demikian tetap dapat digunakan
pada bahasa pemrograman prosedural.
UML merupakan salah satu alat bantu yang sangat handal dalam bidang
pengembangan sistem berorientasi objek karena UML menyediakan bahasa pemodelan
visual yang memungkinkan pengembang sistem membuat blue print atas visinya dalam
bentuk yang baku. UML berfungsi sebagai jembatan dalam mengkomunikasikan
38 beberapa aspek dalam sistem melalui sejumlah elemen grafis yang bisa dikombinasikan
menjadi diagram. UML mempunyai banyak diagram yang dapat mengakomodasi
berbagai sudut pandang dari suatu perangkat lunak yang akan dibangun. Diagramdiagram tersebut digunakan untuk :
1.
Mengkomunikasikan sebuah ide
2.
Melahirkan ide-ide dan peluang-peluang baru
3.
Menguji sebuah ide dan membuat prediksi
4.
Memahami struktur dan relasi-relasinya
Berikut ini adalah penjelasan mengenai berbagai diagram UML serta tujuannya:
1.
Model Use Case Diagram
Use Case Diagram secara grafis menggambarkan interaksi antara sistem,
sistem eksternal, dan pengguna. Dengan kata lain Use Case diagram secara grafis
mendeskripsikan siapa yang akan menggunakan sistem dan dalam cara apa
pengguna ( user ) mengharapkan interaksi dengan sistem itu. Use Case secara
naratif digunakan untuk secara tekstual menggambarkan sekuensi langkahlangkah dari setiap interaksi.
39 2.
Diagram Interaksi
Diagram interaksi memodelkan sebuah interaksi yang terdiri dari satu set
objek, hubungan-hubungannya, dan pesan yang terkirim di antara objek. Model
diagram ini memodelkan behavior ( kelakuan ) sistem yang dinamis dan UML
memiliki dua diagram untuk tujuan ini, yaitu:
a. Diagram rangkaian/Sequence Diagram: secara grafis menggambarkan
bagaimana objek berinteraksi dengan satu sama lain melalui pesan pada
sekuensi sebuah use case atau operasi. Diagram ini mengilustrasikan bagaimana
pesan terkirim dan diterima di antara objek dan dalam sekuensi atau timing apa.
b. Diagram kolaborasi/Collaboration Diagram: serupa dengan diagram
rangkaian/sekuensi, tetapi tidak fokus pada timing atau sekuensi pesan. Diagram
ini justru menggambarkan interaksi (atau kolaborasi) antara objek dalam sebuah
format jaringan.
2.16
Metode Algoritma GVC ( Generalize Voxel Coloring )
GVC
(Generalized
Voxel
Coloring)
merupakan
suatu
metode
untuk
merekonstruksi sebuah obyek 3D dari beberapa gambar 2D. Secara umum, metode ini
dibagi menjadi 2 jenis metode, yaitu metode GVC dengan item buffer (GVC-IB) dan
GVC dengan layered depth images (GVC-LDI). Perbedaan dari kedua metode ini adalah
penggunaan memori dan juga waktu proses. Pada metode GVC-IB, memori yang
digunakan lebih sedikit akan tetapi prosesnya akan menjadi lebih lama. Sedangkan pada
40 metode GVC-LDI, memori yang digunakan lebih besar tetapi waktu prosesnya akan
menjadi lebih cepat jika dibandingkan dengan metode GVC-IB.
Sebuah pendekatan dari garis-garis yang berbeda adalah foto-konsistensi dengan
menggunakan algoritma pewarnaan voxel ( Voxel Coloring ), dikemukakan oleh Seitz
dan Dyer. Masalah dalam pewarnaan voxel ini adalah dengan menetapkan warna (
radiance ) untuk voksel ( point ) yang ada di dalam volome 3D sehingga dapat
memaksimalkan konsistensi foto dengan satu set gambar input. Maksudnya adalah
rendering voksel berwarna dari setiap sudut pandang input yang harus mereproduksi
gambar asli sedekat mungkin. Dengan menggunakan gagasan foto-konsistensi, foto yang
tidak ada di permukaan secara otomatis diukir di dalam proses.
Sebuah foto-konsistensi menyiratkan bahwa voxel warna harus serupa di semua
pandangan di mana objek terlihat. Oleh karena itu, tanpa efek kebisingan atau kuantisasi,
sebuah foto dengan voxel yang konsisten seharusnya memiliki satu set piksel dengan
nilai warna yang sama. Konsistensi satu set warna dapat didefinisikan sebagai suatu
standar deviasi.
Algoritma pewarnaan voxel dimulai dengan volume rekonstruksi voxel awal yang
buram yang mencakup obyek yang akan direkonstruksi. Voxel yang dilalui dalam urutan
jarak yang meningkat dari volume kamera. Setiap voxel buram diproyeksikan di dalam
gambar dan diuji konsistensinya. Gambar yang ditemukan tidak konsisten, akan dibuat
transparan. Tes konsistensi dinyatakan oleh ambang batas di variasi warna dalam
gambar yang akan diproyeksikan. Ambang batas sesuai dengan kesalahan dari korelasi
maksimum yang diijinkan. Sebuah nilai ambang batas ( kecil ) yang terlalu konservatif,
41 hasil dalam rekonstruksi menjadi akurat, tetapi tidak lengkap. Di sisi lain, nilai ambang
batas yang besar dapat menghasilkan sebuah rekonstruksi yang lebih lengkap, tetapi satu
hasil yang mencakup beberapa voxel bisa menjadi salah. Dalam prakteknya, ambang
batas harus dipilih sesuai dengan karakteristik yang diinginkan dari model yang akan
direkonstruksi, baik dalam hal akurasi maupun dalam hal kelengkapan. Algoritma akan
berhenti bila semua voksel buram yang terisisa adalah foto yang konsisten. Pada voxel
akhir, warna yang ada pada gambar masukan diproses, maka akan membentuk sebuah
model yang mirip dengan obyek yang direkonstruksi.
Hasil dari pendekatan pewarnaan voxel yang sangat baik adalah dengan diberikan
volume pada obyek rekonstruksi yang cukup berwarna-warni. Namun, pendekatan ini
hanya merekonstruksi salah satu obyek yang memiliki konsistensi dengan gambar
masukannya. Oleh karena itu, rentan terhadap masalah yang disebabkan oleh citra di
daerah yang yang warnanya seragam. Daerah ini menyebabkan katup di dalam proses
rekonstruksi, karena pewarnaan voxel menghasilkan hasil rekonstruksi untuk volume
kamera. Dengan demikian, hasil rekonstruksi wilayah ( region ) dengan warna yang
sama akan bias.
Terdapat dua gambar dari sebuah obyek, yang menggunakan interpolasi untuk
membuat gambar baru dalam sudut pandang menengah di antara gambar-gambar yang
diinput. Karena tidak ada informasi 3D mengenai obyek, maka tidak dapat secara umum
membuat gambar yang tepat benar, meskipun hasilnya sering terlihat meyakinkan. ( W.
Bruce Culbertson dan Thomas Malzbender, 2000, p. 3 )