Restorasi Citra Digital Dengan Algoritma Inpainting PDF
Restorasi Citra Digital Dengan Algoritma Inpainting PDF
Wijanarto
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
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 Ginzburg-
Landau 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 (1)
t
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 .
n
I i, j , (3)
N i, j , n
t
Ln i, j : Ln i 1, j Ln i 1, j , Ln i, j 1 Ln i, j 1 , (4)
N i, j , n
I i, j , I i, j
n
y
n
x
, (6)
N i, j , n I i, j I i, j
n
x
2 n
y
2
N i, j, n
n i, j Ln i, j . , (7)
N i, j, n
dan
56 Techno.Com, Vol. 8 No. 1, Mei 2009
I xbm
n
2 I xfM
n
2 I ybm
n
2 I yfM
n
2 Dimana n 0
I n i, j (8)
I ybM I xfm I ybM I yfm
n 2 n 2 n 2 n 2 Dimana n 0
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.
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.
a b c
Gambar 7 a, b dan c berupa Citra Asli, Mask Citra dan Citra setelah Restorasi
58 Techno.Com, Vol. 8 No. 1, Mei 2009
a b c
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.
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
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 menunjukan hasil penelitian pada sampel data yang mempunyai nilai terbesar (highligth abu-
abu) dan terkecil (highlight kuning) dari properti waktu, variasi iterasi dan kerusakan citra, dari data no
1, 2, 8, 25 dan 30.
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
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.