![Machine Vision
V = Cmax
ISI MATERI
A Model of Image Color
Banyak faktor yang turut mempengaruhi warna dari sebuah obyek, diantaranya:
a. Respon kamera terhadap iluminasi
b. Sensor cahaya yang digunakan (film, CCD, atau CMOS)
c. Intensitas cahaya yang mengenai obyek
d. Warna cahaya yang mengenai obyek
e. Berapa banyak cahaya yang dipantulkan
Salah satu model yang sering digunakan untuk menjelaskan fenomena diatas adalah diffuse +
specular model, yang dapat dinyatakan dalam persamaan berikut:
E(x, λ) = [diffuse term] + (specular term)
= [(direct term) + (interreflected term)] + (specular term)
= (ρ(x, λ)(geometric term))[(Sd(x, λ) + Si(x, λ))] + (specular term)
Dari persamaan tersebut dapat dilihat bahwa faktor diffuse dipengaruhi oleh warna
permukaan obyek dan warna dari cahaya yang mengenai obyek.](https://image.slidesharecdn.com/ln-s03-machinevision-s2-210626033426/85/LN-s03-machine-vision-s2-13-320.jpg)
LN s03-machine vision-s2
- 1. Machine Vision LECTURE NOTES Machine Vision Session 03 Light and Color
- 2. Machine Vision LEARNING OUTCOMES 1. Peserta diharapkan memahami sistem indera penglihatan manusia khususnya yang terkait dengan persepsi warna. OUTLINE MATERI (Sub-Topic): 1. The Physics of Color 2. Human Color Perception 3. Representing Color 4. A Model of Image Color
- 3. Machine Vision ISI MATERI The Physics of Color Warna adalah sifat psikologis dari pengalaman visual kita saat memandang suatu obyek atau sumber cahaya, warna bukanlah sifat fisik dari obyek atau sumber cahaya tersebut (S. Palmer). Menurut Palmer, warna adalah hasil interaksi antara cahaya pada lingkungan tempat kita berada dengan sistem indera penglihatan kita. Untuk dapat melihat suatu warna, harus terdapat sumber cahaya. Saat sumber cahaya mengenai sebuah obyek, sebagian panjang gelombang dari cahaya akan dipantulkan dan sebagian lainnya diserap oleh obyek tersebut. Mata manusia hanya melihat warna dari cahaya yang dipantulkan oleh obyek tersebut. Sinar matahari mengandung seluruh warna pada panjang gelombang cahaya tampak (warna pelangi, mulai panjang gelombang warna merah hingga ungu). Saat sumber cahaya berwarna putih mengenai selembar kertas warna putih, maka warna yang tampak adalah putih karena kertas tersebut tidak menyerap warna apapun dan memantulkan semua warna dari sumber cahaya (putih). Sedangkan jika cahaya yang sama mengenai selembar kertas berwarna hitam, mata manusia akan melihat warna hitam karena kertas tersebut menyerap semua warna dan tidak memantulkan warna apa pun. Semua cahaya mengandung warna. Cahaya terbentuk dari gelombang elektromagnetik. Gelombang ini menyebar dari semua sumber cahaya, misalnya matahari. Setiap warna memiliki panjang gelombang yang berbeda. Panjang gelombang terpanjang yang dapat dilihat oleh mata manusia terdapat pada warna merah, sedangkan panjang gelombang terpendeknya adalah pada warna ungu. Rentang panjang gelombang ini disebut juga sebagai cahaya tampak (visible light). Gambar berikut mengilustrasikan rentang panjang gelombang spektrum elektromagnetik mulai dari panjang gelombang yang terpendek yaitu sinar Gamma, hingga yang terpanjang yaitu gelombang radio. Visible light hanya menempati rentang yang sangat sempit dari keseluruhan rentang panjang gelombang spektrum elektromagnetik.
- 4. Machine Vision Setiap sumber cahaya memiliki distribusi spektrum panjang gelombang yang berbeda, hal tersebut yang mengakibatkan perbedaan warna. Sebagai contoh cahaya matahari tampak memiliki warna yang berbeda dengan cahaya dari bola lampu, lampu neon, atau lampu led. Gambar berikut memperlihatkan spektrum dari keempat sumber cahaya tersebut, berdasarkan bentuk spektrumnya dapat dimengerti mengapa warna yang tampak dari masing-masing sumber cahaya berbeda. Selain faktor penyerapan dan pemantulan, warna suatu obyek juga sangat dipengaruhi oleh faktor lainnya. Berikut faktor-faktor yang mempengaruhi perbedaan warna dari suatu obyek: a. Reflection Reflection atau pemantulan terjadi saat suatu gelombang cahaya mengenai antarmuka dari dua media yang berbeda, sehingga semua atau sebagian dari gelombang berubah arahnya. Tergantung dari permukaan yang dikenai oleh gelombang, reflection dapat dibedakan menjadi dua, yaitu specular dan diffuse. Specular reflection terjadi jika gelombang mengenai permukaan obyek yang halus, seperti cermin sehingga geometri dari sumber gelombang tidak berubah. Sebaliknya diffuse reflection terjadi jika gelombang mengenai permukaan obyek yang kasar sehingga mengakibatkan
- 5. Machine Vision perubahan geometri dari gelombang asal. Gambar berikut mengilustrasikan perbedaan antara specular dan diffuse reflection. b. Absorption Saat frekuensi dari gelombang cahaya yang mengenai obyek sama atau hampir sama dengan frekuensi vibrasi elektron dari material yang membentuk obyek, maka elektron akan menyerap energi gelombang dan mengubahnya menjadi gerakan vibrasi. Saat terjadinya gerakan vibrasi, energi dari gerakan tersebut akan diubah menjadi energi thermal. Akibatnya, gelombang cahaya tersebut tidak akan dilepaskan kembali dalam bentuk asalnya, yaitu cahaya. Setiap atom dan molekul memiliki frekuensi vibrasi elektron yang berbeda, sehingga setiap jenis material akan menyerap panjang gelombang yang berbeda dari cahaya tampak. c. Refraction Refraction adalah pembelokan gelombang saat mengenai medium yang memiliki kecepatan berbeda. Refraction dari gelombang cahaya terjadi saat bergerak dari medium dengan kecepatan tinggi menuju ke medium dengan kecepatan rendah. Besarnya pembelokan tergantung dari refraction index dari medium tersebut (hukum Snell). Gambar berikut mengilustrasikan proses refraction.
- 6. Machine Vision d. Diffraction Gelombang cahaya cenderung membelok atau menyebar pada saat mengenai sisi dari sebuah obyek, fenomena ini yang disebut sebagai diffraction. Hal ini terjadi saat gelombang cahaya melalui sisi atau sebuah lubang yang ukurannya sama atau lebih kecil dari panjang gelombang cahaya tersebut. Gambar berikut mengilustrasikan fenomena diffraction.
- 7. Machine Vision ISI MATERI Human Color Perception Pada retina mata terdapat dua jenis reseptor yang fungsinya menangkap informasi cahaya, yaitu cones yang berbentuk kerucut dan rods yang berbentuk batang. Jumlah cones pada masing-masing mata berkisar antara 6 hingga 7 juta, mayoritas terletak pada bagian tengah dari retina, yang disebut fovea, dan sangat sensitif terhadap warna. Setiap reseptor cones terhubung ke sebuah syaraf yang terhubung ke bagian dari otak manusia yang bertanggung jawab dalam persepsi visual, yaitu occipital lobe. Reseptor cones berfungsi saat kita memandang obyek pada ruangan yang terang, atau disebut juga sebagai bright-light vision atau photopic. Jumlah reseptor rods jauh lebih besar dari cones, yaitu sekitar 75 hingga 150 juta yang tersebar pada permukaan retina. Area yang ditempati oleh reseptor rods juga jauh lebih luas dibanding cones, oleh karena itu rods lebih peka terhadap cahaya dengan intensitas rendah atau disebut juga sebagai scotopic (dim-light vision). Rods berfungsi memberikan pandangan secara umum dari suatu obyek yang dilihat oleh mata, reseptor ini tidak peka terhadap warna. Gambar berikut memperlihatkan anatomi mikroskopik dari retina mata manusia. Tidak seperti reseptor rods yang hanya memiliki satu jenis pigmen warna, cones terdiri dari tiga jenis pigmen warna yang masing-masing sensitif terhadap panjang gelombang tertentu yaitu merah, hijau, dan biru. Namun tingkat sensitivitas dari masing-masing reseptor cones tersebut tidaklah sama, namun lebih sensitif terhadap panjang gelombang hijau,
- 8. Machine Vision dilanjutkan dengan panjang gelombang merah, dan biru. Gambar berikut memperlihatkan sensitifitas dari tiap jenis reseptor cones. Untuk mendapatkan persepsi warna yang sama dengan mata manusia, para perancang kamera digital membuat struktur sensor cahaya dengan distribusi pixel yang sensitif terhadap panjang gelombang merah, hijau, dan biru yang serupa dengan distribusi reseptor cones pada mata manusia. Gambar berikut memperlihatkan struktur sensor cahaya pada kamera digital yang diusulkan oleh Bayern. Pada rancangan tersebut sensor yang sensitif terhadap panjang gelombang hijau jumlahnya dua kali lebih banyak dibanding sensor yang sensitif terhadap panjang gelombang merah atau biru.
- 9. Machine Vision ISI MATERI Representing Color Adalah hal yang sangat penting untuk dapat merepresentasikan sebuah warna secara akurat agar terdapat standarisasi dalam mendefinisikan warna. Dalam bidang komersial banyak sekali produk yang diasosiasikan dengan suatu warna spesifik, sebagai contoh warna merah dari mobil Ferarri yang sangat khas. Agar setiap produksi mobil Ferarri berwarna merah memiliki warna yang tepat sama maka diperlukan suatu standar dalam mendefinisikan sebuah warna. Deskripsi sederhana mengenai warna, seperti merah menyala, merah muda, atau merah tua tentu tidak mencukupi untuk keperluan tersebut. Terdapat dua teori umum yang menjelaskan fenomena warna, yaitu trichromatic yang dikenal juga sebagai teori Young-Helmhotz sesuai dengan nama penemunya, dan teori opponent-process. Untuk membuktikan teori trichromatic, Young dan Helmhotz mengadakan eksperimen dengan peralatan sederhana seperti pada ilustrasi berikut. Satu bagian dari layar berwarna putih disinari oleh sebuah lampu dengan warna target, kemudian pada bagian lain dari layar disinari oleh kombinasi dari tiga lampu, masing-masing menyorotkan warna merah, hijau, dan biru. Subyek (observer) mengatur intensitas dari lampu warna merah, hijau, dan biru hingga kombinasi warna yang dihasilkan sama dengan warna target. Hasil eksperimen menunjukkan bahwa tiga warna cukup untuk merepresentasikan
- 10. Machine Vision warna. Berdasarkan hasil eksperimen tersebut, mayoritas subyek dapat mencocokkan warna target tertentu dengan kombinasi warna merah, hijau, dan biru yang sama. Terdapat dua pendekatan dalam pencocokkan warna (color matching), yaitu additive dan subtractive. Pada additive color matching diasumsikan mayoritas warna dapat direpresentasikan sebagai campuran dari komponen warna A, B, dan C, atau dapat dituliskan dalam persamaan: M = a.A + b.B + c.C (1) Warna yang match (cocok) adalah warna yang memiliki bobot (a, b, c) yang sama. Sebagian warna ternyata tidak dapat direpresentasikan oleh persamaan (1), namun harus dinyatakan dalam bentuk persamaan subtractive color matching: M + a.A = b.B + c.C (2) Pada subtractive color matching, kecocokan warna dinyatakan dengan bobot (-a, b, c) yang sama. Beberapa contoh fungsi color matching (color space) yang umum digunakan antara lain: a. RGB Pada color space RGB, sebuah warna dapat direpresentasikan sebagai kombinasi dari tiga warna primer, yaitu merah, hijau, dan biru (dengan panjang gelombang berturut- turut 645.16 nm, 526.32 nm, dan 444.44 nm). Sebuah warna dapat direpresentasikan sebagai kubus warna (RGB cube) yang sisi-sisinya menyatakan bobot dari komponen warna merah, hijau dan biru, seperti diilustrasikan pada gambar berikut.
- 11. Machine Vision Matching function dari color space RGB bernilai negatif untuk panjang gelombang tertentu, seperti diperlihatkan pada grafik diatas. b. CIE XYZ Color space CIE XYZ diusulkan pada tahun 1931 oleh International Commission on Illumination. Komponen warna primer pada color space CIE XYZ bersifat imajiner, namun matching function-nya selalu bernilai positif. Persamaan berikut menyatakan matching function dari color space CIE XYZ. x = X/(X+Y+Z) (3) y = Y/(X+Y+Z) (4) Gambar berikut memperlihatkan visualisasi dari kedua persamaan diatas. c. Uniform Color space uniform merupakan penyempurnaan dari color space CIE XYZ yang diusulkan oleh International Commission on Illumination (CIE) pada tahun 1976. CIE mengusulkan penyempurnaan ini karena pada color space CIE XYZ terdapat beberapa kombinasi nilai x,y yang tidak merefleksikan perbedaan warna bagi mayoritas pengamat. Area dalam elips pada grafik sebelah kiri pada gambar berikut dipersepsikan sebagai warna yang sama bagi mayoritas pengamat. Color space uniform merupakan projective transform dari nilai x,y. Persamaan berikut menyatakan matching function dari color space uniform: x = 4x/(-2x+12y+3) (5) y = 9y/(-2x+12y+3) (6)
- 12. Machine Vision Color matching function dari color space uniform diperlihatkan oleh grafik sebelah kanan. d. HSV Color space HSV (Hue, Saturation, Value) pertama kali diusulkan oleh Alvy Ray Smith pada tahun 1978. HSV mencoba mencari relasi antara warna dan menyempurnakan color space RGB. Color space HSV dapat diilustrasikan sebagai kerucut seperti pada gambar berikut. Color space HSV yang merupakan hasil transformasi dari color space RGB, dapat dihitung berdasarkan persamaan berikut: R' = R/255 G' = G/255 B' = B/255 Cmax = max(R', G', B') Cmin = min(R', G', B') Δ = Cmax – Cmin
- 13. Machine Vision V = Cmax ISI MATERI A Model of Image Color Banyak faktor yang turut mempengaruhi warna dari sebuah obyek, diantaranya: a. Respon kamera terhadap iluminasi b. Sensor cahaya yang digunakan (film, CCD, atau CMOS) c. Intensitas cahaya yang mengenai obyek d. Warna cahaya yang mengenai obyek e. Berapa banyak cahaya yang dipantulkan Salah satu model yang sering digunakan untuk menjelaskan fenomena diatas adalah diffuse + specular model, yang dapat dinyatakan dalam persamaan berikut: E(x, λ) = [diffuse term] + (specular term) = [(direct term) + (interreflected term)] + (specular term) = (ρ(x, λ)(geometric term))[(Sd(x, λ) + Si(x, λ))] + (specular term) Dari persamaan tersebut dapat dilihat bahwa faktor diffuse dipengaruhi oleh warna permukaan obyek dan warna dari cahaya yang mengenai obyek.
- 14. Machine Vision SIMPULAN 1. Warna dari sebuah obyek tidak hanya dipengaruhi oleh jenis material obyek tersebut, tetapi dipengaruhi juga oleh cahaya yang mengenai obyek. 2. Pada saat cahaya mengenai permukaan sebuah obyek, maka terjadi akan terjadi salah satu bentuk interaksi berikut: reflection, absorption, refraction, dan diffraction. Interaksi tersebut mempengaruhi warna dari sebuah obyek. 3. Reseptor cones pada retina mata berfungsi seperti sensor CCD/CMOS pada kamera. Reseptor ini peka terhadap warna. 4. Diperlukan standarisasi untuk mendeskripsikan warna. Diantara color matching function yang populer digunakan saat ini adalah RGB, CIE XYZ, CIE uniform, dan HSV.
- 15. Machine Vision DAFTAR PUSTAKA 1. Forsyth. (2011). Computer Vision a Modern Approach (2nd Edition). Prentice Hall. New Jersey. ISBN-10: 013608592X. ISBN-13: 978-0136085928. 2. Szeliski. (2010). Computer Vision: Algorithms and Applications. Springer. London. ISBN-13: 978-1848829343. ISBN-10: 1848829345 3. http://www.physicsclassroom.com/class/light/Lesson-2/Light-Absorption,- Reflection,-and-Transmission 4. http://www.unistudyguides.com/wiki/Light_as_Waves_and_Particles_- _Reflection,_Refraction,_Dispersion 5. http://www.alpcentauri.info/waves_versus_particles.html 6. http://www-rohan.sdsu.edu/doc/matlab/toolbox/images/color11.html