Restorasi Citra Digital

Dengan Algoritma Inpainting

Wijanarto
Abstract: Inpainting is a technique to modify an unrecognized image format.
Implementation and objectives of inpainting is to restore the damaged image and remove
any selected object. Digital inpainting algorithm is a basic technique used by restorator
professionals in painting. Basic idea is to find the contours of the image and dragging
them into closest border areas marked in a certain time. This algorithm is trying to
expand the boundaries and color beetwen properly until the entire marked area covered.
After selecting area for restoration, this algorithm automatically fill the area with the
information surround it. The process will be complete when the isophote on the inside
border region fill in. The process is done in a certain time, and after several Iterations,
there was a softening process in the restorated region using anisotropik diffusion
technique, and performed inpainting and diffusion, so on until the whole area is fully
within the limits or threshold specified finish. This technique is implemented for
restoration of damaged old photos,because of such as fungi on the surface of the image
or text, even labels that cover a particular region on an image.
Keywords: Image Restoration, Inpainting, Anisotropic Diffusion
PENGANTAR
Dewasa ini komputer berkembang dengan cepat, baik kecepatan pemrosesan yang tinggi maupun tempat
penyimpanan yang besar. Hal ini memungkinkan pemrosesan citra dapat dilakukan dengan baik, sebab
citra biasanya disimpan dalam kapasitas yang besar (untuk yang tidak dikompresi) dan membutuhkan
pemrosesan yang lama (karena kompleksitas algoritmanya). Bahkan perkembangan tersebut membawa
pada tahap penelitian dan pengembangan multimedia database (Lu,1999). Seperti diketahui elemen
sistem pemrosesan citra meliputi (1) pengambilan, (2) penyimpanan, (3) pemrosesan, (4) komunikasi,
dan (5) penampilan (Gonzales, 1993). Dengan demikian citra yang didapatkan mungkin seringkali tidak
sama dengan yang dihasilkan, oleh karena itu citra perlu di proses untuk didapatkan hasil yang paling
orginal ideal (keadaan yang senyatanya ideal) menurut persepsi mata manusia.
Restorasi ini merupakan suatu teknik pemodelan yang diorientasikan dengan adanya degradasi dan
dilakukan proses pembalikan yang sesuai untuk mengembalikan citra yang asli (Gonzales,1993). Teknik

Wijanarto adalah Dosen Fakultas Ilmu Komputer UDINUS Semarang

53

54

Techno.Com, Vol. 8 No. 1, Mei 2009

awal restorasi terhadap citra kebanyakan menggunakan konsep domain frekuensi, seperti fungsi
deblurring, yang merupakan penghilangan citra yang mengalami blur (pengkaburan).
Inpainting adalah suatu teknik untuk memodifikasi citra dalam bentuk yang tidak terdeteksi, dalam hal
seni murni (lukis) . Tujuan dan aplikasi dari kebanyakan inpainting, mulai dari restorasi lukisan dan foto
yang rusak untuk menghilangkan atau mengganti obyek yang dipilih.
Pada mulanya inpainting merupakan teknik yang digunakan para ahli seni untuk merestorasi lukisan
yang rusak karena usia, goresan, jamur, atau hal lainnya sehingga lukisan tersebut menjadi tidak seperti
aslinya. Bertalmio dan kawan-kawan (Bertalmio,et.al, 2001), merupakan pencetus pertama dalam usaha
menuangkan ide inpainting dalam dunia digital, sehingga dikenal sebagai digital inpainting. Teknik
klasik merupakan teknik pertama kali yang dikembangkan oleh Bertalmio dan kawan-kawan, yang
menggunakan transformasi Laplace (Sapiro, 2005).
Grossauer dan Scherzer (Grossauer dan Scherzer, 2005) menggunakan teknik persamaan GinzburgLandau pada ruang 2 dimensi dan 3 dimensi untuk melakukan inpainting. Pada kesempatan lain
Grossauer mengembangkan teknik dengan mengkombinasikan persamaan diferensial partial (PDP) dan
sintesis tekstur (Texture Synthesis/TS) (Grossauer,2005), disini Grossauer mencoba menyempurnakan
dengan kombinasi algoritma dasar PDP, dengan algoritma TS untuk mengisi daerah yang akan di
inpaint. Telea (Telea,2005) mengembangkan algoritma yang didasarkan pada apa yang disebut Level
Sets and Fast Marching Method yang di cetuskan oleh Sethian (Sethian, 1994,1996).
Algoritma yang dikenal sederhana dan cepat, juga dapat digunakan untuk menyelesaikan permasalahan
inpainting di kenalkan oleh Oliveira dan kawan-kawan (Oliveira, et.al,2001), yang dikenal dengan Fast
Digital Image Inpainting. Cant mencoba memecahkan permasalah inpainting dengan metode multi skala
untuk otomatisasi inpainting (Cant,2003). Criminisi dan Toyama, menampilkan algoritma yang
digunakan untuk menghilangkan obyek besar yang didasarkan pada perhitungan warna menggunakan
exemplar sintesis (Criminisi dan Toyama, 2003,2004).
Jia dan Tang (Jia dan Tang, 2005) memandang Inpainting dari sisi sintesis tekstur, yaitu dengan
menggunakan pendekatan ND Tensor Voting mencoba mentranslasikan informasi warna citra dan
tekstur yang disesuaikan dalam tensor ND. Demanet, Song dan Chan, memberikan solusi inpainting
dengan pendekatan yang disebut Peta Tekstur yang saling berhubungan, yang didefinisikan sebagai
kaitan antar piksel yang kosong atau hilang dengan piksel lain dimana nilainya diambil dari dalam
benih/bibit citra aslinya. (Demanet et.al,2005). Igehy dan Pereira (Igehy dan Pereira, 1997) menyajikan
teknik yang didasarkan pada Hegeer dan Bergen (Hegeer dan Bergen, 1995), yaitu dengan algoritma
sintesis tekstur dan mengkombinasikan dengan komposisi citra untuk dapat menghasilkan restorasi yang
lebih baik. Dalam tulisan ini, penulis mengimplementasikan algoritma dari Bertalmio, dengan sedikit
modifikasi pada parameternya. Pertama dalam tulisan ini t diberi nilai 0.05 dengan update setiap
0.025 sebesar 0.0005, kedua parameter difusi kappa di set 100, nilai ini digunakan untuk
mengendalikan konduksi dan mengurangi pengaruh gradiean konduksinya, sedang nilai lambda di set
maksimal 0.25 untuk mempercepat difusi (Wijanarto, 2006).

Restorasi Citra Digital (Wijanarto)

55

METODE PENELITIAN
Input algoritma ini (Bertalmio, 2000, 2001, 2003) berupa citra yang akan direstorasi dan mask yang
membatasi bagian yang akan di inpaint. Sebagai langkah awal pemrosesan, seluruh citra asli mengalami
penghalusan difusi anisotropik. Tujuannya adalah mengurangi pengaruh noise pada estimasi arah
isophote (gradien) yang berada pada . Setelah itu citra masuk pada loop inpainting, dimana hanya
nilai didalam yang dimodifikasi. Perubahan nilai ini berdasarkan implementasi diskrit dari prosedur
inpainting, dimana setiap beberapa iterasi, sebuah langkah difusi anisotropic (Bertalmio,2001, Black,
1998, Weickert, 1998, Perona dan Malik,1999) di jalankan dengan :

I
x, y, t g x, y x, y, t I x, y, t , x, y
t

(1)

Dimana adalah dilasi dari dengan radius lingkar , adalah lengkungan Euclidean dari isophote
I dan g x, y adalah fungsi pelembutan dalam sedemikian sehingga g x, y =0 dalam dan
g x, y =1 dalam , proses ini diulangi hingga keadaan yang mantap dicapai.
Diberikan I n i, j untuk setiap satu pixel citra didalam daerah selama waktu inpainting n.
Kemudian persamaan diskrit inpainting menjadi :
I n1 i, j I n i, j tI tn i, j , i, j

(2)

dimana,

n
N i, j , n n
I i, j L i, j .
I i, j ,

N i, j , n

n
t

Ln i, j : Ln i 1, j Ln i 1, j , Ln i, j 1 Ln i, j 1 ,

(4)

Ln i, j I xxn i, j I yyn i, j ,

(5)

N i, j , n
N i, j , n

I i, j , I i, j
I i, j I i, j
n
y

n
x

n i, j Ln i, j .

dan

(3)

n
x

N i, j, n
N i, j, n

n
y

(6)

(7)

Techno.Com, Vol. 8 No. 1, Mei 2009

56

n
n
n
n
I xbm
2 I xfM
2 I ybm
2 I yfM
2 Dimana n 0

I n i, j
2
2
2
2 Dimana n 0
n
n
n
n

I ybM I xfm I ybM I yfm

(8)

Pertama kita hitung estimasi smoothness 2D L dalam (5) dan arah isophote N /| N | dalam (6).
Kemudian dalam (7), kita hitung n , yaitu proyeksi dari L ke dalam vector yang dinormalisasikan
N , dengan demikian kita menghitung perubahan L selama arah N . Akhirnya kita kalikan n dengan
batas slope dari norma gradient citra, I dalam (8). Pusat Perbedaannya mengakibatkan skema ini
tidak stabil, alasan inilah digunakannya batasan slope (slope norm limited). Sub index b dan f
menunjukan perbedaan diluar dan didalam , sementara sub index m dan M menunjukkan minimal atau
maksimal antara 0 dan turunannya. Akhirnya pilihan vector yang tidak ternormalisasi N sebagai ganti
dari versi normal yang mengijinkan skema numeric lebih stabil dan sederhana. Pada saat algoritma
inpainting berada pada keadaan steady state, I t =0, kita kerjakan secara geometri dengan . I =0,
artinya bahwa smoothness berada dalam keadaan konstan dalam isophote.
Persamaan (2) sampai (8) mengerjakan pixel dalam batas dari daerah yang di inpaint, pixel yang
diketahui dari luar daerah inilah yang dipakai untuk meng-inpaint. Secara konsep persamaan (2) (8)
dihitung dalam daerah ( dilasi dari ). Walaupun kita memperbarui nilai hanya dalam (pers. 2
diterapkan didalam ). Informasi dalam batas menyebar di dalam . Penyebaran arah dari
informasi ini, baik nilai gray maupun isophote, merupakan dasar untuk kesuksesan algoritma ini. Dalam
loop restorasi ditunjukkan A langkah inpainting dengan persamaan (2), lalu B langkah difusi dengan
persamaan (1), lalu ke A langkah dan begitu seterusnya. Jumlah total langkah adalah T. Jumlah ini boleh
jadi belum mapan, atau algoritma akan berhenti ketika perubahan dalam citra di bawah threshold yang
diberikan. Nilai yang digunakan pada A dan B sebenarnya adalah opsional, tetapi dalam Bertalmio
(Bertalmio, 2000) memakai A=15, B=2, sedang kecepatan t = 0.1.
HASIL DAN PEMBAHASAN
Grafik antar muka pengguna (GUI), disini dibangun secara visual dengan bantuan perangkat lunak
Borland Delphi versi 7 Enterprise, selain kemudahan dalam pengembangan, perangkat ini dikenal
sebagai Rapid Application Development Tool (RAD Tool) yang paling cepat dikelasnya, gambar 1
merupakan aplikasi dari algoritma ini.

Restorasi Citra Digital (Wijanarto)

57

Gambar 1. Screen shoot aplikasi restorasi citra digital dengan algoritma inpainting

Hasil implementasi dari sistem restorasi citra digital dengan algortima inpainting akan disajikan dalam
bab ini, yaitu dengan melakukan restorasi terhadap data sampel citra yang sudah dipersiapkan. Dibagian
ini penulis melakukan restorasi terhadap citra dengan memakai beberapa variasi parameter yang ada
guna mencapai performa sistem dan hasil yang optimal.

Gambar 7 a, b dan c berupa Citra Asli, Mask Citra dan Citra setelah Restorasi

Techno.Com, Vol. 8 No. 1, Mei 2009

58

Gambar 8 a, b dan c berupa Citra Asli, Mask Citra dan Citra setelah Restorasi

Tampak pada gambar 7 a, b dan c yang merupakan citra asli sebelum direstorasi, mask citra dan citra
hasil restorasi, begitu juga gambar 8 a,b dan c. Dari uji sampel data sebanyak 30 gambar dengan 3 file
format yang berbeda (bmp, tga dan jpeg), menunjukan hasil yang cukup bagus baik dari segi waktu
proses maupun hasil visual.
Waktu Restorasi Citra
Tabel 1 merupakan data sampel sebanyak 30 buah citra yang dibagi dalam 3 kelompok format file yang
berbeda masing-masing 10 buah untuk format file bmp, tga dan jpeg, dengan dimensi dibatasi hanya
maksimal 512X512 untuk citra true color 24 bit dalam ruang warna RGB.
Tabel 1. Data Sampel Citra Restorasi

No Nama File

Waktu

Dimensi

anjing.tga

00:06:15 [ 375.86 ms]

501 X 512

bebek1.tga

00:04:09 [ 250.11 ms]

512 X 384

bebek2.tga

00:06:03 [ 363.02 ms]

512 X 478

bebek3.tga

00:05:53 [ 353.97 ms]

512 X 423

bebek4.tga

00:03:35 [ 215.55 ms]

512 X 349

bebek5.tga

00:04:02 [ 242.08 ms]

512 X 384

bebek6.tga

00:05:34 [ 334.20 ms]

512 X 390

bebek7.tga

00:02:48 [ 168.23 ms]

512 X367

buah1.tga

00:05:10 [ 310.36 ms]

512 X 384

Restorasi Citra Digital (Wijanarto)

59

10

buah2.tga

00:04:41 [ 281.27 ms]

512 X 384

11

bunga1.bmp

00:10:49 [ 649.11 ms]

501 X 512

12

bunga2.bmp

00:05:30 [ 330.00 ms]

512 X 354

13

bunga3.bmp

00:04:16 [ 256.94 ms]

512 X 352

14

bunga4.bmp

00:05:43 [ 343.72 ms]

512 X 324

15

bunga6.bmp

00:05:52 [ 352.13 ms]

512 X 384

16

graf1.bmp

00:04:33 [ 273.55 ms]

512 X 384

17

lapangan.bmp

00:05:25 [ 325.69 ms]

512 X 348

18

motor.bmp

00:04:10 [ 250.19 ms]

512 X 384

19

pinguin.bmp

00:02:58 [ 178.11 ms]

512 X 308

20

semak.bmp

00:03:08 [ 188.09 ms]

512 X 384

21

bunga5.jpg

00:07:06 [ 426.03 ms]

500 X 512

22

bunga7.jpg

00:03:15 [ 195.95 ms]

512 X 365

23

graf2.jpg

00:02:52 [ 172.30 ms]

512 X 384

24

ilkom.jpg

00:03:32 [ 212.34 ms]

512 X 384

25

kodok.jpg

00:02:52 [ 172.73 ms]

384 X 512

26

r1.jpg

00:04:24 [ 264.69 ms]

512 X 384

27

r2.jpg

00:04:11 [ 251.74 ms]

384 X 512

28

warung.jpg

00:03:54 [ 234.33 ms]

512 X 384

29

BERTALMIO4.jpg

00:02:49 [ 169.31 ms]

483 X 405

30

BERTALMIO1.jpg

00:18:56 [ 1136.02 ms]

384 X 512

Rata-rata 00:05:09 [309.254 ms]

Dari hasil penelitian yang telah dilakukan terhadap 30 sampel data citra asli diatas sudah diperoleh citra
hasil restorasi, baik .BMP, .TGA maupun JPEG yang disajikan dalam tabel diatas. Citra restorasi
tersebut akan dibahas dan dianalisa secara deskriptif yang didasarkan pada pengukuran kinerja sistem
yang dibangun yaitu, waktu proses restorasi, persentase besar kerusakan citra dari dimensinya, variasi
iterasi yang dipakai dalam inpainting terhadap citra tersebut dalam melakukan restorasi.
Waktu diukur dengan cara mencari selisih waktu tick saat iterasi inpainting dimulai dengan tick saat
iterasi selesai dalam 1000 mili detik, kemudian dikonversi dalam format jam, menit dan detik. Tampak
pada data ke 30, waktu restorasi yang diperoleh sangat menonjol (maksimal) yaitu 00:18:56 [ 1136.02
ms], sedang waktu restorasi terendah (minimal) diperoleh pada data ke 8, 00:02:48 [ 168.23 ms].

60

Techno.Com, Vol. 8 No. 1, Mei 2009

Waktu Retorasi , Persentase Kerusakan dan Variasi Iterasi

Selain persentase kerusakan pada citra, yang mempengaruhi waktu restorasi adalah variasi total iterasi
dan iterasi inpainting. Disini penulis sebagian besar memakai parameter yang disarankan oleh Bertalmio
(Bertalmio, 2001), yaitu total iterasi 3000 dengan iterasi inpainting sebesar 15, tetapi ada dua data yang
tidak menggunakan parameter diatas. Dan setelah melakukan percobaan restorasi dengan berbagai
macam variasi parameter, yang terbaik menurut penulis adalah total iterasi 3000 dan iterasi inpainting
15, nilai iterasi diatas 3000 dan iterasi inpainting yang besar tidak menghasilkan kualitas citra restorasi
yang ideal dan justru menambah lama waktu restorasi. Tabel 3 menunjukan hasil penelitian dari sampel
yang ada, nilai yang diberi high light menunjukan nilai terbesar (kuning) dan terkecil (abu-abu).

Restorasi Citra Digital (Wijanarto)

61

Tabel 3 Waktu, Variasi Iterasi Dan Kerusakan Citra

No
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

TP
196608
196608
244736
216576
178688
196608
199680
187904
196608
196608
256512
181248
180224
165888
196608
196608
178176
196608
157696
196608
256000
186880
196608
196608
196608
196608
196608
196608
196608
195615

PR
2585
2509
3098
3272
2043
2365
3175
1357
2753
2447
4068
3374
2130
2301
2876
2377
2849
3028
1582
1461
3685
1927
1400
2016
1352
3051
2359
1871
2093
14993

PCT
1.315%
1.276%
1.266%
1.511%
1.143%
1.203%
1.590%
0.722%
1.400%
1.245%
1.586%
1.862%
1.182%
1.387%
1.463%
1.209%
1.599%
1.540%
1.003%
0.743%
1.439%
1.031%
0.712%
1.025%
0.688%
1.552%
1.200%
0.952%
1.065%
7.665%

TI
3000
3100
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000
3000

I
10
25
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15

TI/I
300
124
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200

Waktu (ms)
375.86
250.11
363.02
353.97
215.55
242.08
334.2
168.23
310.36
281.27
649.11
330
256.94
343.72
352.13
273.55
325.69
250.19
178.11
188.09
426.03
195.95
172.3
212.34
172.73
264.69
251.74
234.33
169.31
1136.02

TP=Total Piksel - PR=Piksel Restorasi - PCT=Persentase PR dari TP

TI-Total Iterasi - I=Iterasi Inpainting - Waktu=Waktu Restorasi

Subyektivitas Penilaian Hasil Restorasi Secara Visual

Dari sisi visual, hasil restorasi citra sangat subyektif artinya, penilaian citra yang direstorasi merupakan
subyektivitas pemakai, apakah sudah dianggap sesuai dengan yang diharapkan atau tidak. Kenyataannya
dari penelitian yang dilakukan penulis, citra hasil restorasi yang paling ideal menurut persepsi mata

Techno.Com, Vol. 8 No. 1, Mei 2009

62

normal manusia, berada pada kisaran nilai variasi iterasi 3000, inpainting 15 dengan tingkat kerusakan
yang tidak terlalu besar. Besar kerusakan pada citra yang akan direstorasi akan tampak bagus jika berupa
garis, huruf atau obyek yang tidak lebih dari kurang lebih diameter 8 piksel.
Tabel 4 Minimum dan Maksimum
Waktu, Variasi Iterasi Dan Kerusakan Citra
No
1
2
8
25
30

TP
196608
196608
187904
196608
195615

PR
2585
2509
1357
1352
14993

PCT
1.315%
1.276%
0.722%
0.688%
7.665%

TI
3000
3100
3000
3000
3000

I
10
25
15
15
15

TI/I
300
124
200
200
200

Waktu (ms)
375.86
250.11
168.23
172.73
1136.02

Tabel 4 menunjukan hasil penelitian pada sampel data yang mempunyai nilai terbesar (highligth abuabu) dan terkecil (highlight kuning) dari properti waktu, variasi iterasi dan kerusakan citra, dari data no
1, 2, 8, 25 dan 30.
KESIMPULAN DAN SARAN
Dari hasil penelitian yang dilakukan restorasi citra digital dengan algoritma inpainting waktu restorasi
yang diperlukan tergantung pada besar piksel yang direstorasi. Sehingga dalam penelitian ini dapat
disimpulkan sebagai berikut :
1. Rata-rata waktu yang diperlukan dalam uji 30 sampel data sebesar 00:05:09 [309.254 ms], dengan
waktu tercepat 00:02:48 [168.23 ms] pada citra dengan piksel restorasi 1357 (0.722%) dari total
piksel citra sebesar 187904. Sedang waktu restorasi terlama 00:18:56 [1136.02 ms] dengan piksel
restorasi 14993 (7.665%) dari total piksel sebesar 195615. Semua citra berada dalam ruang warna
RGB 24 bit (8 bit untuk setiap ruang warna, yang terdiri dari R, G dan B). Variasi iterasi pada citra
yang mempunyai tingkat kerusakan yang hampir sama tampak sedikit mempengaruhi waktu
restorasi terhadap citra, tetapi tidak berpengaruh besar pada hasil restorasi secara visual.
2. Faktor subyektivitas mempunyai pengaruh terhadap penilaian kualitas hasil restorasi, disini baik
buruknya hasil restorasi sangat ditentukan oleh kepekaan melihat secara ideal dengan mata normal
yang paling mendekati citra originalnya.
SARAN
Lama proses diukur berdasarkan waktu CPU, artinya program melakukan semua perhitungan
menggunakan sumber daya CPU (Central Processing Unit) dan bukan GPU (Graphics Processing Unit) .

Restorasi Citra Digital (Wijanarto)

63

Waktu CPU dimaksudkan bahwa semua pemrosesan dilakukan oleh prosesor pada komputer, dan untuk
pemakian kecepatan cpu yang lebih cepat dengan kapasitas memori yang besar dan cepat dimungkinkan
untuk mendapatkan hasil waktu proses yang lebih cepat pula dengan kode program yang sama. Begitu
juga yang dimaksudkan pemakian GPU walaupun tidak secara khusus di bahas dalam pembahasan,
penulis ingin menunjukkan bahwa ada kemungkinan pemrosesan citra dilakukan melalui GPU saja dan
atau dengan CPU. GPU lebih unggul dalam hal kecepatan pemrosesan grafik, karena prosesor ini hanya
khusus menangani grafik dan tidak yang lain, misalnya sistem operasi, program-program TSR
(Terminate and Stay Resident), interupt lainnya, dan sebagainya. Dengan demikian walaupun unggul
dari segi kecepatan pemrosesan, GPU juga mempunyai standar tertentu untuk dapat di address dengan
kode program, misalnya GPU jenis yang dikeluarkan oleh NVidia, sudah dapat dikolaborasikan dengan
bahasa tingkat tinggi tertentu untuk pengkodeannya (misal dengan C++). Sehingga pemakaian GPU juga
harus spesifik, dengan tool yang spesifik pula, jadi tidak dapat diterapkan pada jenis GPU pada
umumnya.

DAFTAR PUSTAKA
1. Bertalmio, M., 2001, Processing of Flat And Non-Flat Image Information On Arbitary Manifolds
Using Partial Differntial Equations, A Thesis Submitted to The Faculty of Graduate School Of The
University Of Minnesota, In Partial Fulfillment Of The Requirement For The Degree Of Doctor Of
Philosophy In Electrical Engineering, March 2001,
2. http://citeseer.ist.psu.edu/rd/14059983%2C584522%2C1%2C0.25%2CDownload/http%3AqSqqSqw
ww.iua.upf.esqSq%257EmbertalmioqSqthesis.pdf,
Diakses 22-07-2005.
3. Bertalmio, M., Bertozzi, A.L., Sapiro, G., 2001, Navier-Stroke, Fluid Dynamics, and Image and
Video Inpainting, Proceedings of the International Conference on Computer Vision and Pattern
Recognition, IEEE, Dec. 2001, Kauai, HI, volume I, pp. I-355-I362,
4. http://www.math.umn.edu/gogo/inpaintingj.pdf, Diakses 22-07-2005
5. Bertalmio, M., Sapiro, G., Caselles, V., Ballester, C., 2000, Image Inpainting, Computer Graphics
(SIGGRAPH), pp.417-424, New Orleans, July 2000,
6. http://www.mount.ece.umn.edu/~guille/paper_str_text.pdf ,Diakses 22-07-2005
7. Bertalmio, M., Vese, L., Sapiro, G., Osher,S., 2003, Simultaneous Structure and Texture Image
Inpainting, Proceedings of the 2003 IEEE Computer Society Conference on Computer Vision and
Pattern Recognition (CVPR 03), Hawaii, December 2001,
8. http://www.mount.ece.umn.edu/~guille/paper_str_text.pdf , Diakses 22-07-2005
9. Black, MJ., Sapiro, G., et.al., 1998, Robust Anisotropic Diffusion, IEEE Transaction Image
Processing 7:3, pp.421-432,
10. http://www.cns.nyu.edu/~david/ftp/aniso/Black-IEEE-IP98.pdf, Diakses 1/24/2006
11. Cant, R.J., Langensiepen, C.S., 2003, A Multiscale method For Automated Inpainting, ESM2003,

64

Techno.Com, Vol. 8 No. 1, Mei 2009

12. http://www.math.umn.edu/~jhshen/gogo/Inpaintingp.pdf , Diakses 22-07-2005

13. Criminisi, A., Perez , P. and Toyama , K, 2003, Object Removal by Exemplar-Based Inpainting,
Proceedings of the 2003 IEEE Computer Society Conference on Computer Vision and Pattern
Recognition (CVPR 03),
14. http://www.math.umn.edu/~jhshen/gogo/inpaintings.pdf , Diakses 22-07-2005
15. Criminisi, A., Perez , P. and Toyama , K., 2004, Region Filling and Object Removal by ExemplarBased Image Inpainting, IEEE Transactions on Image Processing, Vol. 13, No. 9, Sep. 2004,
16. http://research.microsoft.com/~antcrim/papers/criminisi_tip2004.pdf, Diakses 15-06-2005
17. Demanet, L., Song, B., Chan, T., Image Inpainting by Correspondence Maps: a Deterministic
Approach,
18. http://www.math.umn.edu/~jhshen/gogo/inpaintingq.pdf, Diakses 22-07-2005
19. Gonzales , RC. dan Woods, RE., Digital Image Processing, Addison-Wesley publishing Company,
1993.
20. Grossauer, H and Scherzer, O, 2005, Using the Complex Ginzburg-Landau Equation for Digital
Inpainting in 2D and 3D, Lecture Notes In Computer Science 2695, Springer,
21. http://www.math.umn.edu/~jhshen/gogo/inpaintingd.pdf , Diakses 22-07-2005
22. Grossauer, H, A Combine PDE and Texture Synthesis Approach to Inpainting,
http://informatik.uibk.ac.at/infmath , Diakses 20-06-2005
23. Heeger, DJ. and Bergen JR., 1995, Pyramid-Based Texture Analysis/Synthesis, Proceedings of
SIGGRAPH 1995, pp. 229-238, September 1995,
24. http://www.cns.nyu.edu/~david/ftp/reprints/Heeger-siggraph95.pdf, Diakses 22-07-2005
25. Igehy, H. and Pereira, L., 1997, Image Replacement through Texture Synthesis, Proceedings of
the IEEE International Conference on Image Processing, October 1997,
26. http://graphics.standford.edu/papaers/texture_replace.pdf , Diakses 28-07-2005
27. Jia, J. and Tang, CK., Image Repairing: Robust Image Synthesis by Adaptive ND Tensor Voting,
28. http://www.math.umn.edu/~jhshen/gogo/inpaintingl.pdf , Diakses 22-07-2005
29. Lu, G., Multimedia Database Management Systems, Artech House Inc, 1999.
30. Oliveira, MM., Bowen, B., McKenna, R., Chang, YS., 2001, Fast Digital Image Inpainting,
Proceedings VIIP 2001, pp. 261-266 [CITY]:[PUB],
31. http://www.math.umn.edu/~jhshen/gogo/inpaintingo.pdf , Diakses 22-07-2005
32. Perona, P. dan Malik, J., 1990, Scale-Space and Edge Detection Using Anisotropic Diffusion,
IEEE
Transactions
on
PAMI,
vol.
12.
no.
7.
July
1990.,
http://www.cs.huji.ac.il/~cheny/reading/diffusion/classic.pdf , diakses 01/24/2006
33. Sapiro, G., 2000, Image Inpainting, SIGGRAPH 2000,
34. http://mountains.ece.umn.edu/~guille/Papers/sapiro_paper_1.pdf , Diakses 22-07-2005

Restorasi Citra Digital (Wijanarto)

65

35. Sethian, J.A., 1996, A Fast Marching Level Set Method for Monotonically Advancing Fronts,
Proceedings
Nat.
Acad.
93:4
(1996),
1591-1595,
http://math.berkeley.edu/~sethian/Papers/Sethian.siam_fast.pdf.gz , Diakses 20-07-2005.
36. Sethian, J.A., 1994, Fast Marching Method And Level Set Methods for Propagating Interfaces,
LBL-34893,
37. http://math.berkeley.edu/~sethian/Papers/Sethian.siam_fast.pdf.gz , Diakses 20-07-2005.
38. Telea, A., 2004, An Image Inpainting Technique Base on The Fast Marching Method, Journal of
Graphics Tools, Vol. 9, No. 1, ACM Press 2004,
39. http://www.win.tue.nl/~alext/alex/Papers/JGT04/paper.pdf , Diakses 21-06-2005.
40. Weickert, J., 1998, Anisotropic Diffusion in Image Processing, ECMI Series, Teubner-Verlag,
Stuttgart, Germany, 1998,
41. http://www.emis.de/journals/an,cs/_vol-70/_no_1/_weickert.pdf, diakses 01/24/2006
42. Wijanarto, 2006, Restorasi Citra Digital Dengan Algoritma Inpainting, Thesis S2 Ilmu Komputer,
Universitas Gajah Mada, Yogyakarta, 2006.