By Emy By Emy 2 KOMPRESI CITRA
|
|
- Yuliani Susman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 By Emy By Emy 2 KOMPRESI CITRA 1
2 Kompetensi Mampu menjelaskan dan menyebutkan proses-proses pada kompresi citra Mampu menjelaskan kriteria dari kompresi citra yang baik Mampu menyebutkan dan menjelaskan jenis-jenis kompresi citra Mampu menjelaskan metode kompresi citra yang banyak digunakan untuk meningkatkan kualitas hasil kompresi citra 2007 By Emy 3 Topik 1. Dasar-dasar Kompresi Citra 2. Model Kompresi citra 3. Teori Informasi Lecture 2007 By Emy 4 2
3 By Emy 5 Dasar-Dasar Kompresi Citra Kendala Data Citra Dijital Mengapa perlu kompresi dan reduksi data? Data citra umumnya berukuran besar Tidak praktis dalam aspek penyimpanan, proses dan transmisi Perlu reduksi atau pemampatan data dengan mengurangi redundancy atau duplikasi data Data redundancy: adalah bagian data yang tidak mengandung informasi terkait atau merupakan pengulangan dari informasi yang sudah dinyatakan sebelumnya atau sudah diketahui 2007 By Emy 6 3
4 Contoh Aplikasi Aplikasi yang membutuhkan image compression: dimana perkembangannya ditentukan oleh efisiensi pada manipulasi data, penyimpanan, dan transmisi citra biner / monokrom / berwarna: Televideo-conferencing Remote sensing Telemedical / Medical imaging Facsimile transmission 2007 By Emy 7 Kategori Teknik Kompresi Citra Berdasarkan detail suatu citra, teknik kompresi citra dapat diklasifikasikan menjadi 2 kategori : Berugi (Lossy) Teknik mendapatkan data yang lebih ringkas dengan melalui suatu proses penghampiran (approksimasi) dari data asli dengan tingkat error yang dapat diterima. Beberapa informasi pada citra yang asli hilang, meskipun hanya sebagian kecil saja Contoh : JPEG (Joint Photographic Experts Group), TV broadcast. Tanpa rugi (Lossless) Teknik yang memproses data asli menjadi bentuk yang lebih ringkas tanpa hilangnya informasi Contoh : GIF (Graphical Interchange Format), Aplikasi biomedis By Emy 8 4
5 Kriteria Mengukur Metode Kompresi Citra Waktu kompresi dan waktu rekronstruksi yang sebaiknya cepat. Kebutuhan memori Memori yang dibutuhkan untuk merepresentasikan citra seharusnya berkurang secara berarti. Teknik kompresi dikatakan baik apabila didapatkan rasio kompresi yang besar, karena semakin besar rasio kompresi yang didapat berarti semakin kecil ukuran hasil kompresi. Pada beberapa metode, ukuran memori hasil kompresi bergantung pada citra itu sendiri. Citra yang mengandung banyak elemen duplikasi (misalnya citra langit cerah tanpa awan, citra lantai keramik) umumnya berhasil dikompresikan dengan memori yang lebih sedikit dibandingkan dengan mengkompresikan citra yang mengandung banyak objek (misalnya citra pemandangan alam) By Emy 9 Kriteria Mengukur Metode Kompresi Citra Hasil rasio kompresi ( R ) dirumuskan U tan = Pemampa R 1 100% U Asli Kualitas kompresi (fidelity) Informasi yang hilang akibat kompresi seharusnya seminimal mungkin sehingga kualitas hasil kompresi tetap dipertahankan. Kualitas hasil kompresi dengan kebutuhan memori biasanya berbanding terbalik. Kualitas sebuah citra bersifat subyektif dan relatif, bergantung pada pengamatan orang yang menilainya. Dan untuk dapat membuat ukuran kualitas hasil kompresi citra menjadi ukuran kuantitatif dengan menggunakan besaran PSNR (Peak Signal to Noise Ratio). Teknik kompresi dikatakan baik apabila menghasilkan nilai MSE yang kecil dan nilai PSNR yang tinggi yang berarti error atau kesalahan dari teknik kompresi ini sangat kecil dan hasil citra rekonstruksi terhadap citra asli mempunyai kemiripan yang tinggi. Sedangkan nilai rasio sinyal terhadap derau puncak atau nilai PNSR dalam dicibels (db) dapat dihitung dari persamaan 2 M N (255) 1 PSNR = 10* log MSE = [ ] 10 I( x, y) I'( x, y) MSE M. N y= 1 x= By Emy 10 5
6 Kriteria Mengukur Metode Kompresi Citra Format keluaran. Format citra hasl kompresi sebaiknya cocok untuk pengiriman dan penyimpanan data. Pembacaan citra bergantung pada bagaimana citra tersebut direpresentasikan (atau disimpan) By Emy 11 Pendekatan Pada Proses Kompresi Pendekatan statistik Kompresi citra didasarkan pada frekuensi kemunculan derajat keabuan pixel di dalam seluruh bagian citra. Contoh metode Huffman Coding. Pendekatan ruang Kompresi citra didasarkan pada hubungan spasial antara pixel-pixel didalam suatu kelompok yang memiliki derajad keabuan yang sama di dalam suatu daerah di dalam citra. Contoh metode Run Length Encoding Pendekatan kuantisasi Kompresi citra dilakukan dengan mengurangi jumlah derajat keabuan yang tersedia. Contoh metode kompresi kuantisasi Pendekatan fraktal Kompresi citra didasarkan pada kenyataan bahwa kemiripan bagianbagian di dalam citra dapat dieksploitasi dengan suatu matriks transformasi. Contoh metode Fractal Image Compression By Emy 12 6
7 Konsep Data Redundancy Tidak abstrak dan dapat dinyatakan dalam entitas besaran matematis Relative data redundancy R D : R D = 1-1/C R dan C R = n 1 /n 2 n 1 dan n 2 : jumlah satuan informasi yang dibawa data set 1 dan data set 2. Bila n 1 = n 2, maka C R = 1 dan R D = 0 (tidak ada redundancy). Bila n 2 << n 1, maka C R mendekati tak terhingga dan R D mendekati 1 (terjadi redundancy yang tinggi). Bila n 2 >> n 1, maka C R mendekati 0 dan R D mendekati minus tak terhingga (informasi yang dibawa data set 2 jauh lebih besar dari data set 1) Bila 0 < C R < 1 dan R D rendah ( tingkat redundancy rendah) By Emy 13 Data Redundancy Ada 3 jenis data redundancy pada citra: Coding redundancy Interpixel redundancy Psychovisual redundancy Suatu data dikatakan terkompresi jika satu atau lebih redundancy tersebut bisa dikurangi atau dihilangkan By Emy 14 7
8 Coding redundancy (1) Terjadi bila suatu kode simbol yang digunakan terdiri dari sejumlah bit yang melebihi jumlah bit yang diperlukan untuk representasi setiap simbol (dalam hal ini: tingkat keabuan piksel citra) By Emy 15 Coding redundancy (2) Fixed-length versus variable-length coding: r K p(r K ) fixed L(r K ) variable L(r K ) / / / / / / By Emy 16 8
9 Coding redundancy (3) Tingkat keabuan yang probabilitas terjadinya tinggi diberi panjang kode yang pendek, dan bila sebaliknya diberi kode yang panjang. Bila digunakan variable-length coding, panjang kode rata-rata: 7 L = Lr ( ) pr ( ) = 2.7bits AVE K K K= 0 Bila digunakan fixed-length coding 3 bits, tingkat redundancy-nya adalah: R D = 1 1/C R = 1 1/(3/2.7) = (sekitar 10%) 2007 By Emy 17 Interpixel Redundancy (1) Δ n = 1 Histogram distribusi tingkat keabuan sama untuk kedua citra. Pada gambar nilai autocorrelation tinggi pada Δ n = 1 dan pada gambar (b) juga tinggi pada Δ n = 45 dan By Emy 18 9
10 Interpixel Redundancy (2) Sering disebut juga sebagai spatial redundancy, geometric redundancy, atau interframe redundancy. Normalized autocorrelation coefficient: γ N Δ 1 n A( Δn) 1 γ ( Δ n) = A( Δ n) = f( x, y) f( x, y+δn) A(0) N Δn y= 0 dimana N adalah jumlah piksel pada baris x dan Δ n< N Nilai γ tinggi (berkorelasi tinggi) pada Δ n = 45 atau 90 (b) dimana ada spasi garis vertikal. Juga piksel yang berdekatan mempunyai korelasi tinggi, yaitu dengan Δ n = 1 dimana nilai adalah dan masing-masing untuk gambar (a) dan (b) By Emy 19 γ Interpixel Redundancy (3) Artinya: data redundancy dinyatakan dengan korelasi antar piksel dimana intensitas suatu piksel dapat diperkirakan dari intensitas piksel-piksel tetangganya. Artinya: informasi yang dibawa oleh setiap piksel relatif tidak besar atau kontribusi setiap piksel kepada gambar secara keseluruhan adalah redundan By Emy 20 10
11 Interpixel Redundancy (4) Citra yang mengandung interpixel redundancy dapat direpresentasi ke dalam bentuk yang lebih efisien (nonvisual format). Dimana citra tidak dinyatakan dalam bentuk matriks dari intensitas piksel-pikselnya, akan tetapi dipetakan (mapping) dalam bentuk perbedaan intensitas antar piksel yang bersebelahan. Bentuk data yang dimampatkan ini bersifat reversible, artinya dapat direkonstruksi kembali menjadi citra asalnya. Run-Length Coding: (g 1,R 1 ), (g 2, R 2 ) g i menyatakan tingkat keabuan dan R i menyatakan jumlah piksel bersebelahan pada baris bersangkutan yang mempunyai intensitas g i By Emy 21 Interpixel Redundancy (5) Contoh Citra: Run-Length Code Representation: (0,3), (1,2), (0,2) (0,3), (1,4), (0,1) (0,3), (1,4), (0,1) (0,2), (1,5), (0,1) (0,2), (1,5), (0,1) (0,3), (1,3), (0,3) (0,4), (1,1), (0,3) (0,8) Informasi Yang Disimpan: 22 pairs of integers 2007 By Emy 22 11
12 Psychovisual Redundancy (1) Mach Band: Suatu fenomena dimana intensitas keabuan yang bervariasi dilihat sebagai intensitas konstan, artinya: mata tidak mempunyai sensitivitas yang sama terhadap semua informasi yang dianggap penting dan tidak penting. Hal tersebut diatas dapat dikatakan sebagai psychovisual redundancy, yang bila dihilangkan tidak mengganggu persepsi kwalitas citra By Emy 23 Psychovisual Redundancy (2) Quantization: Eliminasi psychovisual redundancy mengakibatkan kerugian informasi bersifat kwalitas. Teknik ini disebut quantization, yaitu pemetaan dari daerah intensitas yang lebar menjadi daerah intensitas terbatas (batas kemampuan visual manusia) Mata sangat sensitif terhadap informasi edge / garis batas / patahan. Proses kwantisasi dapat disesuaikan untuk kepentingan mempertahankan informasi edge seperti yang dilakukan pada Improved Gray Scale (IGS) Quantization. Irreversible Operation: Quantization mengakibatkan hilangnya sebagian informasi visual, dengan demikian teknik ini termasuk pada kategori lossy data compression By Emy 24 12
13 Psychovisual Redundancy (3) IGS (Improved Gray Scale) Quantization Pixel Gray Level Sum IGS Code i - 1 NA NA i i i i Jika 4 most significant number bernilai 1111, maka yang ditambahkan adalah By Emy 25 Contoh 2007 By Emy 26 13
14 Psychovisual Redundancy (4) Lossy compression perlu adanya kriteria penilaian untuk mengatakan apakah hasil kompresi bagus atau tidak. Kriteria penilaian terbagi 2: Secara objektif Hilangnya informasi dinyatakan sebagai fungsi dari citra input ke citra output (next page) Secara subjektif Berdasarkan pada penilaian mata manusia. Tingkatannya: Excellent, fine, passable, marginal, inferior, unusable By Emy 27 Psychovisual Redundancy (5) Kesalahan akibat hilangnya informasi: f(x,y) adalah citra asli dan f (x,y) adalah citra approksimasi M 1N 1 Total Error: Error = ( f '( x, y) f ( x, y)) Root-Mean-Square Error: Mean-square Signal-to-Ratio: x= 0 y= 0 M 1 N 1 1 E RMS = ( ( f '( x, y) f ( x, y)) ) MN SNR = x = 0 y = 0 M 1N 1 x= 0 y= 0 MS M 1N 1 x= 0 y= 0 f '( x, y) ( f '( xy, ) f( xy, )) 2 1 / By Emy
15 By Emy 29 Model Kompresi citra Model sistem kompresi umum Source encoder: menghilangkan redundansi input Channel encoder: meningkatkan imunitas output source encoder terhadap gangguan noise (menggunakan Hamming code) Channel decoder & source decoder: mengembalikan ke data semula Jika channel dianggap bebas noise, maka channel encoder/decoder bisa diabaikan By Emy 30 15
16 Source encoder & decoder 2007 By Emy 31 Source encoder & decoder Source Encoder: terdiri dari Mapper, Quantizer dan Symbol Coder Mapper: melakukan transformasi dari citra masukan (visual format) menjadi suatu non-visual format dan dimaksud untuk eliminasi interpixel redundancy. Biasanya bersifat reversible, contoh: run-length coding. Quantizer: melakukan eliminasi psychovisual redundancy menurut kriteria fidelity yang ditentukan. Pada sistem kategori error-free compression, tahap ini tidak dilakukan Symbol Coder: menghasilkan kode fixed-length atau variablelength dan memetakan citra pada sistem kode tersebut By Emy 32 16
17 Source encoder & decoder Source Decoder: melakukan operasi yang berlawanan dengan source encoder dan menghasilkan suatu citra rekonstruksi yang persis atau merupakan bentuk approksimasi dari citra asalnya. Channel Encoder dan Decoder: menyisipkan controlled redundancy bits (penambahan bits) untuk mendeteksi bila terjadi error atau gangguan waktu transmisi By Emy By Emy 34 Teori Informasi 17
18 Teori Informasi (1) Informasi yang dikandung oleh suatu pesan dapat dinyatakan dengan suatu model yang bersifat probabilistik dalam bentuk yang dapat diterima secara intuisi. Suatu event (yaitu komponent yang membentuk data) terjadi dengan probabilitas P(E) dan mengandung satuan informasiyang dapat dinyatakan dengan: 1 I( E) = log log P( E) PE ( ) = dengan I(E) disebut juga sebagai self-information of E. Contoh-1: Bila P(E)=1 maka I(E)=0, artinya tidak ada informasi yang dibawa event E. Penjelasan secara intuitif: P(E)=1 berarti event E terjadi secara terus menerus, sehingga tidak ada yang tidak diketahui mengenai E (no uncertainty). Artinya event E sudah diketahui karena selalu terjadi sehingga tidak ada informasi yang dibawa oleh event E By Emy 35 Teori Informasi (2) Contoh-2: Dalam kurun waktu 20 tahun yang lalu jarang (ridak) terjadi pemboman di Indonesia, P(E) =0.99. Namum akhir-akhir ini mulai terjadi pemboman dan yang terdasyat adalah baru-baru ini terjadi di Legian, Bali, P(tidakE)=0.01. Penjelasannya secara intuitif: Memberitakan terjadinya pemboman lebih membawa informasi dibanding dengan memberitakan tidak terjadi pemboman. Contoh-3: Bila P(E)=1/2, maka I(E)=-log(1/2)= 1 bit (dengan log basis 2). Nilai 1 bit disini mempunyai arti besarnya informasi yang dikandung bila salah satu event (dari dua event yang probabilitas terjadinya sama besar yaitu ½) terjadi By Emy 36 18
19 Average Self-information (1) Suatu sumber informasi terdiri dari simbol: {a 1, a 2,, a j }, dengan P(a j ) adalah probabilitas sumber tersebut menghasilkan simbol a j, dengan: J Pa ( ) = 1 Sumber informasi (A,z) dengan: A={a 1, a 2,, a j } dan z={p(a 1 ), P(a 2 ),, P(a j )}. Bila sumber infromasi menghasilkan k simbol, maka simbol a j akan terjadi rata-rata sebanyak kp(a j ) kali. Sehingga average selfinformation yang dikandung oleh k simbol adalah: J k P( aj )log p( aj ) j= 1 j= By Emy 37 j Average Self-information (2) Selanjutnya dapat dirumuskan average information per simbol (per source output): J H( z) = P( aj )log p( aj ) j= 1 H(z) disebut juga sebagai tingkat uncertainty atau entropy dari sumber informasi. Bila H(k) = 0 artinya no uncertainty By Emy 38 19
20 Using Information Theory (1) Average information content content (entropy) of each pixel in an image: J H ( z) = P( aj )log p( aj ) j= 1 4x8 8-bit-pixel image: Bila menggunakan asumsi adanya uniform distribution, yaitu P(aj)=1/256 (256 adalah jumlah tingkat keabuan), maka H(z) = -256*(1/256*log(1/256)) yang mempunyai nilai 8. Artinya average information content (entropy) per pixel adalah 8 bits dan total entropy of the 4x8 image = 4 * 8 * 8 bits = 256 bits By Emy 39 Using Information Theory (2) Bila menggunakan model histogram tingkat keabuan citra untuk menentukan probabilitas source symbols (pixel intensities), maka: Tingkat Keabuan JumlahProbabilitas / / / /8 Dalam hal ini dikatakan bahwa (the first-order estimate) of the entropy per pixel: H(z) = - (2*(3/8)*log(3/8) + 2*(1/8)*log(1/8)) = 1.81 bits dan total entropy of image = 4*8*1.81 = 58 bits By Emy 40 20
21 Using Information Theory (3) Estimating the entropy of gray-level source by examining the relative frequency of pixel blocks (a block is a grouping of adjacent pixels): Gray Level Pair Count Probability (21,21) 8 1/4 (21,95) 4 1/8 (95,169) 4 1/8 (169,243) 4 1/8 (243,243) 8 1/4 (243,21) 4 1/8 Dalam hal ini dikatakan bahwa (the second-order estimate) of entropy per pixel H(z) = - (2*(1/4)*log(1/4) + 4*(1/8)*log(1/8))/2 = 1.25 bits By Emy 41 Using Information Theory (4) A difference array: Gray Level Difference Count Probability 0 (column 2,3,7,8) 16 1/4 21 (column1) 4 1/8 74 (column 4,5,6) 12 3/8 (the first-order estimate) of entropy per pixel = 1.41 bits and total entropy of image = 4 * 8 * 1.41 bits = 46 bits By Emy 42 21
22 By Emy By Emy 44 22
Kompresi Citra. Topik. Yeni Herdiyeni Departemen Ilmu Komputer FMIPA IPB. 1. Fundamentals. 2. Model Kompresi citra. 3.
Kompresi Citra Yeni Herdiyeni Departemen Ilmu Komputer FMIPA IPB Topik. Fundamentals 2. Model Kompresi citra 3. Teori Informasi 2 2 Kendala Data Citra Diital Mengapa perlu kompresi dan reduksi data? Data
Lebih terperinciPemampatan Citra Pemampatan Citra versus Pengkodean Citra
Bab 10 Pemampatan Citra P ada umumnya, representasi citra digital membutuhkan memori yang besar. Sebagai contoh, citra Lena dalam format bitmap yang berukuran 512 512 pixel membutuhkan memori sebesar 32
Lebih terperinciKOMPRESI CITRA. Pertemuan 12 Mata Pengolahan Citra
KOMPRESI CITRA Pertemuan 12 Mata Pengolahan Citra PEMAMPATAN CITRA Semakin besar ukuran citra semakin besar memori yang dibutuhkan. Namun kebanyakan citra mengandung duplikasi data, yaitu : Suatu piksel
Lebih terperinciPemampatan Citra. Esther Wibowo Erick Kurniawan
Pemampatan Citra Esther Wibowo esther.visual@gmail.com Erick Kurniawan erick.kurniawan@gmail.com Mengapa? MEMORI Citra memerlukan memori besar. Mis. Citra 512x512 pixel 256 warna perlu 32 KB (1 pixel =
Lebih terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6 Semeste r : VI Waktu : x x 5 Menit Pertemuan : & 4 A. Kompetensi. Utama Mahasiswa dapat memahami tentang sistem pengolahan
Lebih terperinciMKB3383 -TEKNIK PENGOLAHAN CITRA. Kompresi Citra. Muhammad Zidny Naf an, M.Kom. Genap, 2016/2017
MKB3383 -TEKNIK PENGOLAHAN CITRA Kompresi Citra Muhammad Zidny Naf an, M.Kom. Genap, 2016/2017 Latar Belakang 2 Latar Belakang Seringkali representasi citra yang besar membutuhkan memori yang besar Contoh
Lebih terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 13 Kompresi Citra. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 13 Kompresi Citra Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta 2015 KULIAH
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang Masalah
1. Pendahuluan 1.1 Latar Belakang Masalah Jumlah pengguna komputer semakin meningkat. Peningkatan jumlah pengguna komputer mengakibatkan penggunaan data digital juga semakin meningkat. Salah satu media
Lebih terperinciDiperlukan suatu mekanisme dimana kita dapat mengukur performansi dari suatu proses pengolahan citra.
Fidelity Criteria Proses pengolahan citra pada dasarnya dilakukan untuk menghasilkan sebuah citra yang sesuai dengan kebutuhan user Dengan definisi diatas sulit menentukan pengukuran secara objektif terhadap
Lebih terperinciPenerapan Pohon Biner Huffman Pada Kompresi Citra
Penerapan Pohon Biner Huffman Pada Kompresi Citra Alvin Andhika Zulen (3507037) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan Ganesha No 0 Bandung,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam
Lebih terperinciDIGITAL IMAGE CODING. Go green Aldi Burhan H Chandra Mula Fitradi Mardiyah
DIGITAL IMAGE CODING Go green Aldi Burhan H Chandra Mula Fitradi Mardiyah KOMPRESI LOSSLESS Teknik kompresi lossless adalah teknik kompresi yang tidak menyebabkan kehilangan data. Biasanya digunakan jika
Lebih terperinciPengolahan Citra. Pusat Studi Mikroelektronika & Pengolahan Citra Universitas Gunadarma, Jakarta
Pendahuluan Konsep Dasar pengolahan Citra Peningkatan Mutu Citra Pemampatan Citra Steganografi Pusat Studi Mikroelektronika & Universitas Gunadarma, Jakarta http://pusatstudi.gunadarma.ac.id/pscitra Pendahuluan
Lebih terperinciPEMAMPATAN CITRA (IMA
PEMAMPATAN CITRA (IMAGE COMPRESSION) PENGERTIAN Kompresi Citra adalah aplikasi kompresi data yang dilakukan terhadap citra digital dengan tujuan untuk mengurangi redundansi dari data-data yang terdapat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Kompresi 2.1.1 Sejarah kompresi Kompresi data merupakan cabang ilmu komputer yang bersumber dari Teori Informasi. Teori Informasi sendiri adalah salah satu cabang Matematika yang
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Pengenalan Citra
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra merupakan representasi (gambaran) dari sebuah objek nyata yang dihasilkan oleh alat digital. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
5 BAB 2 TINJAUAN PUSTAKA Setelah membaca bab ini maka pembaca akan memahami pengertian tentang kompresi, pengolahan citra, kompresi data, Teknik kompresi, Kompresi citra. 2.1 Defenisi Data Data adalah
Lebih terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL. foto, bersifat analog berupa sinyal sinyal video seperti gambar pada monitor
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Pendahuluan Citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bab ini membahas landasan teori yang bersifat ilmiah untuk mendukung penulisan penelitian ini. Teori-teori yang dibahas mengenai pengertian citra, jenis-jenis citra digital, metode
Lebih terperinciKompresi Citra dan Video. Muhtadin, ST. MT.
Kompresi Citra dan Video Muhtadin, ST. MT. Outline Motivasi Redundancy & Irrelevancy Spatial Processing JPEG Temporal Processing Frame differencing Motion Estimation dan Motion Compensation Prediction
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Citra 2.1.1 Definisi Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra digital adalah citra yang dapat diolah oleh komputer. Citra
Lebih terperinciImage Compression. Kompresi untuk apa?
Image Compression Kompresi untuk apa? Volume data yang besar Bit rate tinggi bandwidth yang tinggi Bayangkan sebuah video dengan resolusi 640x480 dengan 30 fps, dimana menggunakan penyimpanan 24-bit. Bila
Lebih terperinciKOMPRESI CITRA. lain. Proses mengubah citra ke bentuk digital bisa dilakukan dengan beberapa perangkat,
KOMPRESI CITRA Dalam kesempatan ini saya mencoba untuk menjelaskan apa itu kompresi citra dan bagaimana cara-cara format citra dengan menggunakan BMP, PNG, JPEG, GIF, dan TIFF. Kompresi citra itu adalah
Lebih terperinciKompresi Citra Irawan Afrianto Sistem Multimedia 2007/2008
Kompresi Citra Irawan Afrianto KOMPRESI CITRA Kompresi Citra adalah aplikasi kompresi data yang dilakukan terhadap citra digital dengan tujuan untuk mengurangi g redundansi dari data-data yang terdapat
Lebih terperinci~ By : Aprilia Sulistyohati, S.Kom ~
~ By : Aprilia Sulistyohati, S.Kom ~ APA ITU KOMPRESI?? Kompresi mengecilkan/memampatkan ukuran Kompresi data Teknik mengecilkan data sehingga diperoleh file dengan ukuran yang lebih kecil daripada ukuran
Lebih terperinciImplementasi Metode Run Length Encoding (RLE) untuk Kompresi Citra
249 Implementasi Metode Run Length Encoding (RLE) untuk Kompresi Citra Ahmad Jalaluddin 1, Yuliana Melita 2 1) Univers itas Islam Lamongan 2) Sekolah Tinggi Teknik Surabaya Odden.85@gmail.com, ymp@stts.edu
Lebih terperinciBAB I. PENDAHULUAN Latar Belakang Masalah
BAB I. PENDAHULUAN 1 1.1. Latar Belakang Masalah Citra adalah gambar yang berada pada bidang dua dimensi. Agar dapat diproses lebih lanjut, sebuah citra disimpan di dalam bentuk digital. Ukuran citra digital
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Secara umum, data citra digital ditandai oleh informasi dengan jumlah bit yang besar sehingga menimbulkan masalah untuk memindahkan, memproses atau menyimpannya. Biasanya
Lebih terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih terperinciNASKAH PUBLIKASI KOMPRESI CITRA DENGAN METODE ARITHMETIC CODING DALAM KAWASAN ENTROPY CODING
NASKAH PUBLIKASI KOMPRESI CITRA DENGAN METODE ARITHMETIC CODING DALAM KAWASAN ENTROPY CODING Disusun Sebagai Salah Satu Syarat Menyelesaikan Program Studi Strata 1 Jurusan Elektro Fakultas Teknik Universitas
Lebih terperinciStandard Kompresi Citra: JPEG
Standard Kompresi Citra: JPEG Kompresi/Coding Citra (JPEG) Dirancang oleh Joint Photographic Experts Group (usaha kolaboratif ITU-T dan ISO) Mendukung macam aplikasi kompresi paling umum digunakan untuk
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Definisi Data Data merupakan salah satu hal utama yang dikaji dalam masalah teknologi informasi. Penggunaan dan pemanfaatan data sudah mencakup banyak aspek. Berikut adalah pembahasan
Lebih terperinciLANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital
LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap
Lebih terperinciN, 1 q N-1. A mn cos 2M , 2N. cos. 0 p M-1, 0 q N-1 Dengan: 1 M, p=0 2 M, 1 p M-1. 1 N, q=0 2. α p =
tulisan. Secara umum, steganografi dapat diartikan sebagai salah satu cara menyembunyikan suatu pesan rahasia (message hiding) dalam data atau pesan lain yang tampak tidak mengandung apa-apa sehingga keberadaan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciAPLIKASI KOMPRESI CITRA BERBASIS ROUGH FUZZY SET
APLIKASI KOMPRESI CITRA BERBASIS ROUGH FUZZY SET Anny Yuniarti 1), Nadya Anisa Syafa 2), Handayani Tjandrasa 3) 1,2,3) Jurusan Teknik Informatika Institut Teknologi Sepuluh Nopember (ITS) Surabaya Surabaya
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Digital Istilah citra biasanya digunakan dalam bidang pengolahan citra yang berarti gambar. Suatu citra dapat didefinisikan sebagai fungsi dua dimensi, di mana dan adalah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Citra (image) adalah kombinasi antara titik, garis, bidang, dan warna untuk menciptakan suatu imitasi dari suatu obyek, biasanya obyek fisik atau manusia. Citra dapat
Lebih terperinciTeknik Kompresi Citra Menggunakan Metode Huffman
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 26 A-5 Teknik Kompresi Citra Menggunakan Metode Huffman Tri Rahmah Silviani, Ayu Arfiana Program Pascasarjana Universitas Negeri Yogyakarta Email:
Lebih terperinciPenerapan Kohonen Self Organized Map Dalam Kuantisasi Vektor Pada Kompresi Citra Bitmap 24 Bit
Penerapan Kohonen Self Organized Map Dalam Kuantisasi Vektor Pada Kompresi Citra Bitmap 24 Bit Gadis Fransiska Yulianti Tae, Sri Suwarno, Widi Hapsari Fakultas Teknologi Informasi, Program Studi Teknik
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peningkatan teknologi komputer memberikan banyak manfaat bagi manusia di berbagai aspek kehidupan, salah satu manfaatnya yaitu untuk menyimpan data, baik data berupa
Lebih terperinciTUGAS AKHIR IMPLEMENTASI ALGORITMA METODE HUFFMAN PADA KOMPRESI CITRA
TUGAS AKHIR IMPLEMENTASI ALGORITMA METODE HUFFMAN PADA KOMPRESI CITRA Disusun sebagai Salah Satu Syarat Menyelesaikan Program Studi Strata 1 Jurusan Elektro Fakultas Teknik Universitas Muhammadiyah Surakarta
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinciKOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET
KOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET NASKAH PUBLIKASI Diajukan Untuk Memenuhi Tugas dan Syarat-syarat Guna Memperoleh Gelar Sarjana Teknik pada Fakultas Teknik Jurusan
Lebih terperinciKata kunci: pohon biner, metode Huffman, metode Kanonik Huffman, encoding, decoding.
ALGORITMA HUFFMAN KANONIK UNTUK KOMPRESI TEKS SMS Moch Ginanjar Busiri 13513041 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperinciGambar 2.1 Contoh citra biner
BAB 2 LANDASAN TEORI 2.1 Citra Citra atau gambar dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y), di mana x dan y adalah koordinat bidang datar, dan harga fungsi f di setiap pasangan koordinat
Lebih terperinciOleh : Page 1
MODUL II PRINSIP TEKNIK KOMPRESI 2.1. Mengapa Kompresi Motivasi kompresi sinyal : Dunia digital mengalami pertumbuhan yang sangat cepat : Sinyal diperoleh secara digital Sinyal analog dikonversi ke digital
Lebih terperinciTUGAS AKHIR KOMPRESI CITRA BERWARNA DENGAN PENERAPAN DISCRETE COSINE TRANSFORM ( DCT )
TUGAS AKHIR KOMPRESI CITRA BERWARNA DENGAN PENERAPAN DISCRETE COSINE TRANSFORM ( DCT ) Diajukan untuk Melengkapi Tugas Akhir dan Memenuhi Syarat-syarat untuk Mencapai Gelar Sarjana Teknik Fakultas Teknik
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori ilmiah untuk mendukung penelitian ini. Teori-teori yang dibahas mengenai pengertian citra, kompresi citra, algoritma dan jenisnya,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Citra Digital Citra digital adalah citra yang terdiri dari sinyal-sinyal frekuensi elektromagnetis yang sudah di-sampling sehingga dapat ditentukan ukuran titik gambar tersebut
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra adalah suatu representasi, kemiripan atau imitasi dari suatu objek atau benda, misal: foto seseorang mewakili entitas dirinya sendiri di depan kamera. Sedangkan
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Kompresi Data Kompresi adalah mengecilkan/ memampatkan ukuran. Kompresi Data adalah teknik untuk mengecilkan data sehingga dapat diperoleh file dengan ukuran yang lebih kecil
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI II.1 Multimedia Sebelum membahas tentang watermarking sebagai perlindungan terhadap hak cipta, ada baiknya terlebih dahulu dibicarakan tentang pengertian multimedia. Multimedia memiliki
Lebih terperinciMKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner
MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner Dosen Pengampu: Muhammad Zidny Naf an, M.Kom. Genap 2016/2017 Definisi Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat
Lebih terperinciKOMPRESI CITRA. Multimedia Jurusan Teknik Informatika
KOMPRESI CITRA Multimedia Jurusan Teknik Informatika ruliriki@gmail.com 1 Kompresi Citra adalah aplikasi kompresi data yang dilakukan terhadap citra digital dengan tujuan untuk mengurangi redundansi dari
Lebih terperinciImplementasi Metode HUFFMAN Sebagai Teknik Kompresi Citra
Jurnal Elektro ELEK Vol. 2, No. 2, Oktober 2011 ISSN: 2086-8944 Implementasi Metode HUFFMAN Sebagai eknik Kompresi Citra Irmalia Suryani Faradisa dan Bara Firmana Budiono Jurusan eknik Elektro, Institut
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu system perekaman data dapat bersifat optik berupa foto,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang dapat diolah oleh komputer (Sutoyo & Mulyanto, 2009). Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciPage 1
MODUL V KOMPRESI CITRA DAN VIDEO Tiga tipe dari informasi yang berlebihan (redundancy) yang dapat dihilangkan atau direduksi : Spasial : Di dalam frame yang sama Sering kali menggunakan metode yang sama
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Pengertian citra Secara umum pengertian citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data
Lebih terperinciTTG3B3 - Sistem Komunikasi 2 Teori Informasi
TTG3B3 - Sistem Komunikasi 2 Teori Informasi S1 Teknik Telekomunikasi Fakultas Teknik Elektro Universitas Telkom Oleh: Linda Meylani Agus D. Prasetyo Tujuan Pembelajaran Memahami besaran-besaran informasi
Lebih terperinciKOMPRESI CITRA MENGGUNAKAN METODE RUN LENGTH ENCODING (RLE) DAN ALGORITMA ARITMETIC CODING
Jurnal INFOTEK, Vol, No, Juni 06 ISSN 50-6968 (Media Cetak) KOMPRESI CITRA MENGGUNAKAN METODE RUN LENGTH ENCODING (RLE) DAN ALGORITMA ARITMETIC CODING Khairul Fahmi (009) Mahasiswa Program Studi Teknik
Lebih terperinciBAB III METODE KOMPRESI HUFFMAN DAN DYNAMIC MARKOV COMPRESSION. Kompresi ialah proses pengubahan sekumpulan data menjadi suatu bentuk kode
BAB III METODE KOMPRESI HUFFMAN DAN DYNAMIC MARKOV COMPRESSION 3.1 Kompresi Data Definisi 3.1 Kompresi ialah proses pengubahan sekumpulan data menjadi suatu bentuk kode untuk menghemat kebutuhan tempat
Lebih terperinciPERBANDINGAN METODE HUFFMAN DAN FRAKTAL DALAM KOMPRESI CITRA
PERBANDINGAN METODE HUFFMAN DAN FRAKTAL DALAM KOMPRESI CITRA Cici Kurniati Mahasiswa Program Studi Teknik Informatik, FT UMRAH Nerfita Nikentari, ST., M.Cs Dosen Program Studi Teknik Informatika, FT UMRAH
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
6 BAB 2 TINJAUAN PUSTAKA 2.1. Kompresi Data Dalam ilmu komputer, pemampatan data atau kompresi data adalah sebuah cara untuk memadatkan data sehingga hanya memerlukan ruangan penyimpanan lebih kecil sehingga
Lebih terperinciBAB 1 PENDAHULUAN. Bab 1 Pendahuluan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi terutama pada dunia digital pada saat ini memungkinkan informasi dalam berbagai bentuk dan media dapat tersebar dengan cepat tanpa batas ruang
Lebih terperinciPerbandingan Kompresi Citra Metode Five-Modulus dan Kuantisasi dengan Perbaikan Citra Histogram-Equalization
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 Perbandingan Kompresi Citra Metode Five-Modulus dan Kuantisasi dengan Perbaikan Citra Histogram-Equalization Florida Nirma Sanny Damanik 1, Ali Akbar
Lebih terperinciPeningkatan Kompresi Citra Digital Menggunakan Discrete Cosine Transform 2 Dimension (DCT 2D)
1 Peningkatan Kompresi Citra Digital Menggunakan Discrete Cosine Transform 2 Dimension ( 2D) Nadia Printa Tearani, Member, IEEE Abstract Digital image compression is a data compression application that
Lebih terperinciBAB II TINJAUAN PUSTAKA
DAFTAR ISI HALAMAN PENGESAHAN... PERNYATAAN... PRAKATA... DAFTAR ISI... DAFTAR GAMBAR... DAFTAR TABEL... DAFTAR LAMPIRAN... DAFTAR SINGKATAN... INTISARI... ABSTRACT... BAB I PENDAHULUAN 1.1 Latar Belakang...
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Kompresi Data Kompresi data adalah proses mengkodekan informasi menggunakan bit atau information-bearing unit yang lain yang lebih rendah daripada representasi data yang tidak
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Kompresi File Pada dasarnya semua data itu merupakan rangkaian bit 0 dan 1. Yang membedakan antara suatu data tertentu dengan data yang lain adalah ukuran dari rangkaian bit dan
Lebih terperinciCitra Digital. Petrus Paryono Erick Kurniawan Esther Wibowo
Citra Digital Petrus Paryono Erick Kurniawan erick.kurniawan@gmail.com Esther Wibowo esther.visual@gmail.com Studi Tentang Pencitraan Raster dan Pixel Citra Digital tersusun dalam bentuk raster (grid atau
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital dapat didefenisikan sebagai fungsi f(x,y), berukuran M baris dan N kolom, dengan x dan y adalah koordinat spasial dan amplitudo f di titik kordinat
Lebih terperinciPENGARUH PERUBAHAN RANK MATRIK TERHADAP KUALITAS CITRA PADA KOMPRESI CITRA METODE SINGULAR VALUE DECOMPOSITION (SVD)
PENGARUH PERUBAHAN RANK MATRIK TERHADAP KUALITAS CITRA PADA KOMPRESI CITRA METODE SINGULAR VALUE DECOMPOSITION (SVD) Abstrak Bakti Otrayigus¹, T.Sutojo,Ssi., M.Kom² Program Studi S1 Teknik Informatika
Lebih terperinciKOMPRESI CITRA DENGAN METODE SCAN
KOMPRESI CITRA DENGAN METODE SCAN Riko Arlando Saragih 1, Roy Rikki Hutahean 2 1 Jurusan Teknik Elektro, Fakultas Teknik,Universitas Kristen Maranatha Jl. Surya Sumantri 65 Bandung 40164 Telp. (022) 2012186
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang pesat, sangat berperan penting dalam pertukaran informasi yang cepat. Pada pengiriman informasi dalam bentuk citra masih mengalami kendala,
Lebih terperinci[TTG4J3] KODING DAN KOMPRESI. Oleh : Ledya Novamizanti Astri Novianty. Prodi S1 Teknik Telekomunikasi Fakultas Teknik Elektro Universitas Telkom
[TTG4J3] KODING DAN KOMPRESI Oleh : Ledya Novamizanti Astri Novianty Prodi S1 Teknik Telekomunikasi Fakultas Teknik Elektro Universitas Telkom Merepresentasikan nilai input yang banyak dan tak terbatas
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciApa Compressed Sensing?
1 COMPRESSED SENSING UNTUK APLIKASI PENGOLAHAN CITRA OMRIN TAMPUBOLON 2207100531 DOSEN PEMBIMBING Dr. Ir. Wirawan, DEA Jurusan Teknik Elektro Bidang Studi Telekomunikasi Multimedia Institut Teknologi Sepuluh
Lebih terperinciAnalisis Hasil Proses Pemampatan JPEG dengan Metode Discrete Cosine Transform
IJEIS, Vol.2, No.1, April 2012, pp. 1~10 ISSN: 2088-3714 1 Analisis Hasil Proses Pemampatan JPEG dengan Metode Discrete Cosine Transform Adi Prasetio Utomo* 1, Agfianto Eko Putra 2, Catur Atmaji 3 1 Prodi
Lebih terperinciANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL
ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL Nur hajizah (13111171) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.
Lebih terperinciImage Compression. Tujuan Kompresi Image. Teknik kompresi yang diharapkan. Image Compression. Kompresi untuk apa?
Tujuan Kompresi Image Image Compression Sesi 0 Dosen Pembina : Sriyani Violina Danang Junaedi Kompresi untuk apa? Volume data yang besar Bit rate tinggi bandwidth yang tinggi Bayangkan sebuah video dengan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi informasi ternyata berdampak pada perkembangan ilmu pengetahuan yang lain. Semuanya merupakan informasi yang sangat penting. Oleh karena
Lebih terperinciPenggunaan Kode Huffman dan Kode Aritmatik pada Entropy Coding
Penggunaan Kode Huffman dan Kode Aritmatik pada Entropy Coding Wisnu Adityo NIM:13506029 Program Studi Teknik Informatika ITB, Jalan Ganesha no 10 Bandung, email : raydex@students.itb.ac.id Abstrak Pada
Lebih terperinciMULTIMEDIA system. Roni Andarsyah, ST., M.Kom Lecture Series
MULTIMEDIA system Roni Andarsyah, ST., M.Kom Lecture Series Kompresi data teks (Huffman coding, RLE coding, LZW coding, arithmetic coding Representasi dan kompresi data suara dan audio Representasi dan
Lebih terperinciPROSIDING ISBN :
T-21 PERBANDINGAN RASIO KOMPRESI PADA KOMPRESI CITRA DIGITAL BITMAP MENGGUNAKAN KOMBINASI METODE DISCRETE COSINE TRANSFORM DAN ARITHMETIC CODING DENGAN BERBAGAI DIMENSI CITRA SUMBER Dimas Aryo Prakoso
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini penulis memaparkan teori-teori ilmiah yang didapat dari metode pencarian fakta yang digunakan untuk mendukung penulisan skripsi ini dan sebagai dasar pengembangan sistem
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Citra atau gambar adalah sebuah fungsi dua dimensi, f(x,y), dimana x dan y koordinat bidang datar dan f di setiap pasangan koordinat disebut intensitas atau level keabuan
Lebih terperinciSISTEM ANALISA PERBANDINGAN UKURAN HASIL KOMPRESI WINZIP DENGAN 7-ZIP MENGGUNAKAN METODE TEMPLATE MATCHING
SISTEM ANALISA PERBANDINGAN UKURAN HASIL KOMPRESI WINZIP DENGAN 7-ZIP MENGGUNAKAN METODE TEMPLATE MATCHING Pandi Barita Simangunsong Dosen Tetap STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang
Lebih terperinciBAB II LANDASAN TEORI. Kompresi data atau pemampatan data adalah suatu proses pengubahan
BAB II LANDASAN TEORI 2.1 Kompresi Kompresi data atau pemampatan data adalah suatu proses pengubahan sekumpulan data menjadi suatu bentuk kode untuk menghemat kebutuhan tempat penyimpanan data dan waktu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Kompresi Data Kompresi data sudah ada dalam 20 tahun terakhir ini. Kompresi data memberikan pengaruh yang cukup besar terhadap berbagai bidang studi sekarang ini. Hal ini terbukti
Lebih terperinciBAB II DASAR TEORI. 2.1 Pendahuluan
BAB II DASAR TEORI 2.1 Pendahuluan Kompresi data adalah proses pengkodean (encoding) informasi dengan menggunakan bit yang lebih sedikit dibandingkan dengan kode yang sebelumnya dipakai dengan menggunakan
Lebih terperinciKompresi Video Menggunakan Discrete Cosine Transform
Kompresi Video Menggunakan Discrete Cosine Transform Hananto Edy Wibowo 1, Indra Sakti Wijayanto 2, Nugroho Herucahyono 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan dunia digital, terutama dengan berkembangnya internet, menyebabkan informasi dalam berbagai bentuk dan media dapat tersebar dengan cepat tanpa
Lebih terperinciRepresentasi Citra. Bertalya. Universitas Gunadarma
Representasi Citra Bertalya Universitas Gunadarma 2005 Pengertian Citra Digital Ada 2 citra, yakni : citra kontinu dan citra diskrit (citra digital) Citra kontinu diperoleh dari sistem optik yg menerima
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinci