PERBAIKAN GAMBAR PADA PENDETEKSI PARKIR
KOSONG BERDASARKAN NILAI HISTOGRAM
TUGAS AKHIR
Program Studi
S1 Sistem Komputer
Oleh:
RAHMAWAN SUCHINDA
10.41020.0093
FAKULTAS TEKNOLOGI DAN INFORMATIKA
x
3.1. Perancangan Sistem dan Blok Diagram Sistem ... 22
3.2. Perancangan perangkat keras ... 24
3.3. Pengambilan Citra Sample ... 25
4.1. Pengujian Streaming Citra Melalui Webcam ... 34
4.1.1. Tujuan ... 34
4.1.2. Alat yang Digunakan... 34
4.1.3. Prosedur Pengujian ... 35
xi
4.2. Pengujian Konversi Citra kedalam grayscale dan histogram ... 36
xii
LAMPIRAN ... 58
1
BAB I
PENDAHULUAN
1.1. Latar Belakang Masalah
Pada masa sekarang ini dan semakin banyaknya pengguna kendaraan
bermotor, terutama pengendara mobil. Terutama ditempat area parkir mobil seperti
didalam mall, area kampus, dan pusat – pusat perbelanjaan, hal tersebut semakin
menjadi masalah untuk mencari tempat parkir yang kosong. Sehingga pengendara
mengitari area parkir tersebut agar dapat menemukan mana tempat parkir yang
kosong. Dan diperlukan area parkir mobil yang memadai, dan petunjuk untuk tempat
parkir yang kosong, sehingga memudahkan para pengendara untuk mencari tempat
parkir yang kosong.
Meskipun sekarang sudah banyak area parkir yang menggunakan kamera
WebCam untuk memantau area parkir saja, untuk memanfaatkan kamera diarea
parkir tersebut dibuatlah sistem yang mengelolah hasil gambar yang sudah diperoleh
kamera WebCam sehingga dapat mengetahui area parkir yang kosong dengan
menggunakan pengaturan nilai kontras otomatis, agar citra yang diterima bisa
sempurna.
Kondisi cuaca juga dapat mempengaruhi hasil yang ditangkap oleh kamera
tersebut, besar kecilnya nilai eksposure yang ditangkap oleh kamera juga akan
mempengaruhi hasil gambar, sehingga kamera bisa kurang maksimal untuk
mengetahui mana tempat parkir yang kosong. Sehingga bisa terjadi kesalahan dalam
pemberitahuan untuk tempat parkir yang kosong tersebut, untuk mengatasi hal
yang diterima oleh kamera. Agar kamera dapat berfungsi untuk pencahayaan
diwaktu, pagi, siang, sore dan malam, sehingga gambar yang didapat terlihat jelas
dan maksimal.
Contrast streching adalah teknik yang digunakan untuk mendapatkan citra
baru dengan contrast yang lebih baik daripada contrast dari citra asalnya. Citra yang
memiliki contrast rendah dapat terjadi karena kurangnya pencahayaan, kurangnya
bidang dinamika dari sensor citra , atau kesalahan pengaturan pembukaan lensa pada
saat pengambilan citra. Sehingga dilakukan peregangan kontras (contrast streching)
untuk dapat menghasilkan citra yang didapat terlihat jelas . (Lamabelawa, 2009)
Citra kontras bagus memperlihatkan jangkauan nilai keabuan yang lebar
tanpa ada suatu nilai keabuan yang mendominasi. Histogram citranya
memperlihatkan penyebaran nilai keabuan yang relatif seragam. (Sembiring, 2012)
Citra yang memiliki contrast rendah dapat terjadi karena kurangnya
pencahayaan, kurangnya bidang dinamika dari sensor citra, atau kesalahan setting
pembukaan lensa pada saat pengambilan citra. Citra dengan kualitas rendah dapat
diperbaiki kualitasnya dengan operasi contrast streching. (Sembiring, 2012)
A. Rumusan Masalah
Berdasarkan latar belakang diatas, maka penulis akan merumuskan masalah
yang ada. Adapun perumusan masalah yang akan dibahas adalah :
1. Bagaimana melakukan setting otomatis pada citra dengan pencahayaan
kurang (Under Exposure) atau lebih (Upper Exposure) yang ditangkap oleh
2. Bagaimana mengatur kontras setting otomatis pada citrra upper exposure dan
under exposure yang ditangkap oleh kamera WeBcam dengan menggunakan
nilai histogram.
3. Bagaimana melakukan perbaikan citra dengan menggunakan aplikasi
OpenCV.
B. Batasan Masalah
Untuk menghindari pembahasan yang lebih luas terkait dengan perbaikan
olah citra digital. Terdapat beberapa batasan masalah, maka penelitian ini hanya
ditentukan pada area parkir tertentu :
1. Pendeteksi area parkir kosong menggunakan aplikasi yang sudah ada, yang
dilakukan oleh peneliti sebelumnya.
2. Melakukan setting otomatis pada citra yang akan dihasilkan oleh kamera
WebCam dengan menggunakan nilai pada histogram.
3. Pengujian dilakukan dengan menggunakan software C++.
C. Tujuan
Berdasarkan rumusan masalah yang diuraikan diatas, maka tujuan penelitian
ini adalah sebagai berikut :
1. Mendapatkan hasil yang sempurna dalam penangkapan citra digital pada
kamera WebCam dengan berdasarkan nilai histogram.
1.2. Kontribusi
Kontribusi tugas akhir ini adalah apabila sistem ini diterapkan maka dapat
membuat orang lebih muda untuk mencari tempat parkir yang masih kosong.
1.3. Sistematika Penulisan
Sistematika penulisan buku tugas akhir ini terdiri dari lima bab, yang secara
ringkas dapat diuraikan sebagai berikut :
BAB I : Pendahuluan
Pada BAB I dijelaskan tentang latar belakang masalah, perumusan
masalah, pembatasan masalah, tujuan, kontribusi dan sistematika
penulisan buku tugas akhir.
BAB II : Landasan Teori
Pada BAB II menjelaskan tentang kamera, citra digital, pengolahan
citra yang meliputi grayscaling, thresholding, metode background
subtraction (subtraksi background), color space yang meliputi RGB,
computer vision dan opencv, motion detection.
BAB III : Metode Penelitian
Pada BAB III membahas tentang perangkat-perangkat yang
digunakan dalam membuat tugas akhir ini, baik (hardware) yang
berupa miniatur maupun perangkat lunak (software) diantaranya
flowchart, proses update citra kondisi parkir, proses mendeteksi
perbaikan gambar, proses grayscaling, proses histogram, proses
menghitung pixel warna putih serta proses menentukan koordinat
BAB IV : Pengujian dan Evaluasi Sistem
Pada BAB IV membahas tentang pengujian sistem meliputi,
pengujian pengambilan gambar secara otomatis setiap lima detik
sekali, proses grayscale, proses thresholding, proses subtraksi,
proses mengenali benda dari citra biner, proses menentukan
koordinat tertentu.
BAB V : Penutup
Pada BAB V merupakan bagian akhir dari laporan penelitian tugas
akhir ini yang menguraikan kesimpulan-kesimpulan yang diperoleh
dari proses penelitian serta saran-saran untuk pengembangan
6 BAB II
LANDASAN TEORI
2.1 Area parkir
Meningkatnya jumlah kendaraan pribadi saat ini khususnya mobil
membuat kebutuhan lahan parkir yang terbuka yang luas. Tidak mudah untuk
mencari ruang parkir yang kosong di tempat parkir yang terbuka, hal ini di
sebabkan karena ruang parkir yang tersedia sudah oleh pengendara mobil lainya,
sehingga pengemudi yang ingin menggunakan lahan parkir harus mengitari area
parkir tersebut sampai mendapatkan ruang yang kosong, dan banyak juga
pengemudi yang memarkirkanya secara pararel sehingga tidak pada ruang yang
tersedia. (Muhadi Ardhie Tyasa, 2013).
Kurangnya informasi di area parkir mobil membuat para pengendara
yang ingin memarkirkan kendaraanya mencaji sangat kerepotan. Sebenarnya
masalah tersebut dapat diatasi dengan memanfaatkan teknologi komputer. Yang
saat ini telah dikembangkan beberapa teknologi tempat parkir hanya dengan
berupa petunjuk apakah tempat parkir tersebut penuh atau kosong pada papan
yang terletak pada pintu masuk parkir. (Muhadi Ardhie Tyasa, 2013)
2.2 VCR (Video Capture Recorder)
(Kurniawan, 2009) Video capture adalah sebuah proses digitalisasi dari
video analog ke dalam komputer dari perangkat di luar komputer seperti siaran
gambar analog menjadi elemen – elemen dasar gambar digital, elemen gambar
Pengolahan citra adalah memanipulasi dan analisis suatu informasi gambar
yang dilakukan oleh komputer, informasi gambar di sini adalah gambar visual
yang dibentuk dalam dua dimensi. Tujuan dari pengolahan citra sendiri adalah
untuk memperbaiki informasi yang terdapat pada gambar agar dapat diterima
secara maksimal dan mudah terbaca, dan untuk memperbaiki kualitas dari gambar
yang diterima.
Pengolahan citra memiliki beberapa jenis pengoprasian, yaitu sebagai
berikut.
1. Perbaikan kualitas citra (image enhacement).
Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara
memanipulasi parameter-parameter citra.
Dengan operasi ini, ciri-ciri khusus yang terdapat di dalam citra lebih
ditonjolkan.Contoh-contoh operasi perbaikan citra:
a. perbaikan kontras gelap/terang
b. perbaikan tepian objek (edge enhancement)
d. grayscaling
e. noise filtering
2. Pemugaran citra (image restoration)
Operasi ini bertujuan menghilangkan atau meminimumkan cacat pada citra.
Tujuan pemugaran citra hampir sama dengan operasi perbaikan citra.
Bedanya, pada pemugaran citra penyebab degradasi gambar diketahui.
Contoh-contoh operasi pemugaran citra:
a. penghilangan kesamaran (deblurring)
b. penghilangan noise
3. Penempatan citra (image compression)
Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk
yang lebih kompak sehingga memerlukan memori yang lebih sedikit. Hal
penting yang harus diperhatikan dalam pemampatan adalah citra yang telah
dimampatkan harus tetap mempunyai kualitas gambar yang bagus. Contoh
metode pemampatan citra adalah metode JPEG.
4. Segmentasi citra (image segmentation)
Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa
segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan
pengenalan pola.
5. Pengorakan citra (image analysis)
Jenis operasi ini bertujuan menghitung besaran kuantitif dari citra untuk
menghasilkan deskripsinya. Teknik pengorakan citra mengekstraksi ciri-ciri
kadangkala diperlukan untuk melokalisasi objek yang diinginkan dari
sekelilingnya. Contoh-contoh operasi pengolahan citra:
a. Pendeteksian tepi objek (edge detection)
b. Ekstraksi batas (boundary)
c. Representasi daerah (region)
6. Rekanstruksi citra (image recontruction)
Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra
hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang
medis. Misalnya beberapa foto rontgen dengan sinar X digunakan untuk
membentuk ulang gambar organ tubuh. (Nixon dan Aguado, 2002)
Citra digital (diskrit) dihasilkan dari citra analog (kontinu) melalui
digitalisasi. Digitalisasi citra analog terdiri sampling danquantitazion Sampling
adalah pembagian citra ke dalam elemen-elemen diskrit (pixel), sedangkan
quantitazion adalah pemberian nilai intensitaswarna pada setiap pixel dengan nilai
yang berupa bilangan bulat (Awcock, 1996). Beberapa hal yang perlu
diperhatikan dalam pengolahan citra digital adalah kuantitas data, pendekatan
statistik, kecepatan, keefisiensian, sistematika, pencarian informasi kembali
(retrival), dan modifikasi, termasuk resolusi citranya. (Purwadhi, 2001)
2.4. Brightness
Brightness adalah kata lain untuk intensitas cahaya. Kecerahan pada sebuah
titik (pixel) di dalam citra bukanlah intensitas yang real, tetapi sebenernya adalah
intensitas rata – rata dari suatu area yang mencakupnya. Sistem visual manusia
dari yang paling rendah sampai yang paling tinggi dengan jangkauan sebesar 1010.
(Fatmawati, 2011)
Untuk membuat citra lebih terang atau lebih gelap, kita dapat melakukan
pengubahan kecerahan citra. Kecerahan atau kecemerlangan citra dapat diperbaiki
dengan menambahkan atau mengurangkan sebuah konstanta kepada dari setiap
pixel didalam citra. Akibat operasi ini, histogram mengalami pergeseran. (Munir,
2004)
Nilai pixel hasil pengubahan mungkin lebih kecil atau sama dengan derajat
keabuan minimum (0) atau lebih besar sama dengan derajat keabuan maksimum
(255). Karena itu, pixel tersebut perlu dilakukan clipping ke nilai keabuan
minimum atau kenilai keabuan maksimum. (Munir, 2004)
2.5. Contrast Streching
Contrast streching biasa disebut dengan normalisasi mencoba untuk
meningkatkan kualitas gambar dengan peregangan dengan intensitas nilai
dalamnya agar dapat memanfaatkan sepenuhnya kemungkinan nilai yang
didapatkan oleh gambar. Contrast streching biasa digunakan untuk mendapatkan
citra baru dengan kontras yang lebih baik daripada kontras asalnya. (Dharmawan,
2013)
Contrast streching digunakan untuk meningkatkan jangkauan dinamis
dari tingkat abu-abu dalam gambar. Sebagai contoh, dalam sistem 8-bit tampilan
gambar dapat menunjukkan maksimum 256 tingkat abu-abu. (Dharmawan, 2013)
Citra yang memiliki kontras rendah dapat terjadi karena kurangnya
pencahayaan dalam gambar, kurangnya bidang dinamika dari sensor citra, atau
sebuah citra. Ide dari proses contras streching adalah untuk meningkatkan bidang
dinamika dari gray level di dalam citra yang akan diproses. Citra dengan kontras
rendah mempunyai kualitas yang relatif kurang baik, sehingga informasi yang
diterima sulit untuk diinterpretasikan oleh mata manusia. (Dharmawan, 2013)
Gambar pengindraan jauh diperoleh dari multi-spectral. FCC (False
Color Composite) adalah kombinasi dari ketiga band, seperti di mana masing –
masing band diberi tugas untuk pewarnaan primer yang berbeda, yaitu (RGB)
Red, green, dan blue. (Dharmawan, 2013)
Gambar 2.1 Sebelum proses contras streching (Kumar, 2010)
Sering kali gambar dipindai sedemikian hingga, untuk mengubah
kecerahan yang dihasilkan tidak menggunakan rentang dinamis yang sedemikian
hingga. Penyempurnaan kontras ditingkatkan agar daya nalar benda pada gambar
dapat ditingkatkan kecerahanya antara obyek dan background nya. (Eschbach,
2009).
Citra kontras rendah dapat diperbaiki kualitasnya dengan operasi
peregangan kontras. Melalui operasi ini, nilai warna keabuan akan merentang dari
0 sampai 225 (pada citra 8-bit), dengan kata lain nilai warna keabuan terpakai
secara merata. (Munir, 2004)
Gambar 2.3 Peregangan kontras (Contrast Streching) (Milayanti, 2013)
Pada peningkatan kontras, titik yang cenderung gelap akan menjadi lebih
gelap, dang yang cenderung terang akan menjadi lebih cemerlang. Peningkatan
kontras juga bisa dilakukan dengan berbagai macam rumus, salah satunya :
(Milayanti, 2013)
S = hl – Q ...……….………..…(1)
Kontras menyatakan sebaran terang (lighteness) dan gelap (darkness) di
dalam sebuah gambar. Citra dengan kontras rendah di cirikan oleh sebagian besar
dengan kontras yang baik, komposisi citra gelap dan citra terang tersebar secara
merata. (Fatmawati, 2011)
Metode pada contrast streching sangat tergantung dari kebutuhan, apakah
kontras citra mau dibuat kearah gelap atau yang terang. Contrast yang baik akan
terlihat pada nilai – nilai grafik histogram yang menyebar secara merata dari
warna gelap hingga warna terang. (Choerudin, 2013)
Cara kerja dari proses contrast streching (peregangan kontras) pada citra
8-bit adalah sebagai berikut.
1. Mengelompokan dan menghitung pixel berdasarkan nilai keabuan (membuat
histogram). (Choerudin, 2013)
2. Memindai (Scan) histogram dari nilai keabuan terkecil ke nilai keabuan
terbesar (0 hingga 255) untuk menemukan batas nilai keabuan yang terendah
dan batas nilai keabuan tertinggi dari kelompok pixel (citra). (Choerudin,
2013)
3. Memetakan (menskalakan) berdasarkan pixel pixel yang berada di antara
batas terendah hingga batas tertinggi untuk memenuhi rentang nilai dari
warna keabuan yang lengkap (0 hingga 255) dengan persamaan: (Choerudin,
2013)
...…...……….………(2)
Dalam hal ini Y adalah nilai keabuan yang baru atau diperoleh, X adalah
nilai keabuan yang lama, X1 adalah nilai keabuan tertinggi dari kelompok pixel
dan X2 adalah nilai keabuan terendah dari kelompok pixel. Dengan menggunakan
Metode yang digunakan dalam contrast streching adalah dengan
menghitung pixel dari image dan kemudian melakukan proses untuk melebarkan
pixel levelnya : (sembiring, 2012)
Pixel lama - pixel level terendah
Pixel level tertinggi - pixel level terendah
x 255
………(3)
2.6. Grayscale
Proses awal yang sering dilakukan dalam melakukan image processing
adalah mengubah citra berwarna menjadi citra grayscale. Hal ini digunakan untuk
menyedarhanakan model citra. (Dharmawan, 2013). Citra grayscale hanya
menggunakan warna satu tingkatan warna abu – abu. . Warna abu – abu adalah
satu – satunya warna pada ruang RGB (Red, Green, Blue) yang mempunyai
itensitas warna yang sama.
Pada citra berasas keabu–abuan hanya mememlukan nilai intensitas untuk
tiap piksel sebagai nilai tunggal, sedangkan pada citra yang berwarna memerlukan
sebanyak tiga nilai intensitas untuk setiap pikselnya. Intensitas dari citra berwarna
grayscale akan disimpan ke dalam 8 bit integer yang memberikan 256
kemungkinan yang mana akan dimulai dari level 0 hingga 255 (0 untuk warna
hitam dan 255 untuk warna putih dan di antara 0 – 255 adalah derajat warna
Gambar 2.4 Grayscale level (sunu jatmika, 2014)
2.7. RGB (Red, Green, Blue)
RGB mengacu pada sistem untuk mewakili warna yang akan digunakan
pada layar komputer. Warna merah, hijau, dan biru dapat dikombinasikan dalam
berbagai proporsi untuk mendapatkan warna spektrum. Tingkat R, G, dan B
mendapat nilai rentang dari 0 sampai 100 persen dari intensitas penuh. (Rouse,
2005).
Gambar 2.5 Contoh reperentasi RGB (Pradhitya, 2015)
Pengolahan warna dengan menggunakan model RGB sangat mudah dan
sederhana, karena informasi warna dalam komputer sudah dikemas dalam model
yang sama. Hal yang perlu dilakukan adalah melakukan pembacaan nilai – nilai
Salah satu cara untuk menghitung warna yaitu dengan cara
menormalisasi ketiga komponen warna tersebut. Normalisasi penting dilakukan
terutama bila sejumlah citra ditangkap dengan penerangan yang berbeda – beda.
Hasil perhitungan tiap komponen warna pokok yang telah dinormalisasi akan
menghilangkan pengaruh penerangan sehingga setiap komponen warna dapat
dibandingkan satu sama lainya walaupun berasal dari citra dengan kondisi
penerangan yang tidak sama. (Pradhitya, 2015)
Cara menormalisasi adalah sebagai berikut.
.………(4)
……….(5)
……….(6)
Bila ketiga warna komponen warna yang telah dinormalisasi dengan
masing – masing indeks warna merah (r), indeks warna hijau (g), dan indeks
berwarna biru (b), mempunyai nilai yang sama (1/3), maka objek tidak berwarna.
Bila (r) lebih besar dari pada g dan b, maka objek berwarna merah, dan
seterusnya. (Pradhitya, 2015)
2.8. Histogram
Histogram adalah grafik yang menggambarkan penyebaran dari nilai –
nilai pixel yang terdapat pada ssuatu citra atau bagian citra tertentu didalamnya.
Intensitas pada citra dapat diketahui dari sebuah histogram. Histogram juga dapat
(Contrast) dari sebuah gambar. Karena itu histogram adalah alat bantu yang
sangat berharga dalam sebuah pengerjaan pengolahan citra, baik secara kuantitatif
ataupun kualitatif. (Fatmawati, 2011)
Histogram merupakan dasar untuk berbagai teknik pengolahan domain
spesial. Manipulasi histogram dapat digunakan secara efektif untuk peningkatan
citra, seperti yang ditampilkan di bagian ini. Histogram sederhana untuk
menghitung dalam perangkat lunak dan juga untuk implementasi hardware,
sehingga membuat mereka populer dalam pengolahan citra yang real-time.
(Rafael C. Gonzalez, 2004)
Penyebaran nilai intensitas harus diubah supaya bisa menghasilkan hasil
citra yang baik, dan teknik yang biasa dipakai adalah pemerataan histogram
(Histogram equalizatition). Tujuan dari pemerataan histogram sendiri adalah
untuk memperoleh penyebaran yang merata, sehingga setiap derajat keabuan akan
memiliki jumlah pixel yang relatif sama. (Fatmawati, 2011)
Membandingkan histogram dari citra mentah dan citra yang ditingkatkan
menggunakan linear streching dan histogram yang disamakan. Apa saja bagian
yang terdapat pada histogram? (Harrison, 2005)
1. Judul, judul singkat yang menjelaskan tentang isi yang terkandung dalam
histogtram. (Harrison, 2005)
2. Horisontal atau X-Axis: horisontal atau sumbu X berisi skala yang memiliki
nilai – nilai yang pengukuranya cocok. Pada umumnya pengukuran ini
dikelompokan kedalam interval untuk membantu meringkas set data yang
3. Bar: Bar memiliki dua karakteristik yang penting, yaitu tinggi dan lebar.
Tinggi untuk menunjukan jumlah nilai dalam selang waktu yang terjadi,
sedangkang width merupakan panjang pada interval yang tertutup oleh bar.
(Harrison, 2005)
4. Vertical orY-Axis: vertikal atau Sumbu Y adalah skala yang berisi beberapa
waktu nilai yang terdapat pada selang waktu yang terjadi. Jumlah waktu juga
biasa disebut sebagai frekuensi. (Harrison, 2005)
5. Legend : legend memberikan informasi tambahan bahwa dokumen mana data
itu berasal dari dan bagaimana pengukuran dikumpulkan. (Harrison, 2005)
2.8.1. Pembuatan Histogram
1. Ciri – ciri citranya
a. Gelap
b. Terang
c. Normal
d. Normal Brightness dan Contrast
Gambar 2.6 (a) Citra Gelap, (b) Citra terang, (c) Citra normal (d) normal
Gambar 7. Memperlihatkan tiga buah citra lena. Citra lena yang pertama
terlalu gelap. Histogramnya banyak menumpuk pada bagian kiri, karena citra
tersebut mengandung banyak nilai intensitas yang dekat dengan 0 (hitam). Citra
lena yang kedua terlalu terang. Histogramnya banyak menumpuk pada bagian
kanan, karena citra tersebut mengandung banyak nilai intensitas yang dekat
dengan 255 (putih). Citra lena yang ketiga adalah citra yang normal (bagus).
Histogram tersebar merata di seluruh daerah derajat keabuan. (Prof. Dr.rer.nat.
Achmad Benny Mutiara, 2005)
2.8.2. Membuat Histogram
Misalkan citra digital memiliki L derajat keabuan, yaitu dari nilai 0 sampai
L-1 (misalnya pada citra dengan kuantitas derajat keabuan 8-bit, nilai derajat
keabuan dari 0 sampai 255). Secara sistematis histogram citra dihitung dengan
rumus
, i = 0, 1, …., L-1 ………..(7)
Yang dalam hal ini,
ni = jumlah pixel yang memiliki derajat keabuan i
n = jumlah seluruh pixel di dalam citra
Plot hi versus fi dinamakan histogram. Gambar 8. Adalah contoh sebuah
histogram citra. Secara grafis histogram ditampilkan dengan diagram batang.
Dapat diperhatikan bahwa persamaan (7), nilai ni telah dinormalkan dengan
membaginya dengan n, nilai hi berada di dalam selang 0 sampai 1. (Prof.
Gambar 2.7 Histogram citra (Prof. Dr.rer.nat. Achmad Benny Mutiara, 2005)
Fitur yang dimiliki OpenCV antara lain :
1. Manipulasi data citra (alocation, copying, setting, convert).
2. Citra dan video I/O (file dan kamera based input, image/video file output).
3. Manipulasi Matriks dan Vektor beserta rutin-rutin aljabar linear (products,
solvers, eigenvalues, SVD).
4. Data struktur dinamis (lists, queues, sets, trees, graphs).
5. Pemroses citra fundamental (filtering, edge detection, corner detection,
sampling and interpolation, color conversion, morphological operations,
histograms, image pyramids).
6. Analisis struktur(connected components, contour processing, distance
Transform, various moments, template matching, Hough Transform,
polygonal approximation, line fitting, ellipse fitting, Delaunay
triangulation).
7. Kalibrasi kamera (calibration patterns, estimasi fundamental matrix,
estimasi homography, stereo correspondence).
8. Analisis gerakan (optical flow, segmentation, tracking).
10. Graphical User Interface (display image/video, penanganan keyboard dan
mouse handling, scroll-bars).
OpenCV terdiri dari 3 library, yaitu:
1. CV : Untuk algoritma Image Processing dan Vision
2. Highgui : Untuk GUI, Image dan Video I/O
22 BAB III
METODE PENELITIAN
Dalam tugas akhir ini penguji melakukan pengujian dari judul tugas akhir
sebelumnya, yang dilakukan oleh Isana Mahardika. dalam tugas akhir tersebut
membahas pendeteksian tempat parkir kosong. Dalam pengujian yang dilakukan,
penguji melakukan pengembangan untuk aplikasi streaming dan membuat
peregangan kontras.
Untuk melakukan pengumpulan data yang diperlukan dalam melaksanakan
tugas akhir, ada beberapa cara yang telah dilakukan, antara lain:
1. Studi kepustakaan
Studi kepustakaan berupa pencarian data-data literatur dari fungsi pada
library OpenCV, melalui pencarian dari internet, dan konsep-konsep teoritis dari
buku-buku penunjang serta metode yang akan digunakan untuk melakukan
pengolahan citra.
2. Penelitian
Penelitian dilakukan dengan menggunakan aplikasi perangkat lunak,
implementasi perangkat lunak, dan pengambilan data pengujian aplikasi,
kemudian melakukan evaluasi dari data hasil pengujian yang telah dilakukan.
3.1. Perancangan Sistem dan Blok Diagram Sistem
Model penelitian yang akan dilakukan adalah model penelitian
pengembangan. Untuk mempermudah dalam memahami sistem yang akan dibuat
Gambar 3.1 Blok Diagram Sistem Secara Umum
Sebagai input, citra didapatkan dari kamera yang terpasang pada miniatur.
Kemudian diproses menggunakan console application Visual C++ 2008 dengan
memanfaatkan library OpenCV. Citra yang diperoleh adalah citra keadaan blok
parkir mobil. Setelah mendapatkan citra tersebut, maka selanjutnya citra akan
diproses untuk kemudian disubtraksi/dikurangkan (subtraction) dengan citra
sampel (citra blok tanpa mobil). Dari hasil subtraksi tersebut dilakukan klasifikasi
benda yang teridentifikasi merupakan mobil atau tidak.
Input citra yang didapatkan dari tugas akhir sebelumnya akan diolah untuk
mendapatkan citra yang sempurna. Sehingga input citra nanti dapat bekerja secara
maksimal untuk mendeteksi tempat parkir yang kosong berdasarkan nilai
histogram yang didapatkan. Semua proses dilakukan menggunakan aplikasi visual
C++ 2008, dengan memanfatkan library OpenCV. Pada akhirnya akan
ditampilkan informasi pada PC berupa output nomor tempat yang kosong
(diasumsikan bahwa setiap tempat parkir terdapat nomor urut), selain itu juga citra
3.2. Perancangan Perangkat Keras
Flowchart perancangan dan pembuatan miniatur sebagai berikut :
Gambar 3.2 Flowchart Pembuatan Miniatur
Dalam Tugas Akhir ini perangkat keras yang digunakan adalah miniatur
tempat parkir, miniatur telah dilakukan riset desain dan ukuran tempat parkir
dalam tugas akhir sebelumnya. Selanjutnya diimplementasikan di aera terbuka
agar sesuai dengan konsep yang dikerjakan terhadap tugas akhir kali ini.
Hasil yang didapat dari area terbuka adalah pencahayaan yang selalu
berubah - ubah setiap waktu, sehingga kamera diprogram agar dapat mengatur
pencahayaan yang masuk melalui konversi histogram.
Riset tempat
Perancangan gambar
Perbaikan gambar
Uji coba start
3.3. Pengambilan Citra Sampel
Citra sampel diambil dalam ruangan terbuka atau dalam area parkir
outdoor, dan dalam situasi dan kondisi yang selalu berubah – ubah
pencahayaanya.
Citra sampel tersebut digunakan untuk data yang akan disubtraksi dengan
citra update. Pengambilan citra sampel dilakukan secara manual dan akan
disimpan pada direktori D:\\file TA\\motiondetection1.jpg. Ketika program
berjalan program akan memuat citra sampel menggunakan fungsi cvLoadImage
dan disimpan dalam variabel img, format variabel img adalah Iplimage. Berikut
potongan program untuk memuat citra sampel .
IplImage*img=cvLoadImage ("D:\\file TA\\motiondetection1.jpg" );
3.4. Penerimaan Data Citra
Setiap data citra yang dikirimkan dari kamera diakses dengan pointer
CvCapture dan videocapture menggunakan fungsi cvCaptureFromCAM(1),
VideoCapture cap(1); Angka 1 pada fungsi cvCaptureFromCAM(1) merupakan
indeks dari kamera yang digunakan. Berikut adalah potongan program untuk
proses penerimaan data citra dari Kamera menggunakan.
CvCapture* capture = cvCaptureFromCAM(1);
Data citra yang ditangkap adalah data citra dengan ruang warna RGB dan
disimpan langsung pada variabel Iplimage (Intel Image Processing Library) yaitu
stuktur data untuk penyimpanan data citra pada OpenCV. Urutan channel data
dalam Iplimage adalah BGR sehingga untuk menampilkan warna sesungguhnya.
Kemudian data citra yang didapat diolah menjadi histogram untuk mendapatkan
Data citra yang ditangkap akan diolah menjadi ke data histogram, untuk
mendapatkan hasil yang maksimal sebelum dinormalisasi kembali dari hasil
histogram yang didapatkan.
3.5. Pengolahan Citra
Proses pengolahan citra adalah proses yang paling utama dalam pengerjaan
program untuk melakukan image processing pada Tugas Akhir ini karena
menggunakan Kamera webcam sebagai sensor untuk mendeteksi cahaya yang
masuk dan mengkonversi citra yang ditangkap dan kemudian diolah. Berikut
adalah Flowchart pengolahan citra secara garis besar :
Gambar3.3 Flowchart Pengolahan Citra
Metode yang digunakan untuk proses pengolahan citra adalah metode
konversi warna kedalam grayscaling, kemudian dikonversi menjadi histogram
untuk mengkonversi cahaya yang masuk.
Proses pengolahan citra disini yang dimaksud adalah bagaimana proses
pengolahan citra dari awal hingga mendapatkan hasil yang diinginkan. Untuk
mendukung proses tersebut dilakukan proses konversi warna dari RGB (Red
green blue) menjadi citra berwarna grayscale sebelum dirubah menjadi histogram,
sehingga mendapatkan hasil yang diinginkan.
Ketika cahaya berubah – ubah maka kamera tidak bisa mendapatkan citra
yang sempurna, oleh karna itu dilakukan proses histogram supaya mendapatkan
citra yang sempurna. Setelah melakukan proses histogram, langkah selanjutnya
yang dilakukan adalah normalisasi citra, normalisasi citra bertujuan untuk
mendapatkan hasil dari histogram tersebut.
Setelah dilakukan proses pengolahan citra dengan menggunakan metode
contrast streching nantinya akan diproses kedalam deteksi tempat parkir kosong,
yang sudah pernah dibahas dalam Tugas akhir sebelumnya.
3.6. Grayscaling
Grayscale adalah suatu format citra atau gambar yang tiap-tiap pixel
gambar hanya terdiri dari 1 channel warna. Proses perubahan warna dari RGB
menjadi Grayscale bertujuan untuk mempermudah proses selanjutnya yaitu proses
perubahan Grayscale menjadi biner. Sehingga setelah proses subtraksi berhasil
dilakukan maka langkah selanjutnya ialah melakukan konversi format gambar
dari RGB menjadi Grayscale. Untuk mengubah RGB menjadi Grayscale dapat
Grayscale = 0.299R + 0.587G + 0.114B
atau dapat menggunakan algoritma dengan merata-rata nilai ketiga buah channel
RGB.
Grayscale = ( R + G + B ) / 3
Perubahan gambar RGB menjadi Grayscale menggunakan library openCV pada
visual C++ menggunakan perintah sebagai berikut.
cvCvtColor(region1,gimask1,CV_RGB2GRAY);
Pada perintah tersebut sudah terdapat dua frame yaitu region1 dan
gimask1. region1 adalah frame RGB hasil subtraksi sedangkan gimask1 adalah
frame yang disediakan untuk Grayscale yang akan dibuat. Sehingga maksud dari
potongan perintah tersebut adalah mengubah gambar region1 menjadi Grayscale
dengan fungsi CV_RGB2GRAY lalu disimpan pada frame bernama
gimask1.Tetapi terlebih dahulu dibuat deklarasi pointer untuk image graycale,
yaitu dengan cara seperti berikut.
IplImage*gimask1=cvCreateImage(cvGetSize(region1),IPL_DEPTH_8U,1);
Pada potongan program tersebut terdapat IPL_DEPTH_8U yang artinya
adalah tiap-tiap pixel bernilai 8 bit. Sedangkan angka 1 setelah koma dibelakang
IPL_DEPTH_8U bermakna tiap-tiap pixel hanya terdiri dari sebuah channel.
Proses awal yang sering dilakukan dalam melakukan image processing
adalah mengubah citra berwarna menjadi citra grayscale. Hal ini digunakan untuk
menyedarhanakan model citra. (Dharmawan, 2013). Citra grayscale hanya
menggunakan warna satu tingkatan warna abu – abu. (Sutoyo, 2012). Warna abu
– abu adalah satu – satunya warna pada ruang RGB (Red, Green, Blue) yang
Pada citra berasas keabu–abuan hanya mememlukan nilai intensitas
untuk tiap piksel sebagai nilai tunggal, sedangkan pada citra yang berwarna
memerlukan sebanyak tiga nilai intensitas untuk setiap pikselnya. Intensitas dari
citra berwarna grayscale akan disimpan ke dalam 8 bit integer yang memberikan
256 kemungkinan yang mana akan dimulai dari level 0 hingga 255 (0 untuk warna
hitam dan 255 untuk warna putih dan diantara 0 – 255 adalah derajat warna
keabuan). (sunu jatmika, 2014)
Gambar 3.4 Grayscale level (sunu jatmika, 2014)
3.7. Image Enhancement
Teknik image enhancement digunakan untuk memperbaiki citra yang
diambil, seperti brightness, contrast, kemudian dirubah menjadi citra image
grayscale, noise, dan deteksi tepi. (basuki, 2007)
Image enhancement (perbaikan citra) bertujuan untuk meningkatkan
kualitas citra untuk pengekihatan manusia atau untuk mengkonversi suatu citra
Gambar 3.5. Citra dalam bentuk Image enhancement
3.8. Metode Pengujian dan Evaluasi Sistem
Untuk dapat mengetahui apakah aplikasi sudah bisa berjalan sesuai dengan
apa yang diharapkan, maka akan dilakukan pengujian dan evaluasi terhadap
sistem, dan dilakukan evaluasi untuk setiap tahapan dalam pembuatan sistem
aplikasi. Dimulai dari streaming, update terhadap citra dalam berbagai kondisi
cuaca, grayscaling, dan histogram untuk dapat mengetahui perhitungan dalam
mendeteksi parkir.
3.8.1. Pengujian Streaming Citra
Untuk mengetahui apakah data citra sudah dapat diakses langsung melalui
Kamera, maka dilakukan pengujian dengan cara menjalankan (running) program
Kamera secara langsung dari program. Kemudian citra yang tampil akan diuji
apakah dapat menampilkan data citra secara streaming.
3.8.2. Pengujian Update Citra dan streaming
Pengujian program dilakukan apakah data berupa citra kondisi parkir
dapat melakukan update secara otomatis, dan data update sengaja diberi nama file
yang sama dari sebelumnya, agar dapat diketahui apakah pengujian bisa sempurna
( D:\\File TA\\motiondetection1.jpg), citra yang diambil akan update secara
otomatis.
Sedangkan streaming untuk mengetahui apakah cahaya yang masuk
terlalu berlebihan atau terlalu rendah, sehingga pengujian yang dilakukan dapat
diketahui melalui proses histogram yang ada pada streaming tersebut. dan pada
saat streaming update citra akan tetap dilakukan dan disimpan kedalam direktori
yang sudah tersedia.
3.8.3. Pengujian Image enhancement
Pengujian image enhancement dilakukan dengan cara melakukan
perbaikan terhadap citra yang didapat pada saat melakukan pengujian streaming,
citra yang didapat kemudian dikonversi kedalam image grayscale kemudian
dilakukan perbaikan terhadap citra.
Setelah citra dilakukan perbaikan, maka hasil yang didapatkan akan
berbeda dengan citra grayscale yang telah dilakukan konversi. Pengujian
Gambar 3.6 Citra berwarna grayscale
3.8.4. Evaluasi Sistem Keseluruhan
Setelah melalui seluruh proses pengujian di atas maka perlu dilakukan
pengujian sistem secara keseluruhan. Dimulai dari melihat data citra yang
ditangkap oleh Kamera, dan melihat tampilan data citra yang ditampilkan window
image. Setelah itu, melalui tahap update citra, yaitu ketika waktu sistem
menunjukkan detik ke-5 atau kelipatannya maka gambar yang tersimpan pada
direktori D://File TA//motiondetection1.jpg akan berubah sesuai kondisi citra
pada saat menit ke-5 atau kelipatannya dan apabila waktu belum mencapai 5 detik
atau kelipatannya maka gambar yang tersimpan tidak akan berubah. Kemudian
dilanjutkan dengan melihat hasil tahap pengolahan citra, yaitu ketika tiap 5 detik
sekali, maka program akan memperbarui list nomor parkir. Kemudian sebagai
tambahan, kamera pada miniatur juga mengirimkan citra yang disorot untuk
ditampilkan pada PC secara streaming..
Secara keseluruhan sistem mampu berjalan sesuai dengan apa yang
diharapkan, citra berwarna RGB yang diubah menjadi citra grayscale dan
kemudian dikonversi kedalam image enhancement untuk mengetahui setiap detail
citra yang ditangkap. Jika keseluruhan sistem telah berjalan sesuai dengan
langkah-langkah tersebut, maka secara keseluruhan sistem ini sudah dikatakan
34 BAB IV
PENGUJIAN SISTEM
Sistem yang di ujicoba merupakan dari hasil program yang telah selesai
dibuat. Dimulai dari pengambilan citra dari WebCam, pengolahan citra yang
dimulai dengan update citra kondisi parkir,mendeteksi gerak, menentukan
koordinat pada tiap-tiap area, akses pixel, contrast streching, histogram. yang
terakhir pengujian sistem secara keseluruhan yaitu Program akan mengeluarkan
output nomor parkir yang kosong sesuai dengan kondisi.
4.1 Pengujian Streaming Citra Melalui WebCam
Pengujian streaming ini dilakukan dengan mengintegrasikan Microsoft
Visual C++ melalui library OpenCV. Yaitu untuk memanggil serta menjalankan
console WebCam tersebut melalui aplikasi visual C++ 2008.
4.1.1 Tujuan
Tujuan dari percobaan ini untuk mengetahui apakah aplikasi sudah mampu
menampilkan data citra dari WebCam ke aplikasi pada Visual C++ dan apakah
bisa langsung diproses oleh program.
4.1.2 Alat yang Digunakan
1. Laptop
2. Microsoft Visual C++ 2008
3. WebCam
4.1.3 Prosedur Pengujian
1. Menjalankan program console pada Microsoft Visual C++ 2008
2. Menjalankan program untuk mengakses data citra pada kamera Laptop
tersebut
3. Melihat hasil data citra pada window
4.1.4 Hasil Pengujian
Setelah melakukan pengujian berikut adalah gambar yang didapatkan dari
WebCam pada Gambar 4.1.
4.2 Pengujian konversi citra kedalam grayscale dan equalize histogram
Untuk pengujian konversi citra dilakukan untuk mendapatkan citra yang
sempurna, dalam artian citra yang didapatkan tidak cenderung gelap maupun tidak
cenderung terang.
4.2.1 Tujuan
Tujuan hasil uji coba ini yaitu untuk mengetahui apakah aplikasi dapat
menangkap citra dan mengkonversinya kedalam histogram agar dapat mengetahui
citra yang terlalu gelap dan terang, dan aplikasi berjalan sempurna.
4.2.2 Alat yang Digunakan
1. WebCam
2. Miniatur parkir mobil
3. Laptop
4. Microsoft Visual C++ 2008
4.2.3 Prosedur Pengujian
1. Menjalankan program console pada Microsoft Visual C++ 2008
2. Menjalankan program untuk mengakses data citra pada WeCcam
3. Menjalankan program untuk streaming citra
4. Menjalankan program untuk mengakses time system
5. Membuka direktori D:\\File TA\\, melihat file bernama motiondetection1.jpg
4.2.4 Hasil Pengujian
Hasil dari pengujian ini adalah dapat mengetahui perubahan nilai citra dan
terdapat perubahan cahaya yang masuk. Karena cahaya yang masuk selalu
berubah – ubah, Setelah melakukan pengujian prosedur diatas berikut adalah
gambar hasil proses image processing kedalam histogram.
Gambar 4.2 Citra WebCam (A) dikonversi kedalam citra grayscale (B)
Gambar 4.2 menunjukkan bahwa citra yang ditangkap melalui WebCam
yang di tunjukan pada gambar A dengan kondidsi warna RGB (Red, Green, Blue)
di konversi menjadi citra grayscale yang di tunjukan pada gambar B. Citra
graysclae hanya sebagai perantara untuk mengkonversi kedalam histogram citra,
yang nantinya akan digunakan untuk pendeteksian area parkir kosong.
Gambar 4.3 menunjukkan bahwa citra berwarna grayscale yang
ditunjukan pada gambar A, yang dikonversi kedalam equalize histogram yang
ditunjukan pada gambar B, pada citra equalize histogram terlihat perubahan
dimana citra grayscale yang cenderung gelap cahayanya dapat dikonversi.
Sehingga area yang cenderung gelap akan terlihat jelas.
4.3 Pengujian pada setiap citra
Menguji setiap citra yang di tangkap oleh kamera WebCam, grayscale, dan
citra konversi image enhancement..
4.3.1 Tujuan
Tujuan pengujian ini yaitu untuk membandingkan tiap – tiap citra yang
didapat, citra RGB, citra grayscale, dan citra histogram
4.3.2 Alat yang Digunakan
1 Microsoft Visual C++ 2008
2 Laptop
4.3.3 Prosedur Pengujian
1. Menjalankan program console pada Microsoft Visual C++ 2008
2. Menjalankan program untuk mengakses data citra pada WebCam
3. Menjalankan program untuk memuat gambar
4. Menjalankan program untuk menampilkan window image citra sampel dan
plot histogram
4.3.4 Hasil Pengujian
Hasil dari pengujian ini untuk mengetahui apakah setiap citra yang didapat
sudah sesuai dengan yang diharapkan dan memiliki perbedaan itensitas cahaya di
setiap citra yang diambil.
Gambar 4.5 citra grayscale
Gambar. 4.6 Citra berbentuk equalize histogram
Pada Gambar 4.6 menunjukkan citra yang telah dikonversi menjadi
histogram terlihat lebih jelas dibandingan dengan citra yang berwarna grayscale
4.4 Pengujian Equalize histogram
Gambar hasil equalize histogram konversi dari citra grayscale pengujian ini
dilakukan apakah sistem sudah bisa bekerja sesuai dengan yang diharapkan, yaitu
konversi citra grayscale kedalam equalize histogram. Agar citra yang memiliki
area gelap atau terang dapat terlihat.
4.4.1 Tujuan
Tujuan dari hasil coba ini yaitu untuk mengetahui apakah program dapat
mengkonversi citra grayscale kedalam citra histogram.
4.4.2 Alat yang Digunakan
1. Microsoft Visual C++ 2008
2. Laptop
3. Citra hasil grayscale dan equalize histogram
4.4.3 Prosedur Pengujian
1. Menjalankan program console pada Microsoft Visual C++ 2008
2. Menjalankan program untuk mengakses data citra pada WebCam
3. Menjalankan program untuk memuat citra hasil subtraksi.
4. Menjalankan program untuk konversi RGB ke bentuk grayscale
5. Menjalankan program untuk konversi grayscale ke bentuk equalize histogram
4.4.4 Hasil Pengujian
Hasil dari uci coba ini adalah untuk mengetahui apakah program dapat
mengubah gambar dari format RGB menjadi format grayscale dan histogram .
Gambar 4.7 citra hasil konversi grayscale (A) ke equalize histogram (B)
4.5 Evaluasi Sistem Secara Keseluruhan
Ditahap pengujian terakhir adalah seluruh sistem diuji dari awal hingga
akhir, dimana menjalankan seluruh aplikasi. Pencahayaan diubah sesuai dengan
citra kondisi apa yang dialami pada saat pengujian, dan grafik akan ikut berubah
ketika citra yang diambil pencahayaanya ikut berubah – ubah. Dan pada waktu
yang bersamaan, kamera WebCam mengirimkan citra secara streaming dan
ditampilkan kedalam layar laptop.
4.5.1 Tujuan
Tujuan evaluasi sistem ini adalah untuk mengetahui sistem pada aplikasi
yang ditangkap menggunakan WebCam, dan diubah menjadi citra grayscale dan
kemudian dikonversi kedalam histogram.
4.5.2 Alat yang Digunakan
1. Miniatur tempat parkir mobil
2. Microsoft Visual C++ 2008
3. Laptop
4. WebCam
4.5.3 Prosedur Pengujian
1. Menghubungkan WebCam dengan Laptop
2. Menjalankan program console pada Microsoft Visual C++ 2008
3. Menjalankan aplikasi program secara keseluruhan
4. Memberikan inputan perubahan cahaya pada citra
5. Melihat pada layar Laptop, apakah citra streaming dari WebCam telah
ditampilkan pada layar Laptop
4.5.4 Hasil Pengujian
Dari hasil seluruh pengujian didapatkan hasil tingkat keberhasilan 100% dari
6 kali pengujian, disaat dimasukkan input perubahan cahaya yang berbeda – beda
maka tampilan layar yang ditangkap menggunakan WebCam akan tampil seperti
Gambar 4.8. kondisi citra dengan nilai yang didapat
Pada gambar 4.8 dimana kondisi saat dilakukan pengujian cahaya yang
ditangkap oleh kamera WebCam cenderung gelap, dan nilai yang didapatkan juga
kecil dengan rentang nilai 0-83, dan nilai tersebut dapat dikatakan terlalu kekadan
jika dimasukan kedalam grafik. Sehingga nilai yang di peroleh harus ditaruh di
tengah dengan rentang 100-156, nilai tersebut diambil karena nilai yang dianggap
mendekati nilai tengah 128.
Pada gambar 4.8 adalah value yang didapat dari gambar 4.9 pada gambar
tersebut menunjukan bahwa intensitas cahaya yang didapatkan oleh kamera
WebCam cenderung ke kiri atau gelap. Jika di plot kedalam grafik maka hasilnya
seperti gambar 4.10.
Gambar. 4.10. plot grafik citra gelap
Gambar 4.12 Contoh kondisi parkir kosong
Gambar 4.13 hasil dari kondisi parkir kosong
Kondisi gambar 4.12 dan gambar 4.13 adalah dimana kondisi keadaan
parkir yang kosong, dan cahaya diambil dengan menggunakan lampu dari
WebCam dan hasil yang didapatkan menunjukan jumlah parkir yang kosong
Tabel 4.1. Hasil deteksi cahaya cenderung gelap 30 lux sebelum diperbaiki Deteksi sebelum diperbaiki cahaya cenderung gelap 30lux
No. Keadaan
Deteksi citra setelah diperbaiki cahaya cenderung gelap 30lux
Tabel 4.2. hasil deteksi cahaya cenderung 30lux gelap setelah diperbaiki
Gambar 4.14. Gambar A sebelum dan gambar B setelah diperbaiki dengan
Tabel 4.3. Hasil deteksi cahaya normal 80lux sebelum diperbaiki Deteksi citra sebelum diperbaiki cahaya normal 80lux
No. Keadaan
Deteksi citra setelah diperbaiki cahaya normal 80lux
Tabel 4.4. Hasil deteksi dengan cahaya normal 80 lux setelah diperbaiki
Gambar 4.15. Gambar A sebelum diperbaiki dan gambar B sesudah diperbaiki
Tabel 4.5. Hasil deteks cahaya cenderung terang 225 lux sebelum diperbaiki Deteksi citra sebelum diperbaiki cahaya cenderung terang 225lux
No. Keadaan
Deteksi citra setelah diperbaiki cahaya cenderung terang 225lux
Tabel 4.6. hasil deteksi cahaya cenderung terang 225 lux setelah diperbaiki
Gambar 4.16. Gambar A sebelum diperbaiki dan gambar B setelah diperbaiki
Hasil dari percobaan tabel diatas dilakukan sebanyak 144 kali percobaan
dengan berbagai kondisi ruang parkir yang tersedia, dan pencahayaan yang
berbeda – beda. Pencahayaan diambil dari lampu yang tersedia dari kamera
WebCam untuk membantu pencahaan yang diterima oleh sistem, agar sistem bisa
54
dari hasil uji coba yang telah dilakukan, maka dapat diambil kesimpulan
saran-saran dan kesimpulan dari hasil yang diperoleh.
5.1. Kesimpulan
Adapun kesimpulan yang dapat dituliskan dari hasil sistem yang telah
dibuat antara lain sebagai berikut:
1. Pengukuran cahaya dilakukan dengan menggunakan lux meter, lux meter
digunakan untuk mengetahui intensitas cahaya pada saat melakukan
pengujian.
2. Pencahayaan cenderung gelap mendapatkan hasil 63% benar sebelum
perbaikan, untuk setelah diperbaiki dan 79% benar.
3. Pencahayaan normal mendapatkan hasil 70% benar sebelum perbaikan, untuk
setelah perbaikan 84% benar.
4. Pencahayaan cenderung terang mendapatkan hasil 64% benar sebelum
perbaikan, untuk setelah perbaikan 84% benar.
5. Metode Contrast Streching dapat diimplementasikan pada pendeteksian
tempat parkir yang kosong menggunakan webCam. Dimana dalam hal ini
sudah melakukan percobaan sebanyak 144 kali dan sudah mendapatkan 60
hasil data yang benar dimana hasil dari percobaan tersebut meliputi :
pencahayaan yang cenderung terang, normal, dan cahaya cenderung gelap.
5.2. Saran
Saran yang dapat diberikan untuk mengembangkan sistem ini sebagai
berikut:
1. Dalam pengambilan citra sampel, dapat disarankan untuk mencoba konsep
panorama sehingga citra yang didapatkan bisa lebih banyak dan dapat
mengetahui area yang intensitas cahayanya berbeda.
2. Sebaiknya kamera dibuatkan rel atau lintasan sehingga dapat mengambil
gambar dengan berjalan dari ujung satu ke ujung lainnya untuk mendukung
diterapkannya konsep panorama.
3. Pada sistem ini sebaiknya dapat dikembangkan juga pada tempat parkir motor
di area indoor.
4. Dapat dikembangkan untuk koneksi terhadap pengendara mobil dengan
sistim keamanan parkir.
5. Dalam metode contrast streching dapat dikembangkan kedalam pemantauan
56
Choerudin, D. (2013). Implementasi Perbaikan Citra Metode Contrast Stretching Pada Kamera Cmucam3 Dan Histogram Equalization Pada Ground Station Untuk Komurindo 2012. Perpustakaan UNIKOM.
Dharmawan. (2013). Implementasi Metode Contrast Stretching untuk memperbaiki kontras citra. sttar, 32.
Eschbach, e. (2009). HVS-based contrast stretching for color image enhancement. SPIE
digital library.
Fatmawati, D. (2011). Implementasi Metode Peregangan Kontras (Contrast Stretching) Untuk Memperbaiki Kualitas Citra. USU international repository.
Harrison, D. A. (2005). graph twoway histogram — Histogram plots. satta.
Kumar, D. N. (2010). Remote Sensing-Digital Image Processing-Image Enhancement. IISc.
Kurniawan, I. (2009). Sistem Pendeteksi Kendaraan Pada Tempat Parkir dengan Menggunakan Kmera. elib unikom.
Milayanti, K. (2013). ENHANCEMENT OBYEK PADA CITRA DIGITAL DENGAN METODE PERGESERAN KURVA HISTOGRAM. electro.student journal.
Muhadi Ardhie Tyasa, M. d. (2013). DETEKSI TEMPAT KOSONG PADA LAHAN PARKIR MOBIL MENGGUNAKAN METODE VEHICLE DETECTION DAN OPERATION LAPLACIAN of GAUSSIAN (LoG). http://filkom.ub.ac.id/.
Munir, R. (2004). PENGOLAHAN CITRA DIGITAL dengan pendekatan algoritmik. bandung: Informatika Bandung.
Pradhitya, R. (2015). Application development of detection and color tracking virtual drawing using color filtering algorithm. elib unikom.
Prof. Dr.rer.nat. Achmad Benny Mutiara, S. S. (2005).
http://amutiara.staff.gunadarma.ac.id/. Retrieved from
amutiara.staff.gunadarma.ac.id/Downloads/files/39978/Bab-6_Histogram+Citra.pdf
Purwadhi, F. S. (2001). INTERPRETASI CITRA DIGITAL. Jakarta: GRASINDO.
Rafael C. Gonzalez, R. E. (2004). Digital Image Processing using MATLAB. New Jersey: Pearson Education. Inc.
Rouse, M. (2005, april 27). http://whatis.techtarget.com/definition/RGB-red-green-and-blue. Retrieved from http://whatis.techtarget.com/: http://whatis.techtarget.com
Sunu jatmika, a. i. (2014). SIMULASI PENGATURAN LAMPU LALU LINTAS
BERDASARKAN DATA IMAGE PROCESSING KEPADATAN KENDARAAN BERBASIS MIKROKONTROLER ATMEGA16. Jurnal Ilmiah Teknologi dan
