PENGENALAN BENTUK OBJEK DENGAN METODE MATEMATIKA MORFOLOGI UNTUK SISTEM PENGLIHATAN ROBOT OTONOM

M. Syamsa Ardisasmita*
ABSTRAK
PENGENALAN BENTUK OBJEK DENGAN METODE MATEMATIKA MORFOLOGI UNTUK SISTEM PENGLIHATAN ROBOT OTONOM. Matematika morfologi yang didasarkan pada teori himpunan yang dihubungkan dengan integral geometri dan stereologi dapat memberikan algoritma penginderaan visual untuk suatu tugas robot mobil yang otonom. Penggunaan mekanisme penginderaan visual memungkinkan suatu robot untuk berinteraksi dengan lingkungannya dengan luwes. Prinsip dasar dari metode ini adalah membandingkan bentuk kompleks dari objek yang akan dianalisis dengan suatu elemen penstruktur yaitu obyek yang bentuk dan ukurannya lebih sederhana. Pengembangan dari konsep dasar matematika morfologi memberikan jenis filter baru yang tidak linier yang disebut dengan filter bentuk yang sangat cocok digunakan untuk analisis struktur dibandingkan dengan filter liner yang umum digunakan selama ini. Segmentasi citra dengan metoda matematika morfologi tingkat keabuan yang disebut dengan transformasi watershed ternyata teknik ini dapat menyelesaikan masalah segmentasi citra multifasa yang sulit dilakukan menggunakan metoda konvensional. Perangkaan morfologi dan watershed adalah metoda baru segmentasi citra terutama untuk pengenalan obyek pada penglihatan otomatis menggunakan komputer. Dalam makalah ini, kami akan menunjukkan bagaimana matematika morfologi dapat digunakan untuk menghasilkan algoritma segmentasi citra dan pengenalan bentuk objek dalam memberikan kemampuan penginderaan visual pada sistem penglihatan robot otonom. Kata kunci: matematik morfologi, object form recognition, morphological skeleton, watershed segmentation

ABSTRACT
OBJECT SHAPES RECOGNITION USING MORPHOLOGICAL MATHEMATICS FOR AUTONOMOUS ROBOTIC VISION SYSTEM. Mathematical morphology, which is based on set theory related to integral geometry and secreometry, can provide visual sensing algorithms for autonomous mobile robotic tasks. The use of visual sensing mechanisms allows a robot to interact with its environment in a flexible manner. Basic principle of this method is to compare complex form of the object to be analyzed with basic structure form called structuring element. The developments from basic concept of mathematical morphology give a new type of filter that is non linear named shapes filter which is suitable for use in structure analysis compared with linear filter commonly used. Image segmentation with grey scale mathematical morphology method called the watershed transform, can resolve the multiphase image segmentation which is one of the difficulties to realize by conventional method. Morphological skeleton and watershed are a new method for image segmentation, especially for object recognition in computer vision. This paper tries to describe the use of mathematical morphology to create algorithms for image segmentation and object shapes recognition to give visual sensing on autonomous robotic vision system. Keywords: robot vision, mathematical morphology, object shapes recognition, watershed segmentation

*

Pusat Pengembangan Teknologi Informasi dan Komputasi - BATAN

Matematika morfologi merupakan disiplin ilmu yang relatif baru dengan aplikasinya yang sudah meluas dalam bidang ilmu bahan. maka usaha diarahkan untuk mencari bagian tidak-linier dari pengolahan citra. Metoda matematika morfologi diperkenalkan pertama kali pada tahun 1964 oleh G. yaitu gabungan dari pengolahan citra dan kecerdasan buatan. Perkembangannya kemudian meluas untuk segmentasi citra dengan transformasi homotopik dan jarak geodesi. dan tingkat lebih tinggi dari pengenalan pola dan pemahaman citra yaitu persepsi visual. matematika morfologi menjadi salah satu topik yang diseminarkan pada setiap konferensi tahunan mereka. Serra pada tahun 1982. Penglihatan komputer membutuhkan pengolahan citra tingkat rendah untuk meningkatkan kualitas citra (misalnya menghilangkan derau. biologi. yang merupakan salah satu masalah sulit dalam kecerdasan buatan. Serra di Sekolah Pertambangan Nasional Perancis dalam rangka penelitian ilmu bahan di bidang perminyakan. “computer vision” atau penglihatan komputer. tetapi masih sangat sulit untuk menirunya. ukuran. Kita tahu banyak hal mengenai penglihatan manusia. Rangka obyek ini akan dapat memberikan informasi bentuk dasar. penginderaan jauh. pencitraan medis. Matematika morfologi memungkinkan dilakukannya filter berdasarkan bentuk obyek atau disebut dengan filter morfologi. dinamika pertumbuhan dan perubahan posisi relatif terhadap acuan. Perangkaan morfologi ini dapat menyimpulkan karakteristik obyek secara individual berhubungan dengan bentuk. Setelah komputer memiliki sumber-sumber yang cukup besar. penglihatan robot dan evaluasi untuk pemeriksaan yang tidak merusak. meningkatkan kontras). Pengembangan metoda garis pembatas air (watershsed) dapat memecahkan masalah segmentasi citra yaitu untuk mendeteksi . Disiplin ilmu ini mulai dikenal secara luas di masyarakat pengolah citra internasional yaitu setelah diterbitkannya buku “Image Analysis and Mathematical Morphology” oleh J. Matheron dan J. arah dan antar hubung dari obyek. Matematika morfologi adalah salah satu teknik non-linier untuk menganalisis citra. Dalam operasi perangkaan ini dibutuhkan transformasi homotopi yaitu tetap menjaga konektivitas atau antar hubung dari komponen-komponen yang ditipiskan sehingga dapat mencerminkan alur-alur bentuk pada citra. Kemudian pada tahun 1993 dibentuk The International Society for Mathematical Morphology dan oleh organisasi internasional rekayasa optik SPIE. Jadi vision adalah gugus tugas untuk mengolah informasi selain pendengaran pada manusia. Sebagian besar usaha dalam pengolahan citra dilakukan menggunakan pendekatan linier.PENDAHULUAN Vision adalah proses mengetahui melalui penglihatan atau gambaran citra-citra mengenai objek-objek apa yang ada di dunia ini dan dimana objek tersebut terletak. Penipisan homotopik dapat merepresentasikan citra biner dalam bentuk dasarnya dimana obyek diurai menjadi himpunan bagian terkecil yang merupakan rangka dari obyek tersebut (morphological skeleton).

Misal citra biner digambarkan sebagai suatu himpunan titik-titik gambar atau pixels (picture elements) dalam bidang biner Z2 .kontour citra multifasa yang memiliki nilai nilai digital tingkat permukaan yang tidak homogen yang sebelumnya sulit untuk dapat dipecahkan dengan metoda konvensional. yang sebagian terisi oleh satu himpunan A dari titik-titik yang membentuk obyek. dimana dapat berupa ruang kontinyu R2 atau ruang diskrit Z2 . memiliki sistem kendali dan catu daya yang terintegrasi dan mempunyai kemampuan navigasi yaitu sejumlah operasi yang memungkinkan robot mencapai tujuan yang diharapkan. TEORI DASAR MATEMATIKA MORFOLOGI Matematika morfologi merepresentasikan citra obyek dua dimensi sebagai suatu himpunan matematika dalam ruang Euclidean E. obyek-obyek dapat diidentifikasi dan di kelasifikasi sehingga dapat dikelompokkan sesuai dengan bentuk obyek tersebut. Autonomous Robot Vision Pada gambar 1 diperlihatkan robot yang berjalan dengan roda yang dilengkapi kamera Web Creative. Ini merupakan kemampuan pengenalan bentuk (shapes recognation) yang sangat penting pada komputer vision dan robotik. Pada makalah ini akan dijelaskan aplikasi matematika morfologi untuk memberikan kemampuan pengenalan bentuk bagi penglihatan robot mobil yang otonom (autonomous mobile robot vision). Untuk memudahkan pemahaman transformasi morfologi maka kita gunakan citra biner yang merupakan penyederhanaan dari citra dalam tingkat keabuan (gray-tone). Kamera menangkap citra atau sebagai penginderaan visual dari robot. Penambahan Minkowski himpuan A dengan himpunan B dinyatakan dengan A ⊕ B yaitu seluruh titik-titik c . Robot mobil otonom adalah suatu jenis robot cerdas yang mempunyai kemampuan untuk membuat keputusan sendiri. Citra yang dihasilkan kemudian diolah dan dianalisis dan dengan menggunakan filter morfologi. Gambar 1.

yang merupakan persamaan penambahan vektor aljabar c = a + b. Himpunan obyek-obyek X dan erosi himpunan X oleh elemen penstruktur B Disini dilakukan operasi pengurangan Minkowski himpunan X oleh elemen penstruktur B. dimana vektor-vektor a dan b masing-masing merupakan anggota dari himpunan A dan B. yang didefinisikan dengan : Y = X ⊕ Bs = { x ∈ Z2 : Bx ∩ X ≠ ∅ } (4) . maka penjumlahan Minkowski dari A dan B dimana vektor b menyapu himpunan A adalah: A ⊕ B = { a + b : a ∈ A. Transformasi dengan dilatasi dilakukan dengan cara sama. b ∈ B } = U Ab b∈ B (1) Sedangkan pengurangan Minkowski dinyatakan dengan A B yaitu merupakan hasil komplementasi operasi penambahan Minkowski dari komplemen A terhadap B : A B = (AC ⊕ B) C (2) Jika sebagai elemen penstruktur adalah sebuah piringan B dengan jari-jari r dan titik pusat pada a. Hasil erosi X oleh B adalah himpunan posisi titik pusat piringan yang masuk kedalam struktur obyek yaitu himpunan baru Y. Jika Ab = {a + b : a ∈ A} menyatakan translasi dari himpunan A oleh suatu vektor b. Transformasi dengan operasi erosi dilakukan dengan menyapu himpunan X oleh piringan B. yaitu dengan menyapu elemen penstruktur B pada seluruh himpunan X. yang didefinisikan sebagai : Y= X Bs = { x ∈ Z2 : Bx ⊆ A } (3) Gambar 2. Bs adalah himpunan simetris dari B terhadap titik asal dan Bs diperoleh dengan cara memutar B sebesar 180°.

Ini yang disebut dengan operasi pembukaan (opening) yang didefinisikan dengan XB = (X Bs ) ⊕ B (5) . kemudian hasil erosi tersebut di dilatasi dengan elemen penstruktur yang sama. Himpunan obyek-obyek X dan dilatasi himpunan X oleh elemen penstruktur B Himpunan baru Y adalah himpunan titik pusat piringan yang ada pada X atau yang bersentuhan dengan X. maka pada himpunan X dapat dierosi dengan suatu elemen penstruktur B.Gambar 3. tetapi kombinasi dari dua operasi ini yang melahirkan jenis filter baru yang sensitif terhadap struktur geometri. Karena erosi dan dilatasi itu merupakan suatu transformasi yang berulang. Transformasi pembukaan dimulai dengan erosi kemudian dilatasi Filter Morfologi Transformasi dengan erosi saja atau dengan dilatasi saja tidak menghasilkan suatu filter morfologi. Gambar 4.

Ukuran filter disini ditentukan oleh besar jari-jari dari elemen penstruktur yang berupa piringan. demikian juga pada citra tingkat keabuan inf adalah nilai nilai digital terendah dari titik-titik pembentuk citra yang disuperposisikan. sedangkan pada citra tingkat keabuan Sup adalah nilai nilai digital tertinggi dari titik-demi titik yang membentuk citra. Gambar 5. menghaluskan bentuk dan menghilangkan lancipan-lancipan pada tepi obyek. Sup (Suprenum) pada citra biner adalah operasi penggabungan (union) himpunanhimpunan biner. transformasi ini disebut penutupan (closing) yang didefinisikan dengan : XB = (X ⊕ Bs ) B (6) Transformasi dengan penutupan menghasilkan himpunan X yang umumnya berbeda B dengan himpunan X awal yang memungkinkan terjadinya penutupan lubang-lubang kecil dan penggabungan sel-sel yang berdekatan selain untuk menghaluskan bentuk. Inf (infimum) pada citra biner adalah operasi interseksi himpunan-himpunan biner. Untuk penfilteran dapat dilakukan kombinasi dari erosi dan dilatasi secara berurutan untuk mendapatkan hasil yang diinginkan. Transformasi penutupan dimulai dengan dilatasi kemudian erosi Sebaliknya apabila himpunan X di dilatasi dahulu dengan suatu elemen penstruktur B dan hasil dilatasi tersebut kemudian di erosi dengan elemen penstruktur yang sama. . Setiap kelompok citra mempunyai suprenum karena terdapat pada kisi-kisi yang lengkap.Hasil filter citra biner oleh suatu transformasi pembukaan dinyatakan sebagai himpunan XB yang umumnya tidak sama dengan himpunan X mula -mula terlihat dapat menghilangkan partikel partikel parasit.

yaitu : c Sz(X) = [ ∪i (Yi ) ] (8) . Gambar 6 memperlihatkan penggunaan beberapa elemen p enstruktur untuk memisahkan bentukbentuk obyek dan kemudian mengabungkan beberapa obyek yang diperlukan. Skiz dari X didefinisikan sebagai komplemen dari union setiap Yi (daerah batas pengaruh). maka daerah batas pengaruh dinyatakan sebagai: Yi = ∪ [ y : d(y. Skiz daerah batas pengaruh Skiz atau perangkaan luar daerah batas pengaruh adalah penipisan yang dilakukan pada latar belakang citra biner untuk memperoleh garis pemisah antara obyek-obyek. Jika X adalah himpunan partikel-partikel obyek. j ≠ i ] (7) Untuk setiap partikel Xi akan terbentuk daerah batas pengaruh Y . xj ) . Kemampuan ini sangat besar manfaatnya pada aplikasi penglihatan otomatis menggunakan komputer yaitu untuk pengenalan obyek. Penggunaan beberapa pembukaan morfologi untuk menyeleksi bentuk Filter morfologi sangat efektif digunakan untuk mendeteksi dan mengklasifikasi bentuk struktur geometri obyek dengan transformasi pembukaan menggunakan berbagai bentuk elemen penstruktur. Teknik ini sangat berguna dalam memisahkan obyek-obyek yang batasnya tidak jelas atau ada daerah pemisah yang cukup besar. xi ) < d(y.Gambar 6. dimana setiap i kumpulan titik y yang membentuk Yi akan lebih dekat pada Xi dibandingkan partikelpartikel lainnya Xj.

Skiz dari himpunan sel-sel Kita dapat lihat pada Gambar 7 bahwa skiz akan membagi dua daerah batas antara dua partikel yang berdekatan. Contoh perangkaan berbagai obyek dan ilustrasi definisi perangkaan . jika obyek dibatasi oleh dua lingkaran berupa donat maka rangka merupakan lingkaran antara kedua lingkaran tersebut. Sedang jika obyek berupa kotak maka seperti amplop maka rangkanya merupakan garis-garis diagonal dan vertikal antara batas amplop.Gambar 7. (lihat gambar 8). Gambar 8. Selain itu skiz merupakan himpunan bagian dari rangka luar : c Sz(X) ⊂ Sq(X ) Perangkaan morfologi Rangka adalah kumpulan titik-titik yang mempunyai j rak yang sama terhadap a batas obyek.

disebut Sq(X). Biasanya digunakan konfigurasi L yang memberikan hasil perangkaan homotopi yang baik. y1) = d(s. Untuk mempertahankan konektivitas rangka obyek harus dilakukan perangkaan homotopi dengan operasi penipisan dengan transformasi ketetanggaan konfigurasi L atau M. kita sebut Vp (X) suatu konfigurasi ketetanggaan dari famili V yang berpusat di titik p.. 1 jika Vp (X) ∈ V X ⊗ Vp(X) = 0 jika Vp (X) ∉ V (10) Transformasi homotopik dinyatakan sebagai produksi operasi X dengan sejumlah konfigurasi dari famili ketetanggaan V yang dinyatakan dengan : X ⊗ V = (( .. yang terdiri dari 7 7 titik-titik dasar penyusun elemen tersebut. Transformasi ketetanggaan oleh famili V akan memberikan nilai 1 pada titik p jika setiap titik-titik sekitar p sesuai dengan konfigurasi dari famili ketetanggan tersebut. sedang konfigurasi M jarang dipergunakan karena memberi banyak cabang-cabang parasit.. suatu titik s dari X adalah bagian dari rangka X. sedangkan penebalan himpunan X menambahkan titik-titik sesuai konfigurasi ketetanggan yang diberikan. . Misal jika kita ambil elemen penstruktur dalam bentuk heksagonal. M. y2 ∈ ∂X.. Jika kita ambil segi empat yang terdiri dari sembilan titik sebagai elemen penstruktur akan diperoleh 29 konfigurasi yang mungkin. D dan H. maka akan diperoleh 2 konfigurasi yang mungkin.Misal himpunan X dan himpunan titik-titik batasnya ∂X.. Vn-1 ) Vn ) (11) Konfigurasi dari V dinyatakan dalam alphabet Golay antara lain famili L. y2) (9) Penipisan dan Penebalan Homotopik Transformasi ketetanggaan memungkinkan realisasi dua transformasi baru yang disebut: penipisan dan penebalan... y1 ≠ y2 dimana : d(s.(((( X V1 ) V2 ) V3 ) V4 ) .. apabila jarak euclidien dari s ke ∂X mencapai dua titik berbeda y1 dan y2 yang berjarak sama dari s : s ∈ Sq(X) ⇔ ∃ y1. Jika X adalah himpunan titiktitik pada citra biner dan p adalah suatu titik pada matriks citra. Penipisan dari himpunan X adalah penghapusan titiktitik sesuai dengan konfigurasi ketetanggaan yang diberikan. ∂X) = d(s.

θ L = 1 1 0 . (a) (b) (c) Gambar 9. maka penipisan homotopik menurut urutan L6 dinyatakan sebagai : X ⊗ L = (((((( X ¤ θ0 L) ¤ θ1 L) ¤ θ2 L) ¤ θ3 L) ¤ θ4 L) ¤ θ5 L) dengan konfigusari L6 dinyatakan sebagai : 0 • 0 0 • 1 1 1 1 • • 0 (12) 0 1 2 3 4 5 θ L = 0 1 1 . θ L = 1 1 0 .θ L = 0 1 1 . (c) Perangkaan homotopi famili M6 Gambar 9 memperlihatkan citra obyek dan hasil perangkaan dengan metoda berbeda. Transformasi penipisan dengan konfigurasi famili L6 menghasilkan perangkaan obyek yang homotopi sesuai dengan bentuk alur citra obyek.Penipisan dapat dilakukan berkali-kali dan penipisan maksimal dari suatu obyek akan menghasilkan suatu garis atau titik yang bersambungan. Sedangkan lokasi titik dengan tanda • tidak berpengaruh apa-apa terhadap transformasi. θ L =• 1 • • 1 0 • 0 0 • 0 1 1 1 • Ketetanggaan titik-titik konfigurasi L disini terdiri atas 2 titik logika nol dan 3 titik logika satu. (b) Perangkaan homotopi famili L6 .θ L = • 1 • . .Jika elemen penstruktur adalah suatu heksagonal. (a) Citra awal. Sedangkan penipisan dengan konfigurasi M6 walaupun menghasilkan perangkaan homotopi tetapi memberikan jumlah cabang-cabang lebih banyak dan merupakan parasit pada citra. dengan titik pusatnya berlogika satu.

Disini dapat kita lihat bagaimana matematika morphologi mampu memisahkan sel-sel atau partikel-partike yang saling bertumpang tindih. maka untuk tiap obyek dicari dahulu titik-titik dasarnya melalui operasi erosi secara berurutan sebanayak i kali: Xi = X iB (13) dimana Xi adalah erosi X oleh i kali B.Segmentasi dengan Garis Watershed Pemisahan citra obyek-obyek yang saling bersentuhan secara otomatis adalah teknik yang paling sulit. Prinsipnya adalah menentukan titik-titik dasar (ultimate erode) dari tiap-tiap obyek. Setelah titik-titik dasar diperoleh kemudian ditentukan ultimate erode U dari obyek-obyek tersebut Ui= Xi . Misalnya X adalah himpunan obyek-obyek dimana terdapat obyek-obyek yang saling bersentuhan.[(Xi+1 ⊕ B) ∪ Xi ]∞ (14) Gambar 10. Segmentasi dengan garis pembatas air dan kolam penampung Kemudian obyek-obyek yang saling bersentuhan akan terkonstruksi secara tahap demi tahap dalam himpunan Yi dengan menggunakan teknik penebalan homotopik dengan menggunakan elemen penstruktur tipe M c yang dinyatakan dalam persamaan 6 Yi = [((Y i+1 ∩ Ui ) M c ) ∪ Xi ]∞ 6 (15) . sehingga diperoleh titik-titik dasar minimum yang lebih kecil dari B. kemudian merekonstruksikannya kembali dengan menyisipkan garis pemisah antar obyek yang bersentuhan dengan operasi penebalan terkondisi dari titik-titik dasar tersebut (algoritma Jernot).

Pendekatan lain dari segmentasi wateshed adalah dengan prinsip bahwa citra tingkat keabuan dapat diangap sebagai permukaan topografi. maka akan terbentuk komponen-komponen yang akan membentuk daerah-daerah minimum f sebagai kolam-kolam penampung yang akan dijadikan sebagai penunjuk.yang akan merekonstruksi obyek dengan memberikan garis pemisah pada obyek-obyek yang bersentuhan. Tujuannya adalah untuk mengidentifikasi ciri-ciri morfologi dari obyek-obyek . kolamkolam penampung secara teoritis berhubungan dengan daerah-daerah dengan tingkat keabuan yang homogen pada citra. Jika kita banjiri permukaan ini dari lembah-lembahnya (minima) maka kita dapat membagi citra kedalam dua himpunan berbeda yaitu: kolam-kolam penampung dan garis-garis pembatas aliran air. Jika f adalah fungsi nilai digital pada citra dan Zi (f) adalah himpunan titik-titik x dengan nilai digital yang lebih rendah atau sama dengan i: Zi (f) = { x : f(x) < i } = Yic ( f ) (16) Gambar 11. maka matematika morfologi mempunyai aplikasi yang sangat luas dalam komputer vision. Misalnya nilai terendah io berhubungan dengan ambang Z0 (f). Jika kita menerapkan transformasi ini pada gradian citra. (b) Pemisahan dengan Skiz geodesi. Misalnya untuk mengklasifikasikan bentuk obyek-obyek dua dimensi dalam aplikasi industri. Proses pemisahan garis batas air: (a) Penentuan penunjuk. kemudian dilakukan penipisan homotopik sehingga menghasilkan perangkaan yang disebut dengan garis batas air. maka dapat dilakukan fungsi pemisahan dengan Skiz geodesi yaitu menentukan batas luar dari segmen-segmen penunjuk. HASIL DAN PEMBAHASAN Sebagai suatu kerangka kerja untuk menggali informasi dari suatu citra. Dengan menggunakan penunjuk dan menentukan kriteria segmentasi misalnya kontras atau gradian citra. (c) Terbentuk wateshade dan menambah minima.

penipisan dan rekonstruksi. (f) Citra ring. (i) Citra pin-T . (a) (b) (c) (d) (e) (f) (g) (h) (i) Gambar 12. (h) Rekonstruksi citra pin-T. dan paku memanjang. (c) Citra rangka (d) Rangka tanpa titik-titik akhir. (e) Rekonstruksi citra ring. Prosedur yang digunakan untuk mendeteksi ketiga kelas obyek tersebut adalah berbasis pada transformasi penebalan.berupa: ring berlubang. Sebagai masukan adalah citra tingkat keabuan yang biasa digunakan pada kamera otomatisasi industri. pin berbentuk T. (g) Deteksi titik-titk simpang tiga rangka. Pengenalan bentuk obyek: (a) Citra awal. (b) Citra biner di tebalkan.

e).d). Lingkaran-lingkaran tersebut akan menjadi penunjuk obyek-obyek melingkar (gambar 12. Proses ekstrasi sel-sel dan memisahkan sel bertindih . Ekstrasi bentuk ring dilakukan dengan rekonstruksi citra melalui penebalan citra rangka yang dikondisikan dengan citra terfilter (gambar 12. dipangkas dengan penipisan titik akhir. Dengan menghilangkan 20 titiktitik akhir maka akan terdeteksi titik-titik simpang tiga pada rangka pin-T yang menjadi penunjuk untuk rekonstruksi (gambar 12. Dengan mempertemukan citra hasil rekonstruksi dengan citra rangka obyek mula mula maka kita peroleh citra rangka obyek tanpa ring. Dari titik penunjuk maka citra biner pin T dapat direkonstruksi (gambar 1 2.Gambar 12 memperlihatkan tahapan-tahapan dalam pengenalan bentuk. sehingga komponen-komponen rangka yang tersisa adalah lingkaran-lingkaran yang merupakan rangka garis tanpa titik-titik akhir. Setelah binarisasi citra maka dilakukan filter morfologi dengan penebalan dan penipisan homotopik untuk mengurangi derau pada kontour sehingga diperoleh citra terfilter (gambar 12. (a) (b) (c) (d) (e) (f) Gambar 13. Rekonstruksi citra ring dalam tingkat keabuan diperoleh dengan mempertemukan citra rekonstruksi biner dengan citra awal (gambar 12.c).f).h). Dengan mengkondisikan citra biner dengan citra awal akan diperole h ekstraksi dari citra obyek pin-T.b). Garis-garis terbuka pada rangka yang berhubungan dengan pin-T dan paku. Langkah kemudian adalah penipisan homotopik untuk memperoleh rangka morfologi citra obyek-obyek (gambar 1 2.g).

Garis batas antara titik-titik penunjuk sel memberikan garis-garis batas luar yang disebut skiz geodesik. sedangkan prosedur pemisahan sel sel didasarkan pada pendekatan watershed.e) yaitu dengan merekonstruksi batas citra dan sel-sel yang menempel atau terpotong di batas tersebut. Segi-segi permukaan patahan tidak memberikan nilai keabuan yang homogen (gambar 14.a). Garis pemisah sel-sel yang bersentuhan dapat diperoleh dengan mengurangi citra biner terfilter dengan garis skiz geodesik (gambar 13. Citra mikroskopik sel-sel dalam tingkat keabuan dibaca untuk diproses (gambar 13. Aplikasi matematika morfologi dalam mikrografi misalnya untuk mendeteksi kontour retakan pada baja. Titik-titik penunjuk tiap sel diperoleh dengan dilatasi daerah maksimum dan daerah permukaan topografi yang menyatakan jarak transformasi. Kemudian kontour tersebut dapat disuperposisikan ke citra tingkat keabuan awal untuk memperoleh segmentasi dari sel-sel.Pembahasan kedua adalah aplikasi metoda matematika morfologi untuk memisahkan sel-sel yang bertindihan. Dengan mendefinisikan kontour sebagai watershed dari variasi fungsi tingkat keabuan. kontour pembatas sel dapat diperoleh dengan transformasi dilatasi dan subtraksi.b).d). . Segmentasi deteksi kontour retakan pada baja dengan metoda wateshed Tahap pertama adalah menentukan penunjuk dengan teknik pembajiran geodesi. maka batas-batas setiap obyek dapat didefinisikan (gambar 14.b). Kemudian dilakukan binarisasi dengan ambang tingkat keabuan dan filter morfologi dengan operasi pembukaan untuk menghaluskan bentuk sel dari derau (gambar 13. Retakan yang dipelajari adalah retakan akibat patahan yang diperiksa dengan mikroskop elektron sapuan (SEM).a) sehingga sulit dilakukan segmentasi dengan nilai batas ambang seperti yang umum dilakukan dengan metoda konvensional. (a) (b) (c) Gambar 14. daerahdaerah minimum yang menjadi kolam-kolam penampung dijadikan penunjuk (gambar 14. Prosedur segmentasi didasarkan batas ambang (threshold ) dan filter morfologi.c). Demikian juga untuk memperoleh bentuk sel-sel secara utuh dilakukan penghapusan sel-sel yang terpotong oleh batas citra (gambar 13.

Matematika morfologi merupakan pengolahan citra tingkat tinggi yang memungkinkan mesin mempunyai kemampuan pengenala n pola dan pemahaman citra sebagai suatu persepsi visual.Dalam industri elektronika kadang kala dibutuhkan kemampuan untuk mendeteksi bentuk-bentuk dari PCB (printed circuit board) misalnya mendeteksi bentuk-bentuk segi-empat atau lingkaran untuk memisahkan b agian-bagian dari PCB. yang pertama menentukan penunjuk dengan pembanjiran geodesi dan kedua melakukan skiz geodesi batas pengaruh untuk menentukan garis batas air. Gambar 15 – Mendeteksi bentuk segi-empat. Penerapan filter morfologi memungkinkan mengidentifikasi dan mengklasifikasi bentuk atau struktur geometri obyek yang sulit dilakukan oleh filter-filter klasik yang kita kenal selama ini. yang merupakan salah satu masalah sulit dalam kecerdasan buatan. Gambar 15 memperlihatkan kemampuan metode matematika morfologi untuk melakukan pengenalan bentuk. Segmentasi ini dilakukan melalui dua tahap. KESIMPULAN Pengambangan metoda matematika morfologi sangat membantu dala m analisis dan pengenalan o bjek secara otomatis pada komputer vision dan robotik. Segmentasi wateshade dapat memecahkan masalah penentuan kontour citra obyek yang mempunyai sejumlah fasa dengan tingkat yang tidak homogen. Segmentasi dengan metoda watershade dapat juga diterapkan pada citra obyek yang kompleks. yang tidak dapat pecahkan oleh metoda histogram batas ambang konvensional. .

Doctorate thesis. 1989. Fontainebleau. 5. Robot Vision. Image Analysis and Mathematical Morphology. London. Paris 1985. COSTER. SERRA. Sensing. Ecole des Mines de Paris. M. Précis d'Analyse d'images. 1986. London. B. HORN. 2. Vision. Academic Press.S. SERRA. Juin 1990. Fascicule n° 10. R. 3. LEE. J.DAFTAR PUSTAKA 1.G. 4. Image analysis and mathematical morphology. MIT Press. McGraw-Hill Book. BEUCHER. Academic Press. 6.S. 1987. GONZALEZ. Cahiers du centre de Morphologie Mathématique. J.. Singapore. CHERMANT. and Intelligence. . Segmentation d’images et morphologie mathématique. 1988.P.K. S. C.C. K. FU. Robotics: Control. Volume 2: theoretical advances. CNRS.L.

makhluk halus). Api dalam gelombang elektromagnetik dinyatakan dalam daerah frekuensi inframerah termal. . SYAMSA ARDISASMITA Dalam makalah ini saya mencoba menerapkan metode matematika morfologi untuk Robot Vision sehingga mesin dapat mempunyai kemampuan persepsi visual yaitu melakukan pengenalan bentuk objek. maka dalam kitab suci Al Qur’an dikatakan bahwa jin diciptakan dari api. Bagaimana mengatasinya? M. Apakah dengan sistem pencitraan dapat dilihat wujudnya dengan nyata? 2. 2. Baru-baru ini di media elektronik mengisukan adanya penampakan (misalnya ada roh-roh jahat.DISKUSI MAURITA L. Pada kenyataannya tidak bisa dilihat secara nyata wujudnya. Ketidak jelasan diakibatkan oleh kontras optik yang dihasilkan tidak bervariasi banyak sehingga mata manusia tidak dapat membedakannya dengan jelas. Kalau masalah keretakan bahan dalam las-lasan apabila dilihat dalam film radiografi. Dengan metode ini hasilnya adalah robot dapat memiliki sistem kecerdasan yaitu mengenal dan mengklasifikasi pola citra dan bentuk objek yang ditangkap melalui suatu kamera. BAKRI ARBIE Pertanyaan tentang aplikasi dari teknologi Computer Vision dan apakah sudah dimanfaatkan. kenyataannya tidak begitu jelas secara ”smooth”. Kalau makhluk halus yang anda maksud misalnya jin. TOBING 1. Jika sudah dimanfaatkan bagaimana hasilnya? M. Untuk itu dapat dilakukan transformasi histogram atau penyamaan histogram untuk meningkatkan kontras citra. Kalau memang demikian maka sistem pencitraan atau kamera inframerah dengan sensitivitas tinggi tentu dapat mendeteksi panas yang dipancarkan oleh makhluk halus (jin) tersebut. SYAMSA ARDISASMITA 1.

Pekerjaan / Jabatan 5. Komputer Industri. M. Pengalaman Kerja : • Kepala Pusat Pengembangan Teknologi Informasi & Komputasi . Universitas Montpellier II. Sarjana Fisika. DEA (S2) Bidang Pengolah Sinyal dan Telekomunikasi Departemen Elektronika. FIPIA-UI • 1987.DAFTAR RIWAYAT HIDUP 1. Bidang Instrumentasi Nuklir. Makalah yang pernah disajikan: • Pengembangan Robot Mobil Otonom • Sistem Kendali Peralatan • Computer Vision & Image Processing • Pengembangan Peralatan Pencitraan & Kedokteran Nuklir Back . Syamsa Ardisasmita. Doktor (S3) Bidang Pengolah Citra Digital. APU : Bandung. Perancis • 1991. Instansi 4. Perancis 6. 28 Oktober 1957 : P2TIK-BATAN : Kepala P2TIK : • 1982. Organisasi Profesional : • Masyarakat Ilmu Komputer & Informasi • Masyarakat Ilmuwan dan Teknologi Indonesia (MITI) • International Society for Optical Engineering (SPIE) • International Imaging Science & Technology (IIS&T) 8. Nama 2. Universitas Montpellier II. Riwayat Pendidikan : Dr. Tempat/Tanggal Lahir 3. Analisis Numerik 7.BATAN • Peneliti Utama Riset Unggulan Terpadu • Ahli Peneliti Utama Bidang Pengolahan Citra • Dosen Luar Biasa : Fisika Komputasi.