Pengenalan Computer Vision dan Pengolahan Citra Digital
Computer Vision adalah bidang kecerdasan buatan yang memungkinkan komputer untuk mengekstrak informasi yang bermakna dari gambar dan video digital, dengan tujuan utama menjembatani kesenjangan semantik antara data piksel mentah dan pemahaman tingkat manusia. Pengolahan Citra Digital berfungsi sebagai lapisan fondasi bagi Computer Vision, dengan fokus pada manipulasi dan peningkatan sinyal gambar melalui transformasi piksel-ke-piksel untuk mempersiapkan data bagi tugas interpretatif tingkat lanjut.
Prinsip-Prinsip Utama
- Representasi Data: Pada tingkat mesin, sebuah gambar adalah tensor numerik, bukan sekadar gambar utuh. Citra grayscale adalah matriks 2D berisi nilai intensitas, sedangkan citra berwarna adalah tensor 3D yang mewakili kanal Merah, Hijau, dan Biru (RGB) dengan dimensi $H \times W \times 3$.
- Transformasi vs. Interpretasi: Pengolahan Citra Digital terutama berfokus pada operasi gambar-ke-gambar seperti pengurangan noise, penajaman, atau pemerataan histogram. Computer Vision berfokus pada operasi gambar-ke-pengetahuan seperti klasifikasi objek, lokalisasi, dan segmentasi.
- Paradigma Grafika Terbalik: Computer Vision dapat dipandang sebagai kebalikan dari Grafika Komputer. Jika grafika bertujuan menghasilkan dunia visual dari model matematis, maka visi berupaya memulihkan struktur 3D dan label semantik dari proyeksi 2D.
Tantangan Utama
Tantangan utama dalam bidang ini adalah Kesenjangan Semantik, yaitu jurang pemisah antara nilai piksel tingkat rendah yang diproses mesin dan konsep tingkat tinggi yang dipersepsikan oleh manusia.
Implementasi Python
Soal 1
Proses manakah yang dikategorikan sebagai operasi gambar-ke-pengetahuan?
Soal 2
Pada tingkat mesin, apa struktur data dari citra berwarna standar?
Studi Kasus: Sistem Diagnostik Medis
Baca skenario di bawah ini dan jawab pertanyaan-pertanyaannya.
Sebuah rumah sakit sedang mengembangkan sistem diagnostik medis otomatis baru yang dirancang untuk menganalisis pemindaian sinar-X guna mendeteksi potensi patah tulang. Sistem tersebut memproses data sensor mentah dari mesin sinar-X dan menghasilkan laporan diagnostik untuk ahli radiologi.
T
1. Jika sistem menerapkan peningkatan kontras untuk membuat struktur tulang lebih jelas, apakah ini termasuk Pengolahan Citra Digital (DIP) atau Computer Vision (CV)?
Jawaban:
Pengolahan Citra Digital. Peningkatan kontras adalah transformasi gambar-ke-gambar yang meningkatkan kualitas visual sinyal tanpa mengekstrak makna semantik.
Pengolahan Citra Digital. Peningkatan kontras adalah transformasi gambar-ke-gambar yang meningkatkan kualitas visual sinyal tanpa mengekstrak makna semantik.
T
2. Jika sistem secara otomatis menandai area tertentu sebagai dugaan patah tulang, tugas apa yang sedang dilakukan?
Jawaban:
Computer Vision / Deteksi Objek. Sistem menafsirkan konten gambar untuk mengekstrak pengetahuan tingkat tinggi (menemukan lokasi patah tulang).
Computer Vision / Deteksi Objek. Sistem menafsirkan konten gambar untuk mengekstrak pengetahuan tingkat tinggi (menemukan lokasi patah tulang).
T
3. Mengapa pengurangan noise diperlukan sebelum menjalankan algoritma deteksi?
Jawaban:
Untuk meningkatkan kualitas sinyal dan mengurangi false positive pada fase interpretasi semantik. Noise dapat disalahartikan oleh algoritma CV sebagai fitur atau tepian yang sebenarnya.
Untuk meningkatkan kualitas sinyal dan mengurangi false positive pada fase interpretasi semantik. Noise dapat disalahartikan oleh algoritma CV sebagai fitur atau tepian yang sebenarnya.