.2 Gaussian Blurring LANDASAN TEORI

16 Dimana :  R adalah nilai warna merah.  G adalah nilai warna hijau.  B adalah nilai warna biru. Cara kedua adalah cara yang biasanya dipakai dalam mengubah citra ke dalam skala keabuan yang dapat dilihat pada persamaan 2.3. � = . . + . .� + . .� 2.3 2.3.2 Gaussian Blurring Proses mengaburkan gambar melalui fungsi gauss adalah disebut Gaussian blurring. Secara umum, metode ini digunakan untuk mengurangi noise gambar dan rincian pada perangkat lunak grafis, komputer visi dan pengolahan gambar aplikasi Bozkurt, et al., 2015. Noise yang terdapat pada citra dapat mengganggu pada saat pendeteksian tepi sehingga proses identifikasi akan menghasilkan hasil yang salah. Proses gaussian blur dilakukan dengan menggerakkan kernel image untuk tiap pixel pada citra. Kernel harus berukuran matriks m x m seperti pada gambar 2.2 yang nilainya ditentukan dengan persamaan 2.4. Gambar 2.2. Contoh kernel Gaussian berukuran 3x3 Anonim, 2012 �� , = �� 2 � − 2+ 2 2�2 2.4 Dimana :  x adalah koordinat baris pada kernel.  y adalah koordinat kolom pada kernel. Universitas Sumatera Utara 17  σ adalah nilai standar deviasi Gaussian. Sehingga apabila persamaan 4 diimplementasikan kedalam kernel pada gambar 2.2 dengan nilai standar deviasi σ sama dengan 1,5 akan menghasilkan kernel seperti pada gambar 2.3. Gambar 2.3. Kernel Gaussian setelah penerapan rumus Anonim, 2012 Setelah itu jumlahkan sembilan nilai yang ada pada kernel tersebut lalu dibagikan ke masing – masing nilai kernel dan sehingga menjadi seperti pada gambar 2.4. Gambar 2.4. Hasil akhir kernel gaussian Anonim. 2012 2.3.3 Deteksi Tepi Canny Deteksi tepi adalah proses mengidentifikasi dan menemukan diskontinuitas tajam dalam gambar. Deteksi tepi telah digunakan oleh pengenalan obyek, pelacakan sasaran, deteksi obyek dan lain - lain. Pada penelitian ini, metode deteksi tepi yang digunakan adalah metode Canny. Metode canny adalah salah satu metode deteksi tepi untuk menemukan tepi dari citra masukan tanpa mempengaruhi fitur dari tepi Nisha, et al., 2015 . Metode Canny terdiri dari beberapa langkah, yaitu menghilangkan noise dengan Universitas Sumatera Utara 18 gaussian blur, mencari tepi dengan menggunakan sobel operator dan menentukan arah garis tepi, melakukan penipisan tepi dengan Non Maximum Supression dan hysterisis. Contoh hasil dari deteksi tepi Canny dapat dilihat dari gambar 2.5. Gambar 2.5. Citra hasil deteksi tepi Canny Wikipedia, 2017 2.3.4 Dilasi Dilasi merupakan proses penebalan piksel objek pada citra biner. Dilasi dapat membantu menyambung garis yang terputus dan mengecilkan lubang pada objek. Proses dilasi dilakukan dengan melihat apakah nilai dari tetangga tiap – tiap piksel ada yang bernilai “1” berdasarkan matriks berukuran m x m. Apabila ada, maka nilai piksel yang sedang diproses akan diubah menjadi “1”. Proses dilasi dapat dilihat pada gambar 2.6. Gambar 2.6. Proses dilasi dengan bantuan matriks 3x3 2.3.5 Erosi Erosi merupakan kebalikan dari proses dilasi. Erosi merupakan proses penipisan piksel objek pada citra biner. Erosi dapat membantu memisahkan objek yang bersinggungan sehingga dapat lebih mudah untuk diproses lebih lanjut. Proses erosi dilakukan dengan Universitas Sumatera Utara 19 melihat apakah nilai dari tetangga tiap – tiap piksel ada yang bernilai “0” berdasarkan matriks berukuran m x m. Apabila ada, maka nilai piksel yang sedang diproses akan diubah menjadi “0”. Proses erosi dapat dilihat pada gambar 2.7. Gambar 2.7. Proses erosi dengan bantuan matriks 3x3 2.4 OpenCV Menurut Jonatan Sianturi 2016, OpenCV adalah sebuah kumpulan software yang menyediakan struktur data dan algoritma yang dibuat untuk proses pengolahan citra dan Machine Learning. Sebagian besar OpenCV didedikasikan untuk pengolahan citra secara real time. Tujuan utama dari OpenCV adalah untuk melakukan proses pengolahan citra atau frame dari sebuah video secara real – time. Algoritma pengolahan citra dioptimalkan oleh para ahli dari Intel. OpenCV memiliki 400 fungsi yang mencakup 28 area dalam penelitian pengolahan citra dan analisis. Ketika peneliti menemukan algoritma baru, peneliti mengirimkannya ke Intel dimana alritma tersebut akan dianalisa, dioptimalkan, dan disesuaikan agar dapat mendapat kelebihan dari prosessor spesial pendukung untuk multimedia MMX Matrix Math Extensions dan SSE Streaming SMID Extensions. Algoritma yang baru tersebut akan ditambah pada versi OpenCV berikutnya. Oleh karena itu, OpenCV adalah pilihan yang sangat bagus untuk analisa dan pengolahan citra, karena pengoptimasi untuk struktur hardware pada prosessor Ionel, 2011. Fitur-fitur utama yang dimiliki oleh OpenCV antara lain : 1. Menangani data citra alokasi, dealokasi, duplikasi, menyimpan, menkonversi. 2. Input atau Output citra dan video dari file level dan device level. 3. Mendukung Operasi matriks dan vektor. Universitas Sumatera Utara 20 4. Data struktur dinamis lists, queues, trees, graphs 5. Algoritma dan tools untuk pengolahan citra filtering, deteksi tepi, corner detection, contour detection, konversi warna, morphological operations, interpolation, histogram operation, segmentasi citra, mendukung dalam mencari Region of Interest ROI, tools untuk pengenalan citra dengan classifiers, mendukung untuk citra stereo, neural network. 6. Analisis struktur connected components, contour processing, distance transform, variable times, merakit template, Hough-type transformation, polygonal approximating, menghitung area of interest berdasarkan garis dan elips, delaunay triangulation. 7. Kalibrasi kamera. 8. Analisis gerakan melacak gerakan pada video, segmentasi gerakan. 9. Pengenalan objek Hidden Markov Model. 10. GUI yang sederhana. 11. Mampu menambah layer pada citra polygon, teks, garis. OpenCV menyediakan modul – modul dengan fungsi yang berbeda beda antara lain : 1. Core : inti dari data struktur, tipe data, dan manajemen memori. 2. Imgproc : Modul pengolahan citra. Filter citra, transformasi citra geometris, struktur, dan analisis citra. 3. Video : Modul analisis video yang mencakup analisis gerakan, pemisahan background, dan algoritma pelacakan objek. 4. Calib3d : Algoritma dasar multiple-view geometri, kamera tunggal dan stereo, estimasi pose objek, algoritma stereo korespondensi, dan elemen- elemen untuk rekonstruksi 3D. 5. Features2d : Fitur detectors, descriptors, dan descriptor matchers. 6. Objdetect : Deteksi objek menggunakan cascade dan histogram dari pengklasifikasi gradien. 7. Highgui : Modul ini berisikan GUI, membaca dan menulis citra dan video. 8. Nonfree : Implementasi algoritma yang dipatenkan di beberapa negara. Universitas Sumatera Utara 21

2.5 Perspective Projection