Transformasi Affine Dua Dimensi
2.6. Templete Matching[9]
�+ � �=1 (2.7) Dimana : = ( 1, 2 … ) dan = 1, 2 … (2.8) Keterangan :
1. �dan �adalah dua vector yang jaraknya akan dihitung. 2. N menyatakan panjang vector.
2.6. Templete Matching[9]
Tamplate matching adalah salah satu teknik dalam pengolahan citra digital yang berfungsi untuk mencocokan tiap-tiap bagian dari suatu citra dengan citra yang menjadi
template (acuan). Teknik ini banyak digunakan dalam bidang industri sebagai bagian dari
quality control. Metode tamplate matching adalah salah satu metode terapan dari teknik konvolusi, metode ini sering digunakan untuk mengidintifikasi citra karakter huruf, angka, sidik jari (fingerprint) dan aplikasi-aplikasi pencocokan citra lainya. Secara umum teknik konvolusi didefinisikan sebagai suatu cara untuk mengkombinasikan dua buah deret angka yang menghasilkan deret angka ke tiga.
2.7. Metode K-Nearest Neighbor (K-NN) [10]
Algoritma K-Nearest Neighbor adalah sebuah metode untuk melakukan klasifikasi terhadap obyek berdasarkan data pembelajaran yang jaraknya paling dekat dengan obyek tersebut. Dari gambar yang diberi vector x dan ukuran jarak; maka
1. Dari vector N, mengenditifikasi K-Nearest Neighbor (K-NN),yanglepas dari label kelas. K adalah yang dipilih untuk menjadi dua kelas bermasalah, dan secara umum tidak menjadi kelipatan dari jumlah kelasM.
2. Dari sample k, mengenditifikasi untuk jumlah vector, ki, yang termasuk dalam kelaswi, i= 1,2,…,M. tentunya ��1 =�
3. Penetapan x untuk kelas wi dengan maksimal jumlah sampel dari ki.
Ilustrasi di bawah merupakan K-Nearest Neighbor (K-NN)untuk kasus k = 11.
Gambar 2.7. Ilustrasi K-Nearest Neighbor (K-NN) Dengan k=11
2.8. Matlab[12]
Studi pengenalan gambar rambu larangan lalu lintas ini membutuhkan sebuah alat bantu untuk menghitung data matematis yang kompleks. Matlab adalah sebuah bahasa dengan kemampuan tinggi untuk komputasi teknis. Matlab menggabungkan komputasi, visualisasi, dan pemrograman dalam satu kesatuan yang mudah digunakan di mana masalah dan penyelesaiannya diekspresikan dalam notasi matematik yang sudah dikenal.
Matlab adalah sistem interaktif yang mempunyai basis data array yang berkaitan dengan formulasi matriks dan vector. Dalam perkembangannya, Matlab mampu mengintegrasikan beberapa software matriks sebelumnya dalam satu software untuk komputasi matriks. Sistem matlab terdiri atas lima bagian utama :
a. Development Environment
Kumpulan semua alat-alat dan fasilitas untuk membantu kita dalam menggunakan fungsi dan file Matlab. Bagian ini memuat desktop, command window, command history, editor and debugger dan browser untuk melihat help,
workspace, files.
b. The Matlab Mathematical Function Library
sum, sine, cosine sampai fungsi lebih rumit seperti invers matriks, nilai Eigen, fungsi Bessel dan fast Fourier transform.
c. The matlab language
Bahasa matriks atau array level tinggi dengan control flow, fungsi, struktur data, input atau output, dan fitur object programming lainnya.
d. Graphics Matlab
Fasilitas untuk menampilkan vector dan matriks sebagai grafik. Fasilitas ini mencakup visualisasi data dua atau tiga dimensi, pemrosesan citra (image), animasi, dan grafik animasi.
e. The Matlab Application Program Interface (API)
Paket ini memungkinkan kita menulis bahasa C dan Fortran yang berinteraksi dengan Matlab.
2.9. Webcam[13]
Webcam atau web kamera adalah sebuah kamera video digital kecil yang dihubungkan ke computer atau laptop melalui port USB. Gambar webcam dapat dilihat pada gambar 2.8.
Gambar 2.8.Webcam Logitech HD C310
Sebuah web kamera yang sederhana terdiri dari sebuah lensa standar, dipasang di sebuah papan sirkuit untuk menangkap sinyal gambar, casing (cover), termasuk casing
depan dan casing samping untuk menutupi lensa standar dan memiliki sebuah lubang lensa di casing depan yang berguna untuk memasukkan gambar, kabel support, yang dibuat dari bahan yang fleksibel, salah satu ujungnya dihubungkan dengan papan sirkuit dan ujung satu lagi memiliki connector, kabel ini dikontrol untuk menyesuaikan ketinggian, arah dan
sudut pandang web kamera. Sebuah web kamera biasanya dilengkapi dengan software,
software ini mengambil gambar dari kamera digital secara terus menerus ataupun dalam interval waktu tertentu dan menyiarkannya melalui koneksi internet.
15
BAB III
PERANCANGAN
3.1. Perancangan Sistem Pengenalan Rambu Larangan Lalu Lintas
Perancangan sistem yang akan dibuat adalah sistem yang dapat mengenali citra rambu larangan pada lalu lintas menggunakan webcam. Gambar 3.1 menunjukan gambaran umum keseluruhan sistem.
Gambar 3.1. Gambaran Umum Perancangan Sistem
Sistem pengenalan karakter gambar terdiri dari perangkat keras dan perangkat lunak yang ada pada komputer. Perangkat keras yang digunakan adalah gambar rambu larangan lalu lintas, fixture, komputer, lampu, webcam dan perangkat lunak menggunakan pemrograman matlab 7.10.0a. Pengambilan citra menggunakan webcam yang dihubungkan dengan komputer yang berfungsi sebagai user interface untuk proses pengenalan. Software
laptop yang akan dibuat dalam bentuk user interface dengan GUI yang akan berperan sebagai pusat yang berfungsi untuk mengatur semua proses pengenalan rambu larangan lalu lintas menggunakan webcam, seperti pencuplikan gambar dan mengenali gambar yang sudah tercuplik.
3.1.1. Lampu
Lampu berfungsi untuk menerangkan rambu larangan lalu lintas yang akan diambil kamera webcam. Lampu yang dipakai dalam pengenalan citra ini adalah lampu dengan merek LED philips 5 watt, 350 lumen, cool daylight 6500k dan energy saving adalah 85%.
3.1.2. Kamera Webcam
Webcam yang digunakan untuk melakukan pengambilan citra gambar rambu larangan lalu lintas ini adalah webcam dengan merk Logitech C310. Spesifikasi dari
webcam bisa dilihat pada table 3.1.
Table 3.1. Spesifikasi Webcam Logitech C310
Logitech webcam C310
High defenition(HD) video HD 720p
Photo quality 5 MP
Video quality Good
Lens technology Standard Focus type Always focused
Build in mic Single
Auto lingt correction Premium 360 degree full motion rotation
3.1.3. Fixture
Fixture yang digunakan dalam pengenalan rambu larangan lalu lintas merupakan sebuah kayu yang sebagai tempat dudukan webcam dan rambu larangan lalu lintas, fixture
tersebut dibuat dari kayu. Proses pengambilan posisi rambu larangan lalu lintas harus tegak lurus dengan webcam agar hasil citra yang semetrik. Dalam proses pengambilan yang dilakukan jarak antara kamera webcam dengan rambu larangan lalu lintas ±12 cm. Hasil pemgambilan yang terdekat dan tidak kabur adalah ± 12 cm. Jarak antara lampu dengan tempat duduk rambu larangan lalu lintas adalah ± 40 cm. Dengan jarak ini penerang lampu lebih baik dan gambar rambu lebih kelihatan bagus.
3.1.4. Gambar Rambu LaranganLalu Lintas
Pada pengenalan yang akan dilakukan, rambu-rambu larangan lalu lintas yang akan digunakan sesuai dengan rambu-rambu larangan lalu lintas yang sering digunakan pada umumnya oleh para penguna jalan raya. Rambu larangan lalu lintas yang dipilih untuk melakukan pengenalan terdiri dari semua rambu larangan lalu lintas yang ada. Tabel 3.2. merupakan rambu larangan lalu lintas yang akan digunakan untuk proses pengenalan dan dapat lihat pada lampiran II.
3.2. Database Rambu Larangan Lalu Lintas
Proses pengenalan rambu larangan lalu lintas dilihat pada Gambar 3.3. merupakan digram alir dari sistem yang berada pada database.
Mulai
Selesai Discrete Cosine
Transform
Database rambu larangan lalu lintas Capture gambar rambu
larangan lalu lintas
Preprocessing: Proses grayscale, cropping, resizing
Gambar 3.2. Diagram alir pembuatan database
Dalam proses pengenalan pada rambu larangan lalu lintas harus dibutuhkan
database dari rambu larangan lalu lintas yang akan digunakan sebagai acuan untuk proses pengenalan. Rambu larangan lalu lintas yang digunakan untuk pengenalan merupakan
rambu yang dipakai dalam penguna jalan raya. Pada pengenalan kamera webcam akan menggunakan fokus normal yang artinya adalah pengaturan default yang sudah terpasang pada kamera webcam. Database yang digunakan dalam pengenalan citra terdiri dari 10 set
database yaitu 5 untuk variasi rotasi dan 5 untuk variasi skala. Skala digunakan untuk sebagai proses pengujian. Gambar rambu larangan lalu lintas yang digunakan ada beberapa bentuk ukuran gambar yaitu variasi rotasi (-10°, -5°, 0°, 5°, 10°) dan variasi skala (90%, 95%, 100%, 105%, 110%). Proses pembuatan database rambu larangan lalu lintas harus melalui proses dari input citra rambu larangan lalu lintas, preprocessing dan Discrete Cosine Transform Dua Dimensi (DCT 2 D).
3.3. Proses Untuk Pengenalan Rambu Larangan Lalu Lintas
Proses pengenalan rambu larangan lalu lintas terdiri dari empat tahap yaitu pemgambilan citra, preprocessing, pengenalan dan keluaran. Proses yang akan dilakukan dimana citra masukan berupa rambu larangan pada lalu lintas. Proses kerja sistem pengenalan rambu larangan lalu lintas sebagai berikut:
