Description

Referensi dan Resource yang digunakan :

• https://drive.google.com/drive/folders/1OveyLUuTiFaW3FrOCBJV6sI97JW_D-Os?usp=sharing 
• https://google.github.io/mediapipe/solutions/selfie_segmentation 

Library yang digunakan :

• os
• cv2
• numpy
• mediapipe

Cara Kerja :

• Program akan meminta input berupa gambar orang RGB yang dihasilkan bisa dari video capture
• Setelah gambar didapatkan maka library mediapipe (selfie segmentation) akan memprediksi Mask dari objek orang tersebut 
• Program akan mencari gambar pada direktori untuk menjadi background pengganti objek orang yang sudah dipisahkan
• Output menghasilkan objek orang yang sudah dipisahkan bersatu dengan gambar background yang baru.  

Tutorial :

1. Buat folder yang berisi daftar yang menjadi background dan import library untuk program pertama kali

Import library yang diperlukan

2. Membuat objek mediapipe selfie segmentation

3. Membuat objek dari openCV agar dapat melakukan perekaman video (Video Capture)

4. Menjalankan Video Capture

Dalam perekaman video dilakukan pembuatan frame dengan openCV selanjutnya akan dikonversi menjadi RGB. Selanjutnya, frame/gambar yang dicaoture dari video capture akan diproses dengan selfie_segmentation.process 

5. Mendapatkan proses Deteksi Mask

Pada proses ini kita membuat variable untuk menyimpan hasil dari deteksi mask. Selain itu, kita juga mengubah background awal dengan bg_image yang diambil dari directory kita. Jangan lupa untuk menyesuaikan dengan gambar awal kita.

6. Menampilkan Hasil

mask = gambar hasil deteksi Mask

ouput_image = hasil gambar akhir yang sudah diganti backgroundnya

frame = gambar awal ketika dilakukan video capture

7. Membuat pengkodisian agar bisa berganti gambar

Pada proses ini kombinasi keyboard yang diatur adalah

• Tombol q akan mengakhiri program
• Tombol d akan mengkeksekusi pergantian gambar yang diambil dari direktori 

8. Menjalankan Video Capture dan mencegah komputer mematikan program selain dari kombinasi keyboard yang telah diatur

9. Hasil

• Gambar Frame/ Pertama kali di capture

• Gambar hasil deteksi Mask

• Gambar yang sudah berganti backgroundnya dengan mengambil objek orang dari deteksi Mask