DIP.WARRIOR

Belajar Mudah Image Processing bersama Alasdair McAndrew

Sunu Wibirama — Mon, 30 Aug 2010 03:44:58 +0000

Judul : An Introduction to Digital Image Processing with MATLAB (Lecture Note)
Pengarang : Alasdair McAndrew (Victoria University of Technology)

Apakah Anda memimpikan sebuah ebook gratis yang menuntun Anda mengenal teknik pengolahan citra (image processing) secara bertahap, tanpa disertai rumus-rumus matematika yang rumit? Jika iya, maka Anda mungkin menemukan jawabannya di ebook ini. Buku ini adalah materi kuliah Image Processing yang disusun oleh Alasdair McAndrew, seorang dosen di School of Computer Science and Mathematics, Victoria University, Melbourne, Australia.

Buku ini memperkenalkan dasar-dasar image processing menggunakan Image Processing Toolbox yang tersedia di dalam perangkat lunak Matlab®. Selain definisi-definisi yang mudah dimengerti, buku ini menyediakan code-code dasar yang membantu pembaca memahami fungsionalitas image processing dasar dengan Image Processing Toolbox. Beberapa topik yang dibahas antara lain:

1. Introduction of Image Processing

2. Point Processing

3. Neighbourhood Procesing

4. The Fourier Transform

5. Image Restoration

6. Image Segmentation

7. Mathematical Morphology

8. Colour Processing

9. Image coding and compression

Selain ebook, penulis juga menyediakan image dan source code yang bisa digunakan untuk membantu proses pembelajaran. Tunggu apa lagi? Baca ebook-nya dan mainkan code-nya!

Download Ebook

Download Source Code

Download Image

Contoh source code OpenCV

Sunu Wibirama — Mon, 29 Mar 2010 00:21:05 +0000

Beberapa rekan pernah menanyakan contoh-contoh source code / program OpenCV yang bisa digunakan untuk berlatih dan memahami fungsi-fungsi OpenCV secara praktis. Contoh source code / program yang terbaik, tentu berasal dari buku “Learning OpenCV: Computer Vision with the OpenCV Library“. Tapi beberapa situs menyediakan contoh source code / program OpenCV secara free, salah satunya adalah situs OpenCV berbahasa Jepang yang dihosting dengan domain OpenCV.Jp

Saat ini situs tersebut sedang mengalami perbaikan dan penambahan konten. Contoh source code / program OpenCV yang disediakan pun dibedakan sesuai dengan versi OpenCV yang dirilis secara resmi. Beberapa contoh program yang dimuat pada versi lama OpenCV Japan tidak lagi dicantumkan di situs baru mereka. Nah, bagi rekan-rekan yang berminat, silahkan melihat mirror situs OpenCV Japan versi lama yang sudah saya hosting di domain saya :

http://wibirama.com/ngaji/data/OpenCV/opencv-jp/index.html

Untuk men-translate, silahkan gunakan Google Translator. Cukup ubah setting translation dari Japan to English, dan kopikan url di atas. Klik halaman Sample Code dan voila!

Selamat berlatih

Dasar-dasar Matematika untuk Image Processing

Sunu Wibirama — Thu, 01 Oct 2009 15:44:36 +0000

Bidang penelitian image processing dan computer vision sangat erat hubungannya dengan penggunaan matematika dasar. Beberapa aplikasi algorithma pengolahan citra berbasis matematika matriks dan aljabar linear. Namun demikian, ada baiknya kita mengetahui secara sekilas kebutuhan dasar untuk riset image processing / computer vision :

1. Aljabar Linear
Image atau citra direpresentasikan sebagai matriks. Maka operasi terhadap matriks menjadi menu utama dalam komputasi image processing. Baik image processing dasar maupun image processing lanjut, hampir bisa dipastikan akan melibatkan komputasi matriks. Beberapa operasi matriks pun terkadang diperlukan. Oleh karena itu, bagi rekan-rekan sekalian yang akan menekuni bidang penelitian ini, diharapkan berani mencicipi pula ilmu-ilmu operasi matrix dalam aljabar linear. Buku yang saya rekomendasikan adalah :

Judul : Introduction To Linear Algebra (3rd Edition)
Pengarang : Gilbert Strang (Massachusets Institute of Technology)
Penerbit : Wellesley-Cambridge Press

2. Probabilitas dan Statistika
Ilmu probabilitas dan statistika sangat penting dalam pemrosesan citra. Oleh karena itu, saya menempatkannya dalam urutan yang kedua setelah Aljabar Linear. Beberapa algoritma object tracking, maupun object reconstruction / computed tomography melibatkan matematika statistika yang cukup rumit. Oleh karena itu, mempelajarinya menjadi sebuah hal yang tidak sia-sia, jika rekan-rekan berniat untuk menekuni bidang penelitian image processing. Buku yang saya rekomendasikan adalah :

Judul : Probability and Statistics for Engineers and Scientists
Pengarang : Ronald E. Walpole, Raymond H. Myers, Sharon H. Myers
Penerbit : Prentice-Hall College

3. Kalkulus Dasar
Nah, ini yang juga bikin kepala pusing. Image processing, meskipun tidak semuanya, melibatkan operasi-operasi diferensial dan integral. Khusus untuk riset di bidang Radiology / Computed Tomography, integral menjadi salah satu “cemilan yang bergizi”. Untuk riset motion tracking, diferensial matriks menjadi menu pilihan yang renyah. Buku yang saya rekomendasikan :

Judul : Thomas Calculus, 11th Edition
Pengarang : George B. Thomas, Maurice D. Weir, Joel Hass, Frank R. Giordano
Penerbit : Addison Wesley

4. Komputasi Numeris
Yup. Komputasi numeris juga ikut campur jika Anda memang sudah “nawaitu” di image processing / computer vision. Persis yang saya alami, Newton Rapshon, Jacobi, Gaussian, dan Decomposition akan menghantui kehidupan kita di kampus. Tapi tidak perlu khawatir, selama kita menemukan referensi yang tepat, masalah bisa kita selesaikan. Setidaknya ada jalan untuk berusaha memahami. Rekomendasi dari saya:

Judul : Numerical Methods for Engineer and Scientists : An Introduction with application using MATLAB
Pengarang : Amos Gilat dan Vish Subramaniam
Penerbit : Wiley

Salam,

Sunu Wibirama

Menghitung Center of Mass citra dengan Matlab

Sunu Wibirama — Tue, 30 Jun 2009 05:14:56 +0000

Objek sering direpresentasikan sebagai sekumpulan pixel dalam sebuah citra. Untuk keperluan pengenalan citra, kita perlu mendefinisikan properti objek tersebut. Properti ini sering kita sebut sebagai Deskriptor Objek. Dengan menggunakan deskriptor ini, kita bisa mengenali sebuah objek dalam sebuah citra dengan cara membandingkan dua buah deskriptor objek yang ingin kita kenali dan objek yang sudah kita ketahui (classifier). Namun demikian, untuk mendapatkan hasil pengenalan citra yang optimal, deskriptor harus memenuhi beberapa syarat di bawah ini [1] :

1. Deskriptor tersebut harus menjelaskan properti secara lengkap. Dengan demikian, kita bisa mengetahui kecocokan dua buah objek yang dibandingkan, bila dan hanya bila objek-objek tersebut memiliki bentuk yang sama.

2. Kongruen. Kita harus bisa mengenali dua objek yang sama apabila objek tersebut memiliki deskriptor yang sama.

3. Properti invariant. Properti yang ada pada deskriptor hendaknya tidak berubah manakala objek mengalami transformasi geometris, seperti scaling, atau rotasi, bahkan perubahan perspektif. Hal ini sangat penting manakala kita ingin memeriksa dua buah objek dengan sudut pandang (viewpoint) yang berbeda.

Ada dua buah deskriptor yang sering digunakan dalam pengenalan bentuk / shape recognition : deskriptor border (berdasarkan garis batas objek) dan deskriptor region (berdasarkan area objek) [2].

Momen sebagai Region Descriptor

Momen mendeskripsikan layout dari sebuah bentuk objek (susunan dari piksel-piksel yang ada dalam objek tersebut), dimana momen mengombinasikan properti luas area objek, kepadatan objek, ketidakteraturan menjadi satu. Dalam pengolahan citra, terminologi momen yang dimaksud adalah momen statistik. Penghitungan Center of Mass (pusat masa) dari sebuah citra akan melibatkan proses penghitungan rerata intensitas tiap-tiap piksel. Secara matematis [3], momen pada bidang 2 dimensi bisa dihitung menggunakan rumusan di bawah ini :

Keterangan :
M : momen
i, j : orde dari momen
I(x,y) : intensitas piksel

Maka, kita bisa menghitung Center of Mass dengan rumusan berikut :

Area (citra biner) : M₀₀
Center of Mass : {} = {M₁₀/M₀₀, M₀₁/M₀₀ }

Aplikasi dengan Matlab

1. Disediakan sebuah gambar untuk diolah. Gambar ini adalah beberapa bagian dari Lego.

2. Kita akan mengolah gambar dalam bentuk citra biner. Untuk keperluan ini, lakukan segmentasi dengan proses thresholding. Adapun nilai dari thresholding bisa ditentukan dari percobaan.

3. Lakukan invert threshold untuk mendapatkan gambar dengan background hitam dan warna putih untuk benda-benda yang akan dideteksi.

4. Matlab memiliki kemampuan untuk melakukan labelling terhadap benda-benda yang sudah terdeteksi. Pilih salah satu benda dengan memilih nilai label yang sudah diberikan pada tiap-tiap benda.

5. Lakukan penghitungan Center of Mass pada objek yang dimaksud

Untuk lebih jelasnya, Anda bisa melihat source code Matlab pada file di bawah ini (lengkap dengan contoh image dan hasil pengolahan citra).

Download source code (MATLAB) 320 kb

Referensi dan bacaan :

[1] Mark S. Nixon & Alberto S. Aguado, “Feature Extraction and Image Processing“, Newnes Publisher, 2002, p. 247

[2] Rafael C. Gonzalez & Richard E. Woods, “Digital Image Processing 2nd edition”, Prentice Hall, 2002, p. 643

[3] Wikipedia : Image Moments

Download Buku: Multiple View Geometry for Computer Vision

Sunu Wibirama — Thu, 25 Jun 2009 23:46:07 +0000

Telah diupload, buku panduan (text book) wajib untuk pelajaran computer vision. Untuk lebih lengkapnya, selahkan kunjungi halaman resource

Apa dan Siapa Tokoh di Balik OpenCV (1)

Sunu Wibirama — Sun, 14 Jun 2009 11:47:52 +0000

I. Sekilas Gary R. Bradski

Gary Rost Bradski atau lebih dikenal dengan nama Gary Bradski adalah seorang profesor konsultan di Departemen Ilmu Komputer (Computer Science) di Universitas Stanford, Laboratorium Kecerdasan Buatan (Artificial Intelligent). Beliau adalah ahli dalam bidang robotika, machine learning, dan computer vision. Ia juga menjadi peneliti senior di Willow Garage, sebuah institusi penelitian yang mengkhususkan diri pada bidang robotika dan computer vision. Ia sudah menghasilkan lebih dari 50 karya tulis berupa makalah dan jurnal internasional, serta 13 hak paten dan 18 proposal hak paten. Saat ini, ia tinggal di Palo Alto, Amerika Serikat dengan seorang istri dan tiga orang anak.

II. Perjalanan Karir Profesional

Gary Bradski memperoleh gelar Bachelor of Science (BS) dari Electrical Engineering and Computer Science Universitas Berkeley, serta memperoleh gelar Doktor di bidang Machine Intelligence dan Computer Vision dari Universitas Boston. Sebelum mendalami bidang computer vision, ia pernah mengambil kuliah di bidang fisika Universitas Oregon pada tahun 1976 sampai dengan 1978. Namun ketertarikannya pada bidang ilmu komputer membawanya ke Universitas Berkeley hingga ia memperoleh gelar doktoral dari Universitas Boston.

Ia sudah berpengalaman tak kurang dari 24 tahun dalam mengimplementasikan machine learning dan computer vision pada First Union National Bank sampai dengan computer vision pada Intel Manufacturing, yakni sejak tahun 1985 sampai dengan 2009. Gary memulai proyek OpenCV (Open Source Computer Vision Library) pada tahun 1999. Ia memulai proyek ini dengan membuat program demi program, membangun tim untuk mengerjakannya dengan lebih masif dan mengirimkan rilis terbuka ke situs pengembangan proyek Open Source SourceForge pada tahun 2001-2002. Apa yang ia lakukan ternyata mendapatkan sambutan hangat dari para peneliti computer vision di seluruh dunia. Saat ini, milis OpenCV telah mencatat lebih dari 15.000 anggota tergabung di dalamnya, serta lebih dari 1000.000 kali OpenCV di-download dari internet. OpenCV saat ini telah mengokohkan posisinya sebagai sebuah pustaka computer vision yang paling banyak digunakan di seluruh dunia. Proyek OpenCV juga telah membantu perusahaan Intel untuk mengembangkan beberapa pustaka komersial di bidang image processing dan computer vision. Selain OpenCV, ia juga mengembangkan dua buah pustaka lain, yakni MLL (Machine Learning Library) dan Probabilistic Network Library (PNL). MLL saat ini menjadi bagian dari OpenCV.

Gary adalah salah satu tokoh kunci dibalik suksesnya proyek Stanley, robot Universitas Stanford yang memenangkan “DARPA Grand Challenge Autonomous Race 2005″ melalui padang pasir untuk sebuah hadiah bernilai 2 Juta USD, hadiah terbesar sepanjang sejarah lomba robotika. Pada tahun 2007, ia bergabung dengan sebuah lembaga riset robotika dan computer vision, Willow Garage. Willow Garage, yang didirikan oleh Scott Hassan, adalah perusahaan swasta yang memproduksi perangkat lunak untuk robot. Riset perangkat lunak ini meliputi segala macam yang terkait dengan pengembangan robot, termasuk di dalamnya penggunaan aplikasi computer vision dan kontrol robot. Gary Bradski direkrut secara resmi sebagai penasihat dan peneliti senior karena sudah cukup lama malang melintang di bidang penelitian robotika dan computer vision.

Pada bulan Oktober tahun 2008 bekerja sama dengan penerbit O’Reilly dan penulis Adrian Kaehler, ia menerbitkan sebuah buku berjudul Learning OpenCV, Computer Vision with The OpenCV Library. Ia membahas secara lengkap bagian perbagian dari beberapa fungsi pokok yang ada pada OpenCV. Selain itu, buku ini juga memberikan contoh program yang cukup memadai untuk mempelajari konsep computer vision menggunakan OpenCV. Beberapa universitas di dunia menjadikan buku ini sebagai salah satu referensi praktis untuk mata kuliah computer vision dan digital image processing.

Referensi :