Studi Kinerja Varian Metode Komputasi

Momen Legendre Dalam Rekonstruksi Citra

Rully Soelaiman1),
Mediana Aryuni2), Karlina K. Nisa3)
Jurusan Teknik Informatika,
Fakultas Teknologi Informasi
Institut Teknologi Sepuluh Nopember, Surabaya, 60111
1)
Email : rully@is.its.ac.id

ABSTRAK - Momen Legendre telah banyak
digunakan pada aplikasi pengenalan pola, peng-
indeks-an citra, pengenalan wajah, dll karena
kemampuannya sebagai deskriptor citra invariant.
Namun komputasinya yang kompleks dengan error
aproksimasi yang signifikan sering menjadi
masalah dalam penggunaan momen Legendret.
Pada makalah ini akan dibandingkan beberapa
metode komputasi momen Legendre dalam aplikasi
rekonstruksi citra dan merekomendasikan yang
terbaik dengan error minimal dan waktu komputasi
yang efisien.
Proses komputasi dilakukan dengan
mensampling citra input dan mengaproksimasi
polinomial Legendre. Momen Legendre didapat
dari perkalian polinomial Legendre dengan fungsi
citra. Kemudian citra direkonstruksi dari
polinomial Legendre dan momen Legendre yang
terbentuk. Beberapa varian pengembangan dari
proses komputasi ini antara lain Exact Legendre
Moment (ELM), Speedy Legendre Moment (SLM),
Exact Geometric Moment (EGM), Zeroth Order
Approximation (ZOA), dan Simpson’s Rule (SR).
Dari hasil rekonstruksi citra disimpulkan
bahwa ELM merupakan metode terbaik untuk citra
berwarna atau keabuan. Sedangkan untuk citra
biner, SLM merupakan metode terbaik. Keakuratan
hasil rekonstruksi dipengaruhi oleh ukuran block
encoding dan orde maksimum polinomial. Semakin
kecil ukuran block encoding, semakin akurat
haslinya, tetapi waktu komputasinya lama. Orde
polinomial yang tinggi juga menyebabkan waktu
komputasi yang lama, tetapi hasil yang didapat
akan lebih akurat.
Kata kunci: momen Legendre, polinomial
Legendre, rekonstruksi citra.
1. Pendahuluan
Momen citra adalah proyeksi fungsi intensitas
piksel citra ke dalam ruang polinomial. Diantara
berbagai jenis momen citra, momen Legendre
sering dipakai sebagai deskriptor citra invariant
yang handal. Penggunaan momen Legendre dalam
berbagai aplikasi seringkali terhambat oleh
komputasinya yang kompleks dan error yang
signifikan. Komputasi momen Legendre merupakan
proses yang rumit dengan kompleksitas cukup
tinggi. Hal ini karena komputasi ini meliputi 2
proses, pertama adalah menghitung polinomial
Legendre dari setiap piksel citra pada suatu orde,
kedua yakni menghitung momen Legendre dari
keseluruhan orde yang ada. Semua proses tersebut
merupakan prosedur yang memakan waktu.
Keakuratan hasil komputasi juga perlu
diperhitungkan. Mengingat selama ini komputasi
melibatkan proses aproksimasi integral yang
memungkinkan ketidakakuratan. Pada penelitian ini
akan dilakukan perbandingan dari beberapa metode
komputasi momen Legendre, dalam suatu aplikasi
rekonstruksi citra.
Sistem yang dibuat merupakan perangkat lunak
rekonstruksi citra yang mengimplementasikan
kelima metode (ELM, EGM, ZOA, SR, SLM)
dalam komputasi momen Legendre-nya.
Permasalahan yang dihadapi dalam pembuatan
sistem pengujian kninerja ini adalah :
• Bagaimana mengaplikasikan momen
Legendre yang merupakan momen kontinyu
dalam ruang citra diskrit.
• Bagaimana melakukan komputasi momen
Legendre yang akurat dengan waktu
komputasi yang cepat
• Bagaimana menentukan metode terbaik
untuk komputasi momen Legendre diantara
5 metode berikut : Exact Legendre Moment
(ELM), Exact Geometric Moment (EGM),
Zeroth Order Approximation (ZOA),
Simpson’s Rule, dan Speedy Legendre
Moment (SLM).
2. Metode Komputasi Momen Legendre
Momen Legendre orde (m+n) didefinisikan oleh :
(2m + 1)(2n + 1) 1 1
λmn =
4 ∫−1 ∫−1 Pm ( x) Pn ( y) f ( x, y)dxdy
(1)
dengan m,n = 0, 1, 2,3...∞ . f(x,y) merupakan fungsi
citra kontinyu dan Pm dan Pn merupakan
polinomial Legendre dengan bentuk umum :
 Pn ( x) = ∑ (−1) m
M
(2n − 2m)! x n−2m ............ (−1) k (2n − 2k )!
2 m!(n − m)!(n − 2m)!
n Bkn = (8)
m =0 2n k!(n − k )!(n − 2k + 1)!
(2n)! (2n − 2)! D(n)=n/2 atau n-1/2 dipilih yang bulat. Dengan
= n − x n−2 + −.....
2 (n!) 2 2 n1!(n − 1)!(n − 2)! demikian momen Legendre bisa dihitung secara
(2) lebih akurat karena diintegrasikan langsung dari
Sampling citra dilakukan dengan menempatkan polinomialnya, bukan dengan mengaproksimasi per
fungsi citra f(xi,yj) pada ruang diskrit [-1,1] × [-1,1] interval. Untuk menghindari faktorial, persamaan
sehingga (8) dapat diubah menjadi :
1 1
xi = −1 + (i + ) × Δx, y j = −1 + ( j + ) × Δy, (n − k + 1)(n − 2k + 3)(n − 2k + 2)
2 2 Bkn = − Bk −1 , n
2 dan 2 (2n − 2k + 2)(2n − 2k + 1)k
Δx i = Δx = ; ∀ i Δy j = Δy = ; ∀ j
M N (9)
Nilai polinomial Legendre didapat dengan dengan
menghitung polinomial Legendre di setiap titik (2n)! 2n − 1
tengah interval. B0,n = = B0,n−1 , B0,0 = 1 (10)
2 n!(n + 1)! n + 1
n

Fungsi kontinyu f(x,y) dapat ditulis sebagai deret

tak hingga dari polinomial Legendre pada [-1 ≤ x, Untuk menyederhanakan, dibentuk jadi persamaan
y≤ 1] yakni : Δy j
∞ ∞
f ( x, y ) = ∑∑ λmn Pm ( x) Pn ( y ) Qn ( z j ) =
2n + 1 D ( n )
∑ Bkn Z j ,n−2k +1 , Z jp = z p
2 k =0
[ ] zj+
2
Δy j
(3) zj−
2
m=0 n =0
Jika diberikan order momen (m+n) ≤ L maka fungsi (11)
f(x,y) dapat dihitung dengan pendekatan: Nilai Qn(zi) tidak tergantung pada fungsi citra,
L m melainkan pada orde dan ukuran citra. Sehingga
fˆ ( x, y ) = ∑∑ λm − n, n Pm − n ( x) Pn ( y) (4)
untuk citra yang berbeda, asal ukuran dan ordenya
m=0 n =0 sama, nlai Qn(zi) cukup dihitung sekali. Momen
Jika order momen Legendre dibatasi pada m≤ mmax Legendre kemudian didapat dengan persamaan :
dan n≤nmax maka aproksimasinya seperti persamaan M −1 N −1

(5): λ mn = ∑∑ f ( xi , y j )Qm ( xi )Qn ( y j ) (12)

mmax nmax i =0 j =0

fˆ ( x, y ) = ∑ ∑ λ m, n Pm ( x) Pn ( y) (5)
m=0 n =0 2.2 Exact Geometric Moment (EGM)
Persamaan (4) inilah yang diaplikasikan untuk
merekonstruksi citra menggunakan momen Momen Legendre juga bisa dihitung melalui
Legendre. Beberapa metode komputasi momen momen Geometri. Momen Geometri orde (m+n)
Legendre yang mengimplementasikan persamaan didefinisikan oleh :
(1) antara lain : 1 1
M mn = ∫ ∫ x m y n f ( x, y )dxdy (13)
2.1 Exact Legendre Moment (ELM) −1 −1
Jika citra didefinisikan hanya pada titik-titik diskrit
Metode ELM ini melakukan perhitungan momen (xi ,yj) maka persamaan (13) menjadi,
Legendre dengan mengintegrasikan langsung dari
polinomialnya secara matematis. Polinomial Δxi Δy j
xi + yj+
M −1 N =0 2 2
Legendre pada persamaan (2) diintegrasikan
menjadi: M mn = ∑∑ f ( xi , y j ) ∫ ∫x
m
y n dxdy (14)
i =0 j =0 Δxi Δy j
xi − y −
2 j 2
Δxi
xi +
Δxi Integrasi pada persamaan ini dilakukan seperti
[ ]
2 D ( m) xi +
∫ Pm ( x)dx = ∑ Brm xm−2r +1
r =0
2
Δx
xi − i (6)
persamaan (14)
Jika dinotasikan dengan Zip seperti pada persamaan
Δxi 2
xi −
2 (15) menjadi,
Δy j M −1 N =0
1
∑∑ f ( xi , y j )Zi,m+1Z j ,n+1
yj + Δy j
M mn =
∑ B [y ]
2 D ( n) yj +
∫ (m + 1)(n + 1) i=0 j =0
n − 2 s +1
Pn ( y)dy = sn
2
Δy j (7)
s =0 yj −
yj −
Δy j 2 (15)
2

Karena ada proses pengintegrasian secara

dimana matematis dari persamaan (13) menjadi persamaan
(15), dengan kata lain tak ada aproksimasi integral,
maka metode ini dinamakan Exact Geometric yang sama nilai pikselnya, dikenal sebagai Image
Moment (EGM). Block Representation (IBR) Encoding.

Adapun hubungan antara momen Legendre dan Algoritma dari IBR Encoding adalah sebagai
momen Geometri adalah pada persamaan (16): berikut :
1. Plot citra biner pada diagram cartesius. Pada
(2m + 1)(2n + 1) D ( m)D( n ) setiap garis y perhatikan interval antara blok
λmn =
4
∑ ∑ B'rm B'sn M m−2r ,n−2s
r =0 s =0
(berpiksel 1) dan latarnya (berpiksel 0)
2. Bandingkan dengan interval pada garis y-1.
(16) 3. Jika interval tidak cocok dengan blok
berpiksel, maka ini adalah awal dari blok baru
dimana B’rm=(m-2r+1) Brm dan B’sn=(n-2s+1) Bsn, 4. Jika interval cocok dengan blok berpiksel,
Dengan demikian Exact Legendre Moment (ELM) maka akhir dari blok ini pada garis y
bisa dihitung secara tidak langsung lewat Exact
Geometric Moment (EGM)

2.3 Zeroth Order Approximation (ZOA)

Dalam ruang citra diskrit berukuran M × N, f(x,y)

disampling pada ruang [-1,1] × [-1,1] dinotasikan
dengan (xi , yj) ( xi , y j ) ∈ [-1,1] × [-1,1], dimana i
= 0,1,2,3.....M-1 dan j = 0,1,2,3.....N-1. Pada Gambar 1 Citra Biner dengan IBR Encoding
metode Zeroth Order Approximation (ZOA),
integrasi polinomial Legendre pada persamaan (1) Hasil dari algoritma ini adalah representasi citra
diaproksimasi sebagai nilai konstan sepanjang menjadi k blok segiempat berpiksel 1.
Δx Δx f ( x, y) = {bi : i = 0,1,......, k − 1}
interval ⎡ xi − i , xi + i ⎤ , ⎡ y − Δy j , y + Δy j ⎤ . (19)
⎢ 2 2 ⎥⎦ ⎢⎣ j j ⎥ Masing-masing blok b memiliki koordinat kiri atas
⎣ 2 2 ⎦
dan kanan bawah. Blok-blok ini jika disubtitusikan
sehingga menjadi :
ke persamaan ELM menjadi :
(2m + 1)(2n + 1) M −1 N −1
λ mn =
MN
∑∑
i =0 j =0
f ( xi , y j ) Pm ( xi ) Pn ( y j ) k −1 k −1 x2 ,bi y2 ,bi
λmn = ∑ λbmn = ∑∑∑ Qm ( x)Qn ( y)
i
(20)
(17) i =0 i =0 x1,bi y1,bi

dimana Δxi = xi +1 − xi dan Δy j = y j +1 − y j . di mana x1,bi , x2,bi dan y1,bi , y2,bi merupakan
dengan m,n = 0, 1, 2,3...∞ , Pm dan Pn merupakan koordinat dari blok bi . Implementasi SLM adalah
polinomial Legendre dan f(x,y) merupakan fungsi dengan menyederhanakan persamaan untuk menca-
citra kontinyu. ri Momen Legendre pada suatu blok, yakni:
x = x2 b y = y2 b

2.4 Simpson’s Rule (SR) λbmn = ∑ ∑Q

x = x1b y = y1b
m ( x)Qn ( y)

Tiap interval sampling xi sampai xi+1 dibagi menjadi y2 b y2 b

4 titik integrasi, yakni k0 , k1 , k2 , k3. Integrasi dari xi = Qm ( x1b ) ∑ Qn ( y) + Qm ( x1b + 1) ∑ Qn ( y)

y = y1b y = y1b
sampai xi+1 dengan Simpson 3/8 rule didefinisikan :
y2 b
3h
∫x Pn(x)dx ≈ 8 [Pn(k0 ) + 3Pn(k1 ) + 3Pn(k2 ) + Pn(k3 )]
x
+ ... + Qm ( x2b ) ∑ Qn ( y )
i +1

i
y = y1b
(18)
Nilai h merupakan interval integrasi, yakni interval ⎛x2 b
⎞⎛ ⎞ y2 b
= ⎜⎜ ∑ Qm ( x) ⎟⎟⎜⎜ ∑ Qn ( y) ⎟⎟
sampling citra dibagi 3, h = xi +1 − xi . Setelah nilai (21)
3 ⎝ x = x1b ⎠⎝ y = y1b ⎠
polinomial Legendre tiap interval diaproksimasi, Sehingga, nilai keseluruhan Momen Legendre
selanjutnya momen Legendre dihitung dengan untuk k blok adalah
persamaan (17). k −1 ⎛ x2 b
⎞⎛ y2 b
⎞
λmn = ∑ ⎜⎜ ∑ Qm ( x) ⎟⎟⎜⎜ ∑ Qn ( y) ⎟⎟ (22)
i =0 ⎝ x= x1b ⎠⎝ y= y1b ⎠
2.5 Speedy Legendre Moment (SLM)

Speedy Legendre Moment (SLM) menyederhanakan 3. Desain dan Implementasi

komputasi dari ELM pada citra biner. SLM
merepresentasikan citra biner menjadi blok-blok Aplikasi pada penelitian ini dirancang untuk
melaku-kan rekonstruksi citra dengan mengimple-
mentasikan kelima metode komputasi momen
Legendre di atas. Kemudian dibandingkan waktu
komputasinya dan error rekonstruksinya. Gambar 2
berikut menjelaskan garis besar aplikasi :
Citra
Input
Sampling Citra
Pada Gambar 3, terlihat bahwa error ZOA
mekonjak naik seiring bertambahnya orde.
Sedangkan pada Simpson’s Rule, error rekonstruksi
pada orde-orde awal bergerak turun untuk
kemudian melonjak naik pada titik baliknya. Error
rekonstruksi ELM dan EGM pada range orde (3,3)
Block Encoding
sampai (21,21) menunjukkan nilai yang sama.

Hitung Error Semua blok

Rekonstruksi dan Block Decoding sudah sudah
Waktu Komputasi diproses?

belum

Komputasi Momen
Citra
Legendre
Output

Rekonstruksi Citra

Gambar 2 Garis Besar Aplikasi

Parameter pembanding kelima metode adalah
waktu komputasi dan akurasinya, yakni besanya Gambar 4 Grafik Waktu Komputasi
error rekonstruksi yang didefinisikan sebagai :
Grafik waktu komputasi diperlihatkan pada Gambar
ε=
1 M −1 N −1 ˆ
∑∑
MN i=0 j =0
[
f (i, j; L) − f (i, j )
2
] (23)
4. Untuk semua metode, ELM, EGM, SR, dan
ZOA, waktu komputasi akan meningkat seiring
pertambahan orde. Terlihat bahwa EGM memiliki
waktu komputasi lebih lama dibanding yang lain,
4. Pengujian Sistem
disusul Simpson’s Rule, ELM, dan ZOA.
Pengujian dilakukan dengan merekonstruksi
ctra true color, grayscale, dan binary dengan
berbagai orde dan ukuran block encoding kemudian 4.2 Citra Grayscale
membandingkan waktu komputasi dan error
rekonstruksinya. Khusus untuk metode SLM hanya Citra input boat.jpg grayscale 102×102 piksel
bisa diujikan pada citra biner. direkonstruksi dengan ukuran block encoding
20×20 piksel. Rekonstruksi dilakukan dengan
4.1 Citra True Color keempat metode sekaligus (ELM, EGM, ZOA, SR)
dengan orde diiterasi dari (3,3) sampai (21,21) dan
Rekonstruksi dilakukan dengan citra input interval iterasi sejumlah 3. Grafik error rekon-
sailonboat.jpg true color 102×102 piksel dan block struksi pada Gambar 5 memperlihatkan bahwa
encoding 25×25 piksel dengan orde diiterasi dari error terkecil dicapai oleh ELM dan EGM, disusul
(3,3) sampai (21,21) dan interval interasi sejumlah Simpson’s Rule kemudian ZOA. Pada Gambar 6
3. terlihat bahwa EGM menghasilkan waktu
komputasi yang paling lama disbanding yang lain,
kemudian disusul Simpson’s Rule, ELM, dan ZOA.

Gambar 3 Grafik Error Rekonstruksi

Gambar 5 Grafik Error Rekonstruksi

Gambar 6 Grafik Waktu Komputasi
4.3 Citra Biner
Uji coba rekonstruksi dilakukan dengan citra input
cameraman.jpg 102×102 piksel. Karena merupakan
citra biner, maka kelima metode (ELM, EGM,
ZOA, SR, SLM) bisa diimplementasikan).
Rekonstruksi dilakukan dengan ukuran block
encoding 16×16 piksel dan orde diiterasi dari (3,3)
sampai (21,21) dengan interval iterasi sejumlah 3.
Gambar 7 Grafik Error Rekonstruksi
Gambar 8 Grafik Waktu Komputasi
Gambar 7 memperlihatkan bahwa SLM merupakan
metode dengan akurasi paling baik diantara yang
lain. Disusul kemudian ELM dan EGM yang
memiliki tingkat error sama. Terlihat pada Simp-
son’s Rule, orde bergerak turun kemudian naik
pada titik baliknya. Akurasi paling buruk adalah
pada metode ZOA.
Terlihat dari Gambar 8, waktu komputasi SLM
bersaing dengan ZOA, tetapi secara umum SLM
lebih baik karena akurasinya paling bagus
dibanding yang lain. Waktu komputasi ELM
menyusul pada peringkat ke-tiga diikuti Simpson’s
Rule dan EGM.
5. Kesimpulan
Kesimpulan yang dapat diambil dari hasil studi
kinerja yang telah dilakukan adalah sebagai berikut:
• Keakuratan hasil rekonstruksi citra dipengaruhi
oleh besar kecilnya ukuran block encoding dan
orde maksimum polinomial. Semakin kecil
ukuran block encoding, semakin akurat hasil
yang didapat, namun berakibat pada semakin
lamanya waktu komputasi. Orde maksimum
polinomial yang tinggi berakibat pula pada
waktu komputasi yang lama, tetapi hasil yang
didapat akan lebih akurat.
• Masing-masing metode memiliki batas orde
tertentu yang menjadi titik balik dimana error
rekonstruksi akan semakin meningkat setelah
melalui orde ini. Hal ini disebabkan oleh Local
Truncation Error(LTE) karena keterbatasan
aplikasi dalam melakukan komputasi. Error ini
biasa ditemukan dalam setiap komputasi. Pada
metode ELM, titik balik terjadi pada orde yang
lebih tinggi dari yang lain (pada kisaran orde
(40,40) ke atas), sehingga error rekonstruksi
bisa mencapai hasil yang minimum yakni bisa
mendekati 1.0e-007, tergantung pada ukuran
block encoding dan orde nya. Pada metode
SLM, error rekonstruksi bisa mencapai 0
meskipun belum berada pada titik balik.
• Exact Legendre Moment (ELM) merupakan
metode komputasi momen Legendre paling
akurat dan efisien untuk citra true color atau
grayscale. Sedangkan untuk citra biner, Speedy
Legendre Moment (SLM) memberikan akurasi
yang melebihi metode lainnya dengan waktu
komputasi yang cukup minim. Kedua metode
ini, SLM dan ELM, merupakan metode yang
handal untuk digunakan pada orde tinggi.
DAFTAR PUSTAKA
[1] Pew-Thian Yap dan Raveendran Paramesran,
“An Efficient Method for The Computation of
Legendre Moments,” IEEE Trans. On Pattern
Analysis and Machine Intelligence, vol.27,
no.12, December 2005.
[2] G.A. Papakostas, E.G. Karakasis dan D.E.
Koulouriotis, “Exact and Speedy Computation
of Legendre Moments on Binary Image,”
Democritus University of Thrace, Xanthi,
Hellas 2007.
[3] S.P. Prismall, M.S. Nixon dan J.N. Carter.
Stork, “Accurate Object Reconstruction by
Statistical Moments”, University of
Southampton, United Kingdom, 2003
[4] Iraklis M. Spiliotis dan Basil G. Mertzios,
” Real-Time Computation of Two-Dimensional
Moments onBinary Images Using Image Block
Representation”, IEEE Transactions on Image
Processing, vol. 7, no. 11, November 1998.
[5] Simon X.Liao dan Miroslaw Pawlak, "On
Image Analysis by Moments," IEEE
Transactions on Pattern Analysis and Machine
Intelligence, vol.18, no. 3, March 1996
[6] Cho Huak Teh Roland T. Chin, "On Image
Analysis by the Methods of Moments,"IEEE
Transactions of Pattern Analysis and Machine
Intelligence. vol. 10, no. 4 July 1988
[7] Jun Shen dan Danfei Shen, "Image
Charecterization by Fast Calculation of Low
Order Legendre Moments," Image Laboratory
Institute of Geodynamics, France