a b
Gambar 2.10. Citra RGB a dan Citra Grayscale b. 2.4
Filtering
Proses filtering dilakukan untuk mengurangi perbedaan nilai data yang mencolok. Dengan menggunkan
LowPass Filter , data yang memiliki nilai besar
akan terendam sehingga perbedaan antar data tidak terlalu besar. Proses LowPass
Filter ini menggunakan cara merata-rata setiap data yang diperoleh, misalkan
untuk merata-rata 5 data, maka :
filtering = data1 + data2 + data3 + data4 + data5 5 Persamaan 2.2
Gambar 2.11. Proses filtering menggunkan LowPass Filter.
[4] [5]
2.5 Thresholding
Thresholding digunakan untuk mengubah intensitas piksel menjadi salah
satu dari dua nilai, a1 atau a2. Hasil dari proses thresholding ditentukan oleh suatu parameter yang disebut nilai threshold. Proses thresholding
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
menggunakan fungsi sebagai berikut :
Persamaan 2.3
Keterangan : fx,y = Nilai intensitas yang lama
gx,y = Nilai intensitas yang baru T = Nilai Threshold
Jika a1=0 dan a2=1, maka proses thresholding mengubah citra greyscale
menjadi citra biner.
[3] [4] [5]
2.6 NSSD Normalized Sum Squared Difference
NSSD adalah bentuk khusus dari SSD Sum Squared difference. Diawali dengan pengambilan background, mengubahnya menjadi grayscale
dan menentukan detection window pada jalur orang lewat yang akan diamati. Hal yang sama dilakukan juga untuk setiap frame video yang ditampilkan.
Detection window atau ROI Region of Interest pada background dan frame
harus pada posisi yang sama sehingga luasan area yang diamati sama persis. Jumlah nilai pixel pada frame dan background diambil selisihnya dan
dikuadratkan. Hasil tersebut dibagi dengan luasan detection window untuk dinormalisasi.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.6.1 Pemrosesan Background Image dan Frame
Untuk melakukan identifikasi dengan menggunakan metode NSSD, diperlukan background image untuk dibandingkan dengan frame yang akan
dideteksi. Background image yang digunakan merupakan image jalan atau lajur dalam keadaan kosong atau tidak ada kendaraan pada lajur yang akan
dideteksi. Detection window atau ROI diset pada lajur yang akan dideteksi setelah dilakukan proses grayscale sebelumnya. Kemudian, semua nilai pixel yang
terdapat dalam detection window dijumlahkan. Hal yang sama juga dilakukan pada setiap frame video. Maksud dari frame video adalah sekumpulan image
yang ditampilkan secara berurutan sehingga membentuk suatu gambar bergerak. Sehingga proses grayscale, setting detection window, dan
menjumlahkan nilai pixel dilakukan pada masing-masing frame. Posisi detection window
pada frame dan pada background image harus sama karena pada posisi inilah yang akan dilakukan pembandingan. Dengan adanya
detection window memudahkan proses perhitungan jumlah nilai pixel yang
dilakukan oleh komputer. Bilamana tidak menggunakan detection window, komputer akan melakukan perhitungan pada frame secara keseluruhan.
Sedangkan dengan detection window, komputer cukup menghitung pada detection window saja
.
2.6.2 Perhitungan NSSD
Setelah mendapatkan jumlah nilai pixel dari background image dan frame, nilai-nilai tersebut dicari selisihnya dengan cara dikurangkan subtract.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Selisih dari jumlah nilai background image dan frame dikuadratkan untuk menghindari nilai negatif. Metode NSSD dapat dirumuskan dalam persamaan
berikut :
Persamaan 2.4
Keterangan : ICi = intensitas frame pada pixel i
IBi = intensitas background pada pixel i Q = detection regionROI Region of Interest
N = jumlah pixel pada area Q Dalam perhitungan NSSD, yang digunakan adalah selisih dari jumlah nilai
pixel pada background image dan pada frame. Selisih jumlah nilai pixel,
memungkinkan untuk menghasilkan nilai negatif sehingga hasil selisih tersebut dikuadratkan untuk menghindari hasil negatif. Nilai negatif terjadi
bilamana warna dari obyek pada frame lebih gelap dari pada background image
. Sebab warna gelap memiliki nilai pixel yang kecil. Perhitungan NSSD dilakukan pada setiap frame video yang ditampilkan.
[4] [5]
2.7 Pengertian program visual basic
Visual Basic 6.0 adalah salah satu dari berbagai bahasa pemrograman yang
dimengerti oleh computer .Visual Basic meerupakan bahasa pemrograman yang
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
paling sederhana di bandingkan dengan bahasa pemrograman yang lain karena penulisan perintah dan intruksi yang kompleks sehingga langkah pemrograman
menjadi lebih jauh sederhana.dengan pemprogram dapat lebih berkonsentrasi pada bagaimana memecahkan masalah pemrograman yang dihadapinya.
2.8 Sejarah singkat Visual Basic
Berikut ini adalah point-point penting dalam sejarah perkembangan Visual Basic
adalah sebagai berikut : a.
Visual Basic pertama kali diperkenalkan tahun 1991 yaitu program Visual Basic
untuk DOS dan untuk windows. b. Visual Basic 3.0 dirilis tahun 1993.
c. Visual Basic 4.0 dirilis pada akhir 1995 tambahan dukungan aplikasi 32
Bit d. Visual basic 6.0 dirilis pada akhir tahun 1998
e. Visual Basic terbaru adalah versi Visual Basic.Net yang dirilis pada tahun
2002. Microsoft umumnya membuat tiga edisi Visual Basic yaitu :
1. Standard edition merupakan produk dasar.
2. Profesional Edition berisi tambahan Microsoft Jet Data Accsess Engine
Database dan pembuatan server OLE automation. 3.
Enterprise Edition adalah edisi client-server.
[6]
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.9 Mengenal Visual Basic