Aplikasi Citra Mosaik Panoramik Reyza Rizki Mahaputra dan Karmilasari Jurusan Sistem Informasi, Fakultas Ilmu Komputer dan Tekonologi Informasi, Universitas Gunadarma, Depok Indonesia , [reyza riz, karmila]@staff.gunadarma.ac.id
Abstrak Penggabungan beberapa citra yang memiliki bagian yang berkesuaian sehingga membentuk citra dengan visualisasi yang lebih lebar sering disebut dengan citra mosaik panoramik. Teknik pembentukan citra panoramik banyak ditemui dalam kegiatan fotografi. Dalam tulisan ini, penulis mengembangkan aplikasi citra mosaik panoramik dengan menggunakan algoritma SIFT untuk inisialisasi keypoint, RANSAC untuk penggabungan keypoint yang berkeseuaian dan fungsi Gaussian untuk penghalusan citra hasil. Aplikasi dibuat menggunakan perangkat lunak Matlab 7.1.
Kata Kunci : citra mosaik panoramik, SIFT, RANSAC
1 Pendahuluan Mata adalah salah satu panca indra manusia yang memiliki kemampuan menangkap objek secara visual. Mata manusia dapat melihat objek hingga luas pandang 180o. Objek tersebut ditangkap oleh mata secara stereo, dimana sudut pandang objek yang dilihat oleh mata kiri dan mata kanan, akan digabungkan dan diolah oleh otak hingga menjadi satu pandangan utuh. Untuk menyimpan objek visual yang ditangkap oleh mata secara permanen diperlukan alat bantu, yaitu kamera. Perkembangan kamera analog yang fenomenal pada akhirnya beberapa tahun terakhir tergantikan oleh hadirnya kamera digital, dimana citra hasil akuisisi dapat disimpan langsung dalam file sehingga memudahkan pengolahan lebih lanjut. Namun demikian salah satu kelemahan dari objek yang ditangkap oleh kamera adalah luas pandang yang terbatas hasil akuisisi citra tersebut. Untuk mengatasi permasalahan tersebut, beberapa produsen kamera menyediakan fasilitas panorama, yaitu teknik pengambilan citra yang menghasilkan lebih luas/panjang dari tampilan aslinya. Pembentukan citra mosaik panoramik pada dasarnya adalah proses penggabungan beberapa citra, dimana citra yang satu memiliki beberapa kesamaan objek dengan citra yang lain, sehingga dari hasil penggabungan tersebut diperoleh citra baru dengan sudut pandang yang lebih luas [6]. Secara umum konsep kerja citra mosaik panoramik dimulai dengan pengumpulan data citra yang memiliki kesamaan titik, selanjutnya dilakukan pelipatan pada titik sudut yang berkesesuaian dari
citra-citra pembentuknya. Untuk kegiatan tersebut diperlukan suatu metode pelipatan dan penggabungan citra berdasarkan konsep transformasi geometri. Proses diakhiri dengan penghalusan citra sehingga terllihat perpotongan dari penggabungan beberapa citra sebelumnya . Beberapa penelitian pembentukan citra mosaik panoramik diantaranya diusulkan oleh Schum dan Szelinski [6], Rocha et.al [5] Heckbert [3]. Aplikasi panoramik dapat ditemui pada berbagai bidang seperti fotografi, topografi, aerofotografi, sains, kedokteran dan sebagainya. Dengan memanfaatkan citra panoramik, informasi yang diperoleh menjadi lebih banyak. Dalam penelitian ini penulis membuat suatu aplikasi pembentukan citra mosaik panoramik dengan menggunakan algoritma SIFT untuk inisialisasi titik pojok, RANSAC untuk pencocokan titik yang saling berkorespondensi dan fungsi Gaussian untuk penghalusan penyambungan citra.
2 Tinjauan Pustaka
2.1 Citra Mosaik Panoramik
Citra mosaik adalah teknik untuk menggabungkan antara dua gambar atau lebih menjadi satu gambar.
Dalam algoritma ini setiap objek dalam foto, titik yang menarik pada objek dapat diekstraksi untuk memberikan deskripsi ”fitur” objek. Deskripsi ini, diambil dari sebuah citra yang diuji. Algoritma ini cukup handal untuk perubahan perubahan akibat iluminasi, derau, titik pandang yang ditemui pada citra-citra yang terkena polarisasi cahaya. Berikut adalah algoritmanya :
Gambar 1. Citra Asli (a, b, c) dan Hasil Pembentukan Citra Mosaik Panoramik (d)
Dalam proses membentuk citra mosaik panoramik dibutuhkan beberapa tahap sebagai berikut : 1. Registrasi Citra Registrasi citra merupakan proses awal dalam Citra mosaik dimana pada tahap ini dilakukan inisialisasi titik-titik yang berhubungan (correspondece) antara gambar yang satu dengan gambar yang lainnya. Inisialisasi titik-titik tersebut berguna untuk tahap selanjutnya, yaitu tahap Image Warping. Inisialisasi titik-titik tersebut dapat dilakukan secara manual maupun secara otomatis 2. Pelipatan Citra Pelipatan Citra adalah proses menata ulang setiap piksel pada suatu gambar, yang disebut juga dengan transformasi geometri . Ada beberapa metode transformasi geometri, antara lain translasi, perubahan skala, rotasi, penggeseran citra, dan persfektif Citra. Perbedaan antara masing-masing metode transformasi geometri dapat dilihat pada gambar di bawah ini
1. Temukan titik interes atau keypoint: • Titik interes/keypoin diambil sebagai maksima/minima dari piramid DoG (Difference of Gaussian), yang merupakan proses pengaburan (blur) citra asli dengan kernel Gaussian menggunakan standar deviasi yang berbeda. Rumus DoG untuk citra dua dimensi adalah : • Temukan tetangga esktrima pada 3D DoG Space (jika piksel adalah ekstrima dalam wilayah yang bertetanggaan, maka piksel tersebut adalah kandidat keypoint) • Jika terlalu banyak keypoint maka: hilangkan kontras rendah dan hilangkan tepi 2. Temukan dominasi orientasi keypoint: • Hitung gradien magnitude dan orientasi. • Buat histogram orientasi • Orientasi keypoint (s) = puncak (s) 3. Hitung deskriptor 4. Cocokkan dengan citra lainnya: • pilih tetangga terdekat • lakukan Hough transform voting • lakukan least square
Gambar 2. Tahap Pembentukan Mosaik Panaromik
3. Transformasi Persfektif Transformasi Persfektif ini digunakan untuk mendapatkan parameter yang digunakan pada Image Warping guna melakukan transformasi. Parameter yang akan didapat berupa matriks M yang nantinya digunakan untuk untuk melakukan transformasi gambar kedua ke gambar pertama 4. Komposisi Citra Komposisi Citra adalah proses penggabungan dua gambar, sehingga menghasilkan gambar hasil pembentukan citra mosaik. 2.2 Algoritma SIFT Scale Invarian Feature Transform (atau SIFT) adalah sebuah algoritma dalam Visi Komputer untuk mendeteksi dan mendeskripsikan fitur lokal di gambar [4].
Gambar 3. Citra Yang Telah Dideteksi Titik
2.3 Algoritma RANSAC Algoritma RANSAC (Random Sample And Consensus) pertama kali diperkenalkan oleh Fischler dan Bolles [7] sebagai metode untuk estimasi parameter tertentu yang terkontaminasi oleh outlier (titik deviasi rata rata) dalam jumlah besar. Contoh adalah pemasangan jalur 2D untuk mengatur pengamatan. Dengan asumsi bahwa set ini berisi inliers, yaitu, poin yang kira-kira dapat dipasang ke baris, dan outlier, poin yang tidak dapat dipasang ke baris ini, sebuah metode kuadrat sederhana untuk mencocokkan baris pada umumnya akan menghasilkan garis dengan kecocokan yang buruk bagi inliers.
Gambar 4. Kumpulan Data Dengan Outlier Banyak Yang Belum Dipasang. (a) Kumpulan Data Setelah Proses RANSAC, (b) Outlier Tidak Berpengaruh Pada Hasil.
Untuk mengolah keseluruhan proses perancangan algoritma pembentukan citra mosaik panoramik menggunakan fungsi-fungsi dalam software Matlab 7.1 dengan menggunakan fungsi-fungsi yang yang ada pada Image Processing Toolbox ver 4.2. Diagram alur digunakan untuk menggambarkan secara garis besar urutan-urutan intruksi dari seluruh program didalam suatu diagram. Diagram alur pembentukan citra mosaik panoramik dapat dilihat pada gambar 6.
Pada RANSAC untuk mencapai hasil terbaik dilakukan dengan menentukan berapa banyak iterasi yang dilakukan, memilih subset acak dari data asli. Data-data ini merupakan inliers hipotetis dan hipotesis ini kemudian diuji sebagai berikut: • Sebuah model dipasang ke inliers hipotetis, model dengan semua parameter yang bebas direkonstruksikan dari kumpulan data. • Semua data lain kemudian diuji terhadap model yang dipasang, dan jika titik cocok untuk model estimasi, tetap dianggap sebagai inlier hipotetis. • Estimasi model cukup baik jika cukup banyak poin yang diklasifikasi sebagai inliers hipotetis. • Model ini reestimated dari semua inliers hipotetis, karena hanya diperkirakan dari inisial set inliers hipotetis. • Terakhir, model ini dievaluasi dengan memperkirakan kesalahan dari inliers relatif terhadap model. Prosedur ini diulang beberapa kali, setiap kali menghasilkan model yang ditolak karena terlalu sedikit poin yang diklasifikasikan sebagai inliers. Dalam kasus terakhir, kita terus memperbaiki model jika kesalahan lebih kecil dibandingkan dengan model yang terakhir disimpan. Di bawah ini merupakan representasi hasil pencocokan titik yang menghasilkan inlier dengan metode RANSAC:
Gambar 6. Diagram Alur Gambar 5. Inlier Yang Telah Diperoleh Menggunakan RANSAC
3 Metode Penelitian Pada citra diambil secara langsung yaitu dengan memotret objek citra yang sama namun diambil dari beberapa sisi yang berkesesuaian satu dengan yang lain.
Langkah pertama yang dilakukan adalah mengambil 2 citra (dengan kamera) yang mempunyai beberapa bagian objek yang bekesesuaian satu dengan yang lain. Kedua citra tersebut selanjutnya dilakukan normalisasi, yaitu proses proses mengubah rentang piksel citra agar setiap citra memiliki rentang piksel yang sama. Langkah berikutnya, inisialisasi titik-titik dari setiap sudut yang ada pada objek dari setiap citra dengan menggunakan algoritma SIFT sehingga diperoleh titik unik yang merupakan ciri khas (keypoint) dari citra.
Setelah keypoint diperoleh selanjutnya dilakukan pencocokan titik-titik yang berkesuaian di antara 2 citra tersebut menggunakan algoritma RANSAC. Titiktitik yang berkesesuaian di antara 2 citra selanjutnya dihubungkan atau disambung. Untuk menghasuluskan citra hasil penggabungan dua citra berdasarkan titiktitik yang berkesuaian tadi dilakukan dengan fungsi Gaussian, sehingga terbentuk satu citra panoramik yang utuh. Berikut adalah rancangan interface aplikasi citra mosaik panoramik:
1. Pengambilan 2 citra berbeda yang memiliki beberapa bagian objek yang sama
Gambar 9. Dua citra yang memiliki beberapa bagian objek yang berkesesuaian
2. Hasil inisialisasi titik-titik keypoint dari setiap citra
Gambar 7. Rancangan interface aplikasi pembentukan citra mosaik panoramik
Rancangan tersebut selanjutnya dibuat menggunakan perangkat lunak Matlab 7.1, hasilnya dapat dilihat seperti gambar berikut:
Gambar 10. Inisialisasi titik keypoint pada setiap citra
3. Representasi titik/keypoint yang berkesuaian dari dua citra
Gambar 8. Interface aplikasi pembentukan citra mosaik panoramik
4 Hasil dan Pembahasan Berikut adalah hasil uji coba dari aplikasi yang dikembangkan:
Gambar 11. Pencocokan kepoint dari dua citra
4. Hasil akhir pembentukan citra mosaik panoramik
5 Kesimpulan Penulis telah berhasil membangun perangkat lunak berbasis GUI dalam pembentukan citra mosaik panoramik dengan memanfaatkan metode SIFT untuk identifikasi titik dan metode RANSAC untuk menemukan kesesuain titik pada dua citra atau lebih dengan dijadikan satu citra yang memiliki daya pandang yang luas.
Daftar Pustaka Gambar 12. akhir pembentukan citra mosaik panoramik
Perbedaan sudut pengambilan setiap citra sangat mempengaruhi proses pembentukan citra mosaik panoramik. Oleh karena itu hasil akhirnya, citra tidak selalu berbentuk segi empat tetapi menyesuaiakan penggabungan kedua citra tersebut berdasarkan titiktitik yang berkesesuaian. Aplikasi ini juga dapat dipergunakan untuk membentuk citra panoramik yang berasal dari lebih 2 citra. Akan tetapi proses pengambilan citra sebaiknya dilakukan pada rentang waktu yang tidak terlalu lama antar citra pertama dan citra berikutnya, sehingga pada saat penggabungan dan pelipatan citra guratan sambungan antar citra dapat diminimalisasi.
1. Arhami, Muhammad (2005) Pemrograman Matlab. Andi, Yogyakarta. 2. Away, Gunaidi Abdia (2006) MATLAB Programming. Informatika, Bandung. 3. Heckbert, Paul (1999) Projective Mappings for Image Warping, Fundamental of Texture Mapping and Image Warping, pp.17-21. 4. Lowe, D. G. (2004) Distinctive Image Features from Scale-Invariant Keypoints, International Journal of Computer Vision, 60, 2, pp. 91-110. 5. Rocha. A, Ferreira. R, and Campilho. A (2000) image mosaicing using Corner Detection, SIARP2000-V Ibero-American Symposium on Pattern Recognition. 6. Shum. H and Szeliski. R (1997) Panoramic image mosaics. Tech. Rep. MSR-TR-97-23, Microsoft Research. 7. http://en.wikipedia.org/wiki/RANSAC,Last view: Juli 2010
