Dasar Pengolahan Video Digital

Slides:



Advertisements
Presentasi serupa
Daniel Richard Andriessen S1 Sistem Komputer
Advertisements

Outline Materi Hubungan antara Comp. Vision, Grafika Komputer, Pengolahan Citra, dan Pengenalan Pola (Pattern Recognition) Domain Computer Vision Processing.
Element Multimedia Eri Prasetyo.
Artificial Intelegent
Konsep dasar Pengolahan citra digital
PENGOLAHAN CITRA DIGITAL : TRANSFORMASI CITRA (2)
Recognition & Interpretation
Representasi RGB pada Citra Digital
VISION.
Image Registration & Tracking dengan Metode Lucas & Kanade
1 Pertemuan 2 Citra Dijital dan Persepsi Visual Matakuliah: T0283 – Computer Vision Tahun: 2005 Versi: Revisi 1.
ALGORITMA THINNING Kelompok 12: Slamet Eries Nugroho Indra Setiawan
CS3204 Pengolahan Citra - UAS
Fuzzy for Image Processing
Algoritma Block Truncation Coding (BTC) pada Kompresi Citra Digital dengan Nur Hasanah H, for further detail, please visit
Metodologi Hybrid Berdasar Informasi Spasial dan Spektral Unsupervised dan Supervised Prof.Dr. Aniati Murni (R 1202) Dina Chahyati, M.Kom, (R 1226) Fakultas.
ANALISIS ALGORITMA WAVELET SAMCoW PADA KOMPRESI Kristiandy Karly for further detail, please visit
Pengolahan Citra Digital
1 Pertemuan 5 Deteksi Bentuk Primitif Obyek 2D Matakuliah: T0283 – Computer Vision Tahun: 2005 Versi: Revisi 1.
Representasi Data Wilayah
D10K-6C01 Pengolahan Citra PCD-ML Pengolahan Citra Menggunakan MATLAB
MODUL KULIAH 10 Ekstraksi Fitur Bentuk
PENGOLAHAN CITRA DIGITAL : PENGENALAN POLA TEMPLATE MATCHING
Dasar Pengolahan Video Digital
Modul 1 PENGANTAR PENGOLAHAN CITRA
PENGANTAR PENGOLAHAN CITRA
pengolahan citra References:
Materi 08 Pengolahan Citra Digital
MODUL KULIAH 2 FORMASI CITRA
Image Processing Architecture
Image Segmentation.
Program Studi S-1 Teknik Informatika FMIPA Universitas Padjadjaran
Algoritma dan Struktur Data Lanjut
OPERASI DASAR CITRA DIGITAL
Image Processing 1. Pendahuluan.
Praktikum Video Processing
BAB VIII Representasi Citra
Pertemuan 3 Pengolahan Citra Digital
Program Studi S-1 Teknik Informatika FMIPA Universitas Padjadjaran
Signal Processing Image Processing Audio Processing Video Processing
Mengenal Object Tracking
Pengantar PENGOLAHAN CITRA DIGITAL
Kualitas Citra Pertemuan 1
Algoritma dan Struktur Data Lanjut
Fourier transforms and frequency-domain processing
PENGOLAHAN CITRA DIGITAL : TRANSFORMASI CITRA (1)
PENGOLAHAN CITRA DIGITAL : PENGENALAN POLA TEMPLATE MATCHING
BAB IX Recognition & Interpretation
Signal Processing Image Processing Audio Processing Video Processing
Pengantar Pengolahan Citra
KOMPRESI CITRA.
KONVOLUSI DAN TRANSFORMASI FOURIER
ELEMEN – ELEMEN MULTIMEDIA
CS3204 Pengolahan Citra - UAS
CITRA.
Konsep Dasar Pengolahan Citra
TEKNIK EDITING, ANIMASI DAN MULTIMEDIA 8
Representasi Data Wilayah
STEGANOGRAFI DAN WATERMARKING
PENGENALAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL : PENGENALAN POLA TEMPLATE MATCHING
KONSEP DASAR CITRA DIGITAL (2) dan SISTEM PEREKAMAN CITRA
KONSEP DASAR CITRA DIGITAL
Pertemuan 6 Mata Kuliah Pengolahan Citra
Pertemuan 10 Mata Kuliah Pengolahan Citra
Oleh : Rahmat Robi Waliyansyah, M.Kom.
PENGOLAHAN CITRA DIGITAL : TRANSFORMASI CITRA (2)
KONSEP DASAR CITRA DIGITAL
ANIMASI KOMPUTER Ayu Helinda, S.S.T., M.T HP :
Element Multimedia Eri Prasetyo.
Transcript presentasi:

Dasar Pengolahan Video Digital Prinsip Data Video Digital Motion Estimation Kompresi Video

Prinsip Data Video Digital Pada dasarnya, video terdiri atas rangkaian citra statis yang dijalankan secara sekuensial dalam waktu yang cepat Setiap satuan citra statis ini diistilahkan dengan frame

Motion Estimation

Gambar 2D vs 3D

Gerakan 2D vs 3D

Ide Dasarnya

True Motion vs Optical Flow

Motion Estimation Motion Estimation adalah proses menganalisa frame-frame yang berurutan di dalam video untuk mengidentifikasi obyek yang bergerak di dalamnya Motion (gerakan) merupakan aspek esensial di dalam video sequences Banyak pemrosesan video dan kompresi video didasarkan pada estimasi dan analisa motion Gerakan obyek biasa dinyatakan dalam motion vector 2 dimensi, yang mencakup panjang dan arah gerakan

Motion Estimation Salah satu manfaat motion estimation adalah untuk mengurangi jumlah frame yang disimpan atau dikomputasi, cukup disimpan motion vector-nya saja Perhatikan ilustrasi berikut.

Dua buah image yang berurutan di dalam video tampak sangat similar Sangat boros resource jika semua data disimpan atau operasi komputasi dilakukan terhadap semua data yang similar Maka muncul ide motion estimation

Motion Representation Secara umum, representasi motion terbagi menjadi 4 jenis: Global Motion Sebuah motion vector mewakili global motion (gerakan keseluruhan citra). Biasanya berlaku untuk perubahan citra yang disebabkan oleh operasi kamera seperti zoom, tilt. Pixel-Based Motion Sebuah motion vector mewakili gerakan setiap piksel Block-Based Motion Sebuah motion vector mewakili gerakan setiap blok piksel Region-Based Motion (object based) Sebuah motion vector mewakili gerakan region tertentu

Motion Representation

Motion Estimation Applications Object Tracking Human Computer Interaction Temporal Interpolation Spatio-Temporal Filtering Compression

Object Tracking Ketik “viptrafficof_win” pada Matlab Simulasikan

Temporal Interpolation

Temporal Interpolation

Motion Compensated Temporal Filtering

Klasifikasi Metode untuk Motion Estimation Metode Langsung Phase Correlation Block Matching Spatio-Temporal Gradient Optical Flow Pel-Recursive Metode tidak Langsung Feature Matching Pada kuliah ini kita mempelajari Block Matching Algorithm saja

Metode Dasar Motion Estimation Estimasi dilakukan terhadap dua frame: Anchor frame, f(x, y, t1) Target frame, f(x, y, t2) Dapat berupa forward motion estimation jika t2 > t1, dapat juga backward motion estimation jika t2 < t1

Block Matching Algorithm Prinsip dasar: mencari motion vector yang paling optimal untuk setiap block Mengapa block-based? Mengapa tidak pixel-based? Terlalu banyak data yang tidak diketahui yang harus diestimasi jika menggunakan piksel Terlalu banyak storage yang diperlukan jika menggunakan pixel-based Terlalu banyak data yang harus dikodekan jika menggunakan pixel-based

Basic Steps pada BMA Bagi image f(x,y,t) ke dalam blok-blok MxM piksel yang non-overlapping Contoh untuk M= 3

Basic Steps pada BMA Untuk setiap block, lakukan pencarian block yang match pada image target (bisa frame sebelum atau sesudahnya)

Basic Steps pada BMA Tentukan motion vector (vx, vy) yang menghasilkan error terkecil Error dapat dihitung menggunakan MAE (Mean Absolute Error), MSE (Mean Square Error) atau MAD (Mean Absolute Difference)

Contoh Block Matching Illustration of block-matching for three different image fragments. The reference blocks are marked with 'R' and their matched ones are in transparent blue.

Contoh Block Matching Animated illustrations of block-matching for: Barbara (left), a fragment of House (top-right), and a fragment of Cameraman (bottom-right). The reference blocks appear in red and their matched ones in blue.

Metode Pencarian (Searching) Beberapa metode searching di dalam BMA telah dikembangkan di antaranya: Exhaustive Search BMA Fast Algorithm Hierarchical BMA dll

Motion Vector

Motion Vector

Motion Vector

Motion Vector

Contoh Mencari Motion Vector dengan EBMA*) Tentukan motion vector untuk block 1 pada Anchor Frame. Ukuran block 2x2. *)EBMA = Exhaustive Block Matching Algorithm

Contoh Mencari Motion Vector dengan EBMA – lanj.

Contoh Mencari Motion Vector dengan EBMA – lanj. 87

Contoh Mencari Motion Vector dengan EBMA – lanj. MAE Terkecil: 181 Motion Vector : (0,1)

Anchor frame Target frame Latihan Tentukan motion vector untuk block 4 dan block 5 pada dua buah image berurutan berikut ini. Ukuran block 2x2. f(t) f(t) f(t+1) Anchor frame Target frame

Reference For deeper understanding, please read : A Comparison of Block-Matching Motion Estimation Algorithms, 7CCC 2012, Medellín –Colombia. Barjatya, Aroh. Block Matching Algorithms For Motion Estimation. K. Katsaggelos, Aggelos. Fundamental of Digital Image and Video Processing. (www.coursera.org) Be Diligent 