Pengenalan Rambu lalu Lintas Tertentu Dengan Menggunakan Template Matching.

(1)

PENGENALAN RAMBU LALU LINTAS TERTENTU

DENGAN MENGGUNAKAN TEMPLATE MATCHING

Ivan Jesse (0322025)

Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia

[email protected]

ABSTRAK

Pengenalan pola merupakan salah satu pengembangan dalam pengolahan citra. Citra rambu lalu lintas menarik untuk dikenali karena memiliki tingkat kerumitan tersendiri terutama dari bentuk dasar dan pola yang terkandung di dalamnya . Aplikasi pengenalan citra rambu lalu lintas dapat diterapkan pada bidang robotika

Salah satu metoda untuk pengenalan pola adalah template matching. Dengan metoda ini dapat dihitung tingkat kemiripan dari citra asli dengan template. Sehingga dapat digunakan untuk mengenali sebuah citra tertentu dari berbagai citra masukan dengan mengambil bagian yang memiliki tingkat kemiripan tertinggi.

Dari percobaan-percobaan yang dilakukan terhadap empat buah rambu yang berbeda, metoda template matching dapat digunakan untuk mengenali citra. Tingkat kemiripan tertinggi yang diperoleh dari percobaan sebesar 88% dan rotasi maksimal yang dapat dilakukan terhadap citra uji sebesar 5 derajat sebelum terdeteksi kesalahan.

Kata Kunci : rambu lalu lintas, template matching

Universitas Kristen Maranatha i

(2)

CERTAIN TRAFFIC SIGN RECOGNITION USING

TEMPLATE MATCHING

Ivan Jesse (0322025)

Department of Electrical Engineering, Maranatha Christian University Prof. Drg. Suria Sumantri 65 street, Bandung 40164, Indonesia

[email protected]

ABSTRACT

Pattern recognition is one of the developments made in image processing. The traffic sign image is interesting to recognize because it have own complexity especially in base form and pattern contained in it. The traffic sign recognition can be applied for robotics section.

One of the method used for pattern recognition is template matching. With this method, the level of similarity between original image and template can be counted. So it can be used for recognize some image from a number of input image by choose the part with the highest level of similarity.

From several experiment with four different traffic sign, template matching method can be used for recognize image. The highest level of similarity from the experiment is 88% and the maximum rotation can be done to experimental image is 5 degree before error can be detected.

Keyword: traffic sign, template matching

Universitas Kristen Maranatha ii

(3)

KATA PENGANTAR

Puji dan syukur kepada Tuhan Yang Maha Kuasa karena berkat rahmat- Nya laporan tugas akhir ini dapat diselesaikan.

Laporan tugas akhir dengan judul “Pengenalan Rambu Lalu Lintas Tertentu dengan Menggunakan Template Matching” dibuat untuk memenuhi persyaratan program studi Strata-1 Jurusan Teknik Elektro Fakultas Teknik, Universitas Kristen Maranatha.

Disadari bahwa tanpa hikmat dan anugerah Tuhan, serta bantuan dari berbagai pihak, Tugas Akhir ini tidak dapat diselesaikan dengan baik. Karena itu, tak lupa penulis sampaikan ucapan terima kasih kepada pihak-pihak yang telah membantu dalam membantu pengerjaan Tugas Akhir ini:

1. Bapak Ir. Aan Darmawan, MT. selaku Ketua Jurusan Teknik Elektro Universitas Kristen Maranatha.

2. Ibu Ir. Anita Soepartono, M.Sc., selaku Koordinator Tugas Akhir Jurusan Teknik Elektro Universitas Kristen Maranatha.

3. Bapak Marvin Chandra Wijaya, ST.MM.MT. Selaku dosen pembimbing yang telah memberikan bimbingan dalam penyelesaian tugas akhir ini 4. Keluarga, khususnya kepada kedua orang tua yang telah memberikan

dukungan baik moral maupun materil sehingga Tugas Akhir ini dapat diselesaikan dengan baik.

5. Para Staff Tata Usaha, dan Staff Perpustakaan yang telah banyak membantu persiapan Tugas Akhir ini.

6. Ade Wijaya, Ferdi, Felix Gunarto, Robin, dan teman teman lain di Laboratorium Instumentasi yang telah banyak memberikan masukan dan bantuan dalam menelesaikan laporan Tugas Akhir ini

7. Teman-teman dan pihak-pihak lain yang tidak dapat disebutkan namanya satu persatu yang secara langsung maupun tidak langsung turut membantu dalam menyelesaikan laporan Tugas Akhir ini.

Walaupun dengan seluruh kemampuan yang ada, disadari bahwa laporan Tugas Akhir ini masih jauh dari sempurna. Oleh karena itu, kritik dan saran yang

Universitas Kristen Maranatha iii

(4)

sifatnya membangun sangat diharapkan untuk kemajuan dan kesempurnaan dimasa yang akan datang.

Akhir kata, semoga laporan Tugas Akhir ini dapat bermanfaat dan berguna bagi semua pihak.

Bandung, Juli 2007

Penulis

Universitas Kristen Maranatha iv

(5)

DAFTAR ISI

LEMBAR PENGESAHAN

PERNYATAAN ORISINALITAS LAPORAN

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI

ABSTRAK i ABSTRACT ii

KATA PENGANTAR iii

DAFTAR ISI v

DAFTAR GAMBAR vii

DAFTAR TABEL x

DAFTAR LAMPIRAN xi

BAB I PENDAHULUAN 1

I.1 Latar Belakang Masalah 1

I.2 Identifikasi Masalah 1

I.3 Tujuan 1

I.4 Pembatasan Masalah 2

I.5 Sistematika Penulisan 2

BAB II LANDASAN TEORI 4

II.1 Konvolusi 4

II.1.1 Teori Konvolusi 4

II.1.2 Konvolusi pada Bidang Dua Dimensi 4

II.2 Grayscaling 8

II.2.1 Teknik Grayscaling 9

II.3 Tresholding 10

II.3.1 Citra Biner 10

II.4 Edge Detection (deteksi tepi) 11

II.4.2 Sobel 12

II.5 Template Matching 13

BAB III PEANCANGAN PROGRAM 16

III.1 Tampilan dasar program 16

Universitas Kristen Maranatha v

(6)

III.2 Flowchart Program Template Matching 18

III.2.1 Flowchart Olah 18

III.2.2 Flowchart Ganti Gambar 19

III.2.3 Flowchart Grayscaling 19

III.2.4 Flowchart Sobel 20

III.2.5 Flowchart Template Matching 21

III.3 Program Template Matching 21 III.3.1 Program Inisialisasi 22

III.3.2 Program Olah 23

III.3.3 Program Proses Citra 24 III.3.4 Program Ganti Gambar 27

III.3.5 Program Selesai 28

III.4 Program Template Matching Berwarna 28 III.4.1 Flowchart Program Template Matching Berwarna 29 III.4.2 Daftar Program Template Matching Berwarna 30 BAB IV DATA PENGAMATAN DAN ANALISA DATA 32

IV.1 Hasil Uji Terhadap Rambu 32

IV.2 Hasil Uji Terhadap Rambu yang Dalakukan Rotasi 39 IV.3 Hasil Uji Terhadap Rambu dengan Warna 56

BAB V KESIMPULAN 60

V.1 Kesimpulan 60

V.2 Saran 60

DAFTAR PUSTAKA 61

LAMPIRAN A A-1

LAMPIRAN B B-1

Universitas Kristen Maranatha vi

(7)

DAFTAR GAMBAR

Gambar I.1 Template yang Digunakan 2 Gambar II.1 Ilustrasi Konvolusi 5 Gambar II.2 Proses Konvolusi Pertama 6 Gambar II.3 Proses Konvolusi Kedua 6 Gambar II.4 Proses Konvolusi Ketiga 7 Gambar II.5 Proses Konvolusi Keempat 7 Gambar II.6 Proses TerhadapHasil Konvolusi yang Negatif 7 Gambar II.7 Masalah pada Konvolusi 8 Gambar II.8 Komponen Mask pada Operator Sobel 12 Gambar II.9 Mask Komponen Vertikal dan Horizontal 13

Gambar II.10 Template 14

Gambar II.11 Matriks Citra 14

Gambar II.12 Posisi Potongan Gambar Pertama 14 Gambar II.13 Posisi Potongan Gambar Kedua 15 Gambar II.14 Matriks Korelasinya 15 Gambar III.1 Tampilan Dasar Program 16

Gambar III.2 Flowchart Olah 18

Gambar III.3 Flowchart Ganti Gambar 19

Gambar III.4 Flowchart Grayscaling 19 Gambar III.5 Flowchart Sobel & Biner 20

Gambar III.6 Flowchart Template Matching 21 Gambar III.7 Komponen RGB pada VB 26

Gambar III.8 Mask Sobel yang Digunakan pada Proses Konvolusi 27 Gambar III.9 Flowchart Template Matching Berwarna 29

Gambar IV.1 Citra Template 32 Gambar IV.2 Citra Rambu Dilarang Masuk 32

Gambar IV.3 Citra Rambu Lewat Sini 32 Gambar IV.4 Citra Rambu Belok Kiri 32 Gambar IV.5 Citra Rambu Hati-hati 33

Universitas Kristen Maranatha vii

(8)

Gambar IV.6 Citra Rambu Lain 1 33 Gambar IV.7 Citra Rambu Lain 2 33 Gambar IV.8 Hasil Pengujian Terhadap Rambu Dilarang Masuk dari 33

Gambar IV.2

Gambar IV.9 Hasil Pengujian Terhadap Rambu Lewat Sini dari 34

Gambar IV.3

Gambar IV.10 Hasil Pengujian Terhadap Rambu Belok Kiri dari 34

Gambar IV.4

Gambar IV.11 Hasil Pengujian Terhadap Rambu Hati-Hati dari 35

Gambar IV.5

Gambar IV.12 Hasil Pengujian Terhadap Rambu Lain 1 dari Gambar IV.6 35 Gambar IV.13 Hasil Pengujian Terhadap Rambu Lain 2 dari Gambar IV.7 36 Gambar IV.14 Rambu Dilarang Masuk Dirotasi Searah Jarum Jam 39 Gambar IV.15 Rambu Dilarang Masuk Dirotasi Berlawanan Arah 40 Gambar IV.16 Rambu Lewat Sini Dirotasi Searah Jarum Jam 40 Gambar IV.17 Rambu Lewat Sini Dirotasi Berlawanan Arah Jarum Jam 40 Gambar IV.18 Rambu Belok Kiri Dirotasi Searah Jarum Jam 40 Gambar IV.19 Rambu Belok Kiri Dirotasi Berlawanan Arah Jarum Jam 40 Gambar IV.20 Rambu Hati-Hati Dirotasi Searah Jarum Jam 41 Gambar IV.21 Rambu Hati-hati Dirotasi Berlawanan Arah Jarum Jam 41 Gambar IV.22 Rambu Dilarang Masuk Dirotasi Searah Jarum Jam 41

Sebesar 1,2,3, dan 4 Derajat

Gambar IV.23 Rambu Dilarang Masuk Dirotasi Searah Jarum Jam 42 Sebesar 5,10,15, dan 30 Derajat

Gambar IV.24 Rambu Dilarang Masuk Dirotasi Berlawanan Arah 42 Jarum Jam Sebesar 1,2,3 dan 4 Derajat

Gambar IV.25 Rambu Dilarang Masuk Dirotasi Berlawanan Arah 43 Jarum Jam Sebesar 5,10,15, dan 30 Derajat

Gambar IV.26 Rambu Lewat Sini Dirotasi Searah Jarum Jam 43 Sebesar 1, 2, 3, dan 4 Derajat

Gambar IV.27 Rambu Lewat Sini Dirotasi Searah Jarum Jam 44 Sebesar 5, 10, 15, dan 30 Derajat

Universitas Kristen Maranatha viii

(9)

Gambar IV.28 Rambu Lewat sini Dirotasi Berlawanan Arah Jarum Jam 44 Sebesar 1, 2, 3 dan 4 Derajat

Gambar IV.29 Rambu Lewat Sini Dirotasi Berlawanan Arah Jarum Jam 45 Sebesar 5, 10, 15, dan 30 Derajat

Gambar IV.30 Rambu Belok Kiri Dirotasi Searah Jarum Jam 45 Sebesar 1, 2, 3, dan 4 Derajat

Gambar IV.31 Rambu Belok Kiri Dirotasi Searah Jarum Jam 46 Sebesar 5, 10, 15, dan 30 Derajat

Gambar IV.32 Rambu Belok kiri Dirotasi Berlawanan Arah Jarum Jam 46 Sebesar 1, 2, 3, dan 4 Derajat

Gambar IV.33 Rambu Belok Kiri Dirotasi Berlawanan Arah Jarum Jam 47 Sebesar 5, 10, 15, dan 30 Derajat

Gambar IV.34 Rambu Hati-Hati Dirotasi Searah Jarum Jam Sebesar 47 1, 2, 3, dan 4 Derajat

Gambar IV.35 Rambu Hati-Hati Dirotasi Searah Jarum Jam Sebesar 48 5, 10, 15, dan 30 Derajat

Gambar IV.36 Rambu Hati-Hati Dirotasi berlawanan Arah Jarum Jam 48 Sebesar 1, 2, 3, dan 4 Derajat

Gambar IV.37 Rambu Hati-Hati Dirotasi Berlawanan Arah Jarum Jam 49 Sebesar 5, 10, 15, dan 30 Derajat

Gambar IV.38 Hasil Uji Template Matching Berwarna pada Rambu 57 Dilarang Masuk dan Hati-Hati

Gambar IV.39 Hasil Uji Template Matching Berwarna pada Rambu 57 Belok kiri

Gambar IV.40 Hasil Uji Template Matching Berwarna pada Rambu 58 Lewat Sini

Universitas Kristen Maranatha ix

(10)

DAFTAR TABEL

Tabel III.1 Daftar Komponen 17

Tabel IV.1 Hasil Percobaan 36

Tabel IV.2 Hasil Percobaan Terhadap Rambu yang Dirotasi Searah 49

Jarum Jam

Tabel IV.3 Hasil Percobaan Terhadap Rambu yang Dirotasi Berlawanan 53

Arah Jarum Jam

Tabel IV.4 Hasil Percobaan Program Template Matching Berwarna 58

Universitas Kristen Maranatha x

(11)

DAFTAR LAMPIRAN

LAMPIRAN A A-1

LAMPIRAN B B-1

Universitas Kristen Maranatha xi

(12)

LAMPIRAN A

Program template matching

Dim h1(3, 3), h2(3, 3), n1, n2, pro(10) As Single Dim x(94, 94), y(94, 94), tem1(94, 94, 7) As Integer

Sub proim(gam As Single) n1 = 0: th = 16

For i = 1 To Picture1(gam).ScaleWidth 'n1= lbr n2 = pjg

n1 = n1 + 1 n2 = 0

For j = 1 To Picture1(gam).ScaleHeight warna = Picture1(gam).Point(i, j) r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) 'Jadi grayscale

n2 = n2 + 1

x(n1, n2) = 0.299 * r + 0.587 * g + 0.144 * b

Picture1(gam).PSet (i, j), RGB(x(n1, n2), x(n1, n2), x(n1, n2)) Next j

Next i

'deteksi tepi dengan filter sobel For i = 1 To n1

For j = 1 To n2 z1 = 0 z2 = 0

For u1 = -1 To 1 For u2 = -1 To 1

(13)

z1 = z1 + h1(u1 + 2, u2 + 2) * x(i + u1, j + u2) z2 = z2 + h2(u1 + 2, u2 + 2) * x(i + u1, j + u2) Next u2

Next u1

z = Int(Abs(z1) + Abs(z2)) If z > 255 Then z = 255 y(i, j) = z

'binerin supaya keliatan jelas bentuknya

If y(i, j) <= 128 Then y(i, j) = 0 Else y(i, j) = 255

Picture1(gam).PSet (i - 1, j - 1), RGB(y(i, j), y(i, j), y(i, j)) Next j

Next i End Sub

Private Sub Command1_Click() Dim s As Integer

For jengam = 0 To 7 If pro(jengam) = 0 Then proim (jengam) For i = 1 To 94 For j = 1 To 94

tem1(i, j, jengam) = y(i, j) Next j

Next i

pro(jengam) = 1 End If

Next jengam

' template matching lab = 0: s = 0: tem = 0

(14)

For gbr = 4 To 7

For template = 0 To 3 For i = 1 To n1 - 1 For j = 1 To n2 - 1

tem = tem + Abs(tem1(i, j, gbr) - tem1(i, j, template)) Next j

Next i

s = (1 - (tem / (255 * n1 * n2))) * 100 Label1(lab).Caption = s

lab = lab + 1: tem = 0 Next template

Next gbr End Sub

Private Sub Command2_Click() Dim buka

CommonDialog1.Filter = "*.*" CommonDialog1.ShowOpen buka = CommonDialog1.FileName If Option1.Value Then

Picture1(4).Picture = LoadPicture(buka) pro(4) = 0

ElseIf Option2.Value Then

Picture1(5).Picture = LoadPicture(buka) pro(5) = 0

ElseIf Option3.Value Then pro(6) = 0

Picture1(6).Picture = LoadPicture(buka) ElseIf Option4.Value Then

Picture1(7).Picture = LoadPicture(buka) pro(7) = 0

End If

(15)

End Sub

Private Sub Command3_Click() Unload Me

End Sub

Private Sub Form_Load() For i = 0 To 7

Picture1(i).ScaleMode = 3 Picture1(i).ScaleHeight = 93 Picture1(i).ScaleWidth = 93 Next i

Option1.Value = True

h1(1, 1) = -1: h1(1, 2) = 0: h1(1, 3) = 1 h1(2, 1) = -2: h1(2, 2) = 0: h1(2, 3) = 2 h1(3, 1) = -1: h1(3, 2) = 0: h1(3, 3) = 1 For i = 1 To 3

For j = 1 To 3 h2(i, j) = h1(j, i) Next j

Next i

For i = 1 To 10 pro(i) = 0 Next i End Sub

(16)

LAMPIRAN B

Program template matching berwarna

Dim h1(3, 3), h2(3, 3), n1, n2, pro(10) As Single

Dim x(96, 96), y(96, 96), tem1(96, 96, 3), im1(96, 96, 10) As Double

Sub proim(gam As Single) Dim warna As Double n1 = 0: th = 16

For i = 1 To Picture1(gam).ScaleWidth 'n1= lbr n2 = pjg

n1 = n1 + 1 n2 = 0

For j = 1 To Picture1(gam).ScaleHeight warna = Picture1(gam).Point(i, j) n2 = n2 + 1

x(n1, n2) = warna Next j

Next i

For i = 1 To n1 For j = 1 To n2 z1 = 0 z2 = 0

For u1 = -1 To 1 For u2 = -1 To 1

z1 = z1 + h1(u1 + 2, u2 + 2) * x(i + u1, j + u2) z2 = z2 + h2(u1 + 2, u2 + 2) * x(i + u1, j + u2) Next u2

Next u1

z = Int(Abs(z1) + Abs(z2))

(17)

y(i, j) = z

r = z And RGB(255, 0, 0)

g = Int((z And RGB(0, 255, 0)) / 256)

b = Int(Int((z And RGB(0, 0, 255)) / 256) / 256)

If gam > 3 Then Picture1(gam).PSet (i - 1, j - 1), RGB(r, g, b) Next j

Next i

End Sub

Private Sub Command1_Click() Dim s As Integer

For jengam = 0 To 7 If pro(jengam) = 0 Then proim (jengam) For i = 1 To 95 For j = 1 To 95

If jengam <= 3 Then

tem1(i, j, jengam) = y(i, j) Else

im1(i, j, jengam) = y(i, j) End If

Next j Next i

pro(jengam) = 1 End If

Next jengam

' template matching lab = 0: s = 0: tem = 0

(18)

For gbr = 4 To 7

For template = 0 To 3 For i = 1 To n1 - 1 For j = 1 To n2 - 1

tem = tem + Abs(im1(i, j, gbr) - tem1(i, j, template)) Next j

Next i

s = (1 - (tem / (16777215 * n1 * n2))) * 100 Label1(lab).Caption = s

lab = lab + 1: tem = 0 Next template

Next gbr End Sub

Private Sub Command2_Click() Dim buka

CommonDialog1.Filter = "*.*" CommonDialog1.ShowOpen buka = CommonDialog1.FileName If Option1.Value Then

Picture1(4).Picture = LoadPicture(buka) pro(4) = 0

ElseIf Option2.Value Then

Picture1(5).Picture = LoadPicture(buka) pro(5) = 0

ElseIf Option3.Value Then pro(6) = 0

Picture1(6).Picture = LoadPicture(buka) ElseIf Option4.Value Then

Picture1(7).Picture = LoadPicture(buka) pro(7) = 0

End If

(19)

End Sub

Private Sub Command3_Click() Unload Me

End Sub

Private Sub Form_Load() For i = 1 To 7

Picture1(i).ScaleMode = 3 Picture1(i).ScaleHeight = 93 Picture1(i).ScaleWidth = 93 Next i

Option1.Value = True

h1(1, 1) = -1: h1(1, 2) = 0: h1(1, 3) = 1 h1(2, 1) = -2: h1(2, 2) = 0: h1(2, 3) = 2 h1(3, 1) = -1: h1(3, 2) = 0: h1(3, 3) = 1 For i = 1 To 3

For j = 1 To 3 h2(i, j) = h1(j, i) Next j

Next i

For i = 1 To 10 pro(i) = 0 Next i End Sub

(20)

BAB I

PENDAHULUAN

I.1 Latar Belakang Masalah

Dewasa ini perkembangan teknologi maju dengan sangat pesat. Salah satu hasil perkembangan teknologi tersebut adalah pengolahan citra. Banyak sekali aplikasi pada dunia elektronika yang memanfaatkan pengolahan citra seperti pada sistem keamanan melalui pengenalan sidik jari dan pengenalan iris mata, dunia robotika, dan masih banyak lagi aplikasi yang lainnya.

Pada makalah ini akan dibahas pengenalan pola pada sebuah citra rambu lalu lintas. Citra rambu lalu lintas menarik untuk dikenali karena sering dijumpai oleh semua orang dan memiliki tingkat kerumitan tersendiri terutama dari bentuk dasar dan pola yang terkandung di dalamnya. Aplikasi pengenalan citra rambu lalu lintas dapat diterapkan pada bidang robotika atau dapat pula diterapakan pada kendaraan yang berteknologi tinggi dengan memanfaatkan kamera sebagai sensornya.

I.2 Identifikasi Masalah

• Bagaimana cara mengenali sebuah citra rambu lalu lintas sehingga dapat dikenali sebagai suatu rambu lalu lintas tertentu.?

• Apa kelebihan atau kekurangan metoda Template Matching dalam mengenali suatu rambu lalu lintas?

• Apa pengaruh warna terhadap tingkat kemiripan pada metoda Template Matching?

I.3 Tujuan

• Mengetahui cara untuk mengenali suatu rambu lalu lintas tertentu.

• Mengetahui kelebihan atau kekurangan metoda template matching dalam mengenali rambu lalu lintas.

• Mengetahui pengaruh warna terhadap tingkat kemiripan pada metoda Template Matching.

Universitas Kristen Maranatha 1

(21)

I.4 Pembatasan Masalah

• Rambu yang akan dikenali adalah rambu yang berlaku di Indonesia. • Rambu yang akan dikenali adalah rambu dilarang masuk, rambu lewat

sini, rambu belok kiri, dan rambu hati-hati

Gambar I.1 Template yang Digunakan

• Dimensi template dan dimensi citra yang akan dikenali adalah 93 pixel x 93 pixel

• Citra yang dicocokkan hanya pada bagian rambu lalu lintas saja • Program dibuat dengan menggunakan Microsoft Visual Basic 6.0 I.5 Sistematika Penulisan

Laporan Tugas akhir ini disusun dengan sistematika sebagai berikut : • Bab I Pendahuluan

Bab ini berisi latar belakang masalah, identifikasi masalah, tujuan, pembatasan masalah dan sistematika penulisan.

• Bab II Teori Pendukung

Bab ini berisi mengenai pengenalan pengolahan citra, pengenalan teknik grayscaling, pembahasan mengenai konvolusi diskrit, pembahasan teknik Pendeteksi tepi,dan penjelasan mengenai metoda template matching. • Bab III Perancangan Program

Bab ini berisi baris-baris program yang digunakan untuk membuat program pengolahan citra, penjelasan program pengolahan citra beserta flowchart program pengolahan citra.

• Bab IV Data Pengamatan

Bab ini berisi tampilan dari hasil pengujian dan tabel dari hasil percobaan yang dilakukan.

(22)

• Bab V Kesimpulan dan Saran

Bab ini berisi kesimpulan dari hasil program dan saran perbaikan.

(23)

BAB V

KESIMPULAN

V.1 Kesimpulan

Berikut ini adalah kesimpulan yang diperoleh dari hasil percobaan :

• Pengenalan rambu lalu lintas dengan menggunakan template matching cocok untuk rambu yang memiliki variasi pada latar belakang karena rambu masih dapat dikenali walaupun latar belakang rambu terdapat bermacam-macam objek.

• Dari 4 buah rambu yang dilakukan uji coba, metoda template matching kesulitan dalam mengenali rambu yang dilakukan proses rotasi. Dari hasil pengujian terhadap keempat rambu rotasi maksimal yang dapat dilakukan sebesar 5 derajat.

• Dari 4 buah rambu yang dilakukan uji coba, pada rambu dengan warna, objek pada latar belakang akan mempengaruhi besarnya tingkat kemiripan dan program kesulitan membedakan rambu yang memiliki warna dasar sama. Pengaruh lainnya adalah pencahayaan saat proses pengambilan citra uji memiliki pengaruh pada besarnya tingkat kemiripan antara citra uji dengan template.

V.2 Saran

Berikut adalah saran yang dapat diberikan dari hasil percobaan :

• Objek yang dikenali sebaiknya memiliki perbedaan bentuk yang cukup signifikan, misalnya antara lingkaran, segitiga, persegi, trapesium dan layang-layang.

Universitas Kristen Maranatha 60

(24)

DAFTAR PUSTAKA

1. Ballard, D. and Brown, C. Computer Vision, Prentice-Hall, 1982.

2. Basuki, Achmad. Josua F. Palandi dan Fatchurrochman, Pengolahan Citra Digital menggunakan Visual Basic, edisi pertama, Graha Ilmu, Yogyakarta, 2005

3. Gonzalez, Rafael C., Woods, Richard E., Digital Image Processing, Addison- Wesley Publishing Company Inc, USA,1993.

4. Jain, A. Fundamentals of Digital Image Processing, Prentice-Hall, 1989. 5. Marion, A. An Introduction to Image Processing, Chapman and Hall,

1991.

6. Munir, Rinaldi. Pengolahan Citra Digital Dengan Pendekatan Algoritmik, Informatika Bandung, Bandung, 2004.

7. Pitas, Ioannis, Digital Image Processing Algorithms, Prentice-Hall,1993. 8. Sid-Ahmed, M. A., Image Processing, McGraw-Hill,Inc.,1994

9. http://local.wasp.uwa.edu.au/~pbourke/texturecolour/imageprocess, 3 April 2007

Universitas Kristen Maranatha 61

(1)

Private Sub Command3_Click() Unload Me

End Sub

Private Sub Form_Load() For i = 1 To 7

Picture1(i).ScaleMode = 3 Picture1(i).ScaleHeight = 93 Picture1(i).ScaleWidth = 93 Next i

Option1.Value = True

h1(1, 1) = -1: h1(1, 2) = 0: h1(1, 3) = 1 h1(2, 1) = -2: h1(2, 2) = 0: h1(2, 3) = 2 h1(3, 1) = -1: h1(3, 2) = 0: h1(3, 3) = 1 For i = 1 To 3

For j = 1 To 3 h2(i, j) = h1(j, i) Next j

Next i

For i = 1 To 10 pro(i) = 0 Next i End Sub

(2)

BAB I

PENDAHULUAN

I.1 Latar Belakang Masalah

I.2 Identifikasi Masalah

• Bagaimana cara mengenali sebuah citra rambu lalu lintas sehingga dapat dikenali sebagai suatu rambu lalu lintas tertentu.?

• Apa kelebihan atau kekurangan metoda Template Matching dalam mengenali suatu rambu lalu lintas?

• Apa pengaruh warna terhadap tingkat kemiripan pada metoda Template Matching?

I.3 Tujuan

• Mengetahui cara untuk mengenali suatu rambu lalu lintas tertentu.

• Mengetahui kelebihan atau kekurangan metoda template matching dalam mengenali rambu lalu lintas.

• Mengetahui pengaruh warna terhadap tingkat kemiripan pada metoda Template Matching.

Universitas Kristen Maranatha 1

(3)

I.4 Pembatasan Masalah

• Rambu yang akan dikenali adalah rambu yang berlaku di Indonesia. • Rambu yang akan dikenali adalah rambu dilarang masuk, rambu lewat

sini, rambu belok kiri, dan rambu hati-hati

Gambar I.1 Template yang Digunakan

• Dimensi template dan dimensi citra yang akan dikenali adalah 93 pixel x 93 pixel

• Citra yang dicocokkan hanya pada bagian rambu lalu lintas saja • Program dibuat dengan menggunakan Microsoft Visual Basic 6.0

I.5 Sistematika Penulisan

Laporan Tugas akhir ini disusun dengan sistematika sebagai berikut : • Bab I Pendahuluan

Bab ini berisi latar belakang masalah, identifikasi masalah, tujuan, pembatasan masalah dan sistematika penulisan.

• Bab II Teori Pendukung

Bab ini berisi baris-baris program yang digunakan untuk membuat program pengolahan citra, penjelasan program pengolahan citra beserta flowchart program pengolahan citra.

• Bab IV Data Pengamatan

Bab ini berisi tampilan dari hasil pengujian dan tabel dari hasil percobaan yang dilakukan.

(4)

• Bab V Kesimpulan dan Saran

Bab ini berisi kesimpulan dari hasil program dan saran perbaikan.

(5)

KESIMPULAN

V.1 Kesimpulan

Berikut ini adalah kesimpulan yang diperoleh dari hasil percobaan :

V.2 Saran

Berikut adalah saran yang dapat diberikan dari hasil percobaan :

• Objek yang dikenali sebaiknya memiliki perbedaan bentuk yang cukup signifikan, misalnya antara lingkaran, segitiga, persegi, trapesium dan layang-layang.

(6)

DAFTAR PUSTAKA

1. Ballard, D. and Brown, C. Computer Vision, Prentice-Hall, 1982.

2. Basuki, Achmad. Josua F. Palandi dan Fatchurrochman, Pengolahan

Citra Digital menggunakan Visual Basic, edisi pertama, Graha Ilmu, Yogyakarta, 2005

3. Gonzalez, Rafael C., Woods, Richard E., Digital Image Processing,

Addison- Wesley Publishing Company Inc, USA,1993.

4. Jain, A. Fundamentals of Digital Image Processing, Prentice-Hall, 1989.

5. Marion, A. An Introduction to Image Processing, Chapman and Hall,

1991.

6. Munir, Rinaldi. Pengolahan Citra Digital Dengan Pendekatan

Algoritmik, Informatika Bandung, Bandung, 2004.

7. Pitas, Ioannis, Digital Image Processing Algorithms, Prentice-Hall,1993.

8. Sid-Ahmed, M. A., Image Processing, McGraw-Hill,Inc.,1994

9. http://local.wasp.uwa.edu.au/~pbourke/texturecolour/imageprocess, 3 April 2007

Universitas Kristen Maranatha 61

Pengenalan Rambu lalu Lintas Tertentu Dengan Menggunakan Template Matching.