ESTIMASI GERAKAN PADA VIDEO ANIMASI 2D ... - Jurnal

45 downloads 6792 Views 619KB Size Report
Estimasi gerakan dari video animasi merupakan proses utama dalam video restoration dan video compressing. Gerakan pada video animasi digambarkan ...

 

ESTIMASI GERAKAN PADA VIDEO ANIMASI 2D MENGGUNAKAN ALGORITMA PENCOCOKAN BLOK (BLOCK MATCHING ALGORITHM) Mursyidah1, Muhammad Nasir2 1 2

Jurusan Teknik Elektro, Politeknik Negeri Lhokseumawe, ACEH, 24312 Jurusan Teknik Elektro, Politeknik Negeri Lhokseumawe, ACEH, 24312 1

[email protected], [email protected]

Abstrak Estimasi gerakan merupakan proses untuk menentukan pergerakan obyek pada video sekuensial. Pergerakan obyek dikenal dengan istilah motion vector. Sebuah motion vector menunjukkan pergeseran sebuah titik diantara frame sekarang dengan frame referensi. Dari motion vector yang didapat, akan terlihat pergerakan titik-titik yang terjadi antara frame yang diamati. Dalam penelitian ini menggunakan algoritma blok maching SAD (Sum of Absolut Different), yang proses pencarian dilakukan per pixel. Untuk menentukan kualitas gerakan objek pada setiap frame interpolasi yang didapat dengan menghitung nilai PSNR. Nilai PSNR untuk setiap teknik interpolasi yang digunakan pada frame video yang sama berkisar 33 sampai 35. Dari penelitian yang dilakukan dengan menggunakan 24 frame interpolasi didapatkan nilai PSNR semakin menurun sebesar ±1% untuk setiap frame. Kata kunci: estimasi gerakan, animasi 2D

1.

Pendahuluan Animasi atau sering disebut dengan film animasi merupakan hasil pegolahan gambar tangan sehingga menjadi gambar yang bergerak. Pada awal penemuannya, film animasi di buat dari berlembar-lembar kertas gambar yang kemudian di rekam dan diputar sehingga muncul efek gambar bergerak. Dengan bantuan komputer dan grafik komputer, pembuatan film animasi menjadi sangat mudah dan cepat. Seorang animator tidak perlu menggambar gerakan demi gerakan secara manual. Animator hanya perlu menggambarkan dua buah pose, dimana pose adalah gerakan paling ekstrim (keyframe) dari tiap gerakan yang ada. Gambar (frame-frame) baru di dapatkan dengan menggunakan teknik interpolasi. Interpolasi bisa dilakukan apabila arah pergerakan antara dua keyframe sudah diketahui. Dengan demikian perlu dilakukan estimasi gerakan dari kedua pose atau gerakan kuncinya. Estimasi gerakan dari video animasi merupakan proses utama dalam video restoration dan video compressing. Gerakan pada video animasi digambarkan dengan menggunakan istilah motion vector atau pergerakan vektor (x,y), yaitu suatu identifikasi perubahan posisi sebuah piksel atau blok piksel dari lokasi awal pada frame referensi terhadap frame target karena sebuah pergerakan obyek dalam frame.

Teknik estimasi gerakan sudah dilakukan oleh peneliti seperti teknik pixel-based motion estimation dan block matching algorithm Zhang, et al ( 2002). Dari teknik-teknik estimasi yang ada algoritma Block matching merupakan teknik yang paling banyak digunakan, Schilling, et al (1987), Nandhakumar, et al (1988), Moscheni, et al (1995), Ming,et al ( 1997). 2. Metode 2.1 Estimasi Gerakan Estimasi gerakan mempunyai peranan yang sangat penting pada pengolahan video. Banyak sekali aplikasi di pengolahan video yang memerlukan estimasi gerakan, misalkan video coding, super resolusi, restorasi video dan lainlain. Sehingga sampai saat ini estimasi gerakan masih merupakan topik yang menarik untuk diteliti. Estimasi gerakan merupakan proses untuk menentukan pergerakan obyek-obyek pada video sekuensial. Pergerakan obyek tersebut dikenal dengan istilah motion vector. Sebuah motion vector menunjukkan perpindahan sebuah titik diantara frame sekarang dengan frame referensi. Dari motion vector yang didapat, akan terlihat pergerakan titik-titik yang terjadi antar frame yang diamati. Dari situlah akan terlihat korelasi elemen temporal yang terjadi, apakah itu berupa pergerakan obyek ataukah perubahan sudut pandang atau pergerakan kamera. Contoh hasil estimasi motion vector tampak pada Gambar 2.1.

29  

 

Salah satu teknik block matching yang umum digunakan pada pengolahan video adalah Sum of Absolute Differences (SAD). Error matching antara blok pada posisi (n1,n2) pada frame sekarang I1 , dan kandidat blok pada posisi ((n1+d1,n2+d2)) pada frame referensi J2 , dapat didefinisikan oleh Sum of Absolute Differences (SAD) sebagai:

SAD(d1 , d 2 ) =

Gambar 2.1 16x16 Motion vector dari dua frame (Sumber : Richardson 2003) Pada umumnya metoda estimasi gerakan dapat diklasifikasikan menjadi 3 kategori: metoda berbasis feature, metoda berbasis gradient dan metoda berbasis area. Diantara ketiga metoda tersebut yang sangat populer dan banyak digunakan adalah pendekatan berbasis area yang dikenal dengan block matching. Algoritma block matching terkenal akan kesederhanaannya dan kemudahan dalam implementasinya. 2.2 Algoritma Pencocokan Blok (Block Matching Algorthm) Algoritma block matching adalah sebuah cara untuk mencocokkan blok pada frame dari video digital, yang bertujuan untuk mendapatkan motion vector. Pada algoritma block matching, sebuah blok image B berpusat pada sebuah search point ‘p’ pada search frame I (n1,n2) dibandingkan dengan kandidat blok pada target frame J (n1,n2) berdasarkan kriteria matching untuk mendapatkan block matching terbaik didalam suatu pre-defined search area. Motion vector ‘vp’ dari search point ’ p’ diberikan dari pergerakan blok dalam mencari block matching terbaik. Ditunjukkan pada gambar 2.2.

∑| I (n , n ) − J (n

( n1,n 2)∈B

1

2

1

+ d1 , n2 + d 2 ) |

dengan B adalah ukuran blok. Estimasi terbaik untuk blok motion vector (v1,v2), berada pada blok yang memiliki error matching terkecil dengan posisi (n1+d1,n2+d2). Vektor (v1,v2) dapat dicari dengan menggunakan algoritma Full Search (FS) untuk menghitung dan membandingkan error mathcing untuk setiap posisi yang dicari pada frame referensi. Pada saat ini metoda full search cukup optimal dalam menentukan pencocokan blok terbaik, kompleksitas perhitungan sering menjadi penghalang. Untuk mengatasi masalah ini, banyak alternatif strategi pencarian yang cepat seperti tree-step seach, logarithmic search, crosssearch dan hierarchical search. 3.

Data dan Metodologi

Dalam penelitian ini, data yang digunakan adalah video animasi 2 Dimensi gambaran tangan yang di ekstrak menggunakan tools perangkat lunak lain yang sudah tersedia menjadi gambargambar atau frame. dalam file exstensi *jpg seperti ditunjukkan pada gambar 3.1.

Gambar 3.1 Rangkaian frame video animasi 2D Metodologi yang digunakan pada penelitian estimasi gerakan video animasi 2D secara umum ditunjukkan pada gambar 3.2.

Gambar 2.2 Prosedur Pencarian Pada Algoritma Block matching (Sumber : Zhang et al, 2002)

30   

 

Gambar 3.4 Proses Maching Algoritma SAD. 4.

Hasil

Gambar 3.2 Blok Diagram Proses Penelitian Pada tahap pertama untuk membuat sebuah gerakan dari karakter video animasi adalah dengan menentukan dua buah gambar pose gerakan, yaitu pose gerakan awal dan pose gerakan akhir yang disebut dengan keyframe. Gambar 3.3 menunjukkan dua buah frame yang di ambil dari serangkain frame dari video animasi 2D yaitu Popeye The Sailor - Blow Me Down Tahun 1933.

Hasil dari motion estimation di gambarkan dalam bentuk arah vektor. Gambar 4.1. menunjukkan gambar hasil visualisasi dari motion vector.

(a)

(a) (b) Gambar 3.3 Gambar (a)gambar Keyframe-1 dan (b) gambar Keyframe-2 Estimasi gerakan merupakan proses untuk menentukan pergerakan obyek pada video sekuensial. Pergerakan obyek dikenal dengan istilah motion vector. Sebuah motion vector menunjukkan pergeseran sebuah titik diantara frame sekarang dengan frame referensi. Dari motion vector yang didapat, akan terlihat pergerakan titik-titik yang terjadi antar frame yang diamati. Gambar 3.4 (frame-1 sebagai frame referensi, sedangkan frame-2 sebagai frame yang dianalisa dan diestimasi gerakannya.

(b) Gambar 4.1(a), (b) Visualisasi Motion vector menggunakan Algoritma SAD dengan frame yang berbeda Dari hasil estimasi gerakan menggunakan algoritma SAD dilakukan pengujian kualitas gerakan setiap frame dengan perhitungan nilai PSNR. Nilai PSNR untuk setiap frame interpolasi seperti ditunjukkai pada Tabel 1. Tabel 1.Nilai PSNS Menggunakan Estimasi SAD

31  

 

NILAI PSNR FRAME 1652‐1653   MENGGUNAKAN ESTIMASI SAD  FRAME 

LINIER  INTERPOLASI 

KUADRAT  INTERPOLASI 

CUBIC  INTERPOLASI 

Frame‐1 

35.96190528 

35.84233278 

35.58354314 

Frame‐2 

35.71466442 

35.33607005 

35.24266888 

Frame‐3 

35.70622513 

35.16975879 

35.12709658 

Frame‐4 

35.68854046 

35.07633541 

34.83611062 

Frame‐5 

35.45834056 

34.76554876 

34.73063111 

Frame‐6 

35.42082361 

34.59831262 

34.67945656 

Frame‐7 

35.23862462 

34.51686455 

34.62834783 

Frame‐8 

35.16805856 

34.39269381 

34.65863204 

Frame‐9 

35.10295062 

34.29979218 

34.65192502 

Frame‐10 

35.06029048 

34.19666494 

34.70779277 

Frame‐11 

34.99850468 

34.14673435 

34.77671655 

Frame‐12 

34.97346565 

34.12375118 

34.83750204 

Frame‐13 

34.78250043 

34.03856326 

34.90499215 

Frame‐14 

34.77349336 

34.03664993 

34.89081993 

Frame‐15 

34.73524461 

33.991803 

34.86846228 

Frame‐16 

34.68694825 

33.97003323 

34.8802897 

Frame‐17 

34.66791242 

33.98238037 

34.79243849 

Frame‐18 

34.62783875 

33.95377272 

34.70958264 

Frame‐19 

34.52474047 

34.00533194 

34.68935932 

Frame‐20 

34.51494576 

34.03989538 

34.66859863 

Frame‐21 

34.46122729 

34.03393599 

34.60506032 

Frame‐22 

34.43333254 

34.04086845 

34.56939013 

Frame‐23 

34.41542316 

34.17570517 

34.52557043 

Frame‐24 

34.35974828 

34.27917861 

34.43603588 

       

Dari gambar 4.2 merupakan grafik perbandingan hasil nilai PSNR menggunakan interpolasi linier, kuadrat dan cubic. Nilai PSNR untuk teknik interpolasi linier terus menurun mengikuti pendekatan garis lurus. Dimana nilai PSNR frame ke_1 = 35,96 ,frame ke_2 = 35,71, frame ke_3 = 35,70 sampai dengan frame ke_24 = 34,35. Dengan menggunakan teknik interpolasi kuadrat, grafik PSNR yang didapatkan dengan jumlah frame interpolasi sebanyak 24 frame. Bentuk grafik mengikuti persamaan bentuk parabola. Pada frame interpolasi ke-1 PSNR sebesar 35.84, frame interpolasi ke-2 = 35.33 dan frame interpolasi k-24= 34.27. Dengan menggunakan teknik interpolasi cubic, grafik PSNR yang didapatkan dengan jumlah frame interpolasi sebanyak 24 frame . Pada frame interpolasi ke-1 nilai PSNR sebesar 35.58, pada frame ke-2 = 35.24 dan pada frame ke-24 = 34.43. Estimasi gerakan dari video animasi 2D menggunakan algoritma Block Maching SAD dengan tiga teknik interpolasi yang dilakukan didapatkan hasil kualitas setiap frame sangat jelek. Semakin banyak frame interpolasi dibangkitkan nilai kualitas frame semakin menurun (jelek). 5.

Kesimpulan Dari hasil penelitian kualitas estimasi gerakan untuk setiap frame semakin menurun (jelek) rata-rata sebesar 1% perframe interpolasi. Metode Sum of Absolute Differences (SAD) tidak mampu melakukan estimasi gerakan apabila posisi gerakan yang di cari dari objek terlalau besar perbedaannya Daftar Pustaka Aggarwal, J.K dan Nandhakumar, N, (1988), “On The Computation Of Motion From Sequences Of Images: A Review”, Proc. IEEE, DOI: 10.1109/5.5965, pp: 76: 917935. Bing, Z.; Rexiang, L; Ming, L.L, (1997), Optimization of fast block motion estimation algorithms. IEEE Trans. Circuits Syst. Video Technol., DOI: 10.1109/76.644063, pp: 7: 833-844. Dufaux F; Moscheni, F, (1995), “Motion Estimation Techniques For Digital TV: A Review And A New Contribution”, Proc. IEEE, DOI: 0018-9219/95, pp: 83: 858876. Puri, A; Hang, H.M; Schilling, D, (1987), “An Efficient Block-Matching Algorithm For Motion Compensated Coding. Proc. International Conference On Acoustic, Speech And Signal Processing”, Texas, USA, April, pp: 1063-1066.

Gambar 4.2 Grafik Perbandingan Nilai PSNR untuk Tiga Teknik Interpolasi

32   

 

Richardson, IEG, (2003), “H.264 And MPEG4Video Compression”, John Wiley & Sons Ltd, England. Wang, Y; Ostermann J; Zhang YQ, (2002), “Video Processing and Communications”, Prentice-Hall.

33  

 

34   

Suggest Documents