ABSTRAK
i Universitas Kristen Maranatha
PENGGABUNGAN DUA CITRA DENGAN METODE
COMPRESSIVE SENSING MENGGUNAKAN MATLAB
Disusun oleh :
Glenn Yehezkiel Pratiknyo (1027027)
Jurusan Sistem Komputer, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof. Drg. Suria Sumantri, MPH. No. 65, Bandung, Jawa Barat, Indonesia
E – mail : glenn_bazket@yahyoo.com
ABSTRAK
Tiap citra mengenai suatu kejadian atau obyek yang sama yang diambil dari sensor yang berbeda, memiliki karakteristik informasi yang berbeda pula. Untuk mendapatkan citra yang lebih baik, informasi-informasi tersebut dapat digabungkan menjadi satu buah citra yang memiliki kualitas lebih baik (lebih informatif) dari citra sebelumnya. Hal ini disebut sebagai fusi citra.
Pada Tugas Akhir ini, dibuat fusi citra pada citra digital menggunakan teknik
Compressive Sensing, yang bertujuan untuk mendapatkan citra fusi yang memiliki
kualitas informasi yang baik dari beberapa citra input, yang dicapai dengan mengambil sebagian sample menggunakan pola sampling “star – shaped”, tanpa
membutuhkan seluruh informasi dari citra input.
Hasil percobaan beberapa jumlah line sampling yang diuji dari, jumlah line
sampling yang bagus adalah 150 karena menghasilkan kualitas citra fusi terbaik
ABSTRACT
ii Universitas Kristen Maranatha FUSIONING TWO IMAGE WITH COMPRESSIVE SENSING METHOD
USING MATLAB
Composed by :
Glenn Yehezkiel Pratiknyo (1027027)
Department of Computer Engineering, Faculty of Engineering, Maranatha Christian University, Bandung, West Java, Indonesia
E – mail : glenn_bazket@yahoo.com
ABSTRACT
Each image of an event or the same object taken from different sensors, having different information characteristics. To get a better image, these information can be combined into a single image that has better quality (more informative) than the previous image. This is referred to as image fusion.
In this final project, image fusion in a digital image using Compressive Sensing technique is developed, which aims to get the fusion image with good quality information from multiple input image, which is achieved by taking some samples using "star - shaped" sampling pattern, without requiring all information of the input images.
v Universitas Kristen Maranatha
BAB II LANDASAN TEORI 2. 1. Pengertian Citra Digital ... 4
2. 2. Citra Grayscale ... 5
2. 3. Fusi Citra ... 7
2. 4. Compressed sensing ... 9
2. 5. Pola Sampling “Star-Shaped” ... 11
2. 6. Rekonstruksi Total Variation Minimalization ... 12
2. 7. Petrovic Transform ... 14
2. 8. Fourier Transform ... 17
BAB III PERANCANGAN PERANGKAT LUNAK 3. 1. Blok Diagram Proses Compressive Sensing Citra Masukan ... 22
vi Universitas Kristen Maranatha
Sampling ... 24
3. 4. Diagram Alir Proses Fusi ... 26
3. 5. Perancangan Graphic User Interface (GUI) ... 29
BAB IV DATA PENGAMATAN DAN ANALISIS 4. 1. Prosedur Percobaan ... 33
4. 2. Data Pengamatan dan Analisis ... 34
4.2.1. Fusi Citra “Med A.bmp” dan “Med B.bmp”... 37
4.2.2. Fusi Citra “Head A.bmp” dan “Head B.bmp” ... 39
4.2.3. Fusi Citra “Pepsi A.bmp” dan “Pepsi B.bmp” ... 42
4.2.4. Fusi Citra “Clock A.bmp” dan “Clock B.bmp” ... 44
4.2.5. Fusi Citra “Vif A.bmp” dan “Vif B.bmp”... 46
4. 3. Analisis Data Secara Keseluruhan ... 49
BAB V KESIMPULAN DAN SARAN 5. 1. Kesimpulan ... 50
5. 2. Saran ... 51
vii Universitas Kristen Maranatha
DAFTAR GAMBAR
Gambar 2.1 Proses Pengukuran Compressive Sensing (CS) ... 11
Gambar 2.2 Pola Sampling “Star-Shaping” ... 12
Gambar 2.3 Grafik Skema Perbandingan IFT dan DFT ... 19
Gambar 2.4 Algoritma Cooky-Tukey ... 20
Gambar 2.5 Algoritma Sunde-Tukey ... 20
Gambar 3.1 Blok Diagram Proses Compressive Sensing Citra A ... 22
Gambar 3.2 Blok Diagram Proses Compressive Sensing Citra B ... 23
Gambar 3.3 Blok Diagram Proses Fusi ... 23
Gambar 3.4 Diagram Alir Proses Compressive Sensing dan Sampling ... 24
Gambar 3.5 Diagram Alir Proses Fusi ... 25
Gambar 3.6 Rancangan GUI ... 30
Gambar 4.1 Tampilan Rancangan Program GUI ... 33
Gambar 4.2 Hasil Uji Coba Fusi Citra “Med A.bmp” dan “Med B.bmp” dengan Rasio Fusi 1. ... 38
Gambar 4.3 Grafik Perbandingan Nilai Petrovic Metric Terhadap Jumlah Line Sampling Pada Fusi Citra “Head A.bmp” dan “Head B.bmp”. ... 40
Gambar 4.4 Hasil Uji Coba Fusi Citra “Head A.bmp” dan “Head B.bmp” dengan Rasio Fusi 1. ... 42
viii Universitas Kristen Maranatha Gambar 4.6 Grafik Perbandingan Nilai Petrovic Metric Terhadap Jumlah Line
ix Universitas Kristen Maranatha
DAFTAR TABEL
Tabel 3.1 Atribut MATLAB pada perancangan perangkat lunak ... 30
Tabel 4.1 Karakteristik Citra Input ... 34
Tabel 4.2 Pola Sampling “Star-Shaped” ... 35 Tabel 4.3 Data Hasil Percobaan Fusi Citra “Med A.bmp” dan “Med B.bmp” . 37
Tabel 4.4 Hasil Uji Coba Fusi Citra “Med A.bmp” dan “Med B.bmp” dengan
Rasio Fusi 1. ... 39
Tabel 4.5 Hasil Uji Coba fusi citra “Head A.bmp” dan “Head B.bmp” ... 40
Tabel 4.6 Hasil Uji Coba Fusi Citra “Head A.bmp” dan “Head B.bmp” dengan
Rasio Fusi 1 ... 41
Tabel 4.7 Data Hasil Percobaan Fusi Citra “Pepsi A.bmp” dan
“Pepsi B.bmp”. ... 42
Tabel 4.8 Hasil uji coba fusi citra “Pepsi A.bmp” dan “Pepsi B.bmp” dengan
rasio fusi 1. ... 43
Tabel 4.9 Data Hasil Percobaan Fusi Citra “Clock A.bmp” dan
“Clock B.bmp”... 44
Tabel 4.10 Hasil Uji Coba Fusi Citra “Clock A.bmp” dan “Clock B.bmp”
dengan Rasio Fusi 1 ... 46
Tabel 4.11 Data Hasil Percobaan Fusi Citra “Vif A.bmp” dan “Vif B.bmp”. .. 47
Tabel 4.12 Hasil Uji Coba Fusi Citra “Vif A.bmp” dan “Vif B.bmp” dengan
BAB I PENDAHULUAN
1 Universitas Kristen Maranatha
BAB I
PENDAHULUAN
Pada bab ini akan dibahas mengenai latar belakang, perumusan masalah, tujuan, pembatasan masalah, dan sistematika penulisan dari Tugas Akhir ini.
1. 1. Latar Belakang
Saat ini perkembangan teknologi semakin maju dan berkembang, sehingga
suatu obyek atau kejadian dapat diabadikan dalam bentuk sebuah gambar atau citra baik analog maupun digital. Namun, kualitas sebuah citra tergantung pada sensor yang digunakan untuk mendapatkan citra tersebut. Semakin baik sensor yang digunakan, semakin baik pula citra yang dihasilkan.
Tiap citra mengenai suatu kejadian atau obyek yang sama yang diambil dari sensor yang berbeda, memiliki karakteristik informasi yang berbeda pula. Untuk mendapatkan citra yang lebih baik, informasi-informasi tersebut dapat digabungkan menjadi satu buah citra yang memiliki kualitas lebih baik dari citra sebelumnya. Hal ini disebut sebagai fusi citra (Image Fusion). Salah satu teknik fusi citra adalah dengan teknik Compressive Sensing (CS).
Compressive Sensing (CS) merupakan teknik baru dalam proses sampling
data dan kompresi data. Metode ini memiliki kompleksitas komputasi yang lebih rendah daripada teknik kompresi sebelumnya yang menggunakan over sampling kemudian melakukan kompresi terhadap data yang telah di sampling. Dengan kata lain, Compressive Sensing (CS) dapat secara tepat melakukan kompresi tepat pada
sampling.
Fusi citra adalah kombinasi dari beberapa gambar menjadi gambar tunggal yang membantu persepsi visual manusia atau tugas-tugas pengolahan gambar
selanjutnya. Salah satu metode untuk mencapai fusi citra adalah dengan skema dekomposisi multiresolusi. Semua metode tersebut memerlukan informasi tentang gambar asli. Namun, Compressive Sensing (CS) menawarkan salah satu keunggulan utama yaitu dapat mengumpulkan sampel tanpa asumsi informasi sebelumnya tentang sinyal yang diamati, sehingga memotivasi penelitian pada
BAB I PENDAHULUAN 2
Universitas Kristen Maranatha Penggabungan Dua Citra Dengan Metode Compressive Sensing Menggunakan MATLAB.
1. 2. Identifikasi Masalah
Bagaimana cara merealisasikan Penggabungan Dua Citra Dengan Metode
Compressive SensingMenggunakan MATLAB ?
1. 3. Tujuan
Merealisasikan Penggabungan Dua Citra Dengan Metode Compressive
SensingMenggunakan MATLAB.
1. 4. Pembatasan Masalah
1. Citra yang digunakan dalam proses fusi adalah citra grayscale berukuran 256x256 piksel dengan format “bmp”.
2. Citra dicuplik menggunakan pola sampling “star-shaped” dengan jumlah
line sampling sebanyak 25, 50, 75, 100, dan 150.
3. Kualitas citra hasil fusi diukur dengan penilaian obyektif berdasarkan kriteria Petrovic’s metric.
4. Realisasi software dibuat menggunakan bahasa pemograman MATLAB.
1. 5. Sistematika Penulisan
Laporan Tugas Akhir ini disusun dengan sistematika sebagai berikut : BAB I : Pendahuluan
Merupakan bab yang menjelaskan mengenai latar belakang masalah, rumusan masalah, tujuan dan sistematika penulisan dari
Tugas Akhir ini.
BAB II : Landasan Teori
BAB I PENDAHULUAN 3
Universitas Kristen Maranatha BAB III : Perancangan Perangkat Lunak
Merupakan bab yang berisi penjelasan desain yang akan dilakukan untuk membuat software Penggabungan Dua Citra Dengan Metode
Compressive SensingMenggunakan MATLAB. BAB IV : Data Pengamatan dan Analisis
Merupakan bab yang berisi data pengamatan yang diperoleh dari penelitian dan analisis yang diperoleh melalui Tugas Akhir ini.
BAB V : Kesimpulan dan Saran
BAB V KESIMPULAN DAN SARAN
50 Universitas Kristen Maranatha
BAB V
KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan berdasarkan hasil penelitian dan analisis data
dari Tugas Akhir ini serta saran untuk pengembangan “Penggabungan Dua Citra
Dengan Metode Compressive SensingMenggunakan MATLAB”.
5. 1. Kesimpulan
Dari data hasil uji coba dan analisis yang dilakukan terkait dengan
pelaksanaan Tugas Akhir, dapat diambil kesimpulan :
1. Penggabungan Dua Citra Dengan Metode Compressive Sensing Menggunakan MATLAB berhasil direalisasikan dan dapat berfungsi dengan baik.
2. Jumlah line sampling dan rasio fusi yang digunakan mempengaruhi kualitas citra fusi, tetapi tidak mempengaruhi waktu yang digunakan selama proses.
3. Dari beberapa jumlah line sampling yang diuji, jumlah line sampling 150 merupakan jumlah line sampling yang paling bagus karena dapat menghasilkan kualitas citra fusi yang terbaik secara obyektif berdasarkan penilaian Petrovic Metric .
BAB V KESIMPULAN DAN SARAN 51
Universitas Kristen Maranatha
5. 2. Saran
Untuk pengembangan selanjutnya, dapat dicoba menggunakan pola
sampling lain misalnya pola sampling “double star-shaped” sehingga hasil fusi citra akan lebih baik. Hal tersebut mungkin terjadi karena pola
DAFTAR PUSTAKA
52 Universitas Kristen Maranatha
DAFTAR PUSTAKA
[1] E. Candµes and J. Romberg. l1-magic: “Recovery of sparse signal via
convex programming”. code package available at
http://www.l1-magic.org.
[2] J. K. Pant, W.-S. Lu, and A. Antoniou, “A New Algorithm for
Compressive Sensing Based on Total-Variation Norm,” University of Victoria, Victoria, British Columbia, Canada.
[3] T. Sutoyo. et al. 2009. “Teori Pengolahan Citra Digital”, Yogyakarta: Penerbit ANDI.
[4] Omrin Tampubolon, “Compressed Sensing untuk Aplikasi Pengolahan
Citra,” Jurusan Teknik Elektro, Institut Teknologi Sepuluh November,
Surabaya.
[5] T. Wan, N. Canagarajah, and A. Achim. “Compressive Image Fusion,” In Proc. IEEE Int. Conf. Image Process., pages 1308-1311, 2008.
[6] C.S. Xydeas and V. Petrovic, “Objective Image Fusion Performance Measure.”
[7]
http://digilib.its.ac.id/public/ITS-Undergraduate-8390-5105100103-Chapter1.pdf, diakses 11 Agustus 2014
[8] http://repository.usu.ac.id/bitstream/123456789/31325/4/Chapter%20II.p
df, diakses 11 Agustus 2014
[9] http://repository.usu.ac.id/bitstream/123456789/16430/4/Chapter%20II.p
df, diakses 11 Agustus 2014
[10] http://en.wikipedia.org/wiki/Mean_opinion_score, diakses 11 Agustus