Microsoft Word - 41_SK_Iman_PENGARUH PENCAHAYAAN.docx 466 ComTech Vol. 5 No. 1 Juni 2014: 466-472  PENGARUH PENCAHAYAAN TERHADAP KINERJA SEGMENTASI Iman H. Kartowisatro Computer Engineering Department, Faculty of Engineering, BINUS University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta Barat 11480 imanhk@binus.edu ABSTRACT Light intensity may affect the image quality of an object that can cause barriers in doing preprocessing to improve the image quality of a digital image. Furthermore, this would also be an impact on subsequent processes, such as sorting images according to the needs. Light intensity influences the reflection of light which translates into an image. This gives an impact on successful segmentation process. Examples of the success and failure of segmentation are presented in this paper. Keywords: illumination, segmentation, probability density function ABSTRAK Intensitas cahaya dapat memengaruhi kualitas gambar sebuah objek yang dapat menimbulkan hambatan di dalam melakukan preprocessing untuk memperbaiki kualitas gambar dari sebuah citra digital. Lebih lanjut, hal ini akan dapat pula berdampak pada proses selanjutnya, misalnya memilah gambar sesuai dengan kebutuhan. Intensitas cahaya mempengaruhi pantulan cahaya yang diterjemahkan ke dalam sebuah citra. Hal ini memberikan dampak pada keberhasilan proses segmentasi. Contoh keberhasilan dan kegagalan segmentasi disampaikan dalam makalah ini. Kata kunci: pencahayaan, segmentasi, probability density function Pengaruh Pencahayaan … (Iman H. Kartowisatro)   467  PENDAHULUAN Thresholding dan edge detection merupakan proses klasik yang terus dikembangkan untuk melakukan ekstraksi dan analisis citra (Kaur, Agrawal, & Vig, 2012). Keduanya merupakan salah satu aspek penting segmentasi gambar yang diutamakan untuk fitur ekstraksi, sistem pengenalan gambar, dan juga untuk menganalisis gambar. Teknik ini membantu dalam extracting bentuk dasar dari suatu gambar. Segmentasi dengan pendekatan adaptive thresholding untuk memperoleh informasi tepi dari sebuah objek dilakukan dengan membandingkannya terhadap metode Sobel dan Canny (Kaushal, Singh, Singh, 2010). Hasil dari penelitian ini menunjukkan bahwa metode Adaptive Thresholding lebih baik dibandingkan metode Sobel dan Canny. Namun demikian, metode Adaptive Thresholding membutukan waktu komputasi yang lebih lama. Dalam sebuah lingkungan yang kompleks, proses segmentasi untuk melakukan extraction dan classification terhadap sebuah objek dapat dilakukan secara visual dan fisik (Almaddah, Mae, Ohara. Takubo & Arai, 2011). Penelitian ini memberikan perhatian pada keberhasilan segmentasi terhadap pengaruh pencahayaan ganda yang memiliki panjang gelombang berbeda. Dengan melakukan pengamatan terhadap reflektifitas dan arah bayangan, objek pada latar depan dapat dipisahkan. Sehingga selain parameter visual, pada kegiatan ini juga diperkenalkan parameter fisik yang berupa static electricity charge. Penelitian untuk melakukan proses segmentasi dalam kondisi yang berbeda dilakukan dengan pencahayaan yang dekat dengan objek dalam pengamatan (Takahiro & Sato, 2006). Dengan jarak pencahayaan yang dekat, maka sistem ini sensitif terhadap arah dari sumber cahaya yang ada. Berdasarkan penjelasan tersebut, dari berbagai teknik yang ada pencahayaan memberikan pengaruh yang mendasar kepada hasil dari pengolahan citra, baik untuk kebutuhan pengenalan objek maupun untuk aplikasi yang lebih lanjut seperti visual servoing. Oleh karenanya kontribusi dan pengaruh dari pencahayaan perlu dilakukan evaluasi yang lebih mendalam. Kegiatan ini merupakan kegiatan awal dari penelitian mandiri yang berjudul Pengembangan Sistem Deteksi Visual dengan melibatkan mahasiswa Dini Pratiwi, Alviewn Pemana Putra, dan Priyangkah Hartawan Sim. Proses segmentasi merupakan yang yang mendasar dan dibutuhkan dalam mengembankan system deteksi ini. Dalam tahap awal ini, dilakukan pengamatan terhadap pengaruh cahaya kepada kinerja segmentasi terhadap citra sebuah objek statis yang diperoleh dari sebuah kamera dengan sudut pengambilan gambar yang tetap. METODE Rancangan Sistem Dalam membangun sistem berbasiskan computer vision, maka proses yang terjadi dimulai dari adanya pencahayaan (illumination) yang merupakan pengembangan dari kegiatan yang lampau (Kartowisastro, 2013) dan dapat digambarkan sebagai berikut. 468 ComTech Vol. 5 No. 1 Juni 2014: 466-472  Gambar 1 Model Proses Computer Vision Citra yang timbul sebagai akibat dari cahaya yang dipantulkan oleh sebuah objek selanjutnya ditangkap oleh kamera dan diterjemahkan ke dalam sebuah citra digital yang setiap pixel memiliki level intensitasnya sendiri. Dalam perancangan ini, maka sebuah citra memungkinkan untuk memiliki level intensitas sebanyak 256 buah (level 0-level 255). Citra yang diperoleh perlu diperbaiki melalui thresholding process sehingga dapat dihasilkan sebuah citra yang lebih informatif. Citra yang telah melalui proses thresholding kemudian memasuki tahap lanjut (high level process) sesuai kebutuhan, antara lain segmentation dan recognition. Gambar 1 menunjukkan bahwa proses segmentasi berawal dari illumination process. Jumlah pixel yang memiliki level intensitas tertentu di dalam sebuah citra dapat dinyatakan dalam sebuah probability density function, seperti Gambar 2 berikut. Gambar 2 Probability Density Function (pdf) dari (a) citra terang dan (b) citra gelap Di dalam sebuah citra digital, maka probability density function dapat dinyatakan sebagai sebuah histogram yang memberikan informasi dari banyak munculnya pixel dengan intensitas tertentu. Gambar 3 memperlihatkan sebuah citra dalam kondisi ideal yang memberikan 2 buah informasi utama, yaitu objek dan latar belakang, masing-masing dengan probabilitas P1 dan P2. Gambar 3 Citra Ideal Pengaruh Pencahayaan … (Iman H. Kartowisatro)   469  Maka jika terdapat Gaussian noise yang mengganggu citra tersebut, probability density function dari keseluruhan citra yang terjadi dapat dinyatakan sebagai berikut (Gonzalez & Wintz, 1987), …………………………………. (1) √ √ ……………… (2) dengan µ1 dan µ2 adalah nilai rata-rata intensity level, sedangkan dan σ1 dan σ2 merupakan standard deviation terhadap nilai rata-rata. Dengan demikian constraint yang terjadi adalah: 1 ……………………….…………………… (3) Probability diinterprestasikannya objek sebagai latar belakang (error) dapat dinyatakan sebagai ∞ , ….……………………………… (4) Sedangkan probability diinterprestasikannya latar belakang sebagai objek (error) dapat dinyatakan sebagai: ∞ ………………………………….. (5) Secara keseluruhan maka probability dari error yang mungkin terjadi adalah: ………………………… (6) Dengan melihat persamaan tersebut, dapat terlihat bahwa terdapat kondisi untuk memperoleh nilai optimal threshold (ambang batas optimal), yang diperoleh melalui diferensiasi E(t) terhadap t. Dengan berasumsi image yang dibentuk oleh pantulan cahaya merupakan sebuah fungsi linear y=f(x), maka kondisi terdapatnya nilai optimal threshold dapat diperluas yaitu terdapatnya nilai pencahayaan optimal (optimal illumination). Bergantung pada objective function yang merupakan keluaran dari high level process (dalam penelitian ini, keluaran high level process adalah keberhasilan proses segmentasi), maka dapat diperoleh optimal threshold value untuk setiap objective function yang berbeda. Segmentasi dengan pendekatan pembesaran wilayah (region growing) dalam sebuah citra digital dengan menggunakan 3x3 mask dilakukan dengan memperhatikan kondisi sebagai berikut. Pertama, pembesaran wilayah dilakukan dengan melakukan pengecekan setiap pixel terhadap 8 elemen sekitar (8-neighbourhood). Kedua, melakukan pengecekan jika pixel tersebut memiliki level homogenitas yang dapat diterima terhadap elemen sekitar. Ketiga, level homogenitas dapat ditentukan dengan melakukan perhitungan terhadap mean dan standard deviation dari pixel yang berada dalam 3x3 mask. Keempat, jika nilai mean atau standard deviation berada dalam batas toleransi, pixel yang berada dalam pengamatan dijadikan bagian dari wilayah yang dibesarkan (region growing). 470 ComTech Vol. 5 No. 1 Juni 2014: 466-472  HASIL DAN PEMBAHASAN Percobaan dilakukan bersama sekeolompok mahasiswa yang terlibat dalam penelitian ini. Pengambilan gambar dilakukan terhadap 2 buah objek (kubus dan limas segi tiga) yang berdekatan dengan menggunakan pencahayaan yang berbeda. Segmentasi selanjutnya dilakukan terhadap objek dengan intensitas pencahayaan tersebut. Cahaya yang dipantulkan oleh objek akan memberikan bentuk gambar yang dapat ditangkap oleh kamera. Dengan demikian, objek akan terlihat oleh kamera sebagai citra yang memiliki karakteristik berbeda untuk setiap jenis pencahayaan. Percobaan dilakukan untuk mengetahui pengaruh pencahayaan terhadap kualitas hasil segmentasi dengan metode pembesaran wilayah (region growing). Dengan menggunakan kondisi pencahayaan yang cukup, maka kedua buah objek dapat terlihat dengan jelas seperti terlihat pada gambar 4(a). (a) Citra asli hasil tangkapan kamera (b) Hasil Segmentasi Gambar 4 Segmentasi dengan intensitas cahaya cukup Pengaruh Pencahayaan … (Iman H. Kartowisatro)   471  Kondisi yang menggunakan intensitas cahaya cukup akan sanggup memberikan kondisi pantulan cahaya dari masing-masing objeck akan menghasilkan histogram yang kontras, yaitu adanya sebuah lembah yang dalam. Dengan demikian akan diperoleh nilai standard deviation yang cukup besar dalam melakukan proses segmentasi sehingga proses pembesaran wilayah (region growing) dapat berjalan baik seperti terlihat pada gambar 4(b). Selanjutnya dilakukan percobaan dengan menggunakan pencahayaan yang kurang yang berakibat pada kurang terlihatnya perbedaan dari kedua buah objek tersebut (Gambar 5). (a) Citra asli hasil tangkapan kamera (b) Segmentasi gagal Gambar 5 Segmentasi dengan intensitas cahaya rendah Kondisi yang menggunakan intensitas cahaya kurang akan memberikan kondisi pantulan cahaya dari masing-masing objek akan menghasilkan histogram yang tidak kontras, yaitu terdapatnya sebuah lembah yang dangkal atau dalam kondisi ekstrem tidak memiliki lembah sama sekali. Dengan demikian akan diperoleh nilai standard deviation yang tidak cukup besar dalam melakukan proses segmentasi sehingga proses pembesaran wilayah (region growing) gagal untuk dapat memberikan hasil. 472 ComTech Vol. 5 No. 1 Juni 2014: 466-472  Pengembangan model dari yang telah disampaikan dalam Gambar 1 perlu dilakukan untuk memperoleh hubungan yang lebih terstruktur dan terukur sejak objek ditangkap oleh kamera sampai proses segmentasi selesai dilakukan. Pemodelan akan dikembangkan untuk dapat memberikan informasi terhadap kaitan kuat pencahayaan (lux) dengan keberhasilan segmentasi. SIMPULAN Kegiatan penelitian ini merupakan kegiatan awal dari penelitian hibah mandiri Binus University: Pengembangan Sistem Deteksi Visual. Beberapa hal yang perlu dilakukan penajaman adalah pemodelan antara pengaruh pencahayaan, jarak dan sudut pengambilan gambar, dan persamaan yang menggambarkan proses segmentasi. DAFTAR PUSTAKA Almaddah, A., Mae, Y., Ohara, K., Takubo, T., & Arai, T. (2011). Visual and Physical Sementation of Novel Objects. International Conference on Intelligent Robots and Systems, Sept 25-30, 807-812. San Francisco, CA, USA. Gonzalez, R.C., & Wintz, P. (1987). Digital Image Processing. USA: Addison Wesley. Kartowisastro, I. H. (2013). Pengaruh pencahayaan terhadap kinerja penentuan posisi objek. Submitted for Binus Journal. Kaur, J., Agrawal, S., & Vig, R. (2012). A comparative analysis of thresholding and edge detection segmentation techniques. International Journal of Computer Applications, 39(15). Kaushal, M., Singh, A., & Singh, B. (2010). Adapative thresholding for edge detection in grayscale images. International Journal of Engineering Science and Technology, 2(6), 2077-2082. Takahiro, O., Sato, Y. (2006). Effects of image segmentation for approximating object appearance under near lighting. ACCV, 764-775, Springer-Verlag.