• Introduction

    GREETING

    Assalammualaikum wr, wb, Hallo teman-teman Cvisioner!!

    Selamat datang dan selamat bergabung pada matakuliah Computer Vision.
    Matakuliah IFB-301 Computer Vision ini merupakan matakuliah wajib di Program Studi Informatika, Fakultas Teknologi Industri, Institut Teknologi Nasional Bandung yang diselenggarakan di semester ganjil atau tepatnya di semester 5. Bobot matakuliah Computer Vision adalah 3 SKS.

    Perkenalkan saya Irma Amelia Dewi, selama satu semester ini akan menemai teman-teman Cvisioner untuk lebih memahami tidak hanya konsep dari metode-metode computer vision tetapi juga implementasinya di bidang industri.

    Pembelajaran yang diterapkan merupakan collaborative learning dan active learning, mengajak CVisioner terlibat secara partisipasi aktif dalam diskusi/small group discussion, group activity dalam menyelesaikan case study, problem-based yang berasal dari dunia usaha dan dunia industri (DUDI). Jika teman-teman Cvisioner memiliki pertanyaan atau kebutuhan, jangan ragu untuk menghubungi saya melalui platform ini. Saya selalu siap membantu teman-teman dalam proses pembelajaran ini.

    Jadi, mari kita mulai! Siapkan diri Anda untuk menggali ilmu baru, berdiskusi, dan menjalani pengalaman pembelajaran yang luar biasa.

    Terima kasih telah bergabung, dan saya berharap kita akan memiliki waktu yang sangat bermanfaat bersama. Selamat belajar!"

  • Pertemuan 10-Image Stitching

    HEADER

    Greeting

    Selamat datang teman-teman CVisioner pada pertemuan ke-sepuluh Computer Vision. Pada pertemuan ini teman-teman CVisioner diharapkan dapat menggabungkan beberapa citra menjadi citra panoramic. Pada pertemuan ini akan dibahas image stitching. Semoga teman-teman CVisioner dalam keadaan sehat dan semangat mempelajari materi di pertemuan ke-sepuluh ini. 

    Deskripsi Materi

    Image stitching adalah teknik menggabungkan beberapa citra dengan area overlap untuk menghasilkan citra panorama dengan sudut pandang lebih lebar.

    Tahapan image stitching:

      1.  Feature detection menggunakan SIFT descriptor untuk menemukan keypoint pada area overlap citra.
    1. Feature matching antar citra dilakukan berdasarkan jarak euclidean deskriptor SIFT.
    2. Estimasi homography antar citra menggunakan RANSAC untuk menghitung transformasi affine yang memadakan sudut pandang citra.
    3. Image warping dilakukan untuk mentransformasikan dan menyelaraskan citra berdasarkan estimasi homography.
    4. Image blending dengan teknik gradient domain blending untuk mencampur area overlap agar stitching terlihat halus dan tidak kentara.

    Image stitching banyak diaplikasikan dalam pembuatan panorama, video streaming, dan augmented reality.

    Sub-Capaian Pembelajaran MataKuliah (Sub-CPMK)

    SubCPMK 4:  Mahasiswa mampu mengimplementasikan teknik pengolahan citra pada video atau motion image serta tracking gerakan pada satu atau lebih gambar atau dari frame video pada aplikasi berbasis video di bidang jaringan komputer, data science dan AI dalam dunia industri

    Indikator Capaian Pembelajaran

    1. Mahasiswa mampu menjelaskan dan mengimplementasikan proses SIFT descriptor dalam feature detection dan matching pada proses image stitching.
    2. Mahasiswa mampu menjelaskan dan mengimplementasikan homography dan RANSAC dalam estimasi transformasi antar citra untuk image stitching.
    3. Mahasiswa mampu menjelaskan dan mengimplementasikan teknik image blending dalam proses image stitching agar hasilnya natural.
    4. Mahasiswa mampu menerapkan algoritma SIFT descriptor, RANSAC dan homography untuk melakukan image stitching.
    5. Mahasiswa mampu mengevaluasi dan menganalisis hasil image stitching yang dihasilkan.

    Skenario Pembelajaran 

    Matakuliah Computer Vision diselenggarakan dengan menggunakan model pembelajaran flipped classroom. Mahasiswa mempelajari materi pembelajaran baik handout, video pembelajaran, modul praktek pemrograman diluar jam perkuliahan sebelum kelas dimulai. Teman-teman CVisioner setelah mempelajari terlebih dahulu materi mengenai feature extraction berdasarkan tekstur menggunakan LBP dan modul pemrograman dengan metode LBP yang dapat teman-teman praktekkan menggunakan Google Colaboratory. 

    Sebelum pertemuan (90 menit):

    1. Mahasiswa menonton video materi Local Binary Pattern (LBP) selama 30 menit. Video berisi penjelasan konsep dasar LBP dan contoh implementasinya.
    2. Mahasiswa membaca handout ringkasan materi LBP dan modul praktik coding LBP selama 30 menit.
    3. Mahasiswa mengerjakan kuis pemahaman materi di LMS selama 30 menit.

    Saat pertemuan (120 menit):

    1. Presentasi dan review materi (15 menit)
    2. Dosen mereview inti materi dan menanggapi pertanyaan mahasiswa berdasarkan diskusi daring.
    3. case-study (60 menit)
      • Mahasiswa mencoba melakukan menyelesaikan case-study image stitching
    4. Presentasi hasil praktikum (15 menit)
      • Beberapa mahasiswa mempresentasikan dan mendiskusikan hasil case-study image stitching-nya.
    5. Penutup (15 menit)
      • Dosen merangkum hasil diskusi dan memberikan umpan balik

    Pengukuran pemahaman materi image stitching akan dilakukan juga dalam bentuk quiz di Spada Indonesia. Selamat Belajar

Previous section
Pertemuan 9-Local Binary Pattern | Texture-based feature descriptor
Next section
Pertemuan 11- Optical Flow | Video Analysis & Motion Tracking