Computer
Vision didefinisikan sebagai salah satu cabang ilmu pengetahuan yang
mempelajari bagaimana komputer dapat mengenali obyek yang diamati/ diobservasi.
Cabang ilmu ini bersama Intelijensia Semu (Artificial Intelligence) akan mampu
menghasilkan sistem intelijen visual (Visual Intelligence System). Perbedaannya
adalah
Computer
Vision lebih mempelajari bagaimana komputer dapat mengenali obyek yang diamati/
diobservasi. Namun komputer grafika lebih ke arah pemanipulasian gambar
(visual) secara digital. Bentuk sederhana dari grafika komputer adalah grafika
komputer 2D yang kemudian berkembang menjadi grafika komputer 3D, pemrosesan
citra (image processing), dan pengenalan pola (pattern recognition). Grafika
komputer sering dikenal juga dengan istilah visualisasi data.
Computer
Vision adalah kombinasi antara Pengolahan Citra dan Pengenalan Pola. Pengolahan
Citra (Image Processing) merupakan bidang yang berhubungan dengan proses
transformasi citra/gambar (image). Proses ini bertujuan untuk mendapatkan
kualitas citra yang lebih baik.
Sedangkan
Pengenalan Pola (Pattern Recognition), bidang ini berhubungan dengan proses
identifikasi obyek pada citra atau interpretasi citra. Proses ini bertujuan
untuk mengekstrak informasi/pesan yang disampaikan oleh gambar/citra.
Beberapa
applikasi yang dihasilkan dari Computer Vision antara lain :
1. Robotic
– navigation and control
2. Medical
Image Analysis – measurement and interpretation of many types of images
3.
Industrial Inspection – measurement, fault checking, process control
4. Optical
Character Recognition – text reading
5. Remote Sensing
– land use and environmental monitoring
6.
Psychology, AI – exploring representation and computation in natural vision.
Computer
Vision adalah ilmu dan teknologi mesin yang melihat, di mana mesin mampu
mengekstrak informasi dari gambar yang diperlukan untuk menyelesaikan tugas
tertentu. Sebagai suatu disiplin ilmu, visi komputer berkaitan dengan teori di
balik sistem buatan bahwa ekstrak informasi dari gambar. Data gambar dapat
mengambil banyak bentuk, seperti urutan video, pandangan dari beberapa kamera,
atau data multi-dimensi dari scanner medis. Sedangkan sebagai disiplin
teknologi, computer vision berusaha untuk menerapkan teori dan model untuk
pembangunan sistem computer vision.
Computer
Vision didefinisikan sebagai salah satu cabang ilmu pengetahuan yang
mempelajari bagaimana komputer dapat mengenali obyek yang diamati. Cabang ilmu
ini bersama Artificial Intelligence akan mampu menghasilkanVisual Intelligence
System. Perbedaannya adalah Computer Vision lebih mempelajari bagaimana
komputer dapat mengenali obyek yang diamati. Namun komputer grafik lebih ke
arah pemanipulasian gambar (visual) secara digital. Bentuk sederhana dari
grafik komputer adalah grafik komputer 2D yang kemudian berkembang menjadi
grafik komputer 3D, pemrosesan citra, dan pengenalan pola. Grafik komputer
sering dikenal dengan istilah visualisasi data.
Computer
Vision adalah kombinasi antara :
Pengolahan
Citra (Image Processing), bidang yang berhubungan dengan proses transformasi
citra/gambar (image). Proses ini bertujuan untuk mendapatkan kualitas citra
yang lebih baik.
Pengenalan
Pola (Pattern Recognition), bidang ini berhubungan dengan proses identifikasi
obyek pada citra atau interpretasi citra. Proses ini bertujuan untuk
mengekstrak informasi/pesan yang disampaikan oleh gambar/citra.
Hubungan
dari kombinasi tersebut dapat dilihat pada gambar berikut :
Fungsi /
Proses pada Computer Vision
Untuk
menunjang tugas Computer Vision, terdapat beberapa fungsi pendukung ke dalam
sistem ini, yaitu :
Proses
penangkapan citra (Image Acquisition)
Image
Acqusition pada manusia dimulai dengan mata, kemudian informasi visual
diterjemahkan ke dalam suatu format yang kemudian dapat dimanipulasi oleh otak.
Senada
dengan proses di atas, computer vision membutuhkan sebuah mata untuk menangkap
sebuah sinyal visual.
Umumnya
mata pada computer vision adalah sebuah kamera video.
Kamera
menerjemahkan sebuah scene atau image.
Keluaran
dari kamera adalah berupa sinyal analog, dimana frekuensi dan amplitudonya
(frekuensi berhubungan dengan jumlah sinyal dalam satu detik, sedangkan
amplitudo berkaitan dengan tingginya sinyal listrik yang dihasilkan)
merepresentasikan detail ketajaman (brightness) pada scene.
Kamera
mengamati sebuah kejadian pada satu jalur dalam satu waktu, memindainya dan
membaginyamenjadi ratusan garis horizontal yang sama.
Tiap‐tiap
garis membuat sebuah sinyal analog yang amplitudonya menjelaskan perubahan
brightness sepanjang garis sinyal tersebut.
Kemudian
sinyal listrik ini diubah menjadi bilangan biner yang akan digunakan oleh
komputer untuk pemrosesan.
Karena
komputer tidak bekerja dengan sinyal analog, maka sebuah analog‐to‐digital
converter (ADC), dibutuhkan untuk memproses semua sinyal tersebut oleh
komputer.
ADC ini
akan mengubah sinyal analog yang direpresentasikan dalam bentuk informasi
sinyal tunggal ke dalam sebuah aliran (stream) sejumlah bilangan biner.
Bilangan
biner ini kemudian disimpan di dalam memori dan akan menjadi data raw yang akan
diproses.
Proses
pengolahan citra (Image Processing)
Tahapan
berikutnya computer vision akan melibatkan sejumlah manipulasi utama (initial
manipulation) dari data binary tersebut. Image processing membantu peningkatan
dan perbaikan kualitas image, sehingga dapat dianalisa dan di olah lebih jauh
secara lebih efisien.
Image
processing akan meningkatkan perbandingan sinyal terhadap noise
(signal‐to‐noise ratio = s/n). Sinyal‐sinyal tersebut adalah informasi yang
akan merepresentasikan objek yang ada dalam image. Sedangkan noise adalah
segala bentuk interferensi, kekurangpengaburan, yang terjadi pada sebuah objek.
Analisa
data citra (Image Analysis)
Image
analysis akan mengeksplorasi scene ke dalam bentuk karateristik utama dari
objek melalui suatu proses investigasi. Sebuah program komputer akan mulai
melihat melalui bilangan biner yang merepresentasikan informasi visual untuk
mengidentifikasi fitur‐fitur spesifik dan karekteristiknya.
Lebih
khusus lagi program image analysis digunakan untuk mencari tepi dan
batas‐batasan objek dalam image. Sebuah tepian (edge) terbentuk antara objek
dan latar belakangnya atau antara dua objek yang spesifik. Tepi ini akan
terdeteksi sebagai akibat dari perbedaan level brightness pada sisi yang
berbeda dengan salah satu batasnya.
Proses
pemahaman data citra (Image Understanding)
Ini adalah
langkah terakhir dalam proses computer vision, yang mana sprsifik objek dan
hubungannya diidentifikasi.
Pada bagian
ini akan melibatkan kajian tentang teknik-teknik artificial intelligent. Understanding
berkaitan dengan template matching yang ada dalam sebuah scene. Metoda ini
menggunakan program pencarian (search program) dan teknik penyesuaian pola
(pattern matching techniques).
SUMBER :
Tidak ada komentar:
Posting Komentar