MODUL KULIAH 10 Ekstraksi Fitur Bentuk

Presentasi berjudul: "MODUL KULIAH 10 Ekstraksi Fitur Bentuk"— Transcript presentasi:

1 MODUL KULIAH 10 Ekstraksi Fitur Bentuk
Nana Ramadijanti, Ahmad Basuki, Hero Yudo Martono

2 Aplikasi Pengenalan Angka Aplikasi Arah Gerakan Robot
Materi Kuliah Fitur Bentuk Deteksi Tepi Histogram Proyeksi Histogram Sudut Aplikasi Pengenalan Angka Aplikasi Arah Gerakan Robot

3 Fitur Bentuk Fitur Bentuk adalah fitur dasar dalam visual content pada citra. Dimana setiap obyek citra dapat dibedakan berdasarkan bentuk dari obyek tersebut Bentuk dasar dalam geometri adalah bujursangkar, persegi panjang, segitiga, lingkaran dan ellips. Tetapi bentuk pada citra jarang sekali menggunakan bentuk dasar. Fitur bentuk dapat diperoleh dengan : Deteksi Tepi Histogram Proyeksi Histogram Sudut

4 Fitur Bentuk Persoalan dalam fitur bentuk ini adalah bagaimana mendapatkan vector yang membedakan bentuk-bentuk obyek dari citra.

5 Deteksi Tepi Dapatkan tepi citra menggunakan deteksi tepi,
Tentukan skala (panjang) fitur, misalkan citra ukuran 300 x 200 menjadi 30 x 20 maka setiak 10 x 10 menjadi 1 nilai biner. Setiap sel (sx, sy) akan bernilai 1 bila ada garis tepi dan akan bernilai 0 bila tidak ada garis tepi.

6 Deteksi Tepi

7 Deteksi Tepi

8 Deteksi Tepi

9 Histogram Proyeksi Histogram proyeksi menyatakan jumlah piksel per baris dan per kolom

10 Histogram Sudut

11 Fitur Obyek Biner No Fitur Formula Kegunaan 1 Area
Untuk mendapatkan ukuran obyek 2 Center of Area Untuk mendapatkan koord. titik tengah obyek 3 Axis of Least Second Moment Dalam satuan radian, konversi ke derajat =Theta/Phi x 180 derajar Untuk mendapatkan sudut orientasi obyek

12 Fitur Obyek Biner No Fitur Formula Kegunaan 4 Perimeter
Menghitung piksel ‘1’ yang tetangga sekitarnya ‘0’ Memberikan informasi lokasi dari obyek dan bentuk dari obyek 5 Thinnes Untuk mengetahui kebulatan sebuah obyek (T=1, untuk obyek lingkaran) 6 Irregularity 1/T Untuk mengetahui cabang dari obyek 7 Aspect Ratio Untuk mengetahui penyebaran obyek ke sumbu horizontal / vertical. Jika semakin besar = sebagian besar obyek menyebar horisontal 8 Euler Number Nilai Euler = Jumlah obyek– Jumlah lubang Nomer Euler menunjukkan banyaknya obyek kurva tertutup / lubang

13 Vektor Fitur Vektor fitur merepresentasikan citra atau bagian dari citra. Vektor fitur adalah n-dimensi vector that contains sekumpulan nilai dimana setiap nilai merepresentarikan fitur tertentu. Vektor dapat dipakai untuk mengklasifikasikan obyek, atau memberikan informasi dari obyek.

14 Vektor Fitur Perhatikan ilustrasi masalah berikut : Misalkan dibutuhkan robot gripper yang akan mengambil bagian-bagian dari garis dan menempatkannya di kotak (kotak A dan kotak B sesuai bentuk obyek) 1) Dimana obyek A 2) Apa tike obyek B

15 Vektor Fitur Untuk menyatkan dimana obyek:
Gunakan area dan titik tengah obyek, didefinisikan menjadi (r,c). Untuk menyatakan jenis obyek: Gunakan perimeter obyek Sehingga vector fitur nya menjad: [area, r, c, perimeter]

16 Pengukuran Distance & Similarity
Vektor fitur merepresentasikan obyek dan akan digunakan untuk mengklasifikasikan Untuk melakukan klasifikasi, dibutuhkan 2 vector fitur 2 metode utama – difference dan similarity Dua vector yang dekat akan mempunyai nilai difference kecil dan similarity besar

17 Pengukuran Jarak Jarak diukur dalam n-dimensi ruang fitur semakin besar jarak semakin besar nilai difference nya Beberapa pengukuran : Euclidean distance Range-normalized Euclidean distance City block atau absolute value metric Maximum value

18 Pengukuran Jarak Rumus jarak dengan Euclidean :
Ri adalah range dari komponen ke i

19 Pengukuran Jarak Perbedaan 5 pada bagian yang penting di komponen pertama, tetapi tidak penting pada komponen kedua Permasalahan ini dapat diperbaiki menggunakan jarak Euclidean yang telah dinormalisasi (Range-normalized Euclidean distance) Ri adalah range dari komponen ke i

20 Pengukuran Jarak Pengukuran jarak yang lainnya disebut dengan city block atau absolute value metric, yang didefinisikan sebagai berikut : Matrik ini lebih cepat dibandikngkan komputasi jarak Euclidean tetapi memberikan hasil yang mirip.

21 Pengukuran Jarak Jarak city block juga dapat di normalisasi menjadi range-normalized city block distance metric, dengan Ri didefinisikan sebelumnya :

22 Pengukuran Jarak Jarak akhir mengacu pada nilai maksimum matrik didefinisikan dengan : Versi normalisasi :

23 Pengukuran Similarity
Matrik yang kedua digunakan untuk membandingan dua nilai vector fitur dan disebut dengan pengukuran similarity. Bentuk yang umum digunakan untuk similarity adalah vektor inner product. Menggunakan definisi vector A dan B, Vektor inner product sebagai berikut: Pengukuran similarity menggunakan ranged normalized: Alternatif lain, dilakukan normalisasi dengan membagi masing2 komponen vector dengan magnitude vector :

24 Pengukuran Similarity
Pada saat memilih fitur untuk aplikasi citra di computer, factor yang paling penting adalah kehandalan fitur. Fitur yang handal akan memberikan hasil yang konsisten pada seluruh aplikasi. Contohnya, jika kita mengembangkan sistem untuk bekerja di bawah sembarang kondisi pencahayaan, kita tidak ingin menggunakan fitur yang berbeda mengikuti pencahayaannya. Jenis kehandalan disebut juga dengan RST-invariance. RST singkatan dari rotasi, ukuran dan translasi. Fitur yang sangat handal adalah RST-invariant. Jika citra dirotasi, If the image is rotated, dikecilkan, diperbesar atau ditranslasikan, nilai fitur tidak akan berubah.

25 Aplikasi Pengenalan Angka Melalui Tulisan Tangan

26 Aplikasi Pengenalan Angka Melalui Tulisan Tangan
Pengenalan angka merupakan aplikasi pengolahan citra sederhana, tetapi pengenalan melalui tulisan tangan mempunyai kompleksitas yang tinggi Aplikasi ini banyak digunakan sebagai mesin scanner dari tulisan tangan, misalkan untuk mengetahui nilai dari sebuah cek, atau program pembelajaran menulis angka untuk anak-anak. Aplikasi pengenalan angka juga dapat digunakan untuk membaca not balok/not jawa secara otomatis, atau membaca plat nomor kendat]

27 Aplikasi Pengenalan Angka Untuk Mengetahui Nilai Uang Pada Cek

28 Aplikasi Pengenalan Angka Untuk Pembelajaran Menulis Angka

29 Aplikasi Pengenalan Angka
Aplikasi untuk membuat database fitur dari setiap angka (0-9) dari berbagai kemungkinan bentuk tulisan tangan. Aplikasi ini dijalankan dengan tulisan dari beberapa orang yang kemudian disimpan di dalam database Aplikasi untuk mengenali angka, yang dilakukan dengan membandingkan fitu dari angka yang ditulis dengan data fitur dalam database.

30 Aplikasi Membuat Database Fitur

31 Aplikasi Pengenalan Angka

32 Model Angka Setiap angka disimpan sebagai file gambar dengan nama file sesuai dengan angka yang tertera, misalkan angka 4 disimpan dalam file 4.jpg

33 Integral Proyeksi Integral Proyeksi adalah suatu teknik yang menjumlahkan nilai setiap kolom atau setiap baris. Integral Proyeksi didefinisikan dengan :

34 Contoh Integral Proyeksi
1 3 2 6 Integral proyeksi vertikal Integral proyeksi horisontal Fitur :

35 Contoh Pencocokan Fitur dengan I.Proyeksi
1 3 2 6 Integral proyeksi horisontal Integral proyeksi vertikal Fitur angka 4: Fitur Angka 7: Nilai perbedaan= =18

36 Contoh Pencocokan Fitur dengan I.Proyeksi
1 4 2 Integral proyeksi vertikal Integral proyeksi horisontal 3 Fitur angka 0: Fitur Angka 8: Nilai perbedaan= =7

37 Aplikasi Kendali Arah Robot Pada Ruangan

38 PLAN & PROBLEM Robot berjalan sepanjang lintasan dalam gedung
Sensor robot menggunakan kamera Gerakan robot bisa lurus, berhenti, belok kiri dan belok kanan. Permasalahan: Bagaimana mengetahui arah gerakan robot?

39 Gambar Dari Kamera Robot
LURUS LURUS BELOK KIRI BELOK KANAN BERHENTI Bagaimana membedakan dan menentukan apakah robot akan bergerak lurus, belok kiri, belok kanan dan berhenti berdasarkan gambar-gambar di atas

40 Gambar Dari Kamera Robot
LURUS LURUS BELOK KIRI BELOK KANAN BERHENTI HISTOGRAM PROYEKSI ?

41 HISTOGRAM PROYEKSI LURUS BELOK KANAN BELOK KIRI LURUS BERHENTI

42 DIFFERENSIAL HISTOGRAM PROYEKSI

43 Penentuan Arah Gerakan
Bila nilai max dhx bagian kiri lebih besar dari max dhx bagian kanan maka robot belok kiri. Bila nilai max dhx bagian kanan lebih besar dari max dhx bagian kiri maka robot belok kanan. Bila max dhx bagian kiri sama atau mirip dengan max dhx bagian kanan maka: bila hx<25% tinggi gambar maka berhenti bila tidak maka terus.

44 Soal-Soal Latihan Buatlah blok diagram proses rekognisi citra pengenalan angka menggunakan salah satu fitur biner di materi ini!

45 Terima Kasih