Computer vision adalah salah satu bidang
penelitian yang sedang berkembang sekarang ini. Inti dari computer
vision adalah bagaimana sebuah mesin mampu mengenali suatu objek.
Computer vision merupakan proses otomatis yang mengintegrasikan sejumlah
besar proses untuk persepsi visual, seperti akuisisi citra, pengolahan
citra, pengenalan dan membuat keputusan. Computer vision mencoba meniru
cara kerja sistem visual manusia (human vision) yang sesungguhnya sangat
kompleks. Untuk itu, computer vision diharapkan memiliki kemampuan
tingkat tinggi sebagaimana human visual. Kemampuan itu diantaranya
adalah:
1. Object detection → Apakah sebuah objek ada pada scene? Jika begitu, dimana batasan-batasannya..?
2. Recognation → Menempatkan label pada objek.
3. Description → Menugaskan properti kepada objek.
4. 3D Inference → Menafsirkan adegan 3D dari 2D yang dilihat.
5. Interpreting motion → Menafsirkan gerakan.
Computer
Vision sering didefinisikan sebagai salah satu cabang ilmu pengetahuan
yang mempelajari bagaimana komputer dapat mengenali obyek yang diamati
atau diobservasi. Cabang ilmu ini bersama intelijensia semu (Artificial
Intelligence) akan mampu menghasilkan sistem intelijen visual (Visual
Intelligence System). 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. Arti dari Computer
Vision adalah ilmu dan teknologi mesin yang melihat, di mana mesin mampu
mengekstrak informasi dari gambar yang diperlukan untuk menyelesaikan
tugas tertentu. Sebagai suatu disiplin ilmu, visi komputer berkaitan
dengan teori di balik sistem buatan bahwa ekstrak informasi dari gambar.
Data gambar dapat mengambil banyak bentuk, seperti urutan video,
pandangan dari beberapa kamera, atau data multi-dimensi dari scanner
medis. Sebagai disiplin teknologi, Computer Vision berusaha untuk
menerapkan teori dan model untuk pembangunan sistem. Beberapa aplikasi
yang dihasilkan dari Computer Vision antara lain :
1. Psychology, AI – exploring representation and computation in natural vision
2. Optical Character Recognition – text reading
3. Remote Sensing – land use and environmental monitoring
4. Medical Image Analysis – measurement and interpretation of many types of images
5. Industrial Inspection – measurement, fault checking, process control
6. Robotic – navigation and control
Hirarki pada Computer Vision
Hirarki pada computer vision ada 3 tahap, yaitu:
Pengolahan Tingkat Rendah (Image to image) → Menghilangkan noise, dan peningkatan gambar (enchament image).
Pengolahan
Tingkat Menengah (Image to dimbolic) → Kumpulan garis / vektor yang
merepresentasikan batas sebuah obyek pada citra.
Pengolah Tingkat Tinggi (Simbolic to simbolic) → Representasi simbolik batas-batas obyek menghasilkan nama obyek tersebut.
Tahapan proses dalam Computer Vision
Sebuah
komputer yang menyerupai kemampuan manusia dalam menangkap sinyal
visual (human sight) dilakukan dalam empat tahapan proses dasar :
Proses penangkapan citra/gambar (image acquisition),
Proses pengolahan citra (image processing),
Analisa data citra (image analysis) dan
Proses pemahaman data citra (image understanding)
1. Image Acqusition
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 Kemudian sinyal listrik ini diubah menjadi bilangan
biner yang akan digunakan oleh komputer untuk pemrosesan. 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 membaginya menjadi ratusan garis horizontal yang sama. Tiap-tiap
garis membuat sebuah sinyal analog yang amplitudonya menjelaskan
perubahan brightness sepanjang garis sinyal tersebut. 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.
2. 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 diolah lebih jauh secara lebih efisien. Imagge processing
akan meninggkatkan 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, kekurang pengaburan, yang terjadi pada
sebuah objek.
3. 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 karakteristiknya. 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.
4. Image Understanding
Ini
adalah langkah terakhir dalam proses computer vision, yang mana
spesifik objek dan hubungannya diidentifikasi. Pada bagian ini akan
melibatkan kajian tentang teknik‐teknik artificial
intelligent.Understanding berkaitan dengn template matching yang ada
dalam sebuah scene. Metoda ini menggunakan program pencarian (search
program) dan teknik penyesuaian pola (pattern matching techniques).
Penerapan Computer Vision Antara Lain
1.Bidang Pertahanan dan Keamanan (Militer).
Contoh
jelas adalah deteksi tentara musuh atau kendaraan dan bimbingan rudal.
Lebihsistem canggih untuk panduan mengirim rudal rudal ke daerah
daripada target yang spesifik,dan pemilihan target yang dibuat ketika
rudal mencapai daerah berdasarkan data citradiperoleh secara lokal.
konsep modern militer, seperti “kesadaran medan perang”,menunjukkan
bahwa berbagai sensor, termasuk sensor gambar, menyediakan kaya
setinformasi tentang adegan tempur yang dapat digunakan untuk mendukung
keputusanstrategis. Dalam hal ini, pengolahan otomatis data yang
digunakan untuk mengurangikompleksitas dan informasi sekering dari
sensor ganda untuk meningkatkan keandalan.
2.Bidang Didalam kendaraan Otonom.
kendaraan
otonom, yang meliputi submersibles, kendaraan darat (robot kecil
denganroda, mobil atau truk), kendaraan udara, dan kendaraan udara tak
berawak (UAV). Tingkatberkisar otonomi dari sepenuhnya otonom (berawak)
kendaraan untuk kendaraan di manasistem visi berbasis komputer mendukung
driver atau pilot dalam berbagai situasi.Sepenuhnya otonom kendaraan
biasanya menggunakan visi komputer untuk navigasi, yakniuntuk mengetahui
mana itu, atau untuk menghasilkan peta lingkungan (SLAM) dan untuk
mendeteksi rintangan. Hal ini juga dapat digunakan untuk mendeteksi
peristiwa-peristiwatugas tertentu yang spesifik, e. g., sebuah UAV
mencari kebakaran hutan. Contoh sistempendukung sistem peringatan
hambatan dalam mobil, dan sistem untuk pendaratan pesawatotonom.
Beberapa produsen mobil telah menunjukkan sistem otonomi mengemudi
mobil,tapi teknologi ini masih belum mencapai tingkat di mana dapat
diletakkan di pasar. Adabanyak contoh kendaraan otonom militer mulai
dari rudal maju, untuk UAV untuk misipengintaian atau bimbingan rudal.
Ruang eksplorasi sudah dibuat dengan kendaraan otonommenggunakan visi
komputer, e. g., NASA Mars Exploration Rover dan Rover ExoMars ESA.
3.Bidang Industri.
kadang-kadang
disebut visi mesin, dimana informasi ini diekstraksi untuk
tujuanmendukung proses manufaktur. Salah satu contohnya adalah kendali
mutu dimana rincianatau produk akhir yang secara otomatis diperiksa
untuk menemukan cacat. Contoh lainadalah pengukuran posisi dan orientasi
rincian yang akan dijemput oleh lengan robot. Mesinvisi juga banyak
digunakan dalam proses pertanian untuk menghilangkan bahan makananyang
tidak diinginkan dari bahan massal, proses yang disebut sortir optik.
4.Bidang pengolahan citra medis.
Daerah
ini dicirikan oleh ekstraksi informasi dari data citra untuk tujuan
membuatdiagnosis medis pasien. Secara umum, data citra dalam bentuk
gambar mikroskop, gambarX-ray, gambar angiografi, gambar ultrasonik, dan
gambar tomografi. Contoh informasi yangdapat diekstraksi dari data
gambar tersebut deteksi tumor, arteriosclerosis atau perubahanmemfitnah
lainnya. Hal ini juga dapat pengukuran dimensi organ, aliran darah, dll
areaaplikasi ini juga mendukung penelitian medis dengan memberikan
informasi baru, misalnya,tentang struktur otak, atau tentang kualitas
perawatan medis.
5.Bidang Neurobiologi.
Khususnya
studi tentang sistem biological vision Selama abad terakhir, telah
terjadi studiekstensif dari mata, neuron, dan struktur otak dikhususkan
untuk pengolahan rangsangan visualpada manusia dan berbagai hewan. Hal
ini menimbulkan gambaran kasar, namun rumit, tentang bagaimana
“sebenarnya” sistem visi beroperasi dalam menyelesaikan tugas-tugas visi
tertentuyang terkait. Hasil ini telah menyebabkan subfield di dalam
visi komputer di mana sistem buatanyang dirancang untuk meniru
pengolahan dan perilaku sistem biologi, pada berbagai
tingkatkompleksitas. Juga, beberapa metode pembelajaran berbasis
komputer yang dikembangkandalam visi memiliki latar belakang mereka
dalam biologi.
6. Bidang Industri Perfilman
Semua
efek-efek di dunia akting , animasi, dan penyotingan adegan film semua
direkam dengan perangkat elektronik yang dihubungkan dengan komputer.
Animasinya juga di kembangkan mempergunakan animasi yang dibuat dengan
aplikasi komputer.Sebagai contoh film-film Hollywood berjudul TITANIC
itu sebenarnya tambahananimasi untuk menggambarkan kapal raksasa yang
pecah dan tenggelam, sehinggatampak menjadi seolah-olah mirip dengan
kejadian nyata.
7.Bidang Kecerdasan Buatan.
Keterkaitan
dengan perencanaan otonom atau musyawarah untuk sistem roboticaluntuk
menavigasi melalui lingkungan. Pemahaman yang rinci tentang lingkungan
inidiperlukan untuk menavigasi melalui mereka. Information about the
environment could beprovided by a computer vision system, acting as a
vision sensor and providing high-levelinformation about the environment
and the robot. Informasi tentang lingkungan dapatdiberikan oleh sistem
visi komputer, bertindak sebagai sensor visi dan memberikan
informasitingkat tinggi tentang lingkungan dan robot. Buatan kecerdasan
dan visi lain berbagi topik komputer seperti pengenalan pola dan teknik
pembelajaran. Akibatnya, visi komputerkadang-kadang dilihat sebagai
bagian dari bidang kecerdasan buatan atau ilmu bidangkomputer secara
umum.
8.Bidang Pemrosesan Sinyal.
Banyak metode
untuk pemrosesan sinyal satu-variabel, biasanya sinyal temporal,dapat
diperpanjang dengan cara alami untuk pengolahan sinyal dua variabel atau
sinyalmulti-variabel dalam visi komputer. Namun, karena sifat spesifik
gambar ada banyak metode dikembangkan dalam visi komputer yang tidak
memiliki mitra dalam pengolahan sinyal satu-variabel. Sebuah karakter
yang berbeda dari metode ini adalah kenyataan bahwa merekaadalah
non-linear yang bersama-sama dengan dimensi-multi sinyal, mendefinisikan
subfielddalam pemrosesan sinyal sebagai bagian dari visi komputer.
9.Bidang Fisika.
Fisika
merupakan bidang lain yang terkait erat dengan Computer vision. sistem
Computervision bergantung pada sensor gambar yang mendeteksi radiasi
elektromagnetik yangbiasanya dalam bentuk baik cahaya tampak atau
infra-merah sensor dirancang denganmengunakan fisika solid-state. Proses
di mana cahaya merambat dan mencerminkan off permukaan dijelaskan
menggunakan optik. sensor gambar canggih bahkan memintamekanika kuantum
untuk memberikan pemahaman lengkap dari proses pembentukangambar. Selain
itu, berbagai masalah pegukuran fisika dapat di atasi dengan
menggunakanComputer Vision, untuk gerakan misalnya dalam cairan.
10.Bidang matematika murni.
Sebagai
contoh, banyak metode dalam visi komputer didasarkan pada statistik,
optimasiatau geometri. Akhirnya, bagian penting dari lapangan
dikhususkan untuk aspek pelaksanaanvisi komputer, bagaimana metode yang
ada dapat diwujudkan dalam berbagai kombinasiperangkat lunak dan
perangkat keras, atau bagaimana metode ini dapat dimodifikasi untuk
mendapatkan kecepatan pemrosesan tanpa kehilangan terlalu banyak kinerja
.
Sumber :
http://wartawarga.gunadarma.ac.id/2011/11/contoh-penerapan-teknologi-computer-vision-2/
http://she2008.wordpress.com/2011/11/26/computer-vision/