Praktikum Video Processing Fokus Motion Estimation Praktikum Praktikum

  • Slides: 11
Download presentation
Praktikum Video Processing Fokus : Motion Estimation

Praktikum Video Processing Fokus : Motion Estimation

Praktikum • Praktikum ini terdiri dari 2 Sesi, yaitu • Sesi 1 –Block Matching

Praktikum • Praktikum ini terdiri dari 2 Sesi, yaitu • Sesi 1 –Block Matching Algorithm pada Matlab • Motion Estimation menggunakan fungsi Block. Matcher • Sesi 2 – Vc. Demo • Demonstrasi Motion Estimation berbasis Block Matching

Sesi 1 : Block Matching Algorithm pada Matlab • Akses link http: //www. cipr.

Sesi 1 : Block Matching Algorithm pada Matlab • Akses link http: //www. cipr. rpi. edu/resource/sequences/sequence 01. html • Pilih sequences yang berukuran 256 x 256 saja, ‘Trevor‘ atau ‘Mrchest’

Sesi 1 : Block Matching Algorithm pada Matlab • Pilih dua frame dari list

Sesi 1 : Block Matching Algorithm pada Matlab • Pilih dua frame dari list sequences yang akan diuji, misal dari ‘Trevor’, diambil frame ke 001 dan frame ke 015, masukkan ke workspace Matlab. Ubah dalam double frame. Anchor = im 2 double(twy 001); frame. Target = im 2 double(twy 015); Anchor Frame Target Frame

Sesi 1 : Block Matching Algorithm pada Matlab Buat Object hbm = vision. Block.

Sesi 1 : Block Matching Algorithm pada Matlab Buat Object hbm = vision. Block. Matcher('Reference. Frame. Source', 'Input port', 'Block. Size', [35 35]); hbm. Output. Value = 'Horizontal and vertical components in complex form'; halphablend = vision. Alpha. Blender; Hitung motion estimation dari dua frame tsb motion = step(hbm, frame. Anchor, frame. Target);

Sesi 1 : Block Matching Algorithm pada Matlab Blend kedua frame. Blend = step(halphablend,

Sesi 1 : Block Matching Algorithm pada Matlab Blend kedua frame. Blend = step(halphablend, frame. Target, frame. Anchor);

Sesi 1 : Block Matching Algorithm pada Matlab Gunakan quiver plot untuk menunjukkan arah

Sesi 1 : Block Matching Algorithm pada Matlab Gunakan quiver plot untuk menunjukkan arah motion vector [X Y] = meshgrid(1: 35: size(frame. Anchor, 2), 1: 35: size(frame. Anchor, 1)); imshow(frame. Blend); hold on; quiver(X(: ), Y(: ), real(motion(: )), imag(motion(: )), 0); hold off;

Sesi 1 : Block Matching Algorithm pada Matlab Pelajari cara kerja fungsi vision. Block.

Sesi 1 : Block Matching Algorithm pada Matlab Pelajari cara kerja fungsi vision. Block. Matcher, gunakan help! Lakukan beberapa perubahan pada parameter-parameter berikut ini : 1. Search Method 2. Block. Size 3. Maximum. Displacement 4. Match. Displacement Amati dan analisis perbedaan hasilnya dengan percobaan awal.

Sesi 2 – Vc. Demo • Vc. Demo adalah free-ware software package untuk mempelajari

Sesi 2 – Vc. Demo • Vc. Demo adalah free-ware software package untuk mempelajari kompresi citra dan video, dibuat oleh tim dari Information and Communication Theory Group, TU Delft, Belanda. • Vc. Demo dapat dimanfaatkan untuk lebih mendalami kuliah Koding Kompresi dan Sistem Multimedia, atau bahkan topik yang lebih lanjut seperti kompresi video. • Vc. Demo dapat dijalankan secara manual tanpa butuh kemampuan programming. • Pada praktikum kali ini, kita akan menggunakan Vc. Demo untuk mendemonstrasikan Motion Estimation berbasis Block Matching. • Vc. Demo dapat didownload pada link berikut : http: //insy. ewi. tudelft. nl/content/image-and-video-compressionlearning-tool-vcdemo

Sesi 2 - Vc. Demo • Klik File Open Sequence • Pilih satu sequence

Sesi 2 - Vc. Demo • Klik File Open Sequence • Pilih satu sequence of frame dengan format. yuv Modul Video Player • Klik Video Compression Video Player • Klik Play. • Apa yang terjadi? • Jelaskan apa yang dimaksud Frame dimensions, Sequence length dan frame number.

Sesi 2 - Vc. Demo Modul Motion Estimation • Klik “ME” (Motion Estimation Module)

Sesi 2 - Vc. Demo Modul Motion Estimation • Klik “ME” (Motion Estimation Module) • Lakukan perubahan pada parameter-parameter di bawah ini, lakukan analisis terhadap perbedaan hasilnya : a. Block size b. Jenis pencariannya, apakah full search, N-step (misal three step search) atau hiearchical. c. Jika metode pencarian : full search, cek perubahan max displacement (= ukuran search region) d. Jika metode pencarian : N-step, cek pengaruh perubahan jumlah stepnya. e. Jika metode pencarian : hierarchical search, cek perubahan level.