Topik Selamat datang pada matakuliah terbuka Machine Vision. Dosen Pengampu I Gede Putra Kusuma Negara, B.Eng., PhD inegara@binus.edu Deskripsi Mata Kuliah Komputasi dengan gambar tidak lagi hanya untuk ranah sains, tapi juga untuk seni dan ilmu sosial. Machine Vision mengekstrak deskripsi lingkungan dari gambar atau urutan gambar dan bergantung pada pemahaman yang solid tentang kamera dan proses fisik pembentukan citra. Mata kuliah ini dimulai dengan memperkenalkan konsep sistem penglihatan, pembentukan citra, dan penyaringan citra. Kemudian mata kuliah ini membahas beberapa aspek penglihatan mesin seperti deteksi fitur, ekstraksi fitur, pengenalan pola, dan pencocokan gambar. Melalui mata kuliah ini, mahasiswa juga akan mengeksplorasi beberapa aplikasi machine vision. Ada banyak aplikasi penting dari machine vision, seperti inspeksi industri, OCR, pencitraan medis, pengambilan gambar berbasis konten, dan pengenalan wajah. Capaian Pembelajaran CP1 : Mengetahui berbagai aspek algoritma machine vision CP2 : Memahami pentingnya aplikasi machine vision CP3 : Menerapkan konsep machine vision untuk memecahkan masalah rekayasa di dunia nyata CP4 : Menganalisis teknologi machine vision yang memungkinkan CP5 : Evaluasi kemajuan dan tantangan penelitian dalam machine vision CP6 : Merancang pendekatan baru yang dapat memperbaiki aplikasi machine vision Peta Kompetensi dan Peta Program Topik 1. Introduction to Machine Vision 2. Human Visual System and Digital Camera 3. Light and Color 4. Image Filtering (1) 5. Image Filtering (2) 6. Feature Detection 7. Shape Feature 8. Texture Features 9. Recognition (1) 10. Recognition (2) 11. Image Matching 12. Sample Applications Komponen Penilaian Assessment Activity Weight Attendance (F2F) 10% Discussion Forum Activity 10% Assignment 20% Midterm Examination 30% Final Examination 30% Cara mempelajari materi Peserta diharapkan membaca lecturer note dan bahan ajar lainnya yang telah disediakan. Apabila belum memahami secara mendalam posting pertanyaan di forum diskusi yang sudah disediakan. Tugas-tugas dikerjakan yang disediakan setiap pertemuan. Quis akan diberikan setelah beberapa topik diberikan. Buku 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. Gonzales. (2011). Digital Image Processing (3rd Edition). Prentice Hall. New Jersey. ISBN-10: 013168728X. ISBN-13: 978-0131687288 4. Nixon, M. (2008). Feature extraction & image processing (2nd Edition). Academic Press. ISBN: 9780080556727

---

Course Modules

Tujuan pembelajaran: Memahami berbagai aspek algoritma machine vision Memahami pentingnya aplikasi machine vision Terdiri dari sub-topik sebagai berikut: What is Machine Vision? Related fields Application areas

---

Course Modules

Tujuan pembelajaran: Memahami berbagai aspek algoritma machine vision Memahami pentingnya aplikasi machine vision Terdiri dari sub-topik sebagai berikut: Human Visual System Digital Cameras

---

Course Modules

Tujuan pembelajaran: Memahami berbagai aspek algoritma machine vision Memahami pentingnya aplikasi machine vision Terdiri dari sub-topik sebagai berikut: The Physics of Color Human Color Perception Representing Color A Model of Image Color

---

Course Modules

Tujuan pembelajaran: Memahami berbagai aspek algoritma machine vision Menerapkan konsep machine vision untuk memecahkan masalah rekayasa di dunia nyata Terdiri dari sub-topik sebagai berikut: Filtering in Spatial Domain First derivative filters Second derivative filters

---

Course Modules

Tujuan pembelajaran: Memahami berbagai aspek algoritma machine vision Menerapkan konsep machine vision untuk memecahkan masalah rekayasa di dunia nyata Terdiri dari sub-topik sebagai berikut: Fourier Transform Filtering in Frequency Domain Wavelet Transform

---

Course Modules

Tujuan pembelajaran: Memahami berbagai aspek algoritma machine vision Menerapkan konsep machine vision untuk memecahkan masalah rekayasa di dunia nyata Menganalisis teknologi machine vision yang memungkinkan Terdiri dari sub-topik sebagai berikut: Edge Detection Interest Point and Corner

---

Course Modules

---

Course Modules

Tujuan pembelajaran: Memahami berbagai aspek algoritma machine vision Menerapkan konsep machine vision untuk memecahkan masalah rekayasa di dunia nyata Menganalisis teknologi machine vision yang memungkinkan Terdiri dari sub-topik sebagai berikut: Thresholding Identifying Boundary Identifying Region

---

Course Modules

Tujuan pembelajaran: Memahami berbagai aspek algoritma machine vision Menerapkan konsep machine vision untuk memecahkan masalah rekayasa di dunia nyata Menganalisis teknologi machine vision yang memungkinkan Terdiri dari sub-topik sebagai berikut: Texture Analysis Structural Approaches Statistical Approaches Texture Segmentation

---

Course Modules

Tujuan pembelajaran: Menerapkan konsep machine vision untuk memecahkan masalah rekayasa di dunia nyata Menganalisis teknologi machine vision yang memungkinkan Evaluasi kemajuan dan tantangan penelitian dalam machine vision Terdiri dari sub-topik sebagai berikut: Pattern recognition Supervised learning Classification

---

Course Modules

Tujuan pembelajaran: Menerapkan konsep machine vision untuk memecahkan masalah rekayasa di dunia nyata Menganalisis teknologi machine vision yang memungkinkan Evaluasi kemajuan dan tantangan penelitian dalam machine vision Terdiri dari sub-topik sebagai berikut: Unsupervised learning Clustering

---

Course Modules

Tujuan pembelajaran: Menerapkan konsep machine vision untuk memecahkan masalah rekayasa di dunia nyata Menganalisis teknologi machine vision yang memungkinkan Evaluasi kemajuan dan tantangan penelitian dalam machine vision . Terdiri dari sub-topik sebagai berikut: Definition Invariant Local Features Scale Infariant Feature Transform (SIFT) Feature Matching

---

Course Modules

Tujuan pembelajaran: Memahami pentingnya aplikasi machine vision Evaluasi kemajuan dan tantangan penelitian dalam machine vision Merancang pendekatan baru yang dapat memperbaiki aplikasi machine vision Terdiri dari sub-topik sebagai berikut: Content Based Image Retrieval Face Recognition

---

Course Modules

---

Course Modules