Fourier Descriptor Based Image Alignment (FDBIA) (1) Metode contour tracing digunakan untuk mengidentifikasikan boundary yang kemudian dideskripsikan secara berurutan pada FD. Pada aplikasi AOI variasi penskalaan yang ada kecil sekali, area sasaran pencocokan mirip dan bisa digunakan sebagai hubungan untuk mencocokkan kandidat obyek yang paling memungkinkan dan proses yang lebih cepat.
31
Fourier Descriptor Based Image Alignment (FDBIA) (2)
Titik berat dan informasi tahapan pada FD digunakan untuk meningkatkan kecocokan antara target obyek yang terdeteksi pada citra referensi dan citra yang diinspeksi, sehingga parameter pencocokan antara kedua citra bisa diestimasi dengan tepat.
32
Image alignment
Image alignment merupakan sebuah teknik yang fundamental pada berbagai aplikasi machine vision dan pengolahan citra, termasuk image retrieval, pengenalan objek, estimasi posisi, inspeksi industri, penelusuruan target, dan lain sebagainya. Teknik image alignment secara umum dibagi menjadi dua kategori utama, metode berbasis area (atau berbasis intensitas) dan metode berbasis fitur (atau berbagis geometri) [2]. 33
Metode Image alignment berbasis area (1)
Metode berbasis area disebut juga dengan metode template matching dan begitu terkenal di dekade lampau dikarenakan konsep dasarnya. Pertama, template kecil yang dijadikan sebagai referensi dicocokkan pada citra latar dengan menggesernya di tiap piksel dan normalized cross correlation (NCC) dihitung antara template dan citra latar. Metrik NCC sering digunakan untuk operasi yang berhubungan dengan registrasi citra yang mengalami perubahan hanya pada translasi. Jika citra mengalami perubahan dengan transformasi yang lebih kompleks, template matching tidak bisa mendeteksi daerah yang sama antara template dan citra latar.
34
Metode Image alignment berbasis area (2)
Dalam rangka membuat image matching tidak terpengaruh oleh rotasi, sebuah transformasi ring-projection ditawarkan untuk mengubah sebuah citra level keabuan 2-dimensi menjadi representasi citra invarian pada rotasi dalam ruang 1D ring-projection space [3]. Tsai dan Chiang [4] menggunakan ring-projection lebih lanjut untuk menampilkan kembali pola target pada penyusunan gelombang sub-citra, dengan menggunakan piksel yang memiliki koefisien gelombang tinggi pada level resolusi rendah untuk menghitung NCC antara dua pola yang dibandingkan. Sebagai tambahan, Choi dan Kim [5] menyajikan dua langkah metode image alignment yang pertama menemukan kandidat dengan membandingkan jumlah vektor dari ring-projection, dan kemudian mencocokkan kandidat tersebut berdasarkan pada momen invariant rotasi.
35
Metode Image alignment berbasis fitur (1) Di antara metode berbasis fitur, Huttenlocher et al. [6-7] mengaplikasikan langsung Hausdorff distance dalam rangka mengembangkan beberapa algoritma yang efisien untuk image alignment. Kown et al. [8] menawarkan sebuah hierarki Hausdorff distance untuk membandingkan peta tepi pada struktur multilevel pyramid. Sebagai tambahan, Chen et al. [9] menggunakan Hausdorff distance untuk image alignment pada system inspeksi PCB.
36
Metode Image alignment berbasis fitur (2) Lowe[10] menawarkan scale invariant fitur transform (SIFT), dikombinasikan detektor area yang invarian pada penskalaan dan deskriptor berdasarkan distribusi gradien pada area terdeteksi. SIFT fokus di fitur lokal pada titik perhatian khusus dan invarian pada penskalaan serta rotasi. Mikolajczyk dan Schmid [11] membandingkan performa deskriptor yang dihitung untuk area kepentingan lokal. Deskriptor invarian pada citra koordinat kepentingan di atas tahan terhadap partial occlusion, dan relatif tidak sensitif pada perubahan sudut pandang.
37
Perbandingan beberapa metode image alignment Kategori
Fitur
Berbasis area
Image templates
Berbasis fitur
Pendekatan
Kekurangan
Cross-correlation Waktu komputasi Ring-projection yang mahal Edge maps interest Hausdorff Ekstrasi fitur point distance yang tidak Feature akurat Correspondence Shape contours Transformation invariant estimation descriptors
38
Kelebihan deskripsi bentuk berbasis kontur
Deskripsi bentuk berbasis kontur sangat tepat diaplikasikan pada aplikasi yang bentuk konturnya telah tersedia dengan menggunakan teknik contour tracing [13]. Momen invariants yang telah dikembangkan [14], yang dihitung hanya dengan menggunakan bentuk boundary, dapat mengurangi komputasi yang diperlukan pada momen invariants tradisional. Zhang dan Lu [15] mengevaluasi dan membandingkan dua deskriptor bentuk yang penting dan menjanjikan, yakni fourier descriptor (FD) dan curvature scale space descriptor (CSSD). Keefektifan dan efisiensi dari FD ditemui lebih tinggi daripada CSSD untuk image retrieval. 39
Teknik penelusuran kontur Tujuan dari teknik penelusuran kontur [13] adalah untuk mencari informasi lokasi dari kontur terluar pada komponen terhubung. Dengan teknik penelusuran kontur ini kita bisa mendapatkan semua informasi kontur yang dibutuhkan.
40
Algoritma RLE dan tabel Blobs (1) 1.
2.
3.
Scan tiap piksel pada binary image di koordinat (x,y) dan melihat nilai tiap pikselnya, apakah nilainya 1 (putih) atau 0 (hitam). Scanning dilakukan dari pojok kiri atas pada tiap baris y image. Apabila bertemu dengan nilai 0 akan disimpan sebagai xs (x start) dari run r(xs, xe, yn), kemudian apabila nilai piksel setelahnya masih 0, proses scan akan diteruskan hingga bertemu dengan nilai 1 kembali. Sehingga piksel ke-(n-1) dicatat sebagai xe (x end). Sedangkan nilai baris ke-n dicatat sebagai nilai yn. Tiap run akan diberi index secara berurutan. Nilai next adalah nilai index run yang terhubung dengan current run (run yang sedang di scan). Nilai next pada yn sementara dicatat sebagai null, kemudian pada y(n+1) nilai next akan diupdate.
41
