Pengolahan Citra

Sistem Akuisisi Citra Stereo menggunakan Matlab

Kakas Akuisisi Citra pada Matlab
Kakas akuisisi citra Matlab adalah koleksi berbagai fungsi yang digabungkan dalam lingkungan komputasi numerik Matlab. Kakas ini mendukung area yang luas dari berbagai operasi akuisisi citra memanfaatkan berbagai tingkat teknologi penangkapan frame (frame grabber) dan berbagai antarmuka (USB, FireWire) yang mengatur konektifitas antara kamera dan perangkat komputer. Kakas
akuisisi citra Matlab ini akan menyiapkan hasil akuisisi dalam lingkungan Matlab untuk dianalisis dan divisualisasikan lebih lanjut.
Secara umum langkah demi langkah akuisisi citra menggunakan kakas Matlab meliputi:
> Membangun konektifitas ke perangkat keras kamera.
> Mengkonfigurasikan para meter perangkat keras kamera .
> Menampilkan jendela kuisisi.
> Melakukan akuisisi Data Citra.

Sistem Stereo
Akuisisi citra menggunakan sistem stereo berhubungan dengan dua hal yang harus dipecahkan dalam sistem stereo, yaitu korespondensi (correspondence) dan rekonstruksi. Korespondensi adalah teknik menentukan piksel di citra kiri yang berhubungan dengan piksel pada citra kanan, sedangkan rekonstruksi adalah proses konversi ke peta 3D dari scene obyek, berdasarkan pada pengetahuan geometri dari sistem stereo dan peta dispariti (disparity map). Dispariti adalah perbedaan yang dihitung antar obyek yang saling berhubungan (Hartley, 2000). Gambar 1-(a) di bawah merepresentasikan sebuah sistem stereo sederhana, dimana T adalah baseline, Ol dan Or adalah pusat optik (optical centers), Z adalah jarak antara titik P dengan baseline dan f adalah focal length. Dari segitiga yang mirip yaitu (pl, P, Pr) dan (Ol, P, Or),
Dengan d = xr - xl adalah dispariti. Dispariti adalah penjumlahan (sum) dari perbedaan letak pl dan pr di citra kedua, dari posisi sebelumnya di citra pertama, misalnya pada |xl| + |xr|, sejak xl < 0 maka sekarang kita memiliki xr - xl. Sistem Akuisisi Stereo Instalasi Sistem Akuisisi Citra Stereo Instalasi sistem akuisisi stereo menggunakan PC Desktop dengan kartu PCI IEEE 1394, dan menyambungkannya ke dua unit kamera AVT Guppy F080C melalui dua kabel fireWire. Soket yang dipilih adalah soket 6-pin fireWire, yang sudah memiliki koneksi listrik di dalamnya, sehingga setiap kamera tidak membutuhkan lagi koneksi listrik tersendiri. Kamera AVT Guppy F-080C adalah kamera dengan CCD sensor mencapai resolusi 1032 x 778 pixel, memiliki frame rate 30 frame per detik dan dilengkapi pula dengan multi kecepatan transfer data yaitu 100 Mbit/s, 200 Mbit/s, 400 Mbit/s. Kamera ini memiliki fitur ; AGC (auto gain control), AEC (auto exposure control), 1 input, 3 output, bahkan juga masih terdapat port RS-232 (serial port, IIDC v. 1.31). Untuk dapat bekerja dalam lingkungan Matlab, kamera ini membutuhkan driver DCAM (protokol antarmuka fireWire) yang dibuat oleh Carnegie Mellon University (CMU). Dasar Akuisisi Citra menggunakan Kakas Matlab Dalam membuat aplikasi akuisisi citra pada menggunakan kakas Matlab dibutuhkan beberapa tahap, yaitu : a. Identifikasi adaptor akuisisi yang terinstal. Adaptor disini berfungsi sebagai protokol komunikasi dasar antara Matlab dengan perangkat pencitraan. Dapat diketahui dengan perintah imaqhwinfo. Secara default biasanya adaptor bernama winvideo, atau jika menggunakan kamera berantarmuka fireWire akan bernama DCAM. b. Identifikasi Informasi perangkat. Untuk menemukan perangkat tertentu dari setiap perangkat akuisisi citra, menggunakan perintah imaqhwinfo(‘nama adaptor’). Matlab akan mengembalikan informasi yang meliputi jumlah perangkat yang terinstal, format resolusi citra yang bisa ditangkap dan beberapa hal teknis perangkat kamera lainnya. c. Menciptakan obyek untuk input video. Sesi ini merepresentasikan koneksi antara Matlab dan perangkat akuisisi pada level tertinggi pemrograman. Contoh perintahnya : vid1 = videoinput ('dcam',1,'Y8_800x600');. Kode ini akan menyiapkan obyek input akuisisi dalam variable bernama vid1 dalam resolusi 800x600. Sampai langkah ini Matlab sudah siap untuk mengakses perangkat akuisisi citra dan siap mengambil datanya. d. Menampilkan Video streaming. Sebelum mengambil data, biasanya user perlu melihat tampilan video untuk memastikan bahwa citra yang akan diambil sudah tepat. Langkah ini biasanya untuk menjadi pedoman user dalam mengubah posisi kamera, mengubah pencahayaan, memperbaiki fokus, atau membuat beberapa perubahan dalam kegiatan setup. Perintahnya adalah preview (vid1), dimana vid1 adalah variabel obyek pada langkah sebelumnya. e. Menangkap citra atau memperoleh data citra, melalui tiga langkah : 1. Mengaktifkan obyek input video, menggunakan fungsi start, misalnya start(vid1). Untuk menonaktifkan menggunakan fungsi stop(vid1). 2. Mengatur pemicu akuisisi, pilihannya adalah otomatis setelah diaktifkan, atau secara manual. Contoh perintah untuk mengatur akuisisi untuk dilakukan secara manual set(vid1,' TriggerType','Manual'). 3. Membawa data citra ke wilayah kerja Matlab. Ada dua fungsi utama dalam melakukan langkah ini, yaitu fungsi getdata untuk mengambil data citra multiframe dan fungsi getsnapshot untuk mengambil data citra frame tunggal. Dalam penelitian ini, penulis menggunakan perintah img1 = getsnapshot(vid1); yaitu mengambil data satu frame saja pada setiap kamera untuk diletakkan dalam variabel img1 sebagai citra. f. Menonaktifkan obyek input. Setelah akuisisi selesai, maka perlu ada aktivitas pembebasanmemori dari obyek input. Sebab untuk proses ini memakan banyak sumber daya komputer.Perintahnya adalah delete(vid1). Pengujian Citra Stereo Histogram Histogram citra adalah grafik yang menggambarkan penyebaran nilai-nilai intensitas piksel dari suatu citra. Histogram akan menunjukkan kemunculan relatif dari intensitas pada citra tersebut serta dapat menunjukkan kecerahan dan kontras dari suatu citra. L adalah derajat keabuan, pada citra yang dihasilkan dari sistem akuisisi ini, dipilih citra dengan adalah kuantitasi derajat keabuan 8-bit, sehingga nilai derajat keabuannya antara 0 sampai 255. ni jumlah piksel yang memiliki derajat keabuan i, n adalah jumlah seluruh piksel dalam citra. Pengujian dilakukan dengan mengakuisisi citra sebanyak 20 kali, lalu menghitung histogram setiap citra tersebut dan meletakkannya dalam sebuah matrik. Selanjutnya adalah melakukan operasi rata-rata bagi setiap h yang didapat dari setiap citra untuk semua citra uji tersebut. Citra yang diambil terdiri dari 4 jenis i obyek yang berbeda (wayang, kotak bertekstur, botol penghapus cair bertekstur halus dan kotak polos), agar dapat melihat sebaran variasi intensitas yang ada. Indeks Kualitas berdasarkan model Distorsi kombinasi distorsi pada citra yang dibandingkan, yaitu penghilangan korelasi (loss correlation), distorsi luminasi/intensitas (luminance distortion) dan distorsi kontras/kecerahan (contrast distortion). Defenisi model dapat dilihat di bawah ini (Wang, 2002) : Komponen pertama adalah mencari koefisien korelasi antara x dan y, didapat dengan mengukur derajat korelasi antara x (citra referensi) dan y (citra tes). Representasi komponen ini berada dalam area dinamis [-1,1]. Nilai terbaik 1 akan terjadi jika y=ax+b untuk setiap i=1,2,3,..,N, dimana a dan b i ikonstan dan a>0. Komponen kedua yang memiliki kisaran [0,1], mengukur seberapa dekat rata-rata
luminasi/intensitas antara x dan y. Nilai akan 1 jika dan hanya jika x = y. dan dapat xyditampilkan sebagai estimasi kontras x dan y, maka komponen yang ketiga akan mengukur seberapa sama kontras citra tersebut. Nilainya pada kisaran [0,1] pula. Dimana nilai terbaik 1 akan didapat jika . yx Proses ini diterapkan pada 20 pasangan citra tes dari 4 pola obyek yang berbeda seperti pada pengujian histogram pada sub bab sebelumnya. Citra referensinya adalah citra khusus dari masing - masing obyek tersebut dengan kecerahan dan kontras paling tinggi,
. Hasil perbandingan Kualitas 20 pasang citra tes dengan 4 variasi obyek
No Citra Rata-rata kualitas 20 citra (0-1)
1 Wayang – 0.83141
Wayang – 0.913955
2 Kotak bertekstur - 0.84879
Kotak bertekstur - 0.906595
3 Penghapus cair – 0.81391
Penghapus cair – 0.91008
4 Kotak polos – 0.795965
Kotak polos – 0.86941