More Related Content
Similar to introduction computer vision image clasifikasifikasi (20)
Recently uploaded (8)
introduction computer vision image clasifikasifikasi
- 2. OUTLINE MATERI ï‚¡ Hubungan antara Comp.Vision, Grafika Komputer, Pengolahan Citra, dan Pengenalan Pola (Pattern Recognition) ï‚¡ Domain ComputerVision ï‚¡ Processing tools dan tingkatan operasi dalam ComputerVision ï‚¡ Pertimbangan dalam perancangan ComputerVision System 2
- 3. PENGERTIAN ï‚¡ Pengolahan Citra (Image Processing) : ï‚¡ Bidang yang berhubungan dengan proses transformasi citra/gambar (image). ï‚¡ Proses ini bertujuan untuk mendapatkan kualitas citra yang lebih baik ï‚¡ Pengenalan Pola (Pattern Recognition) : ï‚¡ Bidang ini berhubungan dengan proses identifikasi obyek pada citra atau interpretasi citra. ï‚¡ Proses ini bertujuan untuk mengekstrak informasi/pesan yang disampaikan oleh gambar/citra. 3
- 4. PENGERTIAN ï‚¡ ComputerVision : ï‚¡ Ilmu pengetahuan yang mempelajari bagaimana komputer dapat mengenali obyek yang diamati/ diobservasi. ï‚¡ ComputerVision adalah kombinasi antara Pengolahan Citra dan Pengenalan Pola. ï‚¡ Bersama Kecerdasan Buatan (Artificial Intelligence) akan mampu menghasilkan sistem intelijen visual (Visual Intelligence System). 4
- 5. HASIL PROSES PENGOLAHAN CITRA 5 Image Smoothing Noise Removal Contrast Stretching
- 6. HASIL PENGOLAHAN CITRA: DETEKSI WAJAH 6
- 7. HASIL PROSES COMPUTERVISION 7 Shape recovery Cell segmentation
- 9. APLIKASI COMPUTERVISION  Robotic – navigation and control  Medical Image Analysis – measurement and interpretation of many types of images  Industrial Inspection – measurement, fault checking, process control  Optical Character Recognition – text reading  Remote Sensing – land use and environmental monitoring  Psychology,AI – exploring representation and computation in natural vision 9
- 10. HIGH LEVEL CAPABILITY  ComputerVision System (CVS) diharapkan memiliki kemampuan tingkat tinggi sebagaimana HumanVisual System (HVS)  Object detection – is an object present in the scene ? If so, where is its boundaries ?  Recognition – putting a label on an object  Description – assigning properties to objects  3D inference – interpreting a 3D scene from 2D views  Interpreting motion 10
- 11. HUMANVISIONVS COMPUTERVISION 11 • Eye • Retina - organization in layers • Color Vision • Vision of depth • Pinhole camera • CCD array - Compaction of information • RGB Device • Geometric stereoscopy
- 12. PROCESSING TOOLS ï‚¡ Pengolahan citra (image processing) ï‚¡ noise removal, edge detection, morphology ï‚¡ Feature extraction and grouping ï‚¡ Measurement ï‚¡ Modeling, matching (fitting) models to data and optimization ï‚¡ Statistics and Classification 12
- 13. KELAS OPERASI PADA CV ï‚¡ Image to Image : Noise removal, Image Enhancement (Low Level Processing) ï‚¡ Image to Symbolic : Kumpulan garis/vektor yang merepresentasikan batas sebuah obyek pada citra Intermediate Processing ï‚¡ Symbolic to Symbolic : Representasi simbolik batas-batas obyek menghasilkan nama obyek tersebut High Level Processing 13
- 14. PENDEKATAN DALAM CV 14 3-D World Images Objects Edges/Region/Depth Models dan Assumptions Features/Surfaces
- 15. PERTIMBANGAN DALAM PERANCANGAN CV 15 1. Informasi apa yang ingin diperoleh dan bagaimana informasi tersebut dimanifestasikan dalam citra Perlu ditentukan hubungan antara physical entities dan karakteristik instrinsiknya, misal rumah dapat dibedakan dengan pohon karena rumah memiliki garis lurus sebagai sifat intrinsiknya atau laut dapat dibedakan dari obyek lainnya karena laut memiliki tampilan yang uniform
- 16. PERTIMBANGAN DALAM PERANCANGAN CV 16 Untuk menentukan hubungan antara intensitas piksel dan sifat-sifat citra diperlukan model misal : Scene model : jenis features, textures, smoothness Illumination model : posisi dan karakteristik sumber cahaya serta sifat-sifat reflektansi permukaan obyek Sensor model : posisi dan kinerja optik dari kamera yang digunakan, noise dan distorsi pada proses dijitasi 2. Knowledge/pengetahuan apa yang diperlukan untuk memperoleh (recover) informasi
- 17. PERTIMBANGAN DALAM PERANCANGAN CV 17 Perlu diantisipasi adanya persyaratan realtime processing misalnya pada proses go-no go quality inspection. Disamping itu mengkode pengetahuan (knowledge encoding) kedalam bentuk yang tepat guna dan mudah dimengerti merupakan hal penting lainnya dalam pertimbangan perancangan sistem vision 3. Kecepatan pemrosesan dan representasi knowledge