Computer vision adalah ilmu dan teknologi mesin
yang melihat, di mana lihat dalam hal ini berarti bahwa mesin mampu mengekstrak
informasi dari gambar yang diperlukan untuk menyelesaikan tugas tertentu.
Sebagai suatu disiplin ilmu, Computer vision berkaitan dengan teori di balik
sistem buatan bahwa ekstrak informasi dari gambar. Data gambar dapat mengambil
banyak bentuk, seperti urutan video, pandangan dari beberapa kamera, atau data
multi-dimensi dari scanner medis.
Sebagai disiplin teknologi, Computer vision
berusaha untuk menerapkan teori dan model untuk pembangunan sistem Computer
vision. Contoh aplikasi dari Computer vision mencakup sistem untuk:
- Pengendalian proses (misalnya, sebuah robot industri atau kendaraan otonom).
- Mendeteksi peristiwa (misalnya, untuk pengawasan visual atau orang menghitung).
- Mengorganisir informasi (misalnya, untuk pengindeksan database foto dan gambar urutan).
- Modeling benda atau lingkungan (misalnya, inspeksi industri, analisis citra medis atau model topografi).
- Interaksi (misalnya, sebagai input ke perangkat untuk interaksi komputer-manusia).
Computer vision berkaitan erat dengan kajian
biological vision. Bidang studi biological vision dan model proses fisiologis
di balik persepsi visual pada manusia dan hewan lainnya. Computer vision, di
sisi lain, studi dan menggambarkan proses diimplementasikan dalam perangkat
lunak dan perangkat keras di belakang sistem visi buatan. pertukaran
Interdisipliner antara biological vision dan komputer telah terbukti bermanfaat
bagi kedua bidang.
Computer vision, dalam beberapa hal, invers grafis
komputer. Sementara komputer grafis menghasilkan data gambar dari model 3D,
visi komputer sering menghasilkan model 3D dari data citra. Ada juga kecenderungan kombinasi dari dua
disiplin, misalnya, sebagaimana dibahas dalam realitas ditambah.
Sub-domain dari Computer vision termasuk adegan
rekonstruksi, deteksi event, pelacakan video, pengenalan obyek, belajar,
indexing, estimasi gerak, dan pemulihan citra.
Negara seni
Computer vision adalah bidang beragam dan relatif
baru belajar. Pada hari-hari awal komputasi, sulit untuk memproses set bahkan
cukup besar data citra. Tidak sampai akhir 1970-an bahwa penelitian lebih
terfokus lapangan muncul. Computer vision mencakup berbagai topik yang sering
berhubungan dengan disiplin lain, dan akibatnya tidak ada perumusan standar
“masalah Computer vision “. Selain itu, tidak ada rumusan standar tentang
bagaimana komputer masalah penglihatan harus diselesaikan. Sebaliknya, terdapat
banyak sekali metode untuk memecahkan berbagai tugas Computer vision yang
terdefinisi dengan baik, dimana metode sering sangat tugas spesifik dan jarang
dapat digeneralisir rentang aplikasi yang luas. Banyak metode dan aplikasi yang
masih dalam keadaan penelitian dasar, tetapi metode semakin banyak menemukan
cara mereka ke produk komersial, di mana mereka sering merupakan bagian dari
sistem yang lebih besar yang dapat menyelesaikan tugas-tugas kompleks
(misalnya, di bidang medis gambar, atau pengendalian mutu dan pengukuran dalam
proses industri). Pada kebanyakan aplikasi praktis Computer vision, komputer
adalah pra-diprogram untuk menyelesaikan tugas tertentu, namun metode
berdasarkan pembelajaran yang sekarang menjadi semakin umum.
Bidang-bidang terkait
Hubungan antara visi
komputer dan berbagai bidang lainnya
Banyak kesepakatan kecerdasan buatan dengan
perencanaan otonom atau musyawarah untuk sistem robotical untuk menavigasi
melalui lingkungan. Pemahaman yang rinci tentang lingkungan ini diperlukan
untuk menavigasi melalui mereka. Informasi tentang lingkungan dapat diberikan
oleh sistem Computer vision, bertindak sebagai sensor visi dan memberikan
informasi tingkat tinggi tentang lingkungan dan robot. Kecerdasan buatan dan
topik-topik berbagi Computer vision lain seperti pengenalan pola dan teknik
pembelajaran. Akibatnya, Computer vision kadang-kadang dilihat sebagai bagian dari
bidang kecerdasan buatan atau ilmu bidang komputer secara umum.
Fisika merupakan bidang lain yang terkait erat
dengan Computer vision. sistem Computer vision bergantung pada sensor gambar
yang mendeteksi radiasi elektromagnetik yang biasanya dalam bentuk baik cahaya
tampak atau infra-merah. Sensor dirancang dengan menggunakan fisika
solid-state. Proses di mana cahaya merambat dan mencerminkan off permukaan
dijelaskan menggunakan optik. sensor gambar canggih bahkan meminta mekanika
kuantum untuk memberikan pemahaman lengkap dari proses pembentukan gambar.
Selain itu, berbagai masalah pengukuran fisika dapat diatasi dengan menggunakan
Computer vision, untuk gerakan misalnya dalam cairan.
Bidang ketiga yang memainkan peran penting adalah
neurobiologi, khususnya studi tentang sistem biological vision Selama abad
terakhir, telah terjadi studi ekstensif dari mata, neuron, dan struktur otak
dikhususkan untuk pengolahan rangsangan visual pada manusia dan berbagai hewan.
Hal ini menimbulkan gambaran kasar, namun rumit, tentang bagaimana “sebenarnya”
sistem visi beroperasi dalam menyelesaikan tugas-tugas visi tertentu yang
terkait. Hasil ini telah menyebabkan subfield di dalam visi komputer di mana
sistem buatan yang dirancang untuk meniru pengolahan dan perilaku sistem
biologi, pada berbagai tingkat kompleksitas. Juga, beberapa metode pembelajaran
berbasis komputer yang dikembangkan dalam visi memiliki latar belakang mereka
dalam biologi.
Namun bidang lain yang terkait dengan visi komputer
pemrosesan sinyal. Banyak metode untuk pemrosesan sinyal satu-variabel,
biasanya sinyal temporal, dapat diperpanjang dengan cara alami untuk pengolahan
sinyal dua variabel atau sinyal multi-variabel dalam visi komputer. Namun,
karena sifat spesifik gambar ada banyak metode dikembangkan dalam visi komputer
yang tidak memiliki mitra dalam pengolahan sinyal satu-variabel. Sebuah
karakter yang berbeda dari metode ini adalah kenyataan bahwa mereka adalah
non-linear yang bersama-sama dengan dimensi-multi sinyal, mendefinisikan
subfield dalam pemrosesan sinyal sebagai bagian dari visi komputer.
Selain pandangan yang disebutkan di atas pada visi
komputer, banyak topik penelitian yang terkait juga dapat dipelajari dari sudut
pandang matematika murni. Sebagai contoh, banyak metode dalam visi komputer
didasarkan pada statistik, optimasi atau geometri. Akhirnya, bagian penting
dari lapangan dikhususkan untuk aspek pelaksanaan visi komputer, bagaimana
metode yang ada dapat diwujudkan dalam berbagai kombinasi perangkat lunak dan
perangkat keras, atau bagaimana metode ini dapat dimodifikasi untuk mendapatkan
kecepatan pemrosesan tanpa kehilangan terlalu banyak kinerja .
Bidang yang paling erat kaitannya dengan visi
komputer pengolahan citra, analisis citra dan visi mesin. Ada yang signifikan tumpang tindih dalam
berbagai teknik dan aplikasi yang menutupi. Ini berarti bahwa teknik-teknik
dasar yang digunakan dan dikembangkan dalam bidang ini kurang lebih sama,
sesuatu yang dapat diartikan sebagai hanya ada satu lapangan dengan nama yang
berbeda. Di sisi lain, tampaknya perlu untuk kelompok penelitian, jurnal
ilmiah, konferensi dan perusahaan untuk menyajikan atau memasarkan diri sebagai
milik khusus untuk salah satu bidang dan, karenanya, berbagai penokohan yang
membedakan masing-masing bidang dari yang lain telah disajikan.
Karakterisasi berikut akan muncul yang relevan
tetapi tidak harus diambil sebagai universal diterima:
- Pengolahan citra dan analisis citra cenderung untuk fokus pada gambar 2D, bagaimana mengubah satu gambar yang lain, misalnya, dari operasi pixel-bijaksana seperti peningkatan kontras, daerah operasi seperti ekstraksi tepi atau penghapusan noise, atau transformasi geometri seperti memutar gambar. karakterisasi ini menunjukkan bahwa pengolahan gambar / analisis tidak memerlukan asumsi atau menghasilkan interpretasi tentang isi gambar.
- Komputer visi cenderung untuk berfokus pada adegan 3D diproyeksikan ke satu atau beberapa gambar, misalnya, bagaimana merekonstruksi struktur atau informasi lain tentang adegan 3D dari satu atau beberapa gambar. Komputer visi sering mengandalkan pada asumsi yang lebih kompleks atau kurang tentang adegan digambarkan dalam gambar. machine vision
- cenderung berfokus pada aplikasi, terutama di bidang manufaktur, misalnya, visi robot otonom berbasis dan sistem untuk inspeksi berbasis visi atau pengukuran. Ini berarti bahwa teknologi sensor gambar dan teori kontrol sering terintegrasi dengan pengolahan data citra untuk mengontrol robot dan bahwa pemrosesan real-time ditekankan dengan cara implementasi efisien dalam hardware dan software. Hal ini juga menyiratkan bahwa kondisi eksternal seperti pencahayaan dapat dan sering lebih terkontrol dalam visi mesin daripada di visi komputer umum, yang dapat memungkinkan penggunaan algoritma yang berbeda.
- Ada juga pencitraan field dengan nama yang terutama berfokus pada proses menghasilkan gambar, tapi kadang-kadang juga berkaitan dengan pengolahan dan analisis gambar. Sebagai contoh, pencitraan medis berisi banyak bekerja pada analisis data gambar dalam aplikasi medis.
- Akhirnya, pengenalan pola adalah bidang yang menggunakan berbagai metode untuk mengekstrak informasi dari sinyal pada umumnya, terutama didasarkan pada pendekatan statistik. Sebuah bagian penting dari bidang ini dikhususkan untuk menerapkan metode ini untuk data citra.
permisi kak, saya ada sedikit tulisan tentang opencv di java menggunakan websocket, http://datacomlink.blogspot.com/2015/07/persiapan-java-opencv-300-dengan.html silahkan jika berkenan mengopreknya juga, semoga menambah wawasan bersama
BalasHapus