Penjelasan Umum:
Seiring dengan pesatnya kemajuan teknologi
informasi, data atau informasi semakin banyak
bila dilihat dari bentuk dan jenisnya. Mulai dari teks, gambar, audio,
dan juga video.
Gambar, atau yang bisa juga disebut sebagai
citra, berperan sangat penting sebagai bentuk informasi visual. Ada yang
mengatakan bahwa citra (gambar) lebih berarti dari ribuan kata-kata. Saya
membenarkan hal tersebut, karena memang benar
dengan melihat suatu gambar kita langsung bisa mendefinisikan sendiri
mengenai gambar tersebut. Dan juga bisa memberikan banyak arti lainnya.
Terkadang citra yang ada itu tidak sepenuhnya
baik maksudnya tidak sepenuhnya sempurna, perlu dilakukan suatu proses untuk
membuatnya menjadi lebih baik. Proses inilah yang dinamakan pengolahan citra.
Teknik pengolahan citra-pun sudah semakin banyak
digunakan. Contohnya saja dalam dunia perdagangan. Kita semua mungkin sudah
tahu dengan yang namanya barcode. Penggunaan barcode di supermarket dibuat
untuk mempermudah pembacaan harga. Bila tidak menggunakan barcode mungkin petugas bisa
dibuat sulit, karena harus
mengecek harga barang satu-satu. Selain
itu masih ada lagi, sidik jari untuk kehadiran juga termasuk aplikasi
pengolahan citra.
Pengolahan citra merupakan suatu proses
perbaikan kualitas citra agar mudah di interpretasi oleh manusia atau komputer.
Proses-proses yang termasuk ke dalam pengolahan citra, yaitu :
1.
Perbaikan kualitas citra (Image Enhancement)
2.
Pemugaran citra (Image Restoration)
3.
Pemampatan citra (Image Compression)
4.
Segmentasi citra (Image Segmentation)
5.
Pengorakan citra (Image Analysis)
6.
Rekonstruksi citra (Image Recontruction)
Di dalam laporan ini akan dijelaskan bagaimana
membuat suatu aplikasi yang berkaitan dengan pengolahan citra deteksi tepi. Sebelumnya,
kami akan memberitahukan bagaimana cara
instalasi dan konfigurasi yang diperlukan dalam pembuatan aplikasi tersebut. Di
halaman terakhir, penulis juga melampirkan source code yang digunakan dalam
pembuatan aplikasi tersebut.
Instalasi Software
Dalam pembuatan aplikasi pengolahan
citra, penulis menggunakan
perangkat
lunak
berikut:
1.
Microsoft Visual C++
Microsoft Visual C++ adalah software yang digunakan sebagai compiler. Compiler
adalah
perangkat
lunak yang digunakan
untuk mengubah
source code dari
suatu bahasa pemrograman (dalam kasus ini bahasa pemrogramannya yaitu C++) menjadi native code / bahasa mesin (file executable) agar dapat dieksekusi oleh komputer. Microsoft Visual C++ ini dibuat
oleh perusahaan Microsoft.
2.
OpenCV
OpenCV (Open Computer Vision) merupakan semacam library yang digunakan dalam
membuat aplikasi yang
berkaitan
dengan
computer vision.
OpenCV juga
menyediakan banyak fungsionalitas, yang tentunya dapat mempersingkat waktu dalam pembuatan aplikasi
yang lumayan
rumit.
Instalasi Microsoft Visual Studio 2008
Adapun langkah-langkah instalasi
MS Visual Studio 2008 sebagai berikut:
1. Masukkan DVD software MS Visual Studio 2008 kedalam DVD Room PC/laptop
Anda, kemudian akan
muncul
auto run CD. Jika tidak muncul maka klik
file
Setup.exe atau jika anda mendownload software MS Visual Studio langsung saja klik setup yang paling atas yaitu "Install Visual Studio 2008"
3. Tunggulah hingga progressbar selesai loading sehingga muncul tombol "Next"
4. Kemudian
klik tombol "Next" di atas
5.
Karena penulis menggunakan lisensi yang disediakan oleh kantor teman saya, maka secara otomatis product key number
akan terisi. Jangan lupa pilih "I have read and
accept the license terms"
lalu klik tombol "Next"
6.
Pilih saja fitur "Default" sesuai rekomendasi sistem. Jika, tampilan Anda sudah sesuai
dengan gambar di atas. Silakan klik tombol "Install"
sehingga muncul seperti gambar
berikut ini :
7. Inilah proses instalasi komponen, tunggulah beberapa menit hingga proses benar- benar selaesai.
8. Instalasi telah selesai dilakukan
maka klik tombol "Finish".
Instalasi OpenCV
1. Download
terlebih dahulu software OpenCv 2.4.6
2. Setelah selesai download kita akan akan muncul jendela instalasi klik saja next maka
kita
akan masuk ke proses ekstrak
3. Tunggu sampai proses
ekstraksi selesai
maka OpenCV sudah terinstall dan dapat
digunakan.
Konfigurasi
Pengaturan OpenCV Pada Visual Studio
1. Untuk melakukan
konfigurasi pada OpenCv kita bisa melakukannya dengan
masuk ke File
->
New
-> Project
2. Setelah itu
pilih Win32 Console Application
3. Beri nama
Deteksi_tepi (ini dapat diganti sesuka kita)
4. Setelah itu
kita
setting Project
Directories
Klik kanan project>>Properties
>>Linker >>Input >>
release opencv_features2d246.lib opencv_highgui246.lib opencv_core246.lib opencv_imgproc246.lib
opencv_ml246.lib opencv_objdetect246.lib opencv_video246.lib opencv_contrib246.lib
opencv_calib3d246.lib
debug opencv_features2d246.lib opencv_highgui246d.lib opencv_core246d.lib opencv_imgproc246d.lib
opencv_ml246d.lib opencv_objdetect246d.lib opencv_video246d.lib opencv_contrib246d.lib
opencv_calib3d246d.lib
Klik
Tools -> Options ->
Projects
and Solutions ->
VC++ Directories -> Library
C:\opencv\build\x86\vc9\lib
Include
C:\opencv\build\include
C:\opencv\include\opencv
/**
* @file Threshold.cpp
* @brief Sample code that shows how to use the
diverse threshold options offered by OpenCV
* @author OpenCV team
*/
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdlib.h>
#include <stdio.h>
using namespace cv;
/// Global
variables
int
threshold_value = 0;
int
threshold_type = 3;;
int const max_value = 255;
int const max_type = 4;
int const max_BINARY_value = 255;
Mat src, src_gray, dst;
const char* window_name = "Threshold
Demo";
const char* trackbar_type = "Type:
\n 0: Binary \n 1: Binary Inverted \n 2: Truncate \n 3: To Zero \n 4: To Zero
Inverted";
const char* trackbar_value = "Value";
/// Function
headers
void
Threshold_Demo( int, void*
);
/**
* @function main
*/
int main( int, char** argv )
{
/// Load an image
src = imread( "mountain.jpg",
1 );
/// Convert the
image to Gray
cvtColor( src, src_gray, CV_RGB2GRAY );
/// Create a window
to display results
namedWindow( window_name, CV_WINDOW_AUTOSIZE
);
/// Create Trackbar
to choose type of Threshold
createTrackbar( trackbar_type,
window_name, &threshold_type,
max_type, Threshold_Demo );
createTrackbar( trackbar_value,
window_name, &threshold_value,
max_value, Threshold_Demo );
/// Call the
function to initialize
Threshold_Demo( 0, 0 );
/// Wait until user
finishes program
for(;;)
{
int c;
c = waitKey( 20 );
if( (char)c == 27 )
{ break; }
}
}
/**
* @function Threshold_Demo
*/
void
Threshold_Demo( int, void*
)
{
/* 0: Binary
1: Binary Inverted
2: Threshold Truncated
3: Threshold to Zero
4: Threshold to Zero Inverted
*/
threshold( src_gray, dst, threshold_value,
max_BINARY_value,threshold_type );
imshow( window_name, dst );
}
Output
jadi
Kelompok pendeteksi tepi 4IA03 ; Agus kanang subekti 50410327
Budiaziz kirana 59410372
Budiaziz kirana 59410372
Tidak ada komentar:
Posting Komentar