POKOK BAHASAN BAB I – PENDAHULUAN
A. Definisi
B. Proses pada Computer Vision
- Proses penangkapan citra (Image Acquisition)
- Proses pengolahan citra (Image Processing)
- Analisa data citra (Image Analysis)
- Proses pemahaman data citra (Image Understanding)
BAB II – ARSITEKTUR COMPUTER VISION
A. Elemen Utama
B. Image Processing
C. Klasifikasi Pola
D. Komponen Sistem Pengenalan Pola
BAB III – HUBUNGAN COMPUTER VISION DENGAN ROBOTIKA
Computer Vision untuk Robot Autonomous
BAB IV – FUNGSI DAN IMPLEMENTASI COMPUTER VISION
- Bidang Pertahanan dan Keamanan (Militer)
- Bidang Autonomous Vehicles Bidang Industri.
- Bidang Pengolahan Citra Medis
BAB I PENDAHULUAN
A. Definisi
Perkembangan inovasi teknologi informasi dewasa ini sangat pesat sehingga memunculkan berbagai cabang ilmu komputer. Ilmu komputer adalah studi sistematik tentang proses algoritmik yang menjelaskan dan mentrasformasikan informasi, baik itu berhubungan dengan teori-teori, analisa, desain, efisiensi, implementasi, ataupun aplikasi-aplikasi yang ada saat ini, salah satunya adalah komputer vision.
Computer Vision didefinisikan sebagai salah satu cabang ilmu pengetahuan yang mempelajari bagaimana komputer dapat mengenali obyek yang diamati/ diobservasi. Cabang ilmu ini bersama Artificial Intelligence akan mampu menghasilkan sistem intelijen visual (Visual Intelligence System). Perbedaannya adalah Computer Vision lebih mempelajari bagaimana komputer dapat mengenali obyek yang diamati/ diobservasi. Berbeda dengan Komputer Grafika yang lebih mengarah pada pemanipulasian gambar (visual) secara digital. Bentuk sederhana dari Komputer Grafika adalah Komputer Grafika 2D yang kemudian berkembang menjadi Komputer Grafika 3D, pemrosesan citra (image processing), dan pengenalan pola (pattern recognition). Grafika komputer sering dikenal juga dengan istilah visualisasi data.
Computer Vision adalah kombinasi antara Pengolahan Citra dan Pengenalan Pola. Pengolahan Citra (Image Processing) merupakan bidang yang berhubungan dengan proses transformasi citra/gambar (image). Proses ini bertujuan untuk mendapatkan kualitas citra yang lebih baik.
Sedangkan Pengenalan Pola (Pattern Recognition), bidang ini berhubungan dengan proses identifikasi obyek pada citra atau interpretasi citra. Proses ini bertujuan untuk mengekstrak informasi/pesan yang disampaikan oleh gambar/citra.
B. Proses pada Computer Vision:
Untuk menunjang tugas Computer Vision, maka harus terdapat beberapa fungsi pendukung di dalam sistem ini, diantaranya adalah:
- Proses penangkapan citra (Image Acquisition)
- Proses pengolahan citra (Image Processing)
- Analisa data citra (Image Analysis)
- Proses pemahaman data citra (Image Understanding)
B.1. Proses Penangkapan Citra (Image Acquisition)
- Image Acqusition pada manusia dimulai dengan mata, kemudian informasi visual diterjemahkan ke dalam suatu format yang kemudian dapat dimanipulasi oleh otak.
- Senada dengan proses di atas, computer vision membutuhkan sebuah mata untuk menangkap sebuah sinyal visual.
- Umumnya mata pada computer vision adalah sebuah kamera video.
- Kamera menerjemahkan sebuah scene atau image.
- Keluaran dari kamera adalah berupa sinyal analog, dimana frekuensi dan amplitudonya (frekuensi berhubungan dengan jumlah sinyal dalam satu detik, sedangkan amplitudo berkaitan dengan tingginya sinyal listrik yang dihasilkan) merepresentasikan detail ketajaman (brightness) pada scene.
- Kamera mengamati sebuah kejadian pada satu jalur dalam satu waktu, memindainya dan membaginyamenjadi ratusan garis horizontal yang sama.
- Tiap‐tiap garis membuat sebuah sinyal analog yang amplitudonya menjelaskan perubahan
- brightness sepanjang garis sinyal tersebut.
- Kemudian sinyal listrik ini diubah menjadi bilangan biner yang akan digunakan oleh komputer untuk pemrosesan.
- Karena komputer tidak bekerja dengan sinyal analog, maka sebuah analog‐to‐digital converter (ADC), dibutuhkan untuk memproses semua sinyal tersebut oleh komputer.
- ADC ini akan mengubah sinyal analog yang direpresentasikan dalam bentuk informasi sinyal tunggal ke dalam sebuah aliran (stream) sejumlah bilangan biner.
- Bilangan biner ini kemudian disimpan di dalam memori dan akan menjadi data raw yang akan diproses.
B.2. Proses Pengolahan Citra (Image Processing)
- Tahapan berikutnya computer vision akan melibatkan sejumlah manipulasi utama (initial manipulation) dari data binary tersebut.
- Image processing membantu peningkatan dan perbaikan kualitas image, sehingga dapat dianalisa dan di olah lebih jauh secara lebih efisien.
- Image processing meningkatkan perbandingan sinyal terhadap noise (signal‐to‐noise ratio = s/n).
- Sinyal‐sinyal tersebut adalah informasi yang akan merepresentasikan objek yang ada dalam image.
- Sedangkan noise adalah segala bentuk interferensi, kekurangpengaburan, yang terjadi pada sebuah objek.
B.3. Analisa Data Citra (Image Analysis)
- Image analysis akan mengeksplorasi scene ke dalam bentuk karateristik utama dari objek melalui suatu proses investigasi.
- Sebuah program komputer akan mulai melihat melalui bilangan biner yang merepresentasikan informasi visual untuk mengidentifikasi fitur‐fitur spesifik dan karekteristiknya.
- Lebih khusus lagi program image analysis digunakan untuk mencari tepi dan batas‐batasan objek dalam image.
- Sebuah tepian (edge) terbentuk antara objek dan latar belakangnya atau antara dua objek yang spesifik.
- Tepi ini akan terdeteksi sebagai akibat dari perbedaan level brightness pada sisi yang berbeda dengan salah satu batasnya.
B.4. Proses Pemahaman Data Citra (Image Understanding)
- Ini adalah langkah terakhir dalam proses computer vision, yang mana sprsifik objek dan hubungannya diidentifikasi.
- Pada bagian ini akan melibatkan kajian tentang teknik-teknik artificial intelligent.
- Understanding berkaitan dengan template matching yang ada dalam sebuah scene.
- Metoda ini menggunakan program pencarian (search program) dan teknik penyesuaian pola (pattern matching techniques).
BAB II – ARSITEKTUR COMPUTER VISION

Struktur Komputer Vision
A. Elemen Utama
Computer vision memiliki struktur yang terdiri dari beberapa elemen, diantaranya adalah:
- Light sources, merupakan sumber cahaya yang digunakan sebagai sumber untuk aplikasi seperti layar laser, sistem robotika dan sebagainya.
- Scence, merupakan kumpulan objek.
- Image Device, merupakan alat yang digunakan untuk mengubah gambar menjadi suatu yang dimengerti oleh mesin.
- Image, merupakan gambar dari suatu objek yang merupakan representasi dari keadaan sesungguhnya.
- Machine vision, merupakan mesin yang menginterpretasikan gambar yang berkenaan dengan cirri-ciri pola maupun objek yang dapat ditelusuri oleh sistem.
- Symbolic description, merupakan sistem yang dapat digunakan untuk menganalogikan struktur kerja sistem ke simbol-simbol tertentu yang dapat mimengerti oleh sistem.
- Aplication feedback, merupakan suatu keadaan yang dapat memberikan respon untuk menerima gambar dari suatu sistem penglihatan.
Dari paparan di atas ada tiga elemen yang mendasari suatu sistem vision, yaitu Image Processing, Pattern Classification dan Scene Analysis.
B. Image Processing
Bagian ini berfungsi mengubah atau mengkonversi gambar eksternal menjadi suatu representasi yang dibutuhkan. Berikut adalah bagian dari image processing:

Fase Image Processing
C. Klasifikasi Pola
Ide klasifikasi pola (pattern classification) ini adalah bagaimana suatu mesin pintar (dalam hal ini adalah komputer) dapat mengetahui berbagai macam dan bentuk pola, seperti garis, kurva, bayangan dan berbagai pola lainnya. Artinya, Jika mesin tersebut diberi suatu input berupa pola tertentu maka mesin dapat mengerti pola yang diberikan itu. Berikut adalah bagian dari suatu proses klasifikasi pola:

Fase Klasifikasi Pola
Scene Analysis
Seperti telah dijelaskan sebelumnya, yang merupakan suatu permasalahan yang tergolong rumit dalam komputer vision adalah bagaimana memperoleh informasi dari suatu paparan (baik itu berupa gambar atau pola-pola tertentu).
Pengenalan Pola
Pengenalan pola adalah salah satu cabang ilmu pengetahuan dari bidang kecerdasan buatan. Ada beberapa definisi yang berbeda tentang pengenalan pola, diantaranya:
- Penentuan suatu objek fisik atau kejadian ke dalam salah satu atau beberapa kategori. (Duda dan Heart).
- Ilmu pengetahuan yang menitik beratkan pada deskripsi dan klasifikasi (pengenalan) dari suatu pengukuran (Schalkoff).
- Proses untuk memberikan nama ω untuk pengamatan x (Schürman).
Berdasarkan beberapa definisi diatas, pengenalan pola bisa didefinisikan sebagai cabang kecerdasan buatan yang menitik beratkan pada metode pengklasifikasian objek ke dalam kelas-kelas tertentu untuk menyelesaikan masalah tertentu.
Pola adalah komposit atau gabungan dari fitur yang merupakan sifat dari sebuah objek. Dalam klasifikasi, pola berupa sepasang variable (x, ω), dimana:
- x adalah sekumpulan pengamatan atau fitur (vector fitur).
- ω adalah konsep dibalik pengamatan (label).
D. Komponen Sistem Pengenalan Pola
Sistem pengenalan pola dasar terdiri dari:
- Sensor, digunakan untuk menangkap objek yang ciri serta fiturnya akan diekstrasi.
- Mekanisme pre-processing, mekanisme pengolahan objek yang ditangkap oleh sensor biasanya digunakan untuk mengurangi kompleksitas ciri yang akan dipakai untuk proses klasifikasi.
- Mekanisme pencari fitur (manual/otomatis). Bagian ini digunakan untuk mengekstrasi ciri yang telah melalui tahapan pre-processing untuk memisahkannya dari fitur-fitur pada objek yang tidak diperlukan dalam proses klasifikasi.
- Algoritma pemilah, Pada tahapan ini proses klasifikasi dilakukan dengan menggunakan algoritma klasifikasi tertentu. Hasil dari tahapan ini adalah klasifikasi dari objek yang ditangkap kedalam kriteria-kriteria yang telah ditentukan.
BAB III – HUBUNGAN COMPUTER VISION DENGAN ROBOTIKA
Computer Vision untuk Robot Autonomous
Eksplorasi itu penting dan sering diimplementasikan pada robotika lapangan untuk kepentingan penelitian, sebagai vehicle yang memiliki kemampuan eksplorasi secara autonomous, maka secara signifikan berpotensi pada operasi pencarian, penyelamatan, pemantauan lingkungan, dan eksplorasi planet.
Kemampuan eksplorasi autonomous ini diharapkan mampu menjalankan misi Luar Angkasa, menggantikan peran Teleskop karena keterlambatan transmisi yang besar. Untuk pekerjaan ini, pendefinisian masalah eksplorasi dilakukan secara simultan melakukan liputan lingkungan yang tidak diketahui, pemetaan daerah, dan mendeteksi obyek yang menarik.
Ada dua tantangan yang harus dihadapi dalam mencapai tujuan eksplorasi:
- Pertama, harus menjaga konsistensi peta secara global baik itu jarak maupun informasi pengukuran lainnya, seperti data GPS dan Magnetometer.
- Kedua, harus handal dalam mengidentifikasi objek-objek penting, entah saat minim pencahayaan maupun medan ekstrim, agar bisa meminimalisir waktu yang terbuang.
Kabar baiknya tantangan tersebut telah dituntaskan oleh NASA Sample Return Robot Challenge (NSRRC) 2013. Inovasi ini juga membuktikan bahwa Computer Vision adalah bagian dari AI.

BAB IV – FUNGSI DAN IMPLEMENTASI COMPUTER VISION
A. Fungsi Computer Vision
- Pengendalian proses, (misalnya, sebuah robot industri atau kendaraan otonom).
- Mendeteksi peristiwa, (misalnya, untuk pengawasan visual atau orang menghitung).
- Mengorganisir informasi, (misalnya, untuk pengindeksan database foto dan gambar urutan).
- Modeling benda atau lingkungan, (misalnya, inspeksi industrim analisis citra medis atau model topografi).
- Interaksi, (misalnya, sebagai input ke perangkat untuk interaksi komputer dan manusia).
B. Implementasi Computer Vision Bidang Pertahanan dan Keamanan (Militer)
Contohnya adalah deteksi tentara musuh atau kendaraan dan bimbingan rudal. Sistem lebih canggih untuk panduan mengirim rudal-rudal ke daerah daripada target yang spesifik dan pemilihan target yang dibuat ketika rudal mencapai daerah berdasarkan data citra diperoleh secara lokal. Konsep modern militer, seperti “kesadaran medan perang”, menunjukkan bahwa berbagai sensor, termasuk sensor gambar, menyediakan kaya set-informasi tentang adegan tempur yang dapat digunakan untuk mendukung keputusan strategi.

Selama 10 tahun terakhir, MotionDSP telah fokus pada penyediaan pengolahan citra dan perangkat lunak Computer Vision untuk aplikasi militer.
Bidang Autonomous Vehicles
Contohnya adalah kendaraan otonom, yang meliputi submersibles, kendaraan darat (robot kecil dengan roda, mobil atau truk), kendaraan udara, dan kendaraan udara tak berawak (UAV). Menggunakan visi komputer untuk navigasi, yakni untuk mengetahui mana itu, atau untuk menghasilkan peta lingkungan (SLAM) dan untuk mendeteksi rintangan. Hal ini juga dapat digunakan untuk mendeteksi peristiwaperistiwa, tugas tertentu yang spesifik, contoh; pendukung sistem peringatan hambatan dalam mobil,

Google Shows Off Prototype Autonomous Car
Bidang Industri
Kadang-kadang disebut visi mesin, dimana informasi ini diekstraksi untuk tujuan mendukung proses manufaktur. Salah satu contohnya adalah kendali mutu dimana rincian atau produk akhir yang secara otomatis diperiksa untuk menemukan cacat.

Peran Computer Vision Software guna memantau dan mengontrol kualitas produk.
Bidang Pengolahan Citra Medis
Daerah ini dicirikan oleh ekstraksi informasi dari data citra untuk tujuan membuat diagnosis medis pasien. Secara umum, data citra dalam bentuk gambar mikroskop, gambar X-ray, gambar angiografi, gambar ultrasonik, dan gambar tomografi.

Contoh teknik visi komputer untuk karakterisasi sendi jari dalam gambar X-ray
Presentasi
DOWNLOAD
Referensi: