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

(1)

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 downsampling.

(2)

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 downsample.

(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)

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.1.2 Proses Interpolasi Pada Ukuran 64 x 64 piksel ... 36

IV.1.3 Proses Interpolasi Pada Ukuran 128 x 128 piksel ... 37

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

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

IV.2.1 Proses Interpolasi Pada Ukuran 32 x 32 piksel ... 40

IV.2.2 Proses Interpolasi Pada Ukuran 64 x 64 piksel ... 41

IV.2.3 Proses Interpolasi Pada Ukuran 128 x 128 piksel ... 42

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

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

IV.3.1 Proses Interpolasi Pada Ukuran 32 x 32 piksel ... 45

(5)

IV.3.3 Proses Interpolasi Pada Ukuran 128 x 128 piksel ... 47

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

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

IV.4.1 Proses Interpolasi Pada Ukuran 32 x 32 piksel ... 50

IV.4.2 Proses Interpolasi Pada Ukuran 64 x 64 piksel ... 51

IV.4.3 Proses Interpolasi Pada Ukuran 128 x 128 piksel ... 52

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

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

IV.5.1 Proses Interpolasi Pada Ukuran 32 x 32 piksel ... 55

IV.5.2 Proses Interpolasi Pada Ukuran 64 x 64 piksel ... 56

IV.5.3 Proses Interpolasi Pada Ukuran 128 x 128 piksel ... 57

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)

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 II.7 Feature Tepi, Garis, dan Titik ... 21

Gambar II.8 Contoh Hasil Deteksi Tepi ... 22

Gambar II.9 Proses Deteksi Tepi Citra ... 23

Gambar III.1. Blok Diagram Sistem Interpolasi Menggunakan Teknik Directional Filtering dan Data Fusion ... 25

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

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

Gambar III.4 Diagram Alir Proses Interpolasi ... 28

Gambar III.5 Citra Original (256 x 256 piksel)... 29

Gambar III.6 Citra yang Telah di downsample (128 x 128 piksel) ... 30

Gambar III.7 Diagram Alir Perhitungan MSE ... 31

Gambar III.8 Diagram Alir Perhitungan PSNR ... 32

Gambar IV.1 Image Original Cameraman ... 34

Gambar IV.2 Gambar Cameraman pada Ukuran 32 x 32 piksel ... 35

Gambar IV.3 Gambar Cameraman pada Ukuran 64 x 64 piksel ... 36

Gambar IV.4 Gambar Cameraman pada Ukuran 128 x 128 piksel ... 37

Gambar IV.5 Image Original Lena ... 39

Gambar IV.6 Gambar Lena pada Ukuran 32 x 32 piksel ... 40

Gambar IV.7 Gambar Lena pada Ukuran 64 x 64 piksel ... 41

(8)

viii

Gambar IV.9 Image Original House... 44

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

Gambar IV.11 Gambar House pada Ukuran 64 x 64 piksel ... 46

Gambar IV.12 Gambar House pada Ukuran 128 x 128 piksel ... 47

Gambar IV.13 Image Original Peppers ... 49

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

Gambar IV.15 Gambar Peppers pada Ukuran 64 x 64 piksel ... 51

Gambar IV.16 Gambar Peppers pada Ukuran 128 x 128 piksel ... 52

Gambar IV.17 Image Original Rice ... 54

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

Gambar IV.19 Gambar Rice pada Ukuran 64 x 64 piksel ... 56

Gambar IV.20 Gambar Rice pada Ukuran 128 x 128 piksel ... 57

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.23 Gambar Eye Berukuran 128 x 128 piksel... 60

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

Gambar IV.25 Gambar Eye Berukuran 512 x 512 piksel... 62

(9)

LAMPIRAN A

(10)

A-1

Program Utama

M=imread('rice.tif'); M=double(M);

M128=M(1:2:end,1:2:end); M64=M128(1:2:end,1:2:end); M32=M64(1:2:end,1:2:end); I=M128;

figure(3);clf; imshow(I,[0 255]); [n,m]=size(I); n=2*n;m=2*m; A=zeros(n,m); A(1:2:n,1:2:m)=I; Ax=A;Ay=A;

f=[-1/16 9/16 9/16 -1/16];

fori=4:2:n-4

forj=4:2:m-4

x=[A(i-3,j-3) A(i-1,j-1) A(i+1,j+1) A(i+3,j+3)]; y=[A(i+3,j-3) A(i+1,j-1) A(i-1,j+1) A(i-3,j+3)]; Ax(i,j)=sum(x.*f);

Ay(i,j)=sum(f.*y);

end end

fori=4:2:n-4

forj=4:2:m-4

zx=[Ax(i-2,j-2) Ax(i-1,j-1) Ax(i,j) Ax(i+1,j+1) Ax(i+2,j+2)]; zy=[Ay(i+2,j-2) Ay(i+1,j-1) Ay(i,j) Ay(i-1,j+1) Ay(i-2,j+2)]; x=[A(i-1,j-1) A(i+1,j+1) A(i+1,j-1) A(i-1,j+1)];

(11)

A-2 mx=mean(x);

px=sum((x-mx).^2)/3+0.1; pzx=sum((zx-mx).^2)/4+0.1; pzy=sum((zy-mx).^2)/4+0.1; pv1=pzx-px;pv1=max(0.01,pv1); pv2=pzy-px;pv2=max(0.01,pv2); R=[pv1 0;0 pv2];

y=[Ax(i,j) Ay(i,j)]'; H=[1;1];

A(i,j)=mx+px*H'*(H*px*H'+R)^(-1)*(y-H*mx);

end end

Ax=A;Ay=A;

f=[-1/16 0 9/16 1 9/16 0 -1/16]; Ax=conv2(Ax,f);

Ax=Ax(:,4:m+3); Ay=conv2(Ay,f'); Ay=Ay(4:n+3,:); c=1.5;

h=[-1 5 5 -1];h=h/sum(h);

fori=5:2:n-5

forj=4:2:m-4

y=[Ax(i-2,j) A(i-1,j) A(i+1,j) Ax(i+2,j)]; my=sum(h.*y);

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]);

MSE=sum(sum((A-M).^2))/(n*m) PSNR=10*log10(n*m/MSE)

(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

64 x 64 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

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

64 x 64 x x x x x x x x x x

(15)

A-6

Gambar House 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

64 x 64 x x x x x x x x x x

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

Gambar Peppers 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

64 x 64 x x x x x x x x x x

(16)

A-7 Gambar Rice 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

64 x 64 x x x x x x x x x x

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

Gambar Eye 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

64 x 64 x x x x x x x x x x

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)

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

Masalah utama yang akan diangkat pada Tugas Akhir ini adalah mengenai perbaikan resolusi dalam citra. Dari citra beresolusi rendah (LR) menjadi citra beresolusi tinggi (HR), dengan metode interpolasi citra berbasis deteksi tepi melalui directional filtering dan data fusion.

(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

Bab ini merupakan bab penutup yang membahas mengenai kesimpulan dan saran-saran untuk perbaikan dan pengembangan lebih lanjut.

(20)

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:

1. Dapat diaplikasikan untuk mengidentifikasi wajah seseorang dalam keramaian, dengan cara menginterpolasi gambar yang ada.

(21)

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

8. Wijaya, Marvin dan Agus Prijono. Juli 2007. Pengolahan Citra Digital Menggunakan Matlab. Bandung : Informatika

(1)

Gambar Rice 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

64 x 64 x x x x x x x x x x

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

Gambar Eye Ukuran

Interpolasi (piksel)

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

64 x 64 x x x x x x x x x x

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

(2)

BAB I

PENDAHULUAN

I. 1 Latar Belakang

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

(3)

BAB I PENDAHULUAN

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

(4)

BAB I PENDAHULUAN

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

(5)

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 :

downsampling.

V.2 Saran

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

1. Dapat diaplikasikan untuk mengidentifikasi wajah seseorang dalam keramaian, dengan cara menginterpolasi gambar yang ada.

(6)

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

8. Wijaya, Marvin dan Agus Prijono. Juli 2007. Pengolahan Citra Digital Menggunakan Matlab. Bandung : Informatika

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