Algoritma Interpolasi Citra Berbasis Deteksi Tepi Dengan Directional Filtering dan Data Fusion.

(1)

i

Algoritma Interpolasi Citra Berbasis Deteksi Tepi

Dengan Directional Filtering dan Data Fusion

Nama : Adrianus Ivan Hertanto

Nrp : 0522058

Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha,

Jl. Prof.Drg.Suria Sumantri, MPH no.65, Bandung, Indonesia.

Email : adrianusivan@yahoo.com

ABSTRAK

Banyak pengguna citra digital yang berkeinginan untuk meningkatkan

kualitas asli suatu citra. Salah satu metoda yang dipakai adalah dengan metoda

interpolasi. Interpolasi citra bertujuan untuk meningkatkan resolusi citra sehingga

menjadi lebih baik.

Dalam Tugas Akhir ini, proses interpolasi citra menggunakan teknik

directional filtering dan data fusion. Percobaan dilakukan dengan cara membagi

setiap piksel dari citra yang akan diinterpolasi, lalu membagi daerah di sekitarnya

ke dalam dua subset pengamatan dalam dua arah tegak lurus. Setiap subset

pengamatan digunakan untuk menghasilkan estimasi sampel yang hilang. Kedua

estimasi ini diproses sebagai dua pengukuran noise terhadap sampel yang hilang.

Dengan menggunakan dan menggabungkan statistik dari kedua subset

pengamatan, kedua pengukuran noise digabungkan untuk menghasilkan estimasi

yang lebih tepat.

Dari hasil simulasi, diperoleh bahwa interpolasi terhadap citra original

yang tidak melalui proses downsampling, hasilnya akan terlihat lebih jelas

dibanding dengan interpolasi terhadap citra original yang harus melalui proses

(2)

ii

An Edge Guided Image Interpolation Algorithm via

Directional Filtering and Data Fusion

Name : Adrianus Ivan Hertanto

Nrp : 0522058

Electrical Engineering, Maranatha Cristian University,

Jl. Prof.Drg.Suria Sumantri, MPH no.65, Bandung, Indonesia.

Email : adrianusivan@yahoo.com

ABSTRACT

Many users of digital images desire to improve the original resolution.

One of the methods is interpolation. Image interpolation aims to reconstruct a

higher resolution (HR) image from the associated low resolution (LR) capture.

In this Final Project, interpolation which is proposed use directional

filtering and data fusion technique. For each pixel to be interpolated, its

neighborhood was partitioned into two observation subsets in two orthogonal

directions. Each observation subset was used to generate an estimate of the

missing sample. These two directional estimates were processed as two noisy

measurements of the missing sample. Using and combining the statistics of the

two observation subsets, the two noisy measurement was fused into a more robust

estimate.

From the simulation, interpolation from original image without

downsample has a better result than interpolation from original image with

(3)

iii

DAFTAR ISI

Halaman

ABSTRAK ... i

ABSTRACT ... ii

KATA PENGANTAR ... iii

DAFTAR ISI ... v

DAFTAR TABEL ... viii

DAFTAR GAMBAR ... ix

BAB I PENDAHULUAN I.1 Latar Belakang ... 1

I.2 Identifikasi Masalah ... 2

I.3 Tujuan ... 2

I.4 Perumusan Masalah ... 2

I.5 Pembatasan Masalah ... 2

I.6 Sistematika Penulisan ... 3

BAB II LANDASAN TEORI II.1 Pengertian Citra ... 4

II.1.1 Pemanfaatan Pengolahan Citra ... 5

II.1.2 Implementasi Pengolahan Citra ... 6

II.1.3 Operasi Pengolahan Citra ... 7

II.1.4 Noise pada Citra ... 8

II.2 Interpolasi Citra ... 9

II.2.1 Proses Interpolasi ... 13

II.3 Definisi Tepi ... 19

(4)

iv

BAB III PERANCANGAN DAN REALISASI

III.1 Spesifikasi Sistem ... 24

III.2 Perancangan Sistem Interpolasi dengan Menggunakan Teknik directional filtering dan data fusion ... 24

III.2.1 Blok Diagram Sistem Interpolasi dengan Menggunakan Teknik directional filtering dan data fusion ... 24

III.3 Diagram Alir Program Utama dengan Downsample ... 26

III.4 Diagram Alir Program Utama tanpa Downsample ... 27

III.5 Diagram Alir Proses Interpolasi Citra ... 28

III.6 Proses downsampling ... 28

III.7 Kriteria Penilaian Citra ... 30

III.7.1 MSE (Mean Square Error) ... 30

III.7.2 PSNR (Peak Signal to Noise Ratio) ... 31

III.8 MOS (Mean Opinion Score) ... 32

BAB IV DATA PENGAMATAN DAN ANALISA IV.1 Proses Interpolasi Terhadap Gambar Cameraman ... 34

IV.1.1 Proses Interpolasi Pada Ukuran 32 x 32 piksel ... 35

IV.1.4 Tabel Perbandingan MSE dan PSNR Gambar Cameraman ... 38

IV.2 Proses Interpolasi Terhadap Gambar Lena ... 39

IV.2.4 Tabel Perbandingan MSE dan PSNR Gambar Lena ... 43

IV.3 Proses Interpolasi Terhadap Gambar House ... 44

(5)

v

IV.3.4 Tabel Perbandingan MSE dan PSNR Gambar House ... 48

IV.4 Proses Interpolasi Terhadap Gambar Peppers ... 49

IV.4.4 Tabel Perbandingan MSE dan PSNR Gambar Peppers ... 53

IV.5 Proses Interpolasi Terhadap Gambar Rice ... 54

IV.5.4 Tabel Perbandingan MSE dan PSNR Gambar Rice ... 58

IV.6 Percobaan Interpolasi Terhadap gambar Eye ... 59

IV.7 Hasil MOS (Mean Opinion Score) ... 63

BAB V KESIMPULAN DAN SARAN V.1 Kesimpulan ... 66

V.2 Saran ... 66

DAFTAR PUSTAKA ... 67

LAMPIRAN A PROGRAM M-FILE PADA MATLAB 7.0.4

(6)

vi

DAFTAR TABEL

Halaman

Tabel III.1 Spesifikasi Perangkat Keras Pengembangan Sistem ... 24

Tabel IV.1 Tabel Perbandingan MSE dan PSNR Gambar Cameraman ... 38

Tabel IV.2 Tabel Perbandingan MSE dan PSNR Gambar Lena ... 43

Tabel IV.3 Tabel Perbandingan MSE dan PSNR Gambar House ... 48

Tabel IV.4 Tabel Perbandingan MSE dan PSNR Gambar Peppers ... 53

Tabel IV.5 Tabel Perbandingan MSE dan PSNR Gambar Rice ... 58

Tabel IV.6 Hasil MOS Cameraman ... 64

Tabel IV.7 Hasil MOS Lena ... 64

Tabel IV.8 Hasil MOS House ... 64

Tabel IV.9 Hasil MOS Peppers ... 64

Tabel IV.10 Hasil MOS Rice ... 65

(7)

vii

DAFTAR GAMBAR

Halaman

Gambar II.1 Contoh Grafik Data Interpolasi ... 10

Gambar II.2 Ilustrasi Hasil Proses Interpolasi Linier, Polinomial, dan Spline ... 12

Gambar II.3 Ilustrasi Interpolasi Citra Digital ... 12

Gambar II.4 Ilustrasi dari Citra Beresolusi Rendah ... 13

Gambar II.5 Interpolasi dari Sampel HR (High Resolution) ... 14

Gambar II.6 Interpolasi dari Sampel HR yang Hilang... 19

Gambar III.2 Diagram Alir Program Utama dengan Downsample ... 26

Gambar III.3 Diagram Alir Program Utama tanpa Downsample ... 27

(8)

viii

Gambar IV.9 Image Original House... 44

Gambar IV.10 Gambar House pada Ukuran 32 x 32 piksel ... 45

Gambar IV.13 Image Original Peppers ... 49

Gambar IV.14 Gambar Peppers pada Ukuran 32 x 32 piksel ... 50

Gambar IV.17 Image Original Rice ... 54

Gambar IV.18 Gambar Rice pada Ukuran 32 x 32 piksel ... 55

Gambar IV.21 Gambar Original Eye yang Berukuran 32 x 32 piksel ... 59

Gambar IV.22 Gambar Eye Berukuran 64 x 64 piksel... 59

Gambar IV.24 Gambar Eye Berukuran 256 x 256 piksel ... 61

(9)

LAMPIRAN A

(10)

A-1

(11)

A-2

x=[Ax(i,j-2) Ax(i,j-1) Ax(i,j) Ax(i,j+1) Ax(i,j+2)]; vx=cov(x)+0.1;

(12)

A-3 A(i,j)=(Ax(i,j)*vy+my*vx)/(vx+vy);

end end

fori=4:2:n-4

forj=5:2:m-5

x=[Ay(i,j-2) A(i,j-1) A(i,j+1) Ay(i,j+2)]; mx=sum(h.*x);

y=[Ay(i-2,j) Ay(i-1,j) Ay(i,j) Ay(i+1,j) Ay(i+2,j)]; vx=c*cov([x mx])+0.1;

vy=cov(y)+0.1;

A(i,j)=(mx*vy+Ay(i,j)*vx)/(vx+vy);

end end

A=double(A); figure(2);clf; imshow(A,[0 255]);

(13)

A-4

LAMPIRAN B

(14)

A-5

Gambar Cameraman Ukuran

Interpolasi (piksel)

Orang ke-1 Orang ke-2 Orang ke-3 Orang ke-4 Orang ke-5 Orang ke-6 Orang ke-7 Orang ke-8 Orang ke-9 Orang ke-10

1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6

32 x 32 x x x x x x x x x x

128 x 128 x x x x x x x x x x

Gambar Lena Ukuran

1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6

(15)

A-6

Gambar House Ukuran

1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6

128 x 128 x x x x x x x x x x

Gambar Peppers Ukuran

1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6

(16)

A-7 Gambar Rice Ukuran

1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6

128 x 128 x x x x x x x x x x

Gambar Eye Ukuran

1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6

128 x 128 x x x x x x x x x x

256 x 256 x x x x x x x x x x

(17)

1

BAB I

PENDAHULUAN

I. 1 Latar Belakang

Citra / gambar (image) merupakan hal yang penting dan menjadi bagian integral dari kehidupan sehari-hari. Seringkali citra yang ada mengalami penurunan mutu (degradasi), misalnya mengandung cacat atau derau (noise), warnanya terlalu kontras, kurang tajam, kabur (blurring), dan sebagainya.

Citra yang mengalami banyak gangguan menjadi lebih sulit diinterpretasi karena informasi yang disampaikan oleh citra tersebut menjadi berkurang. Agar citra yang mengalami gangguan mudah diinterpretasi, maka citra tersebut perlu diperbaiki menjadi citra lain yang kualitasnya lebih baik. Citra yang sudah diperbaiki ini akan lebih mudah dibaca dan dimengerti.

Banyak pengguna citra digital yang berkeinginan untuk meningkatkan resolusi asli suatu citra. Interpolasi citra bertujuan untuk merekonstruksi resolusi citra menjadi lebih baik. Aplikasi-aplikasi dari proses tersebut sering dijumpai pada bidang kedokteran, fotografi, dan masih banyak lagi yang lainnya.

Dalam Tugas Akhir ini, akan disimulasikan sebuah metode interpolasi non-linier berbasis deteksi tepi melalui directional filtering dan

data fusion. Metode ini menggunakan algoritma interpolasi Linear Minimum

Mean Square-Error (LMMSE) berbasis deteksi tepi.

I. 2 Identifikasi Masalah

(18)

BAB I PENDAHULUAN

2 I. 3 Tujuan

Tujuan yang hendak dicapai dalam pengerjaan Tugas Akhir ini adalah

1. Memperbaiki resolusi suatu citra dengan menggunakan metoda interpolasi citra berbasis deteksi tepi dengan directional filtering dan

data fusion.

2. Membandingkan perbedaan antara citra original, dengan citra yang telah di downsample kemudian resolusinya ditingkatkan dengan metoda interpolasi.

3. Mengimplementasikan algoritma interpolasi citra berbasis deteksi tepi dengan directional filtering dan data fusion tanpa menggunakan citra yang di downsample terlebih dahulu.

I. 4 Perumusan Masalah

Rumusan masalah dari pengerjaan Tugas Akhir ini adalah:

1. Bagaimana memperbaiki resolusi suatu citra dengan menggunakan metoda interpolasi citra berbasis deteksi tepi dengan directional filtering dan data fusion?

2. Bagaimana perbedaan antara citra original, dengan citra yang telah di

downsample kemudian resolusinya ditingkatkan dengan metoda

interpolasi?

3. Bagaimana mengimplementasikan algoritma interpolasi citra berbasis deteksi tepi dengan directional filtering dan data fusion tanpa menggunakan citra yang di downsample terlebih dahulu?

I. 5 Pembatasan Masalah

Pembatasan masalah pada Tugas Akhir ini meliputi :

1. Kondisi citra original diasumsikan dalam keadaan baik (tidak ada noise). 2. Kriteria peningkatan resolusi pada citra yang diamati adalah nilai

(19)

BAB I PENDAHULUAN

3 3. Citra yang digunakan pada percobaan jenis pertama adalah citra

grayscale yang berukuran 256 x 256 piksel.

4. Citra yang digunakan pada percobaan jenis kedua adalah citra grayscale yang berukuran 32 x 32 piksel.

5. Perangkat lunak untuk pemrograman yang digunakan adalah Matlab versi 7.04

I. 6 Sistematika Penulisan

Sistematika penulisan dalam Tugas Akhir ini dibagi secara garis besar dalam lima bab, yang meliputi :

• BAB I PENDAHULUAN

Berisi latar belakang, identifikasi masalah, tujuan, perumusan masalah, pembatasan masalah, dan sistematika penulisan.

• BAB II TEORI PENUNJANG

Pada bab ini akan dibahas mengenai pengolahan citra, teori dasar penunjang metoda interpolasi, dan akan dijelaskan juga mengenai definisi tepi.

• BAB III PERANCANGAN DAN SIMULASI

Pada bab ini akan dibahas mengenai perancangan dan simulasi interpolasi citra menggunakan directional filtering dan data fusion.

• BAB IV PENGUJIAN DAN PENGAMATAN DATA

Pada bab ini akan dibahas mengenai hasil pengujian perangkat lunak yang dibuat, pengamatan dan pengujian data hasil simulasi yang telah dilakukan.

• BAB V KESIMPULAN

(20)

66

BAB V

KESIMPULAN DAN SARAN

Pada bab ini berisi kesimpulan dari Tugas Akhir dan saran-saran yang perlu dilakukan untuk perbaikan di masa mendatang.

V.1 Kesimpulan

Dalam merealisasikan proses interpolasi dengan menggunakan

directional filtering dan data fusion, dapat disimpulkan beberapa hal seperti

berikut :

1. Hasil interpolasi dengan menggunakan citra original yang tidak melalui proses downsampling, hasilnya akan terlihat lebih baik pada ukuran citra kecil (32 x 32 piksel dan 64 x 64 piksel), dibanding dengan interpolasi terhadap citra original yang harus melalui proses

downsampling.

2. Penilaian secara subjektif terkadang tidak sesuai dengan data yang telah didapat. Ada yang menyebutkan bahwa gambar house yang terbaik. Hal ini dikarenakan mata manusia kurang mampu membedakan visual secara detail.

V.2 Saran

Saran-saran yang dapat diberikan untuk perbaikan dan pengembangan tugas akhir ini di masa yang akan datang adalah:

(21)

67

DAFTAR PUSTAKA

1. ZHANG, LEI AND WU, XIAOLIN.2006.IEEE AN EDGE GUIDED IMAGE INTERPOLATION ALGORITHM VIA DIRECTIONAL FILTERING AND DATA FUSION, VOL. 15, NO.8.

2. HTTP://DWIARDIIRAWAN.COM/

3. HTTP://DWIARDIIRAWAN.COM/CHAPTER%2010.HTML

4. HTTP://FAJRI.FREEBSD.OR.ID/TUGAS AKHIR/BAB2.PDF

5. HTTP://LECTURER.EEPIS-ITS.EDU/~RIYANTO/CITRA-BAB8.PDF

6. HTTP://MOEKHLIS.BLOGSPOT.COM/

7. HTTP://students.itb.ac.id/~setiawan.hadi/webS3/33503505/Konferda2006/konferda .pdf