ABSTRAKSI: Dalam aplikasi sensing robotic dan computer vision dibutuhkan sebuah algoritma pengenalan pola. Pada tugas akhir ini dilakukan penelitian terhadap algoritma Transformasi Hough dalam mendeteksi kurva tertutup sederhana seperti lingkaran atau elips. Pada penelitian sebelumnya, algoritma Transformasi Hough telah digunakan dalam pendeteksian jumlah sisi bangun geometri segi-N. Akan tetapi belum ada penelitian yang menganalisis Transformasi Hough dalam mendeteksi dan membedakan kurva tertutup sederhana.
Untuk mendeteksi objek elips dan lingkaran dalam sebuah citra digital, pertama-tama dilakukan proses akuisisi citra dengan meng-capture objek dari webcam atau dengan membangkitkan citra dari komputer. Lalu tahap preprocessing untuk mendapatkan garis tepi objek. Kemudian digunakan Transformasi Hough Standar (SHT) dan dianalisis kurva sinusoidal hasil transformasi tersebut. Lingkaran akan memiliki bentuk kurva sinusoidal yang cukup teratur dibandingkan elips. Oleh karena itu pada penelitian kali ini akan digunakan metode standar deviasi untuk membedakan objek lingkaran dan elips. Setelah mendapatkan objek yang diinginkan, kemudian digunakan Transformasi Hough yang di modifikasi (MHT) untuk merekonstruksi bangun tersebut.
Untuk menganalisis tingkat performasi algoritma dalam pendeteksian dan rekonstruksi, maka diujikan 108 citra berbentuk lingkaran dan elips dengan warna dan besar berbeda. Berdasarkan hasil uji, sistem dapat membedakan objek kurva tertutup dengan akurasi 95,46% dan merekonstruksi kurva tertutup dengan akurasi sebesar 100%. Waktu komputasi rata-rata dalam merekonstruksi lingkaran 4,86 detik dan merekonstruksi elips 0,594 detik.
Kata Kunci : Transformasi Hough Standar (SHT), Standar Deviasi, Transformasi HoughABSTRACT: Pattern recognition algorithm is very important for robotic sensing and computer vision. On this thesis, Hough Transform Algorithm is tested to detect simple closed curve like circle and ellipse. On the previous research, Hough Transform Algorithm was used to detect the number of N-side from a geometry object. However, there is still no research to analyze Hough Transform performance in detecting and differentiating simple closed curve.
To detect an object such as ellipse and circle in a digital image, first the image is acquired by capturing from a webcam or generating images from computer. Then the preprocessing stage will be done to get its edges. Next the edges will be transformed using Standard Hough Transform and the curve from Hough Transform will be analyzed. The circle will have a more constant sinusoidal curve than the ellipse. Therefore, in this research standard deviation method is used to differentiate those objects. After gaining the expected ones, a Modified Hough Transform is used to reconstruct the objects.
To analyze the performance of algorithm, all the 108 images of cicrle and ellipse with different color and size is tested. Based on the results, the system can detect and distiguish circle and ellipse objects with 95,46% accuracy as well as reconstruct those object with 100% accuracy. The average computation time in circle reconstruction is 4,86 seconds and ellipse reconstruction is about 0,594 seconds
Keyword: Standard Hough Transform (SHT), Modified Hough Transform (MHT),