PEMAMPATAN CITRA(IMAGE COMPRESSION)(IMAGE COMPRESSION)

PENGERTIAN

Kompresi Citra adalah aplikasikompresi data yang dilakukanterhadap citra digital dengan tujuanuntuk mengurangi redundansi dariuntuk mengurangi redundansi daridata-data yang terdapat dalam citrasehingga dapat disimpan atauditransmisikan secara efisien.

TUJUAN

Kompresi citra bertujuanmeminimalkan kebutuhan memoriuntuk merepresentasikan citra digitaldengan mengurangi duplikasi data didengan mengurangi duplikasi data didalam citra sehingga memori yangdibutuhkan menjadi lebih sedikitdaripada representasi citra semula.

MANFAAT

• Waktu pengiriman data pada salurankomunikasi data lebih singkat

Contoh : pengiriman gambar dari fax, videoconferencing, handphone, download dariinternet, pengiriman data medis, pengirimaninternet, pengiriman data medis, pengirimandari satelit, dsb

• Membutuhkan ruang memori dalam storagelebih sedikit dibandingkan dengan citra yangtidak dimampatkan

Proses kompresi merupakan proses mereduksiukuran suatu data untuk menghasilkanrepresentasi digital yang padat ataumemampatkan namun tetap dapat mewakilikuantitas informasi yang terkandung pada datatersebut.

Pada citra, video atau audio, kompresi mengarahpada minimisasi jumlah bit rate untukrepresentasi digital.

Semakin besar ukuran citra, semakin besarmemori yang dibutuhkan. Namun kebanyakancitra mengandung duplikasi data, yaitu :

• suatu pixel memiliki intensitas yang samadengan dengan pixel tetangganya, sehinggapenyimpanan setiap pixel memboroskantempattempat

• citra banyak mengandung bagian (region) yangsama, sehingga bagian yang sama ini tidakperlu dikodekan berulangkali karena mubaziratau redundan

TEKNIK KOMPRES CITRA

• Loseless CompressionTeknik kompresi citra dimana tidak ada satupun

informasi citra yang dihilangkan.

Biasa digunakan pada citra medis.Biasa digunakan pada citra medis.

Metode loseless : Run Length Encoding, EntropyEncoding (Huffman, Aritmatik), dan AdaptiveDictionary Based (LZW)

• Lossy CompressionUkuran file citra menjadi lebih kecil dengan

menghilangkan beberapa informasi dalam citraasli.

Teknik ini mengubah detail dan warna pada filecitra menjadi lebih sederhana tanpa terlihatcitra menjadi lebih sederhana tanpa terlihatperbedaan yang mencolok dalam pandanganmanusia, sehingga ukurannya menjadi lebih kecil.

Biasanya digunakan pada citra foto atau image lainyang tidak terlalu memerlukan detail citra, dimanakehilangan bit rate foto tidak berpengaruh padacitra.

METODE SHANNON-FANO

Metode ini dikembangkan oleh ClaudeShanon dari Bell Labs dan RM Fano dariMIT.

Metode ini tergantung pada probabilitasdari setiap simbol yang hadir pada suatudata (pesan).

Berdasarkan probabilitas tersebut kemudiandibentuk daftar kode untuk setiap simbol denganketentuan sebagai berikut:

1. Setiap simbol berbeda memiliki kode berbeda.

2. Simbol dengan probabilitas kehadiran yanglebih rendah memiliki kode jumlah bit yanglebih rendah memiliki kode jumlah bit yanglebih panjang dan simbol dengan probabilitasyang lebih tinggi memiliki jumlah bit yang lebihpendek.

3. Meskipun memiliki panjang kode yangberbeda, simbol tetap dapat didekode secaraunik.

Algoritma Shannon-Fano1. Buatlah daftar peluang atau frekuensi kehadiran setiap

simbol dari data (pesan) yang akan dikodekan.

2. Urutkanlah daftar tersebut menurut frekuensikehadiran simbol secara menurut (Descending)

3. Bagilah daftar tersebut menjadi dua bagian dengan3. Bagilah daftar tersebut menjadi dua bagian denganpembagian didasari pada jumlah total frekuensi suatubagian (bagian atas) sedekat mungkin dengan jumlahtotal frekuensi dengan bagian yang lain (bagian bawah).

4. Daftar bagian atas diberi nilai 0 dan 1 untuk bagianbawah.

5. Lakukan proses secara rekursif (berulang) untuk langkah3 dan 4.

Contoh:

Suatu data sebagai berikut:

BCEEDDBBAAAABEEEDDDCCCAAACCDAAAAABBBAAA

Jawab:

Simbol FrekuensiSimbol Frekuensi

A 15

B 7

C 6

D 6

E 5

Simbol Frekuensi

A 15 0

B 7 0

C 6 1C 6 1

D 6 1

E 5 1

Simbol Frekuensi

A 15 0 0

B 7 0 1

C 6 1 0C 6 1 0

D 6 1 1

E 5 1 1

Simbol Frekuensi

A 15 0 0

B 7 0 1

C 6 1 0C 6 1 0

D 6 1 1 0

E 5 1 1 1

Simbol Frekuensi Kode Bit

A 15 00 ….

B 7 01 ….

C 6 10 ….C 6 10 ….

D 6 110 ….

E 5 111 ….

Simbol Frekuensi Kode Bit Tot Bit

A 15 00 2 ….

B 7 01 2 ….

C 6 10 2 ….C 6 10 2 ….

D 6 110 3 ….

E 5 111 3 ….

Simbol Frekuensi Kode Bit Tot Bit

A 15 00 2 30

B 7 01 2 14

C 6 10 2 12C 6 10 2 12

D 6 110 3 18

E 5 111 3 15

---------------------------------------------------------------------

….. byte ….. bit

Simbol Frekuensi Kode Bit Tot Bit

A 15 00 2 30

B 7 01 2 14

C 6 10 2 12C 6 10 2 12

D 6 110 3 18

E 5 111 3 15

---------------------------------------------------------------------

39 byte 89 bit

89/8=11 byte

Latihan:

Suatu image dengan komposisi warna sebagaiberikut:

R M B M G M

R R Y G R Y

B M G G M R

Mampatkan image tersebut mengunakanAlgoritma Shannon-Fano!

B M G G M R

M B Y B Y G

R Y G B R R

G M B M G R

METODE HUFFMAN

Metode ini banyak diterapkan untk aplikasikompresi citra.

Seperti halnya metode shannon-fano,metode ini membentuk pohon atas dasarprobabilitas setiap simbolnya. Tetapidengan cara yang berbeda.

Algoritma Huffman

1. Urutkan secara ascending frekuensi kemunculannyaatau peluang kumunculan simbolnya.

2. Gabung 2 buah pohon yang mempunyai frekuensikemunculan paling kecil pada sebuah akar. Akarmempunyai frekuensi yang merupakan jumlah darimempunyai frekuensi yang merupakan jumlah darifrekuensi 2 pohon penyusunnya. Perhatikan :frekuensi dengan nilai lebih kecil diletakkan di sisikiri.

3. Ulangi langkah diatas sampai tersisa 1 pohon biner.

4. Beri label setiap sisi pada pohon biner, label sisi kiri= 0, label sisi kanan = 1.

Contoh: Terdapat suatu image dengan informasisebagai berikut:

Simbol Frekuensi

0 19

1 251 25

2 21

3 16

4 8

5 6

6 3

7 2

Simbol Frekuensi Kode Bit Tot Bit

0 19 00 2 38

1 25 01 2 50

2 21 10 2 42

3 16 011 3 48

4 8 0001 4 32

5 6 11111 5 305 6 11111 5 30

6 3 101111 6 18

7 2 001111 6 12

-----------------------------------------------------------------------------

100 byte 270 bit

270/8=33 byte

Latihan: Suatu image dengan komposisi informasi sbb:

Simbol Frekuensi

A 4

B 3

N 3

I 2I 2

K 1

S 1

T 1

U 1

Mampatkan image tersebut mengunakan AlgoritmaHuffman!

Teknik Kompresi GIF

• GIF (Graphic Interchange Format) dibuat olehCompuserve pada tahun 1987 untuk menyimpanberbagai file bitmap manjadi file lain yang mudahdiubah dan ditransmisikan pada jaringandiubah dan ditransmisikan pada jaringankomputer.

• GIF merupakan format citra web yang tertua yangmendukung kedalaman warna sampai 8 bit (256warna), menggunakan 4 langkah interlacing,mendukung transparency, dan mampumenyimpan banyak image dalam 1 file.

Teknik Kompresi PNG

• PNG (Portable Network Graphics) digunakan diInternet dan merupakan format terbaru setelahGIF, bahkan menggantikan GIF untuk Internetimage karena GIF terkena patent LZW yangimage karena GIF terkena patent LZW yangdilakukan oleh Unisys.

• Menggunakan teknik loseless dan mendukung:Kedalaman warna 48 bit, Tingkat ketelitiansampling: 1,2,4,8, dan 16 bit, Teknik pencocokanwarna yang lebih canggih dan akurat

Teknik Kompresi JPG

• JPEG (Joint Photograpic Experts Group)menggunakan teknik kompresi lossy sehinggasulit untuk proses pengeditan.

• JPEG cocok untuk citra pemandangan (natural• JPEG cocok untuk citra pemandangan (naturalgenerated image), tidak cocok untuk citrayang mengandung banyak garis, ketajamanwarna, dan computer generated image

JPEG 2000

• Adalah pengembangan kompresi JPEG.

• Didesain untuk internet, scanning, foto digital,remote sensing, medical imegrey, perpustakaandigital dan ecommerce.

• Dapat digunakan pada bit-rate rendah sehinggadapat digunakan untuk network image dan remotedapat digunakan untuk network image dan remotesensing.

• Menggunakan Lossy dan loseless tergantungkebutuhan bandwidth. Loseless digunakan untukmedical image.

• Transmisi progresif dan akurasi & resolusi pixel tinggi.

Teknik Kompresi TIFF

• TIFF (Tagged Image File Format)

• Dikembangkan oleh Aldus Corporation, tahun 80-an

• Dalam perkembangannya didukung oleh• Dalam perkembangannya didukung olehMicrosoft

• Mendukung adanya pengalokasian untukinformasi tambahan (tag) fleksibel

• Dapat menyimpan berbagai tipe gambar : 1 bit,grayscale, 8 bit, 24 bit RGB, dll