Restorasi Warna Dari Citra Yang Terdistorsi Warnanya.

(1)

Universitas Kristen Maranatha v

Restorasi Warna dari Citra yang Terdistorsi Warnanya

Ferry Reza Mardhani / 0322169

Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia

Email: ferry.reza@gmail.com

ABSTRAK

(2)

Universitas Kristen Maranatha vi

Color Restoration of Distorted Image

Ferry Reza Mardhani/ 0322169

Department of Electrical Engineering, Faculty of Techniques,

Maranatha Christian University

Jalan Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia

Email: ferry.reza@gmail.com

ABSTRACT

Single sensor digital color still/video cameras capture images using a color filter

array (CFA) and require color interpolation (demosaicking) to reconstruct full

color images. The color reproduction has to combat sensor noises which are

channel dependent. If untreated in demosaicking, sensor noises can cause color

artifacts that are hard to remove later by a separate denoising process, because

the demosaicking process complicates the noise characteristics by blending

noises of different color channels. This paper presents a joint

demosaicking-denoising approach to overcome this difficulty. The color image is restored from

noisy mosaic data in two steps. First, the difference signals of color channels are

estimated by linear minimum mean square-error estimation. This process

exploits both spectral and spatial correlations to simultaneously suppress sensor

noise and interpolation error. With the estimated difference signals, the full

resolution green channel is recovered. The second step involves in a

wavelet-based denoising process to remove the CFA channel-dependent noises from the

reconstructed green channel. The red and blue channels are subsequently

recovered. Simulated and real CFAmosaic data are used to evaluate the

performance of the proposed joint demosaicking-denoising scheme and compare

(3)

Universitas Kristen Maranatha vii

DAFTAR ISI

ABSTRAK ... i

ABSTRACT ... ii

KATA PENGANTAR ... iii

DAFTAR ISI... v

DAFTAR GAMBAR ... viii

DAFTAR TABEL ... x

BAB I PENDAHULUAN

1.1.

Latar Belakang ... 1

1.2.

Perumusan Masalah ... 1

1.3.

Tujuan Tugas Akhir ... 1

1.4.

Pembatasan Masalah ... 2

1.5.

Metodologi Penelitian ... 2

1.6.

Sistematika Penulisan ... 2

BAB II LANDASAN TEORI 2.1.

Citra Dijital

... 4

2.2

Pengolahan Citra Dijital

... 6

(4)

Universitas Kristen Maranatha viii

2.4

Pemodelan noisy primary difference signal

... 8

2.

5 Perhitungan sinyal selisih warna

... 11

2.6

Power Spectrums of PDS x, DSN v, and IE

... 11

2.7

Perhitungan Selisih Warna (PDS)

... 12

2.

8 Denoising

... 13

2.9

Demosaicking

... 19

2.9.1

Initialization

... 20

2.9.2

Enchanment

... 20

2.9.3

Refinement Process

... 21

2.9.4

Kesalahan yang mungkin timbul

... 21

2.10 P

SNR ……….

... 23

2.11

Color filter array

... 23

2.12 Bayer Filter Array ... 24

BAB III PERANCANGAN DAN IMPLEMENTASI III. 1.

Proses perancangan secara Umum

... 25

III.2.

Proses Joint Demosaiking dan Denoising

... 26

III.2.1 Proses Demosaicking ... 26

(5)

Universitas Kristen Maranatha ix

BAB IV DATA DAN ANALISIS

IV.1. Data Simulasi ... 29 IV.2. Analisis Data ... 31 BAB V KESIMPULAN SARAN

V.1. Kesimpulan... 32 V.2. Saran ... 32

DAFTAR PUSTAKA ... 33

(6)

Universitas Kristen Maranatha x

DAFTAR GAMBAR

Gambar

2.1 Citra 2 Variabel

... 4

Gambar

2.2 komponen RGB

... 5

Gambar

2.3 Konfigurasi mozaik channel warna pada citra

... 9

Gambar

2.4 Sinyal Orisinal

... 13

Gambar

2.5 Signal noise range (-0.5; 0.5)

... 14

Gambar

2.6 Hasil sinyal yang telah didenoisng dengan DWT ... 14

Gambar

2.7 Signal noise (noise range (-0.5; 0.5))

... 15

Gambar

2.8 Hasil sinyal yang telah didenoising dengan DWT

... 15

Gambar

2.9 Sinyal dengan gaussian noise (sigma=0.2)

... 16

Gambar

... 16

Gambar 2

.11 Sinyal dengan gaussian noise (sigma=0.5)

... 17

Gambar

... 17

Gambar

2.13 Sinyal dengan gaussian noise (sigma=0.5)

... 18

Gambar

... 18

Gambar

2.15 Proses demosaicing (interpolasi warna)

... 19

Gambar

2.16 Warna channel yang bertetangga

... 21

Gambar

2.17 Pemrosesan citra

... 21

Gambar

2.18 Water color dan grid Effect

... 22

(7)

Universitas Kristen Maranatha xi

Gambar

2.20 Bayer color filter array pattern

... 24

Gambar

5.1 Daun pintu sebelum dan sesudah proses

... 29

Gambar

5.2 Jendela sebelum dan sesudah proses

... 30

(8)

Universitas Kristen Maranatha xii

DAFTAR TABEL

(9)

LAMPIRAN

PROGRAM MATLAB yang digunakan pada M-File

%%%1. Simulasi dari noisy CFA image%%%%%%

clear all;

I=imread('kodak_fence','tif'); imshow(I);

I=double(I); [n,m,ch]=size(I);

figure(1);clf; imshow(I/255);

%%penambahan noise

noi=randn(n,m);

vr=12;%%noise level di red channel

vb=10;%%noise level di blue channel

vg=13;%%noise level di green channel

In(:,:,3)=I(:,:,3)+vb*noi; In(:,:,1)=I(:,:,1)+vr*noi; In(:,:,2)=I(:,:,2)+vg*noi;

%% penghitungan CFA (Bayer pattern) citra

mI(1:n,1:m)=In(:,:,2);

mI(1:2:n,2:2:m)=In(1:2:n,2:2:m,1);

mI(2:2:n,1:2:m)=In(2:2:n,1:2:m,3);%mI adalah di simulasikannya citra mosaic noisy CFA

%%2. Joint denoising and demosaicking%%%%%

aku=imread('kodak_fence','tif'); Id1=aku;

(10)

Id2=den_bayernoise(Id1,vr,vg,vb);

snrf=csnr(Id2,I,25,25) %PSNR yang telah di restorasi secara penuh

figure(2);clf; imshow(Id2/255);

function out=ndmsc(A,vr,vg,vb)

% vr,vg,vb -- the noise levels pada tiga channels

[N,M]=size(A);

%%filtering%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

f=[-1/4 1/2 1/2 1/2 -1/4]; Ah=conv2(A,f);

Ah=Ah(:,3:2+M); Av=conv2(A,f'); Av=Av(3:2+N,:);

%%menghitung color differences%%%%%%%%%%

dh=zeros(N,M); dv=dh;

for i=1:2:N

dh(i,1:2:M)=A(i,1:2:M)-Ah(i,1:2:M); dh(i,2:2:M)=Ah(i,2:2:M)-A(i,2:2:M); dv(i,1:2:M)=A(i,1:2:M)-Av(i,1:2:M); dv(i,2:2:M)=Av(i,2:2:M)-A(i,2:2:M);

end

for i=2:2:N

dh(i,2:2:M)=A(i,2:2:M)-Ah(i,2:2:M); dh(i,1:2:M)=Ah(i,1:2:M)-A(i,1:2:M); dv(i,2:2:M)=A(i,2:2:M)-Av(i,2:2:M); dv(i,1:2:M)=Av(i,1:2:M)-A(i,1:2:M);

end

%%%%%%menghitung fungsi autocorrelation%%%%%%%%%%%%%%%%%%%%

(11)

fr(8)=vr^2/8+vg^2/8; fr(2)=fr(8); fr(7)=vr^2/4+vg^2/4; fr(3)=fr(7); fr(6)=3*vr^2/8+3*vg^2/8; fr(4)=fr(6); fr(5)=3*vr^2/8+4*vg^2/8;

fb(9)=vb^2/16; fb(1)=fb(9); fb(8)=vb^2/8+vg^2/8; fb(2)=fb(8); fb(7)=vb^2/4+vg^2/4; fb(3)=fb(7); fb(6)=3*vb^2/8+3*vg^2/8; fb(4)=fb(6); fb(5)=3*vb^2/8+4*vg^2/8;

%%%%%%%%%%%%low-pass filtering

f=[4 9 15 23 26 23 15 9 4]/128; adh=conv2(dh,f);

adh=adh(:,5:4+M); adv=conv2(dv,f'); adv=adv(5:4+N,:);

%%%%%%%%DCN proses perhitungan%%%%%%%%%%%%%%%%%%%%

f=conv(f,f);%%dianggap f adalah symmetrical, f(l)=f(-l).

fr=conv(fr,f);lfr=(length(fr)+1)/2; fb=conv(fb,f);lfb=(length(fb)+1)/2; pnr=fr(lfr);

pnb=fb(lfb);

%%%%%%%%%%%%%%%%%%%%%%%%%%%%

s=4;

%%%mendapatkan nilai G

rAg=A;

for i=5:2:N-4 for j=6:2:M-4 th=dh(i,j-s:j+s); tv=dv(i-s:i+s,j); ath=adh(i,j-s:j+s); atv=adv(i-s:i+s,j); %%%%%%%%

(12)

ph=cov(ath)-pnr; ph=max(ph,0.01); Rh=mean((ath-th).^2)+0.1; h=mh+ph*(ph+pnr+Rh)^(-1)*(th(s+1)-mh); H=ph-ph*(ph+pnr+Rh)^(-1)*ph+0.1; %%%%%%%%%%%%%%%%%%%%%%%% mv=mean(atv);%atv(s+1); pv=cov(atv)-pnr; pv=max(pv,0.01); Rv=mean((atv-tv).^2)+0.1; v=mv+pv*(pv+pnr+Rv)^(-1)*(tv(s+1)-mv); V=pv-pv*(pv+pnr+Rv)^(-1)*pv+0.1; d=(V*h+H*v)/(H+V); %%%%%%% rAg(i,j)=A(i,j)+d; end end

(13)

mv=mean(atv);%atv(s+1);

pv=cov(atv)-pnb; pv=max(pv,0.01);

Rv=mean((atv-tv).^2)+0.1;

v=mv+pv*(pv+pnb+Rv)^(-1)*(tv(s+1)-mv); V=pv-pv*(pv+pnb+Rv)^(-1)*pv+0.1; d=(V*h+H*v)/(H+V);

%%%%%%%

rAg(i,j)=A(i,j)+d;

end end

rAg = round(rAg); ind = find(rAg>2^8-1); rAg(ind) = 2^8-1; ind = find(rAg<0); rAg(ind) = 0;

%%%%%%%%%%%Get R,B

rAr=A;rAb=A;

for i=6:2:N-5 for j=6:2:M-5

rAr(i,j+1)=rAg(i,j+1)-(rAg(i-1,j)-rAr(i-1,j)+rAg(i-1,j+2)-rAr(i-1,j+2)+rAg(i+1,j)-rAr(i+1,j)+rAg(i+1,j+2)-rAr(i+1,j+2))/4;

rAb(i+1,j)=rAg(i+1,j)-(rAg(i,j-1)-rAb(i,j-1)+rAg(i,j+1)-rAb(i,j+1)+rAg(i+2,j-1)-rAb(i+2,j-1)+rAg(i+2,j+1)-rAb(i+2,j+1))/4;

end end

%%%%%%%%%%%%

for i=6:2:N-5 for j=6:2:M-5

(14)

rAr(i+1,j+1)=rAg(i+1,j+1)-(rAg(i,j+1)-rAr(i,j+1)+rAg(i+1,j)-rAr(i+1,j)+rAg(i+1,j+2)-rAr(i+1,j+2)+rAg(i+2,j+1)-rAr(i+2,j+1))/4;

rAb(i+1,j+1)=rAg(i+1,j+1)-(rAg(i,j+1)-rAb(i,j+1)+rAg(i+1,j)-rAb(i+1,j)+rAg(i+1,j+2)-rAb(i+1,j+2)+rAg(i+2,j+1)-rAb(i+2,j+1))/4;

end end

rAr = round(rAr); ind = find(rAr>2^8-1); rAr(ind) = 2^8-1; ind = find(rAr<0); rAr(ind) = 0; rAb = round(rAb); ind = find(rAb>2^8-1); rAb(ind) = 2^8-1; ind = find(rAb<0); rAb(ind) = 0;

out(:,:,1) = rAr; out(:,:,2) = rAg; out(:,:,3) = rAb;

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

return;

function I=den_bayernoise(In,vr,vg,vb);

rIn(:,:)=In(:,:,1); gIn(:,:)=In(:,:,2); bIn(:,:)=In(:,:,3);

(15)

Ir = round(Ir); ind = find(Ir>2^8-1); Ir(ind) = 2^8-1; ind = find(Ir<0); Ir(ind) = 0;

Ig = round(Ig); ind = find(Ig>2^8-1); Ig(ind) = 2^8-1; ind = find(Ig<0); Ig(ind) = 0;

Ib = round(Ib); ind = find(Ib>2^8-1); Ib(ind) = 2^8-1; ind = find(Ib<0); Ib(ind) = 0;

I(:,:,1)=Ir; I(:,:,2)=Ig; I(:,:,3)=Ib;

return;

function A=den_bayer(In,vr,vg,vb) [ld,hd,lr,hr]=wfilters('db4'); J=3;

[S,HW,WH,WW] = denocwt2d(ld,hd,J,In,vr,vg,vb); A=iocwt2d(S,HW,WH,WW,lr,hr);

(16)

BAB I Pendahuluan

1 Universitas Kristen Maranatha

BAB I

PENDAHULUAN

Bab ini membahas tentang Latar Belakang, Perumusan Masalah,

Pembatasan Masalah, Tujuan, Metodologi Penelitian dan Sistematika Penulisan.

1.1

Latar Belakang

Kamera dijital pada dewasa ini sudah menjadi bagian dari suatu gaya

hidup yang tidak bisa dipisahkan dari kehidupan masyarakat modern. Hasil dari

citra yang diperoleh bisa mengalami distorsi warna pada kamera. Penataan ulang

warna dari restorasi warna tersebut harus memperhatikan faktor noise karena

bisa menimbulkan artifact(noise yang tertinggal) pada citra sehingga proses

denoising dan demosaicking harus dilaksanakan berurutan agar warna pada citra

tersebut dapat direstorasi dengan maksimal.

1.2

Perumusan Masalah

Berdasarkan latar belakang yang dikemukakan di atas maka masalah yang

akan dibahas dalam Tugas Akhir ini yaitu :



Bagaimana hasil restorasi warna citra yang mengalami distorsi

warna?

1.3

Tujuan Tugas Akhir



Membuat aplikasi restorasi warna dengan program matlab

(17)

BAB I Pendahuluan

Universitas Kristen Maranatha

2

1.4

Pembatasan Masalah

Sesuai dengan permasalahan yang akan diteliti lebih dalam,

batasan-batasan masalahnya yaitu:

•

Reproduksi warna primary yaitu warna dasar (green/red/blue)

•

Citra yang akan diperbaiki memiliki format bmp/ gif/ jpeg.

1.5

Metodologi Penelitian

Pengerjaan Tugas Akhir ini bersifat simulasi yang diawali dengan

pengumpulan materi yang disertai dengan studi literatur lalu dilanjutkan dengan

uji coba.

1.6

Sistematika Penulisan

Adapun sistematika penulisan tugas akhir ini, disusun sebagai berikut :



BAB I

PENDAHULUAN

Pada bab ini berisi tentang latar belakang, identifikasi masalah,

perumusan masalah, tujuan, pembatasan masalah, dan sistematika

penulisan laporan tugas akhir.



BAB II

LANDASAN TEORI

Bab ini menjelaskan tentang citra, proses demosaiking, proses denoising,

Matlab dan perhitungan-perhitungan untuk proses demosaiking dan

denoising



BAB III

PERANCANGAN SIMULASI

(18)

BAB I Pendahuluan

Universitas Kristen Maranatha

3



BAB IV

HASIL SIMULASI DAN ANALISIS DATA

Bab ini menjelaskan analisis data-data yang diperoleh dari simulasi yang

telah dirancang dan menunjukkan hasil dari citra yang telah direstorasi.



BAB V

KESIMPULAN DAN SARAN

(19)

BAB V Kesimpulan Dan Saran

32 Universitas Kristen Maranatha

BAB V

KESIMPULAN DAN SARAN

V.1 Kesimpulan

• Dengan Proses denoising dan demosaicking yang dilakukan secara berurutan maka bisa dihasilkan gambar yang lebih baik.

• Metoda Demosaicking membuat warna yang yang ada pada citra lebih baik tetapi warna terdapat artifacts oleh karena itu penghilangan detail blurred bisa

didapatkan melalui proses denoising

V.2 Saran

• Rekontruksi warna sebaiknya di lakukan secara bersamaan untuk proses demosaiking dan denoising agar warna rekontruksi yang di dapat maksimal

• Ukuran citra yang di gunakan untuk proses restorasi menggunakan ukuran pixel yang dibatasi, karena bila terlalu besar pixelnya maka citra tersebut tidak bisa

(20)

Daftar Pustaka

Universitas Kristen Maranatha 33

Daftar Pustaka

1.

J. E. Ada s, Desig of pra ti al olor filter arra i terpolatio algorith s

for digital a eras,

Proc. SPIE

, vol. 3028, p. 117

–

125, 1997.

2.

E. Cha g, S. Cheu g, a d D. Y. Pa , Color filter arra re o er usi g a

threshold-based variable n

u

er of gradie ts,

Proc. SPIE

, vol. 3650, pp.

36

–

43, 1999

3.

K. Hiraka a a d T. W. Parks, Adapti e ho oge eit

-directed

de osai i g algorith ,

IEEE Trans. Image Process.

, vol. 14, no. 3, pp.

360

–

369, Mar. 2005

4.

X. Li, De osai i g

su essi e appro i atio ,

IEEE Trans. Image

Process.

, vol. 14, no. 3, pp. 370

–

379, Mar. 2005

5.

S. G. Cha g, B. Yu, a d M. Vetterli, Spatiall adapti e

a elet

thresholdi g ith o te t odeli g for i age de oisi g,

IEEE Trans.

Image Process.

, vol. 9, no. 9, pp. 1522

–

1531, Sep. 2000

6.

Pizuri a a d W. Philips, Esti ati g the pro a ilit of the prese e of a

signal of interest in multiresolution single- and multiband image

de oisi g,

IEEE Trans. Image Process.

, vol. 15, no. 3, pp. 654

–

665, Mar.

2006

7.

J. Portilla, V. Strela, M. J.

Wai

right, a d E. P. Si o elli, I age

de oisi g usi g s ale i tures of Gaussia s i the a elet do ai ,

IEEE

Trans. Image Process.

, vol. 12, no. 11, pp. 1338

–

1351, Nov. 2003

8.

K. Hiraka a a d T. W. Parks, Joi t de osai ki g a d de oisi g,

IEEE

Trans. Image Process.

, vol. 15, no. 8, pp. 2146

–

2157, Aug. 2006

9.

http://en.wikipedia.org/wiki/bayer_filter

10.

http://en.wikipedia.org/wiki/color_filter_array