PENGGUNAAN latar belakang dalam proses pembuatan VIDEO COMPOSITING MENGGUNAKAN POISSON BLENDING. Saiful Yahya, Mochamad Hariadi, and Ahmad Zaini,

1

VIDEO COMPOSITING MENGGUNAKAN POISSON BLENDING Saiful Yahya, Mochamad Hariadi, and Ahmad Zaini,

Abstrak—Penggunaan gradasi yang halus pada penggabungan dua video pada proses video kompositing. Video terdiri dari gabungan citra yang disusun secara teratur sehingga menimbulkan gerakan yang berkesinambungan. Proses penggabungan video pada dasarnya sama dengan penggabungan citra diam, tetapi untuk lebih memperhalus video diperlukan filter yang berbeda dengan filter yang digunakan pada citra diam. Penggunaan filter pada bidang 2D untuk memperhalus penggabungan antara 2 buah citra. Sedangkan pada video diperlukan filter 3D. Pada penelitian ini fokus pada filter 3D poisson blending untuk meningkatkan intensitas. Poisson blending berasal dari turunan kedua persamaan Laplacian. Untuk menerapkan persamaan laplacian pada video digunakan metode konvolusi untuk menggabungkan matriks dengan citra. Pengujian dilakukan terhadap video yang memiliki latar homogen, gelap dan terang, baik untuk video sumber dan video target. Dari hasil pengujian didapat nilai PSRN terbaik pada video sumber berlatar gelap yang digabungkan dengan video target berlatar gelap dengan nilai PSRN mencapai 60, 0658 pada frame pertama dan kedua. Pada frame pertama video sumber dan target dioperasikan terhadap frame pertama matriks 3D poisson blending. Nilai intensitas berdasarkan PSRN pada frame 2 dan seterusnya cenderung naik kualitasnya hingga lebih dari 10 desibel, sedangkan berdasarkan MSE nilainya turun hingga 0,1 sehingga disimpulkan intensitasnya cenderung lebih baik jika dibandingkan dengan frame pertama.

Penggunaan latar hijau atau biru digunakan untuk kemudian digantikan dengan citra bergerak atau citra diamPenggunaan persamaan Poisson pada citra digital diperkenalkan oleh Perez pada tahun 2003 yang menyatakan menggunakan generik mesin interpolasi berbasis pada pemecahan Poisson persamaan [1]. Gradien domain blending memecahkan masalah tersebut dengan mentransfer gradien patch sumber gambar ke gambar target tetap menjaga batas blending mulus dan mengoreksi perbedaan pencahayaan. Hal ini dapat dilakukan dengan memecahkan persamaan Poisson, atau dengan interpolasi menggunakan Mean Value Coordinate (MVC). II. M ETODOLOGI P ENELITIAN Input dari system berupa dua jenis citra, yaitu citra sumber dan citra target. Citra sumber adalah citra yang mengalami proses pemotongan latar belakang dan citra target merupakan citra yang tidak mengalami pemotongan latar belakang serta sebagai tempat penggabungan dengan citra sumber.

Kata Kunci—3D poisson blending, intensitas, video kompositing, konvolusi

I.

P ENDAHULUAN

P

ENGGUNAAN latar belakang dalam proses pembuatan film dan dunia broadcast umum dilakukan untuk menghemat serta menambah tata artistic .

Gambar 2: Keluaran RGB kinect 1)

Gambar 1: Penggunaan green screen pada proses syuting film (Foster, Jeff; 2010) Saiful Yahya Teknik Elektro Bidang Keahlian Jaringan Cerdas Multimedia Institut Teknologi Sepuluh Nopember Mochamad Hariadi Teknik Multimedia dan Jaringan Institut Teknologi Sepuluh Nopember e-mail: [email protected] Ahmad Zaini Teknik Multimedia dan Jaringan Institut Teknologi Sepuluh Nopember e-mail: [email protected]

Pengubahan Video menjadi citra tunggal jamak Pengubahan citra bergerak menjadi citra diam (tunggal) berprinsip bahwa video tersusun dari rangkaian citra diam yang ditampilkan secara berkesinambungan sehingga menimbilkan kesan citra bergerak. 2) Konversi Warna Citra target dan citra sumber diubah dari warna RGB menjadi Grayscale dengan persamaan (1). Hal ini dilakukan untuk menyederhanakan penghitungan. r+g+b (1) 3 3) Poisson blending Poisson blending atau disebut juga operator laplace memiliki persamaan 2D seperti pada persamaan (2). S=

2

∂2u ∂2u + = f (x, y) ∂2x ∂2y

(2)

Jika dijadikan dalam bentuk matriks menjadi: " # 0 1 0 1 −4 1 0 1 0 Dari matriks 2D sebagai berikut: " 0 0 0 1 0 0 4)

(3)

di jasikan menjadi bentuk 3D matriks, #" 0 0 1 0 1 −6 0 0 1

#" 0 0 1 0 0 0

0 1 0

# 0 0 0

sempurna mendekati citra asli [2]. Untuk menentukan PSNR, terlebih dahulu harus ditentukan MSE (Mean Square Error). MSE adalah nilai error kuadrat rata-rata [3]. (M AX12 ) = 20. log10 M SE

 M AX1 √ M SE (6) Dimana satuan PSRN dinyatakan dalam decibel, M AX merupakan nilai maksimal intensitas, yakni 255. Dimana MSE dirumuskan sebagai berikut: P SN R = 10. log10



(4)

Konvolusi Operasi konvolusi matriks poisson blending terhadap image: Z ∞ f (x)g(x − α)αα (5) f (x) ∗ g(x) = −∞

Dimana α merupakan dummy variable of integration dan g(x) adalah konvolusi kernel (dalam penelitian ini merupakan matriks 3D poisson). Konvolusi matriks dilakukan terhadap matriks T , T −1 dan T +1. Sebelum matriks dioperasikan konvolusi, matriks diubah menjadi vektor agar dapat dikonvolusikan. Konvolusi dilakukan pada masing-masing piksel citra sumber dan citra target terhadap matriks poisson. Hasil konvolusi citra sumber dan konvolusi citra target digabungkan untuk menghasilkan citra akhir. pada saat konvolusi terjadinya perubahan ukuran video menjadi bertambah 2 piksel, 1 piksel bertambah disisi kanan dan 1 piksel bertambah disisi bawah citra, hal ini diabaikan untuk memudahkan penghitungan.

M SE =

M M 1 XX [I(x, y) − I 0 (x, y)]2 M N y=1 x=1

(7)

dimana M = panjang citra (dalam pixel), N = lebar citra (dalam pixel) sedangkan I(x, y) adalah nilai piksel dari citra cover dan I(x, y) merupakan nilai piksel pada citra. Semakin rendah Nilai MSE maka akan semakin baik, dan semakin besar nilai PSNR maka semakin baik kualitas citra.

III.

A NALISA DAN P EMBAHASAN

Pada pengujian system yang terdiri dari citra sumber dan citra target dikondisikan dalam keadaan grayscale. Pengujian terbagi menjadi video sumber menggunakan latar homogeny, video sumber berintensitas gelap dan video target gelap, video sumber berintensitas terang dan video target gelap, video sumber berintensitas gelap dan video target terang dan video sumber berintensitas terang dan video target terang dengan dimensi 320 x 240 piksel. Berikut beberapa video yang dikategorikan berlatar terang:

Gambar 3: Ilustrasi operasi konvolusi pada citra 5)

e. PSNR(Peak Signal To Noise Ratio) dan MSE (Mean Square Error) PSNR (peak signal to noise ratio) merupakan nilai perbandingan antara harga maksimum dari citra hasil filtering dengan noise, yang dinyatakan dalam satuan desibel (dB). PSRN dapat digunakan untuk mengevaluasi nilai intensitas citra. Jika nilai P SN R > 30, maka dapat dikategorikan bahwa performansi citra hasil bagus. Jika nilai P SN R > 50 maka dapat dikatakan bahwa persormansi citra hasil restorasi

Gambar 4: Frame bagian dari video yang berlatar terang (1)

Video yang berlatar gelap: Hasil dari pengujian data: Hasil pengujian terhadap beberapa kategori berdasarkan gelap terang latar video dihasilkan:

video

3

Gambar 5: Frame bagian dari video yang berlatar terang (2)

Gambar 8: Frame bagian dari video yang berlatar gelap (1)

Gambar 6: Frame bagian dari video yang berlatar terang (3)

Gambar 9: Frame bagian dari video yang berlatar gelap (2)

Gambar 7: Frame bagian dari video yang berlatar terang (4)

Gambar 10: Frame bagian dari video yang berlatar gelap (3)

4

Gambar 11: Frame bagian dari video yang berlatar gelap (4)

Gambar 14: Frame bagian dari video hasil (3)

Gambar 15: Frame bagian dari video hasil (4) Gambar 12: Frame bagian dari video hasil (1)

Gambar 13: Frame bagian dari video hasil (2)

Gambar 16: Grafis perbandingan antar frame sebagai berdasarkan parameter PSRN untuk mengetahui tingkat intensitas video

5

IV. K ESIMPULAN Dari hasil pengujian didapat nilai PSRN terbaik pada video sumber berlatar gelap yang digabungkan dengan video target berlatar gelap dengan nilai PSRN mencapai 60, 0658 pada frame pertama dan kedua. Pada frame pertama video sumber dan target dioperasikan terhadap frame pertama matriks 3D poisson blending. Nilai intensitas berdasarkan PSRN pada frame 2 dan seterusnya cenderung naik kualitasnya hingga lebih dari 10 desibel, sedangkan berdasarkan MSE nilainya turun hingga 0,1 sehingga disimpulkan intensitasnya cenderung lebih baik jika dibandingkan dengan frame pertama R EFERENSI [1]

P. P’erez, M. Gangnet, and A. Blake, “Poisson image editing,” IEEE, 2003. [2] W. Handoko, E. Ardhianto, and E. Safriliyanto, “Analisis dan implementasi image denoising dengan metode normal shrink sebagai wavelet thresholding analysis,” Jurnal Teknologi Informasi DINAMIK, vol. Vol. 16 no.1, pp. 56–63, 2011. [3] G. M. Male, Wirawan, and E. Setijadi, “Analisa kualitas citra pada steganografi untuk aplikasi e-government,” Prosiding Seminar Nasional Manajemen Teknologi, vol. 15, 2012.