Restorasi Citra Plat Nomor Kendaraan Menggunakan Metode Super Resolusi pada Sistem Pelanggaran Lampu Merah 

 Bayu Setyo Prayugi 

Teknik Komputer dan Telematika Jurusan Teknik Elektro 

Insitut Teknologi Sepuluh Nopember Suarabaya  Abstrak 

Gambar dengan resolusi rendah tidak dapat dimanfaatkan  untuk  berbagai  kebutuhan  karena informasi dari gambar tersebut mungkin hilang. Oleh karena  itu  berbagai  macam  cara  dilakukan  untuk memperbaiki  kualitas  gambar,  baik  memperbaiki dari  segi  hardware,  atau  juga  mengolah  melalui software. 

Dalam  tugas  akhir  ini,  dibuat  sistem  atau program  untuk  memperbaiki  kualitas  citra menggunakan  metode  super  resolusi,  dari  citra resolusi  rendah,  menjadi  citra  resolusi  tinggi. Gambar  dengan  resolusi  rendah  dijadikan  sebagai input,  gambar‐gambar  tersebut  lalu  diregistrasi secara  geometrik  dan  fotometrik,  menghasilkan gambar  mozaik.  Gambar  mozaik  inilah  yang kemudian  di  restorasi menggunakan metode  super resolusi  dengan  memanfaatkan  parameter  ‐ parameter  yang  ada  pada  teknik  ransac  ROBUST untuk memproduksi citra dengan resolusi tinggi. 

Hasil  yang  diperoleh  setelah  dilakukan pengujian  menunjukkan  bahwa  metode  super resolusi menggunakan  teknik  ransac ROBUST dapat merestorasi  citra  resolusi  rendah  menjadi  citra resolusi tinggi.  Dengan demikian, maka citra resolusi tinggi  dapat  digunakan  untuk  keperluan  sesuai dengan  kebutuhan  pengguna, misalnya membantu pelaksanaan  Intelegent  Transportation  System  (ITS) di beberapa kota di dunia, termasuk Surabaya.  Pendahuluan 

Beberapa kota maju di dunia  telah mencoba untuk  mengatasi  beberapa  masalah  yang berhubungan  dengan  pelanggaran  lampu  merah. Caranya  adalah  dengan  membuat  system  yang mampu  mendeteksi  setiap  pelanggaran  lampu merah yang terjadi, kamera perekam dipasang pada setiap  perlintasan  jalan  sehingga  dapat  merekam seluruh  kejadian  yang  terjadi  sepanjang  hari.    Cara ini  berhasil,  baik  untuk  merekam  semua  kejadian, maupun  untuk menekan  angka  pelanggaran  lampu merah,  akan  tetapi  hasil  rekaman  yang  berisi  plat nomor  kendaraan  dari  kamera  ini  biasanya  adalah gambar  dengan  resolusi  rendah,  dan  sulit  terbaca oleh user (manusia). 

Ada  2  cara  yang  bisa  dilakukan  untuk meningkatkan  kualitas  gambar  hasil  rekaman kamera  tersebut,  pertama  dengan  meningkatkan spesifikasi  kamera  (meng‐ganti  kamera  dengan spesifikasi yang lebih baik), kedua dengan mengolah gambar  hasil  rekaman  tersebut  menggunakan software dan metode yang ada. 

Teknik  citra  Super  Resolusi  adalah  suatu teknik  untuk  mendapatkan  citra  yang  beresolusi tinggi dari sekumpulan citra yang beresolusi  rendah (LR).  Resolusi  tinggi  yang  dihasilkan  dapat  berupa citra tunggal atau  lebih. Citra resolusi tinggi didapat dari  sekumpulan  resolusi  rendah  yang  diambil  dari adegan  (scene)  yang  sama.  Karena  dari  adegan (scene)  yang  sama  itu menyediakan  informasi  yang dapat digunakan untuk merekonstruksi citra resolusi tinggi. 

 Penelitian Terkait 

Penelitian  yang  terkait  dengan  masalah  ini memang  telah  banyak  dilakukan,  berbagai macam metode dan teknik untuk menciptakan citra dengan kualitas  super  atau  resolusi  tinggi  dilakukan, beberapa metode itu antara lain estimasi Maksimum Posteriori  (MAP  Estimation),  estimasi  Maksimum Likehood  (ML  Estimation),  dan  masih  banyak  lagi.  Beberapa teknik ini berhasil memproduksi citra yang memiliki kualitas  lebih baik, akan tetapi banyak  juga penelitian  yang  masih  butuh  penyempurnaan.  Dalam  tugas akhir  ini, penulis  ingin mencoba untuk menerapkan metode  yang  telah  ada  yaitu metode robust, menggunakan algoritma dan teknik yang ada serta  sedikit  modifikasi  pada  program,  diharapkan penelitian  ini  dapat  sedikit  membantu  penelitian‐penelitian yang ada sekarang. 

  

Gambar Input Dalam  sistem  ini,  ada  dua  jenis  input  yang 

digunakan,  salah  satunya  adalah  berupa  gambar.  Gambar / citra yang digunakan sebagai  input di sini adalah  gambar  dengan  format  file  *.jpeg  serta resolusi  tinggi,  citra  tersebut  kemudian  diberi beberapa  noise  seperti  blur,  salt  and  pepper, translasi,  dan  skala.  Hasil  olahan  dari  gambar  asli 

yang  telah  diberi  noise  ini  menjadi  citra  dengan rusak  dan    berwarna  grayscale,  atau  disebut  juga citra resolusi rendah.   Video Input 

Input  sistem  yang  digunakan  selain  gambar statis  adalah  video.   Video  yang digunakan  sebagai input  sistem  adalah  video  dengan  resolusi  rendah dan  berwarna  grayscale.    Video  ini  disampling menjadi  beberapa  gambar  (frame),  frame‐frame inilah  yang  digunakan  sebgai  input  sistem.  Karena program  dibuat  dengan  menggunakan  software Matlab, maka  file video yang didukung oleh Matlab adalah file dengan ekstensi *.mat.   Registrasi Citra Registrasi  citra  ini  dibutuhkan  karena  data  input yang  diolah  lebih  dari  satu  gambar,  registrasi  ini bertugas untuk membentuk  sebuah  citra baru yang berasal  dari  citra‐citra  input  yang  ada.    Proses registrasi ini ada dua macam, yaitu :  Registrasi Geometrik Registrasi  Geometrik  ini  berfungsi  untuk  mencari titik‐titik  yang  sama  dari  beberapa  gambar  dengan objek yang sama tetapi memiliki sudut pandang yang berbeda.  Karena  citra  yang  diolah  lebih  dari  satu, maka  dibutuhkan  registrasi  yang  dapat menangani sejmlah  N  citra  secara  otomatis,  dengan  jumlah iterasi  yang  dapat  ditentukan,  maka  digunakan metode ransac ROBUST. Langkah‐langkah  tersebut  terbagi menjadi  5 bagian utama, yaitu : 

1. Menghitung interest point tiap gambar. 2. Menghitung  sekumpulan  interest  point 

berdasarkan jaraknya dengan piksel tetangga. 3. Gunakan  ransac  ROBUST,  ulangi  untuk 

sejumlah  N  data.  Pilih  sampel  acak  4  titik, hitung  homografinya,  hitung  jarak  error geometris  masing‐masing  korenpondensi, hitung  jumlah  inliers  tetap  dengan  H  dari jumlah korespondensi, khusus untuk jarak error yang  lebih  kecil  dari  threshold,  lalu  pilih  H dengan jumlah inlears terbesar. 

4. Estimasi  ulang  H  dari  semua  korespondensi, lalu  maksimalkan  kemungkinan  fungsi persamaan. 

5. Sekumpulan  interest  point  kini  ditentukan dengan estimasi H untuk menunjukkan daerah objek pada posisi titik yang ditransfer. 

Ulangi  /  Lakukan  iterasi  lagkah  (4) dan  (5) hingga  jumlah korespondensi stabil. 

Gambar  berikut  akan menjelaskan  proses  registrasi citra  dengan  sejumlah  N  data.  Proses  ini  biasa disebut dengan Estimasi Homografi Otomatis.        Gambar 2 buah gambar universitas Oxford, gerakan terjadi  karena  rotasi  dari  kamera  di  tempat  yang sama, sehingga terbentuk homografi diantaranya.        Deteksi titik / fitur dari tiap‐tiap gambar, ada sekitar 500 titik dari tiap gambar.        Gambar  satu  diandingkan  dengan  gambar  lainnya menggunakan  metode  ransac  ROBUST,  hasilnya didapatkan  titik‐titik  yang  sama  antar  gambar.  Ada 268  titik  yang  diuji  (gambar  kiri)  dan  terdapat  117 titik yang berbeda (gambar kanan)        Terdapat 151 titik yang sama (gambar kiri).  Setelah  beberapa  kali  iterasi,  optimlisasi  fitur  dan panduan kemungkinan persamaan maka didapatkan sejumlah  262  titik  sama  (gambar  kanan)  yang merupakan final dari proses registrasi geometrik.            

                Gambar HaTerbentuk kamera.  Registras

Reprosedur  ddiperkirakaseperti ilumvariasi  intecahaya  secmenunjukkini,  bersamenghitunregistrasi  gaplikasi  unsukses. 

Gayang mengkecerahan)

 

Defotometrikintensitas sehingga  dseluruh gam      

asil registrasi gdari  100  gam

si Fotometrikegistrasi  Fotdimana  globalan.    Misal  trminasi perubahensitas karena cara  otomatiskan  bahwa  paama  dengan ng  parametegeometrik,  dantuk membent

ambar  berikutggunakan trans) tiap RGB chan

= 

engan  kata   bertugas  ucahaya  antardidapatkan  nilmbar yang ada

eometrik. mbar  tunggal 

k tometrik  ma  fotometrik  aransformasi  bhan di tempatkamera meng.    Dalam  prakarameter  sede

metode  rr  yang  dibapat  cukup  mtuk  gambar m

t  akan menunsformasi affinennel. 

   +

lain,  intinyntuk  mengatra  tiap‐tiap  frai  kecerahan a. 

dengan  rotasi

angacu  padantara  gambar

bersifat  global kejadian, dangontrol tingkatkteknya,  telaherhana  modelansac  untukberikan  padamemungkinkanmozaik  dengan

njukkan modele (kontras dan

+   

ya  registrasitur  tingkat  /rame  gambar,rata‐rata  dari

i 

a r l n t h l k a n n 

l n 

i / , i 

Supe

teknitingg(LR). tunggsekumadega(scendapattingg          Gamb 

selesgabuterseinilahcitra (fast   

 

 Rumudibuaditenmenj 

 

paramgamb

er ResolusiTeknik  citra

k  untuk  meni dari sekumpResolusi  ting

gal.  Citra mpulan  resolan  (scene)  yane)  yang  sama t digunakan ui. 

bar Dasar dari 

Diasumsikanai  dilakukan, ngan  dari  sebut  biasa  dish  yang    digunasuper  resolusROBUST). 

us diatas sedikat  menggunakntukan  sendiriadi : 

Dari  rumusmeter  yang  dbar super resol

a  Super  Resondapatkan  citrulan citra yangggi  yang  dihasresolusi  tingusi  rendah  yang  sama.  Kaitu menyediantuk merekon

Super Resolus

n  bahwa  prossehingga  terbeluruh  input sebut  gambar akan  sebagai  isi  dengan  tek

kit dimodifikasikan  sejumlah ,  maka  rumu

s  di  atas, apat  digunakalusi, yaitu : 

olusi  adalah ra  yang  bereg beresolusi resilkan  berupa ggi  didapat yang  diambil arena  dari  adakan  informasintruksi citra  re

i 

ses  registrasi bentuk  sebuahyang  ada,  gamozaik.    Ga

input  pembennik  ransac  RO

 karena sistemiterasi  yang 

usnya  dapat  d

didapat  beban  untuk  mem

suatu esolusi endah   citra dari 

  dari degan i  yang esolusi 

telah h  citra ambar ambar ntukan OBUST 

 

 

m yang dapat ditulis 

berapa mbuat 

1. Faktor  Resolusi,  menggambarkan  ukuran  dari citra resolusi tinggi 

2. Ukuran  kernel  dan  Sigma,  berfungsi memberikan nilai filter Gaussian yang dipakai 

3. Alpha,  Beta,  Lamda,  P,  berfungsi  sebagai parameter pengujian pada input program. 

4. Iterasi,  jumlah  iterasi  yang  dimasukkan  untuk memproduksi gambar resolusi tinggi. 

  

Hasil Pengujian Untuk mengetahui  apakah  program  /  sistem  yang dibuat dapat berjalan dengan baik, maka dibutuhkan pengujian  terhadap  sistem  tersebut,  pengujian sistem  ini  digunakan  untuk  menguji  tingkat keberhasilan  dan  juga  dapat  digunakan  untuk menentukan  berapa  persen  error  yang  ada  pada program dan algoritma yang diuji.  Berikut ini, adalah pengujian terhadap file “lena.jpg”         Gambar  “lena.jpg”  original  memiliki  ukuran  512  x 512 piksel dan berformat gambar JPG.                  Gambar  “lena.jpg”  setelah  diberi  beberapa  noise (blur, skala, translasi, sal & pepper)          

        Gambar  “lena.jpg”  resolusi  tinggi,  setelah  diproses dengan metode  fast ROBUST dengan parameter  (F. Resolusi : 2, Jumlah kernel : 3, Sigma : 1, Alpha : 0.7, Beta : 1, Lambda : 0.04, P : 2, Iterasi : 20 kali)  Pengujian selanjutnya, file “plat.jpg”       Gambar “plat.jpg” original memiliki ukuran 512 x 512 piksel dan berformat gambar JPG.            Gambar  “plat.jpg”  setelah  diberi  beberapa  noise (blur, skala, translasi, sal & pepper)         Gambar  “plat.jpg”  resolusi  tinggi,  setelah  diproses dengan metode  fast ROBUST dengan parameter  (F. Resolusi : 2, Jumlah kernel : 3, Sigma : 1, Alpha : 0.7, Beta : 1, Lambda : 0.04, P : 2, Iterasi : 20 kali)  Pengujian file dilakukan juga dalam file video. Berikut ini adalah pengujian terhadap file “text.mat”          

               Gambar screenshoot file “text.mat” resolusi rendah, dengan  beberapa  deskripsi  (jumlah  frame  :  30, Ukuran video  : 57 x 49 px, ukuran video  (avi)  : 250 kb, ukuran video (mat) : 80 kb, kamera : Olympus c‐4000)         Gambar  “text.jpg”  resolusi  tinggi,  menggunakan metode  bicubic  dan  deblurring  (kiri),  serta  fast ROBUST  (kanan) dengan parameter  (F. Resolusi  : 2, Jumlah  kernel  :  3,  Sigma  :  1, Alpha  :  0.7, Beta  :  1, Lambda : 0.04, P : 2, Iterasi : 20 kali)  Pengujian berikutnya, file “car.mat”               Gambar  screenshoot  file  “car.mat”  resolusi  rendah, dengan  beberapa  deskripsi  (jumlah  frame  :  64, Ukuran video  : 121 x 72 px, ukuran video  (avi)  : 1.6 Mb,  ukuran  video  (mat)  :  545  kb,  kamera  :  tidak diketahui)  

         Gambar  “text.jpg”  resolusi  tinggi,  menggunakan metode  bicubic  dan  deblurring  (kiri),  serta  fast ROBUST  (kanan) dengan parameter  (F. Resolusi  : 2, Jumlah  kernel  :  3,  Sigma  :  1, Alpha  :  0.7, Beta  :  1, Lambda : 0.04, P : 2, Iterasi : 20 kali.   Kesimpulan 

Dari  hasil  pengujian  dan  analisa  data,  dapat diambil  kesimpulan  bahwa  metode  super  resolusi dengan  teknik  ransac  ROBUST,  dapat  digunakan untuk merestorasi citra dari resolusi rendah menjadi resolusi  tinggi.    Beberapa  sample  yang  digunakan menunjukkan hasil yang baik, mskipun ada juga yang menujukkan bahwa program yang dibuat  ini kurang berhasil, masalah  ini didapat  karena  informasi  citra antara citra satu dengan citra lainnya berbeda terlalu jauh. 

 Diskusi 

Karena masih terdapat beberapa kekurangan yang belum dapat diselesaikan dalam program yang dibuat  disini,  maka  diharapkan  untuk  penelitian‐penelitian berikutnya dapat  lebih menyempurnakan sistem yang dibuat ini, terutama masalah  

  

Referensi [1]http://www.2d3.com [2]http://jec190a.blogspot.com/ [3]http://www.csse.uwa.edu.au/~pk/Research/Matl

abFns/index.html [4]http://www.robots.ox.ac.uk/~vgg/hzbook/code/ [5]David Capel. Computer Vision Applied to Super‐

resolution. 14 Minns Business Park West Way. Oxford OX2 6AD, UK. 

[6]S. Baker and T. Kanade. Limits on super‐resolution and how to break them. IEEE PAMI, 24(9):1167–1183, 2002.