Pengenalan Rambu lalu Lintas Tertentu Dengan Menggunakan Template Matching.

(1)

PENGENALAN RAMBU LALU LINTAS TERTENTU

DENGAN MENGGUNAKAN TEMPLATE MATCHING

Ivan Jesse (0322025)

Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha

Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia

iv4nj3ss3@yahoo.com

ABSTRAK

Pengenalan pola merupakan salah satu pengembangan dalam pengolahan

citra. Citra rambu lalu lintas menarik untuk dikenali karena memiliki tingkat

kerumitan tersendiri terutama dari bentuk dasar dan pola yang terkandung di

dalamnya . Aplikasi pengenalan citra rambu lalu lintas dapat diterapkan pada

bidang robotika

Salah satu metoda untuk pengenalan pola adalah template matching.

Dengan metoda ini dapat dihitung tingkat kemiripan dari citra asli dengan

template. Sehingga dapat digunakan untuk mengenali sebuah citra tertentu dari berbagai citra masukan dengan mengambil bagian yang memiliki tingkat

kemiripan tertinggi.

Dari percobaan-percobaan yang dilakukan terhadap empat buah rambu

yang berbeda, metoda template matching dapat digunakan untuk mengenali citra.

Tingkat kemiripan tertinggi yang diperoleh dari percobaan sebesar 88% dan rotasi

maksimal yang dapat dilakukan terhadap citra uji sebesar 5 derajat sebelum

terdeteksi kesalahan.

Kata Kunci : rambu lalu lintas, template matching

(2)

CERTAIN TRAFFIC SIGN RECOGNITION USING

TEMPLATE MATCHING

Ivan Jesse (0322025)

Department of Electrical Engineering, Maranatha Christian University

Prof. Drg. Suria Sumantri 65 street, Bandung 40164, Indonesia

iv4nj3ss3@yahoo.com

ABSTRACT

Pattern recognition is one of the developments made in image processing.

The traffic sign image is interesting to recognize because it have own complexity

especially in base form and pattern contained in it. The traffic sign recognition can

be applied for robotics section.

One of the method used for pattern recognition is template matching. With

this method, the level of similarity between original image and template can be

counted. So it can be used for recognize some image from a number of input

image by choose the part with the highest level of similarity.

From several experiment with four different traffic sign, template

matching method can be used for recognize image. The highest level of similarity

from the experiment is 88% and the maximum rotation can be done to

experimental image is 5 degree before error can be detected.

Keyword: traffic sign, template matching

(3)

KATA PENGANTAR

Puji dan syukur kepada Tuhan Yang Maha Kuasa karena berkat rahmat-

Nya laporan tugas akhir ini dapat diselesaikan.

Laporan tugas akhir dengan judul “Pengenalan Rambu Lalu Lintas

Tertentu dengan Menggunakan Template Matching” dibuat untuk memenuhi

persyaratan program studi Strata-1 Jurusan Teknik Elektro Fakultas Teknik,

Universitas Kristen Maranatha.

Disadari bahwa tanpa hikmat dan anugerah Tuhan, serta bantuan dari

berbagai pihak, Tugas Akhir ini tidak dapat diselesaikan dengan baik. Karena itu,

tak lupa penulis sampaikan ucapan terima kasih kepada pihak-pihak yang telah

membantu dalam membantu pengerjaan Tugas Akhir ini:

1. Bapak Ir. Aan Darmawan, MT. selaku Ketua Jurusan Teknik Elektro

Universitas Kristen Maranatha.

2. Ibu Ir. Anita Soepartono, M.Sc., selaku Koordinator Tugas Akhir Jurusan

Teknik Elektro Universitas Kristen Maranatha.

3. Bapak Marvin Chandra Wijaya, ST.MM.MT. Selaku dosen pembimbing

yang telah memberikan bimbingan dalam penyelesaian tugas akhir ini

4. Keluarga, khususnya kepada kedua orang tua yang telah memberikan

dukungan baik moral maupun materil sehingga Tugas Akhir ini dapat

diselesaikan dengan baik.

5. Para Staff Tata Usaha, dan Staff Perpustakaan yang telah banyak

membantu persiapan Tugas Akhir ini.

6. Ade Wijaya, Ferdi, Felix Gunarto, Robin, dan teman teman lain di

Laboratorium Instumentasi yang telah banyak memberikan masukan dan

bantuan dalam menelesaikan laporan Tugas Akhir ini

7. Teman-teman dan pihak-pihak lain yang tidak dapat disebutkan namanya

satu persatu yang secara langsung maupun tidak langsung turut membantu

dalam menyelesaikan laporan Tugas Akhir ini.

Walaupun dengan seluruh kemampuan yang ada, disadari bahwa laporan

Tugas Akhir ini masih jauh dari sempurna. Oleh karena itu, kritik dan saran yang

(4)

sifatnya membangun sangat diharapkan untuk kemajuan dan kesempurnaan

dimasa yang akan datang.

Akhir kata, semoga laporan Tugas Akhir ini dapat bermanfaat dan berguna

bagi semua pihak.

Bandung, Juli 2007

Penulis

(5)

DAFTAR ISI

LEMBAR PENGESAHAN

PERNYATAAN ORISINALITAS LAPORAN

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI

ABSTRAK i

ABSTRACT ii

KATA PENGANTAR iii

DAFTAR ISI v

DAFTAR GAMBAR vii

DAFTAR TABEL x

DAFTAR LAMPIRAN xi

BAB I PENDAHULUAN 1

I.1 Latar Belakang Masalah 1

I.2 Identifikasi Masalah 1

I.3 Tujuan 1

I.4 Pembatasan Masalah 2

I.5 Sistematika Penulisan 2

BAB II LANDASAN TEORI 4

II.1 Konvolusi 4

II.1.1 Teori Konvolusi 4

II.1.2 Konvolusi pada Bidang Dua Dimensi 4

II.2 Grayscaling 8

II.2.1 Teknik Grayscaling 9

II.3 Tresholding 10

II.3.1 Citra Biner 10

II.4 Edge Detection (deteksi tepi) 11

II.4.2 Sobel 12

II.5 Template Matching 13

BAB III PEANCANGAN PROGRAM 16

III.1 Tampilan dasar program 16

(6)

III.2 Flowchart Program Template Matching 18

III.2.1 Flowchart Olah 18

III.2.2 Flowchart Ganti Gambar 19

III.2.3 Flowchart Grayscaling 19

III.2.4 Flowchart Sobel 20

III.2.5 Flowchart Template Matching 21

III.3 Program Template Matching 21

III.3.1 Program Inisialisasi 22

III.3.2 Program Olah 23

III.3.3 Program Proses Citra 24

III.3.4 Program Ganti Gambar 27

III.3.5 Program Selesai 28

III.4 Program Template Matching Berwarna 28

III.4.1 Flowchart Program Template Matching Berwarna 29 III.4.2 Daftar Program Template Matching Berwarna 30

BAB IV DATA PENGAMATAN DAN ANALISA DATA 32

IV.1 Hasil Uji Terhadap Rambu 32

IV.2 Hasil Uji Terhadap Rambu yang Dalakukan Rotasi 39

IV.3 Hasil Uji Terhadap Rambu dengan Warna 56

BAB V KESIMPULAN 60

V.1 Kesimpulan 60

V.2 Saran 60

DAFTAR PUSTAKA 61

LAMPIRAN A A-1

LAMPIRAN B B-1

(7)

DAFTAR GAMBAR

Gambar I.1 Template yang Digunakan 2

Gambar II.1 Ilustrasi Konvolusi 5

Gambar II.2 Proses Konvolusi Pertama 6

Gambar II.3 Proses Konvolusi Kedua 6

Gambar II.4 Proses Konvolusi Ketiga 7

Gambar II.5 Proses Konvolusi Keempat 7

Gambar II.6 Proses TerhadapHasil Konvolusi yang Negatif 7

Gambar II.7 Masalah pada Konvolusi 8

Gambar II.8 Komponen Mask pada Operator Sobel 12

Gambar II.9 Mask Komponen Vertikal dan Horizontal 13

Gambar II.10 Template 14

Gambar II.11 Matriks Citra 14

Gambar II.12 Posisi Potongan Gambar Pertama 14

Gambar II.13 Posisi Potongan Gambar Kedua 15

Gambar II.14 Matriks Korelasinya 15

Gambar III.1 Tampilan Dasar Program 16

Gambar III.2 Flowchart Olah 18

Gambar III.3 Flowchart Ganti Gambar 19

Gambar III.4 Flowchart Grayscaling 19

Gambar III.5 Flowchart Sobel & Biner 20

Gambar III.6 Flowchart Template Matching 21

Gambar III.7 Komponen RGB pada VB 26

Gambar III.8 Mask Sobel yang Digunakan pada Proses Konvolusi 27

Gambar III.9 Flowchart Template Matching Berwarna 29

Gambar IV.1 Citra Template 32

Gambar IV.2 Citra Rambu Dilarang Masuk 32

Gambar IV.3 Citra Rambu Lewat Sini 32

Gambar IV.4 Citra Rambu Belok Kiri 32

Gambar IV.5 Citra Rambu Hati-hati 33

(8)

Gambar IV.6 Citra Rambu Lain 1 33

Gambar IV.7 Citra Rambu Lain 2 33

Gambar IV.8 Hasil Pengujian Terhadap Rambu Dilarang Masuk dari 33

Gambar IV.2

Gambar IV.9 Hasil Pengujian Terhadap Rambu Lewat Sini dari 34

Gambar IV.3

Gambar IV.10 Hasil Pengujian Terhadap Rambu Belok Kiri dari 34

Gambar IV.4

Gambar IV.11 Hasil Pengujian Terhadap Rambu Hati-Hati dari 35

Gambar IV.5

Gambar IV.12 Hasil Pengujian Terhadap Rambu Lain 1 dari Gambar IV.6 35

Gambar IV.13 Hasil Pengujian Terhadap Rambu Lain 2 dari Gambar IV.7 36

Gambar IV.14 Rambu Dilarang Masuk Dirotasi Searah Jarum Jam 39

Gambar IV.15 Rambu Dilarang Masuk Dirotasi Berlawanan Arah 40

Gambar IV.16 Rambu Lewat Sini Dirotasi Searah Jarum Jam 40

Gambar IV.17 Rambu Lewat Sini Dirotasi Berlawanan Arah Jarum Jam 40

Gambar IV.18 Rambu Belok Kiri Dirotasi Searah Jarum Jam 40

Gambar IV.19 Rambu Belok Kiri Dirotasi Berlawanan Arah Jarum Jam 40

Gambar IV.20 Rambu Hati-Hati Dirotasi Searah Jarum Jam 41

Gambar IV.21 Rambu Hati-hati Dirotasi Berlawanan Arah Jarum Jam 41

Sebesar 1,2,3, dan 4 Derajat

Sebesar 5,10,15, dan 30 Derajat

Jarum Jam Sebesar 1,2,3 dan 4 Derajat

Jarum Jam Sebesar 5,10,15, dan 30 Derajat

Sebesar 1, 2, 3, dan 4 Derajat

(9)

Gambar IV.28 Rambu Lewat sini Dirotasi Berlawanan Arah Jarum Jam 44

Sebesar 1, 2, 3 dan 4 Derajat

Gambar IV.29 Rambu Lewat Sini Dirotasi Berlawanan Arah Jarum Jam 45

Gambar IV.32 Rambu Belok kiri Dirotasi Berlawanan Arah Jarum Jam 46

Gambar IV.33 Rambu Belok Kiri Dirotasi Berlawanan Arah Jarum Jam 47

Gambar IV.34 Rambu Hati-Hati Dirotasi Searah Jarum Jam Sebesar 47

1, 2, 3, dan 4 Derajat

Gambar IV.35 Rambu Hati-Hati Dirotasi Searah Jarum Jam Sebesar 48

5, 10, 15, dan 30 Derajat

Gambar IV.36 Rambu Hati-Hati Dirotasi berlawanan Arah Jarum Jam 48

Gambar IV.37 Rambu Hati-Hati Dirotasi Berlawanan Arah Jarum Jam 49

Gambar IV.38 Hasil Uji Template Matching Berwarna pada Rambu 57

Dilarang Masuk dan Hati-Hati

Gambar IV.39 Hasil Uji Template Matching Berwarna pada Rambu 57

Belok kiri

Gambar IV.40 Hasil Uji Template Matching Berwarna pada Rambu 58

Lewat Sini

(10)

DAFTAR TABEL

Tabel III.1 Daftar Komponen 17

Tabel IV.1 Hasil Percobaan 36

Tabel IV.2 Hasil Percobaan Terhadap Rambu yang Dirotasi Searah 49

Jarum Jam

Tabel IV.3 Hasil Percobaan Terhadap Rambu yang Dirotasi Berlawanan 53

Arah Jarum Jam

Tabel IV.4 Hasil Percobaan Program Template Matching Berwarna 58

(11)

DAFTAR LAMPIRAN

LAMPIRAN A A-1

LAMPIRAN B B-1

(12)

LAMPIRAN A

Program template matching

Dim h1(3, 3), h2(3, 3), n1, n2, pro(10) As Single

Dim x(94, 94), y(94, 94), tem1(94, 94, 7) As Integer

Sub proim(gam As Single)

n1 = 0: th = 16

For i = 1 To Picture1(gam).ScaleWidth

'n1= lbr n2 = pjg

n1 = n1 + 1

n2 = 0

For j = 1 To Picture1(gam).ScaleHeight

warna = Picture1(gam).Point(i, j)

r = warna And RGB(255, 0, 0)

g = Int((warna And RGB(0, 255, 0)) / 256)

b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256)

'Jadi grayscale

n2 = n2 + 1

x(n1, n2) = 0.299 * r + 0.587 * g + 0.144 * b

Picture1(gam).PSet (i, j), RGB(x(n1, n2), x(n1, n2), x(n1, n2))

Next j

Next i

'deteksi tepi dengan filter sobel

For i = 1 To n1

For j = 1 To n2

z1 = 0

z2 = 0

For u1 = -1 To 1

For u2 = -1 To 1

(13)

z1 = z1 + h1(u1 + 2, u2 + 2) * x(i + u1, j + u2)

z2 = z2 + h2(u1 + 2, u2 + 2) * x(i + u1, j + u2)

Next u2

Next u1

z = Int(Abs(z1) + Abs(z2))

If z > 255 Then z = 255

y(i, j) = z

'binerin supaya keliatan jelas bentuknya

If y(i, j) <= 128 Then y(i, j) = 0 Else y(i, j) = 255

Picture1(gam).PSet (i - 1, j - 1), RGB(y(i, j), y(i, j), y(i, j))

Next j

Next i

End Sub

Private Sub Command1_Click()

Dim s As Integer

For jengam = 0 To 7

If pro(jengam) = 0 Then

proim (jengam)

For i = 1 To 94

For j = 1 To 94

tem1(i, j, jengam) = y(i, j)

Next j

Next i

pro(jengam) = 1

End If

Next jengam

' template matching

lab = 0: s = 0: tem = 0

(14)

For gbr = 4 To 7

Picture1(4).Picture = LoadPicture(buka)

pro(4) = 0

ElseIf Option2.Value Then

pro(5) = 0

pro(6) = 0

pro(7) = 0

End If

(15)

End Sub

Unload Me

End Sub

Private Sub Form_Load()

For i = 0 To 7

Picture1(i).ScaleMode = 3

Picture1(i).ScaleHeight = 93

Picture1(i).ScaleWidth = 93

Next i

Option1.Value = True

h1(1, 1) = -1: h1(1, 2) = 0: h1(1, 3) = 1

h1(2, 1) = -2: h1(2, 2) = 0: h1(2, 3) = 2

h1(3, 1) = -1: h1(3, 2) = 0: h1(3, 3) = 1

For i = 1 To 3

For j = 1 To 3

h2(i, j) = h1(j, i)

Next j

Next i

For i = 1 To 10

pro(i) = 0

Next i

End Sub

(16)

LAMPIRAN B

Program template matching berwarna

Dim h1(3, 3), h2(3, 3), n1, n2, pro(10) As Single

Dim x(96, 96), y(96, 96), tem1(96, 96, 3), im1(96, 96, 10) As Double

Sub proim(gam As Single)

Dim warna As Double

n1 = 0: th = 16

For i = 1 To Picture1(gam).ScaleWidth

'n1= lbr n2 = pjg

n1 = n1 + 1

n2 = 0

For j = 1 To Picture1(gam).ScaleHeight

warna = Picture1(gam).Point(i, j)

n2 = n2 + 1

x(n1, n2) = warna

Next j

Next i

For i = 1 To n1

For j = 1 To n2

z1 = 0

z2 = 0

For u1 = -1 To 1

For u2 = -1 To 1

z1 = z1 + h1(u1 + 2, u2 + 2) * x(i + u1, j + u2)

z2 = z2 + h2(u1 + 2, u2 + 2) * x(i + u1, j + u2)

Next u2

Next u1

z = Int(Abs(z1) + Abs(z2))

(17)

y(i, j) = z

r = z And RGB(255, 0, 0)

g = Int((z And RGB(0, 255, 0)) / 256)

b = Int(Int((z And RGB(0, 0, 255)) / 256) / 256)

If gam > 3 Then Picture1(gam).PSet (i - 1, j - 1), RGB(r, g, b)

Next j

Next i

End Sub

Dim s As Integer

For jengam = 0 To 7

If pro(jengam) = 0 Then

proim (jengam)

For i = 1 To 95

For j = 1 To 95

If jengam <= 3 Then

tem1(i, j, jengam) = y(i, j)

Else

im1(i, j, jengam) = y(i, j)

End If

Next j

Next i

pro(jengam) = 1

End If

Next jengam

' template matching

lab = 0: s = 0: tem = 0

(18)

For gbr = 4 To 7

pro(4) = 0

pro(5) = 0

pro(6) = 0

pro(7) = 0

End If

(19)

End Sub

Unload Me

End Sub

Private Sub Form_Load()

For i = 1 To 7

Picture1(i).ScaleMode = 3

Picture1(i).ScaleHeight = 93

Picture1(i).ScaleWidth = 93

Next i

Option1.Value = True

h1(1, 1) = -1: h1(1, 2) = 0: h1(1, 3) = 1

h1(2, 1) = -2: h1(2, 2) = 0: h1(2, 3) = 2

h1(3, 1) = -1: h1(3, 2) = 0: h1(3, 3) = 1

For i = 1 To 3

For j = 1 To 3

h2(i, j) = h1(j, i)

Next j

Next i

For i = 1 To 10

pro(i) = 0

Next i

End Sub

(20)

BAB I

PENDAHULUAN

I.1 Latar Belakang Masalah

Dewasa ini perkembangan teknologi maju dengan sangat pesat. Salah satu

hasil perkembangan teknologi tersebut adalah pengolahan citra. Banyak sekali

aplikasi pada dunia elektronika yang memanfaatkan pengolahan citra seperti pada

sistem keamanan melalui pengenalan sidik jari dan pengenalan iris mata, dunia

robotika, dan masih banyak lagi aplikasi yang lainnya.

Pada makalah ini akan dibahas pengenalan pola pada sebuah citra rambu

lalu lintas. Citra rambu lalu lintas menarik untuk dikenali karena sering dijumpai

oleh semua orang dan memiliki tingkat kerumitan tersendiri terutama dari bentuk

dasar dan pola yang terkandung di dalamnya. Aplikasi pengenalan citra rambu

lalu lintas dapat diterapkan pada bidang robotika atau dapat pula diterapakan pada

kendaraan yang berteknologi tinggi dengan memanfaatkan kamera sebagai

sensornya.

I.2 Identifikasi Masalah

• Bagaimana cara mengenali sebuah citra rambu lalu lintas sehingga dapat dikenali sebagai suatu rambu lalu lintas tertentu.?

• Apa kelebihan atau kekurangan metoda Template Matching dalam mengenali suatu rambu lalu lintas?

• Apa pengaruh warna terhadap tingkat kemiripan pada metoda Template Matching?

I.3 Tujuan

• Mengetahui cara untuk mengenali suatu rambu lalu lintas tertentu.

• Mengetahui kelebihan atau kekurangan metoda template matching dalam mengenali rambu lalu lintas.

• Mengetahui pengaruh warna terhadap tingkat kemiripan pada metoda Template Matching.

(21)

2

I.4 Pembatasan Masalah

• Rambu yang akan dikenali adalah rambu yang berlaku di Indonesia. • Rambu yang akan dikenali adalah rambu dilarang masuk, rambu lewat

sini, rambu belok kiri, dan rambu hati-hati

Gambar I.1 Template yang Digunakan

• Dimensi template dan dimensi citra yang akan dikenali adalah 93 pixel x 93 pixel

• Citra yang dicocokkan hanya pada bagian rambu lalu lintas saja • Program dibuat dengan menggunakan Microsoft Visual Basic 6.0

I.5 Sistematika Penulisan

Laporan Tugas akhir ini disusun dengan sistematika sebagai berikut : • Bab I Pendahuluan

Bab ini berisi latar belakang masalah, identifikasi masalah, tujuan,

pembatasan masalah dan sistematika penulisan. • Bab II Teori Pendukung

Bab ini berisi mengenai pengenalan pengolahan citra, pengenalan teknik

grayscaling, pembahasan mengenai konvolusi diskrit, pembahasan teknik Pendeteksi tepi,dan penjelasan mengenai metoda template matching. • Bab III Perancangan Program

Bab ini berisi baris-baris program yang digunakan untuk membuat

program pengolahan citra, penjelasan program pengolahan citra beserta

flowchart program pengolahan citra. • Bab IV Data Pengamatan

Bab ini berisi tampilan dari hasil pengujian dan tabel dari hasil percobaan

yang dilakukan.

(22)

3

• Bab V Kesimpulan dan Saran

Bab ini berisi kesimpulan dari hasil program dan saran perbaikan.

(23)

BAB V

KESIMPULAN

V.1 Kesimpulan

Berikut ini adalah kesimpulan yang diperoleh dari hasil percobaan :

• Pengenalan rambu lalu lintas dengan menggunakan template matching cocok untuk rambu yang memiliki variasi pada latar belakang karena

rambu masih dapat dikenali walaupun latar belakang rambu terdapat

bermacam-macam objek.

• Dari 4 buah rambu yang dilakukan uji coba, metoda template matching kesulitan dalam mengenali rambu yang dilakukan proses rotasi. Dari hasil

pengujian terhadap keempat rambu rotasi maksimal yang dapat dilakukan

sebesar 5 derajat.

• Dari 4 buah rambu yang dilakukan uji coba, pada rambu dengan warna, objek pada latar belakang akan mempengaruhi besarnya tingkat kemiripan

dan program kesulitan membedakan rambu yang memiliki warna dasar

sama. Pengaruh lainnya adalah pencahayaan saat proses pengambilan citra

uji memiliki pengaruh pada besarnya tingkat kemiripan antara citra uji

dengan template.

V.2 Saran

Berikut adalah saran yang dapat diberikan dari hasil percobaan :

• Objek yang dikenali sebaiknya memiliki perbedaan bentuk yang cukup signifikan, misalnya antara lingkaran, segitiga, persegi, trapesium dan

layang-layang.

(24)

DAFTAR PUSTAKA

1. Ballard, D. and Brown, C. Computer Vision, Prentice-Hall, 1982.

2. Basuki, Achmad. Josua F. Palandi dan Fatchurrochman, Pengolahan

Citra Digital menggunakan Visual Basic, edisi pertama, Graha Ilmu, Yogyakarta, 2005

3. Gonzalez, Rafael C., Woods, Richard E., Digital Image Processing,

Addison- Wesley Publishing Company Inc, USA,1993.

4. Jain, A. Fundamentals of Digital Image Processing, Prentice-Hall, 1989. 5. Marion, A. An Introduction to Image Processing, Chapman and Hall,

1991.

6. Munir, Rinaldi. Pengolahan Citra Digital Dengan Pendekatan

Algoritmik, Informatika Bandung, Bandung, 2004.

7. Pitas, Ioannis, Digital Image Processing Algorithms, Prentice-Hall,1993.

8. Sid-Ahmed, M. A., Image Processing, McGraw-Hill,Inc.,1994 9. http://local.wasp.uwa.edu.au/~pbourke/texturecolour/imageprocess,

3 April 2007