3.2.1 Metode yang Digunakan
Dalam pembuatan simulasi analisa ini, metode yang digunakan mengacu pada referensi sekaligus dikombinasikan dengan ilmu yang sudah diperoleh pada mata kuliah
pengolahan citra digital.
Start
End Hasil Perhitungan
Kendaran Lane masking
Np = Mp×Vp
Background elimination Imadjust
Deteksi Tepi Pengambilan
Gambar
Gambar 3.2 Flowchart Metode Yang Digunakan
Metode-metode yang digunakan tersebut meliputi: a.
Lanes Masking Metode lane masking ini digunakan untuk memisahkan bagian dari jalan di mana
kendaraan bermotor yang bergerak dalam satu arah. Sebelumnya dibuat masking kemudian disiapkan gambar jalan beserta kendaraan, untuk dilakukan lane masking pada
gambar yang sudah ada. Sehingga gambar yang didapat hanya gambar kendaraannya saja.
a b
Gambar 3.3 Aplikasi Lanes Masking Dengan Kendaraan a.
Masking
b. Kendaraan
Kemudian hasil dari lane masking kedua gambar tersebut, dengan hasil yang didapat adalah gambar kendaraan.
Gambar 3.4 Setelah Di Lane Masking
Selanjutnya dilakukan lagi dengan gambar jalan yang tidak ada kendaraannya. Untuk mendapatkan masking hasil gambar jalan.
a b
Gambar 3.5 Aplikasi Lanes Masking Tanpa Kendaraan a.
Masking b.
Tanpa Kendaraan
Berikut adalah hasil gambar jalan yang sudah dimasking. Hasil gambar jalan yang didapat untuk mengurangi dari hasil gambar kendaraan yang ada.
Gambar 3.6 Setelah Di Lane Masking Gambar Jalan
b. Background Elimination
Algoritma ini akan menghapus semua objek yang statis dari jalur zona pengamatan dan meninggalkan kendaraan. Hal ini biasanya dipengaruhi oleh beberapa gambar dan
noise background seperti ayunan pohon, rumput bergerak, bayangan cahaya, awan, hujan, salju, dan lain-lain. Perihal waktu, musim, cuaca dan beberapa faktor lain juga
harus dipertimbangkan. Dimana dari kedua hasil gambar diatas di eliminasi dan dilakukan grayscale pada setiap hasil masking pada gambar. Sehingga didapat gambar
berikut, tetapi hasil yang didapat kurang jelas.
Gambar 3.7 Gambar Background Elimination Kendaraan
c. Imadjust
Langkah ini adalah salah satu fungsi untuk mempertajam gambar yang kurang jelas. Sehingga gambar yang sebelumnya kurang jelas bisa dipertajam lagi dengan
imadjust. Berikut adalah hasil gambar yang sudah di imadjust.
Gambar 3.8 Gambar yang sudah diperjelas
d. Deteksi Tepi Canny
Dari hasil gambar sebelumnya dilakukan deteksi tepi canny. Hal ini untuk memeriksa apakah tepi objek melewati suatu piksel.
Gambar 3.9 Gambar Deteksi Tepi Canny
3.2.2 Analisa Lampu Lalu Lintas