TUGAS III

BLOCK MATCHING ALGORITHMS

Mata Kuliah Jaringan Telekomunikasi Multimedia

Oleh :

I KADEK SUSILA SATWIKA

NIM 1491761028

PROGRAM MASGISTER
PROGRAM STUDI TEKNIK ELEKTRO-MANAJEMEN BISNIS TELEKOMUNIKASI
PROGRAM PASCASARJANA
UNIVERSITAS UDAYANA
DENPASAR
2014

Kebutuhan akan file-file multimedia, seperti video, dalam jumlah yang besar,
membutuhkan ruang penyimpanan yang besar. Oleh karena itu, diperlukan sebuah sistem
kompresi yang sesuai agar menghasilkan rasio kompresi yang cukup besar namun tidak
mengurangi kualitas video tersebut. Kompresi merupakan salah satu cara efektif mengatasi
masalah dalam penyimpanan dan pentransmisian suatu data video, dan untuk meningkatkan
efektifitas dari kompresi video tersebut diperlukanlah salah satu metode dimana metode
tersebut akan sangat mempengaruhi kualitas hasil dari pengkompresian video tersebut.
Motion Estimation dan Compensation adalah proses untuk menentukan pergerakan suatu
objek pada sekuens video digital.
Motion Estimation adalah suatu proses untuk menentukan pergerakan suatu objek
pada sekuens video. Umumnya motion tersebut diwujudkan dengan vektor motion pada titik
yang dipilih di dalam frame sekarang dihubungkan dengan frame lain yang disebut dengan
frame referensi. Motion Estimation juag merupakan teknik kompresi Interframe yang
memprediksi sebuah frame dari frame sebelumnya (reference frame), dengan mengestimasi
gerakan blokblok antar frame tersebut. Frame dibagi menjadi blokblok yang tidak overlap.
Tiap blok dibandingkan dengan blokblok berukuran sama, pada frame sebelumnya dengan
melakukan pencocokan blok (block matching).
Motion Compensation menjadi proses pembangkit sebuah prediksi pada sebuah frame
video dengan memindahkan frame referensi. secara umum, prediksi dibentuk pada suatu blok
(blok 8x8) atau macroblok (blok 16x16) data. Penggantian biasanya dilakukan secara konstan
dan garis lurus di atas keseluruhan blok yang sedang diprediksi. Seperti pergantian
digambarkan oleh vektor gerak (motion vektor) dengan dua komponen sesuai dengan
pergeseran sepanjang arah X dan Y.komponen vektor gerak pada umumnya adalah dengan
pergantian-pergantian pixel, biasanya dilakukan pada ketelitian pada sub-pixel. Pergantian
sub-pixel dilakukan dengan menyaring frame referensi dengan penyaringan interpolasi yang
tepat atau cocok.
Pencocokan blok (Block Matching) target dengan blokblok kandidat pada daerah
pencarian dilakukan dengan besar step tertentu, yang merupakan besar pergeseran dalam
pencarian blok. Jumlah blok kandidat, selain ditentukan oleh ukuran daerah pencarian,
ditentukan pula oleh besarnya step.

1. Exhaustive Search
Algoritma ini dikenal juga dengan nama Full Search, dimana algoritma ini
menghitung cost function pada setiap kemungkinan lokasi pada search window. Sebagai
hasilnya dimana telah ditemukan kemungkinan lokasi terbaik dan memberikan nilai PSNR
tertinggi diantara algoritma block matching lainnya. Kekurangan dari algoritma Exhaustive
Search adalah semakin besar search window yang didapat maka semakin banyak
computations yang dibutuhkan.
2. Three Step Search
Algoritma ini bekerja dimulai dengan langkah mencari lokasi di tengah-tengah dan
menetapkan step size S=4, biasanya untuk pencarian dengan parameter value = 7. Kemudian
mencari delapan lokasi +/- S pixel disekitar lokasi (0,0). Dari sembilan lokasi pencarian
dipilihlah satu lokasi yang memberikan cost terendah dan menjadikannya sebagai titik
pencarian baru. Kemudian ditetapkan step size terbaru S=S/2, dan dilakukan langkah
pencarian yang sama seperti sebelumnya hingga dua pengulangan lagi hingga S=1. Pada poin
tersebut ditemukan lokasi dengan cost function terendah dan macro block pada lokasi
tersebut adalah pilihan terbaik. Perhitungan motion vector tersebut disimpan untuk
ditransmisikan.
3. Simple And Efficient Three Step Search
Algoritma simple and efficient three step search merupakam pengembangan lainnya
dari algoritma three step search yang mengeksploitasi asumsi dari unimodal error surface.
Point utama dari dibalik algoritma ini adalah untuk unimodal surface tidak boleh ada dua
minimum pada arah berlawanan dan karenanya 8 poin pola pencarian yang sudah ditetapkan
TSS dapat dirubah kedalam bentuk ini dan menghemat perhitungan. Algoritma masih
memiliki tiga langkah seperti TSS tapi pengembangannya adalah tiap langkah memiliki lebih
dari dua fase. Area pencarian dibagi menjadi empat kuadran dan algoritma pengecekan dibagi
menjadi 3 lokasi yaitu A, B dan C. A merupakan sumber sedangkan B dan C adalah S=4 yang
berlokasi jauh dari A dalam arah orthogonal. Tergantung pada bobot tertentu distribusi antara
tiga pada fase kedua dipilih beberapa poin tambahan. Aturan untuk menentukan kuadran
pencarian untuk fase kedua adalah ketika dipilih poin untuk mengecek dalam fase kedua,
akan ditemukan lokasi dengan bobot terendah dan ditetapkan sebagai sumber. Kemudian
merubah step size serupa dengan TSS dan mengulang prosedur SES diatas hingga S=1.
Lokasi dengan bobot terendah kemudian ditandai motion vector dan ditransmisikan.

Walaupun algoritma ini menyimpan banyak perhitungan bila dibandingkan dengan TSS, hal
ini tidak diterima secara luas dengan dua alasan yaitu error surface tidak ketat unimodal dan
karenanta PSNR yang didapat kurang baik dibanding TSS dan terdapat algoritma lainnya
Four Step Search yang telah dipublikasi setahun sebelumnya yang menyajikan perhitungan
hemat dibandingkan TSS dan memberikan PSNR yang lebih baik.
4. New Three Step Search
New Three Step Search merupakan peningkatan dari hasil Three Step Search dengan
menyediakan skema pencarian pusat bias dan memiliki ketentuan untuk half way stop untuk
mengurangi perhitungan cost. Algoritma ini merupakan salahsatu dari algoritma tercepat
yang diakui dan sering digunakan untuk implementasi standar seperti MPEG 1 dan H.261.
Pada langkah pertama 16 point diperiksa dengan tujuan untuk mencari sumber untuk bobot
terendah menggunakan cost function. Penambahan lokasi pencarian, 8 berjarak S=4 (sama
seperti TSS) dan 8 lainnya berjarak S=1 dari sumber pencarian. Jika cost terendah adalah
pada sumber maka pencarian dihentikan dan motion vector di set (0,0). Jika bobot terendah
adalah pada salahsatu dari 8 lokasi dengan S=1, maka rubah sumber pencarian ke poin
tersebut dan cek untuk bobot yang berdekatan dengan poin tersebut. Lokasi yang
memberikan bobot terendah adalah pendekatan terbaik dan motion vector di set pada lokasi
tersebut. Di sisi lain, jika bobot terendah setelah langkah pertama adalah salahsatu dari 8
lokasi dengan S=4, maka diikuti procedure normal dari TSS.
5. Four Step Search
Serupa dengan New Three Step Search, Four Step Search (4SS) juga menggunakan
sistem pencarian bias terpusat dan memiliki ketentuan penghentian setengah jalan. Four Step
Search

menetapkan

pola

tetap

yaitu

S=2

untuk

langkah

pertama,

tidak

mempedulikanbagaimana nilai dari parameter pencarian p tersebut, sehingga akan terlihat

sembilan lokasi dalam window 5x5. Jika bobot terendah ditemukan pada pusat pencarian
window maka pencarian dilanjutkan ke langkah empat. Jika bobot terendah ada di salahsatu
dari delapan lokasi kecuali pusat, maka lokasi tersebut dijadikan pusat baru dan berpindah ke
langkah kedua, dimana pencarian window masih pada lebar 5x5. Tergantung pada dimana
letak bobot terendah, pencarian mungkin berakhir pada pengecekan bobot pada 3 atau 5
lokasi.

6. Diamond Search
Algoritma diamond search sama seperti algoritma four step search, tapi pola pencarian
poin berubah dari bentuk kotak ke bentuk diamond dan tidak ada batasan dari jumlah langkah
yang dapat ditempuh oleh algoritma tersebut. Diamond search menggunakan dua tipe berbeda
dari fixed pattern yaitu Large Diamond Search Pattern (LDSP) dan Small Diamond Search
Pattern (SDSP). Sama seperti pada FSS, langkah pertama menggunakan LDSP dan jika bobot
terendah ada pada pusat lokasi maka kita lanjutkan ke langkah empat. Langkah konsekuensi,
kecuali langkah terakhir juga sama dan menggunakan LDSP. Langka terakhir menggunakan
SDSP disekitar sumber pencarian baru dan lokasi dengan bobot terendah adalah pilihan yang
terbaik. Sebagai pola pencarian tidak terlalu kecil atau terlalu besar dan fakta bahwa tidak ada
batasan untuk jumlah langkah, algoritma ini dapat menemukan minimum global yang sangat
akurat. Hasil akhirnya akan melihat PSNR yang mendekati ES sedangkan beban komputasi
harus secara signifikan berkurang.
7. Adaptive Rood Patern Search
Algoritma adaptive rood patern search menggunakan fakta bahwa motion dalam
frame pada umumnya adalah koheren. Misalnya jika macro block di sekitar current macro
block bergerak dalam arah tertentu maka ada kemungkinan besar bahwa current macro block
juga akan memiliki motion vector yang sama. Algoritma motion vector dari macro block
bergerak ke kiri untuk memprediksi motion vector dirinya sendiri. Sebagai tambahan untuk
pengecekan lokasi yang ditunjukkan dengan prediksi motion vector, juga dilakukan
pengecekan pada jalur pola pendistribusia poin. Pencarian pola jalur selalu dilakukan pada
langkah pertama, dimana secara langsung ditempatkan pencarian pada area dimana terhadap
kemungkinan terbesar untuk menemukan matching block yang baik. Poin yang memiliki
bobot terendah akan menjadi sumber dari langkah pencarian subsequent dan pola pencarian
dirubah ke SDSP. Prosedurnya adalah tetap melakukan SDSP hingga poin dengan bobot
paling sedikit ditemukan pada pusat SDSP. Peningkatan lebih lanjut pada algoritma dapat di
cek untuk Zero Motion Prejudgment, menggunakan pencarian mana yang berhenti
dipertengahan jika poin dengan bobot paling sedikit sudah berada pada pusat dari jalur pola.
Keuntungan utama dari algoritma ini dibandingkan dengan diamond search adalah jika
prediksi motion vector adalah (0,0) tidak akan memboroskan waktu komputasi dalam
melakukan LDSP, lebih baik langsung menggunakan SDSP. Selanjutnya jika prediksi motion

vector berjauhan dari pusat maka komputasi ARPS disimpan lagi dengan langsung
melangkah ke sekitarnya dan menggunakan SDSP dimana DS memerlukan waktu untuk
melakukan LDSP.
Code Matlab :
%
%
%
%
%
%
%
%
%

This script uses all the Motion Estimation algorithms written for the
final project and save their results.
The algorithms being used are Exhaustive Search, Three Step Search, New
Three Step Search, Simple and Efficient Search, Four Step Search, Diamond
Search, and Adaptive Rood Pattern Search.
Aroh Barjatya
For DIP ECE 6620 final project Spring 2004

close all
clear all

% the directory and files will be saved based on the image name
% Thus we just change the sequence / image name and the whole analysis is
% done for that particular sequence
imageName = 'caltrain';
mbSize = 16;
p = 7;
for i = 0:30
imgINumber = i;
imgPNumber = i+2;
if imgINumber < 10
%imgIFile = sprintf('C:/FastME/caltrain/gray/caltrain%d.ras',
imageName, imgINumber);
imgIFile = sprintf('C:/FastME/%s/gray/%s00%d.ras',imageName,
imageName, imgINumber);
elseif imgINumber < 100
imgIFile = sprintf('C:/FastME/%s/gray/%s0%d.ras',imageName,
imageName, imgINumber);
%imgIFile = sprintf('C:/FastME/caltrain/gray/caltrain
%d.ras',imageName, imgINumber);
end
if imgPNumber < 10
%imgPFile = sprintf('C:/FastME/caltrain/gray/caltrain%d.ras',
imageName, imgPNumber);
imgPFile = sprintf('C:/FastME/%s/gray/%s00%d.ras',imageName,
imageName, imgPNumber);
elseif imgPNumber < 100
%imgPFile = sprintf('C:/FastME/caltrain/gray/caltrain
%d.ras',imageName, imgPNumber);
imgPFile = sprintf('C:/FastME/%s/gray/%s0%d.ras',imageName,
imageName, imgPNumber);
end
imgI = double(imread(imgIFile));

imgP = double(imread(imgPFile));
imgI = imgI(:,1:352);
%imgI = imgI(:,1:176);
imgP = imgP(:,1:352);
%imgP = imgP(:,1:176);

% Exhaustive Search
[motionVect, computations] = motionEstES(imgP,imgI,mbSize,p);
imgComp = motionComp(imgI, motionVect, mbSize);
ESpsnr(i+1) = imgPSNR(imgP, imgComp, 255);
EScomputations(i+1) = computations;
% Three Step Search
[motionVect,computations ] = motionEstTSS(imgP,imgI,mbSize,p);
imgComp = motionComp(imgI, motionVect, mbSize);
TSSpsnr(i+1) = imgPSNR(imgP, imgComp, 255);
TSScomputations(i+1) = computations;
% Simple and Efficient Three Step Search
[motionVect, computations] = motionEstSESTSS(imgP,imgI,mbSize,p);
imgComp = motionComp(imgI, motionVect, mbSize);
SESTSSpsnr(i+1) = imgPSNR(imgP, imgComp, 255);
SESTSScomputations(i+1) = computations;
% New Three Step Search
[motionVect,computations ] = motionEstNTSS(imgP,imgI,mbSize,p);
imgComp = motionComp(imgI, motionVect, mbSize);
NTSSpsnr(i+1) = imgPSNR(imgP, imgComp, 255);
NTSScomputations(i+1) = computations;
% Four Step Search
[motionVect, computations] = motionEst4SS(imgP,imgI,mbSize,p);
imgComp = motionComp(imgI, motionVect, mbSize);
SS4psnr(i+1) = imgPSNR(imgP, imgComp, 255);
SS4computations(i+1) = computations;
% Diamond Search
[motionVect, computations] = motionEstDS(imgP,imgI,mbSize,p);
imgComp = motionComp(imgI, motionVect, mbSize);
DSpsnr(i+1) = imgPSNR(imgP, imgComp, 255);
DScomputations(i+1) = computations;
% Adaptive Rood Patern Search
[motionVect, computations] = motionEstARPS(imgP,imgI,mbSize,p);
imgComp = motionComp(imgI, motionVect, mbSize);
ARPSpsnr(i+1) = imgPSNR(imgP, imgComp, 255);
ARPScomputations(i+1) = computations;

end
subplot (2,1,1);
plot(ESpsnr,'k','linewidth',2);
hold on;
plot(TSSpsnr,'b','linewidth',2);
hold on;
plot(SESTSSpsnr,'r','linewidth',2);
hold on;
plot(NTSSpsnr,'g','linewidth',2);
hold on;

plot(SS4psnr,'y','linewidth',2);
hold on;
plot(DSpsnr,'c','linewidth',2);
hold on;
plot(ARPSpsnr,'m','linewidth',2);
hold on;
grid on;
xlabel('Frame Number');
ylabel('PSNR');
title('Perbandingan Permfomasi PSNR dan Computations Algoritma Block
Matching','fontsize',12);
subplot (2,1,2);
plot(EScomputations,'k','linewidth',2);
hold on;
plot(TSScomputations,'b','linewidth',2);
hold on;
plot(SESTSScomputations,'r','linewidth',2);
hold on;
plot(NTSScomputations,'g','linewidth',2);
hold on;
plot(SS4computations,'y','linewidth',2);
hold on;
plot(DScomputations,'c','linewidth',2);
hold on;
plot(ARPScomputations,'m','linewidth',2);
hold on;
grid on;
xlabel('Frame Number');
ylabel('Computations');
legend('TSS','SESTSS','NTSS','SS4','DS','ARPS');

%save dsplots2 DSpsnr DScomputations ESpsnr EScomputations TSSpsnr ...

%TSScomputations SS4psnr SS4computations NTSSpsnr
NTSScomputations ...
%SESTSSpsnr SESTSScomputations ARPSpsnr ARPScomputations

Tabel Nilai Computations

Fram
e
Numb
er
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

ARPS

DS

ES

9,758
182
9,818
182
9,869
091
9,763
636
9,918
182
9,725
455
9,970
909
10,17
636
9,898
182
10,03
455
9,956
364

18,56
182
18,40
364
18,46
545
18,51
273

207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109

10
9,972
727
10,16
727
10,16
182
10,31
273
10,08
727
10,3
10,10
727
9,987
273
10,07
091
10,10
727

18,68
18,61
818
18,68
364
18,84
182
18,72
364
18,70
364
18,74
909
18,47
273
18,32
727
18,37
455
18,38
727
18,33
455
18,03
273
17,97
273
18,33
636
18,28
727
18,31
818
18,08
364

NTSS
21,68
21,75
636
21,65
455
22,12
182
21,85
636
22,17
818
22,60
727
22,83
455
23,17
273
22,48
22,69
636
23,01
273
23,45
273
24,11
818
24,22
909
24,59
091
24,27
273
25,2
26,08
545
25,76
24,36
545
23,68

SESTS
S

SS4

TSS

16,09
091
16,05
818
16,05
455
16,12
909
16,03
818
16,05
273
16,03
091
15,99
455
15,97
818
15,96
909
16,01
273
15,99
091
15,98
727
15,92
545
15,94
182
16,04
727
16,16
364
16,18
727
16,06
909
16,07
818
16,00
545
15,96
182

19,70
909
19,62
364
19,63
091
19,67
636
19,79
091
19,74
182
19,78
545
19,90
545
19,82
545
19,83
273
19,84
545
19,85
273
19,85
818
19,65
818
19,46
545
19,48
182
19,46
182
19,35
091
19,41
273
19,36
545
19,46
727
19,65
636

23,77
091
23,72
545
23,72
364
23,69
091
23,69
455
23,73
273
23,72
545
23,8
23,73
818
23,71
636
23,74
182
23,70
182
23,76
545
23,78
23,72
909
23,71
091
23,77
455
23,73
091
23,70
727
23,70
545
23,66
909
23,69
091

23
24
25
26
27
28
29
30
31

10,06
909
10,10
545
9,914
545
10,01
818
10,19
818
10,11
818
10,02
727
10,02
182

23,64
364

17,92
909
17,89
273

207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109
207,4
109

ARPS

DS

ES

NTSS

28,95
374
29,13
355
29,38
713
29,03
189
28,91
072
28,92
531
28,36
401
27,93
567
27,28

29,40
489
29,14
211
29,36
783
29,04
045
29,19
797
28,97
181
28,34
643
27,97
936
27,36

29,51
601
29,37
256
29,61
569
29,45
981
29,35
322
29,27
936
28,57
089
28,26
175
27,62

28,70
859
28,64
834
28,93
531
28,87
608
28,67
443
28,34
187
27,69
697
27,46
777
26,90

9,84

18,20
909
18,23
636
18,31
091
18,23
818
18,29
455
18,18
364
18,16

23,06
22,72
364
22,74
909
22,16
22,25
091
21,83
455
22,08
545
21,62

15,95
455
15,98
909
16,01
273
16,04
727
16,05
636

19,65
455
19,69
091
19,71
818
19,70
364
19,57
818
19,57
091
19,67
455
19,61
091
19,55
273

23,71
636
23,72
364
23,70
545
23,71
636
23,68
364
23,73
455
23,73
636
23,76
545

SESTS
S

SS4

TSS

26,88
446
26,63
256
26,69
433
26,58
616
26,70
398
26,65
407
26,28
118
25,86
998
25,86

29,39
655
29,13
885
29,34
544
29,16
519
29,19
162
28,94
436
28,40
319
27,93
528
27,40

27,05
704
26,77
663
26,88
677
26,95
314
27,09
146
26,97
736
26,64
218
26,42
845
26,22

15,98
15,94
545
15,99
273
15,97
455

23,74

Tabel Nilai PSNR

Fram
e
Numb
er
1
2
3
4
5
6
7
8
9

10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

63
26,77
314
26,98
872
27,29
365
27,39
456
27,25
27,13
375
27,16
249
27,12
671
27,27
58
27,33
946
28,04
15
27,62
795
27,08
649
26,97
921
26,74
709
26,86
062
26,66
616
26,87
654
26,53
363
26,55
498
25,88
309
26,43
904

575
27,00
295
27,25
185
27,37
283
27,37
506
27,35
198
27,16
388
27,22
421
27,26
22
27,28
297
27,44
089
28,13
613
27,69
04
27,20
726
26,94
414
26,63
336
27,05
893
26,83
203
27,00
851
26,64
022
26,64
452
25,96
537
26,46
887

555
27,25
991
27,48
087
27,80
845
27,55
105
27,54
811
27,42
257
27,38
193
27,52
89
27,54
091
27,71
397
28,32
582
27,96
747
27,40
165
27,18
295
26,96
894
27,31
414
27,17
528
27,18
047
26,80
735
27,02
984
26,40
199
26,73
523

846
26,59
763
26,80
839
27,08
233
26,65
321
26,39
07
26,30
35
26,59
123
26,61
492
26,56
237
26,60
69
26,96
918
26,76
643
26,44
683
26,17
695
26,24
66
26,56
139
26,51
138
26,62
62
26,41
206
26,24
527
25,89
316
26,32
517

67
25,52
413
25,74
055
25,97
236
25,86
22
25,79
107
25,88
669
26,09
397
26,11
43
26,33
223
26,69
963
27,01
109
26,32
919
25,90
651
25,62
262
25,33
985
25,59
277
25,46
068
25,48
049
25,25
86
25,24
762
24,69
348
24,97
619

653
27,01
633
27,24
77
27,49
418
27,43
378
27,36
069
27,16
017
27,23
819
27,28
816
27,33
137
27,48
295
28,18
468
27,71
603
27,20
368
26,93
937
26,66
636
27,08
005
26,93
129
27,00
623
26,63
516
26,61
982
25,97
763
26,42
209

257
25,70
449
25,79
529
26,07
826
26,18
041
26,23
446
26,20
484
26,38
79
26,52
148
26,72
611
26,91
904
27,24
027
26,75
419
26,13
309
25,70
424
25,59
969
25,74
852
25,71
195
25,75
971
25,58
1
25,62
504
25,01
396
25,56
832

Dari gambar diatas dapat dilihat untuk nilai PSNR terbaik dihasilkan oleh metode
Exhaustive Search. Ini dikarenakan metode Exhaustive Search melakukan seleksi secara
menyeluruh dengan mencari semua kemungkinan poin di dalam window pencarian hingga
mendapatkan hasil terbaik. Akan tetapi jika dilihat dari grafik computations, metoda
Exhaustive Search memilik nilai yang sangat tinggi dengan kata lain waktu yang diperlukan
untuk proses seleksi itu sangat lama. Jika window pencarian semakin besar maka algoritma
Exhaustive Search akan menghasilkan nilai computations yang tinggi atau waktu seleksi
semakin lama. Gambar dibawah ini menunjukkan grafik selain algoritma Exhaustive Search.

Jika dilihat gambar diatas terlihat algoritma Four Step Search, Diamond Search dan
Adaptive Rood Patern Search mendekati nilai PSNR Exhaustive Search dimana Exhaustive
Search menghasilkan nilai PSNR yang paling tinggi diantara keenam algoritma lainnya. Ini
berarti ketiga algoritma tersebut memiliki kemampuan pencarian yang hampir sama dengan
Exhaustive Search. Sedangkan untuk computations, algoritma Adaptive Rood Patern Search
memiliki nilai computations paling kecil. Ini berarti jika dikaitkan nilai PSNR dan
Computations maka dapat disimpulkan algoritma Adaptive Rood Patern Search merupakan
algoritma terbaik dalam proses block matching. Pada algoritma New Three Step Search,
dimana pada frame awal menghasilkan nilai computations lebih kecil daripada TSS namun
antara frame ke 15 sampai 20 mulai mengalami peningkatan nilai. Peningkatan tersebut
mungkin disebabkan karena pada proses pencarian poin dengan bobot terkecil pada frame
nomor 15 hingga 20, bobot terendah setelah langkah pertama terdapat pada salahsatu dari 8
lokasi dengan S=4, maka diikuti langkah berikutnya adalah mengikuti procedure normal dari
TSS.