Satu algoritma etimasi dan kompensasi gerakan untuk pemampatan video
telah dilaksanakan dengan menggunakan perisian MATLAB. Dalam projek ini,
dua jenis algoritma perbandingan blok telah diperkembang iaitu, Pencarian
Penuh dan Pencarian Tiga Langkah. Dalam pendekatan ini, rangka pada masa
sekarang dibahagikan kepada matriks blok makro yang kemudiannya
dibandingkan dengan blok yang mirip dengannya dan jirannya pada rangka yang
sebelumnya untuk mencari vektor gerakan yang menentukan pergerakan vektor
dari satu lokasi ke lokasi yang lain di dalam rangka yang sebelumnya. Gerakan
ini dikira untuk semua blok makro yang membentuk rangka tersebut dan
merupakan gerakan yang dianggarkan dalam rangka pada masa sekarang. Satu
gambar gerakan kompensasi untuk rangka sekarang dicipta dan ia terdiri
daripada blok-blok gambar daripada rangka sebelumnya. Perbandingan di antara
blok-blok makro adalah berdasarkan kepada hasil daripada suatu fungsi harga.
Blok makro yang mengakibatkan harga yang paling kecil adalah blok yang paling
secocok dengan blok pada masa sekarang. Daripada keputusan simulasi yang
didapati, Pencarian Penuh mempunyai prestasi nisbah isyarat puncak kepada
kebisingan yang lebih baik daripada Pencarian Tiga Langkah. Purata pencarian
titik bagi setiap blok makro untuk Pencarian Penuh juga dihintung dan kita
mendapati nilai ini adalah 9 kali ganda dibandingkan dengan Pencarian Tiga
Langkah. Pencarian Tiga Langkah dibuktikan sebagai algoritma yang lebih baik
daripada Pencarian Penuh dengan masa komputasi bererti yang lebih pendek
dan mempunyai nisbah isyarat puncak kepada kebisingan yang hampir sama.
_____________________________________________________________________________
A motion estimation and compensation algorithm for video compression is
implemented using MATLAB software. In this project, two types of block
matching algorithm (BMA) have been developed that is the Exhaustive Search
(ES) and Three Step Search (TSS). In this approach, the current frame of a video
sequence is divided into a matrix of macro blocks that are then compared with
corresponding block and its adjacent neighbors in the previous frame to find the
motion vector that stipulates the movement of a macro block from one location to
another in the previous frame. This movement calculated for all the macro blocks
comprising a frame, constitutes the motion estimated in the current frame. A
motion compensated image for the current frame is then created that is built of
blocks of image from the previous frame. The matching of one macro block with
another is based on the output of a cost function. The macro block that results in
the least cost is the one that matches the closest to current block. From the
simulation results obtained, ES has a better PSNR performance compared with
the TSS. The average search point per macro block for ES is also computed and
the value is almost 9 times of that of the TSS. TSS technique proved to be the
better BMA since it has a significantly smaller computation time with its PSNR
performance almost the same as the ES.