KOMPRESI CITRA. Pertemuan 12 Mata Pengolahan Citra

Ukuran: px

Mulai penontonan dengan halaman:

Download "KOMPRESI CITRA. Pertemuan 12 Mata Pengolahan Citra"

Surya Hermanto
7 tahun lalu
Tontonan:

1 KOMPRESI CITRA Pertemuan 12 Mata Pengolahan Citra

2 PEMAMPATAN CITRA Semakin besar ukuran citra semakin besar memori yang dibutuhkan. Namun kebanyakan citra mengandung duplikasi data, yaitu : Suatu piksel memiliki intensitas yang sama dengan dengan piksel tetangganya, sehingga penyimpanan setiap piksel memboroskan tempat.

3 PEMAMPATAN CITRA Citra banyak mengandung bagian (region) yang sama, sehingga bagian yang sama ini tidak perlu dikodekan berulangkali karena mubazir atau redundan. Contoh : citra langit biru dengan beberapa awan putih banyak intensitas piksel dan region yang sama.

4 TUJUAN Pemampatan citra / kompresi citra bertujuan meminimalkan kebutuhan memori untuk merepresentasikan citra digital dengan mengurangi duplikasi data di dalam citra sehingga memo yang dibutuhkan menjadi lebih sedikit daripada representasi citra semula

5 PENDEKATAN PEMAMPATAN CITRA 1. Pendekatan Statistik Berdasarkan frekuensi kemunculan derajat keabuan pixel didalam seluruh bagian gambar. Contoh: Metode Huffman Coding 2. Pendekatan Ruangan Berdasarkan pada hubungan spasial antara pixelpixel di dalam suatu kelompok yang memiliki derajat keabuan yang sama didalam suatu daerah didalam gambar. Contoh: Metode Run-Length Encoding.

6 PENDEKATAN PEMAMPATAN CITRA 3. Pendekatan Kuantisasi 3. Dengan mengurangi jumlah derajat keabuan yang tersedia. 4. Contoh: Metode Pemampatan Kuantisasi 4. Pendekatan Fraktal 3. Berdasarkan kenyataan bahwa kemiripan bagianbagian didalam citra dapat tereksploitasi dengan suatu matriks tranformasi. 4. Contoh: Metode Fractal Image Compression

7 METODE PEMAMPATAN CITRA 1. Metode Lossless Selalu menghasilkan citra hasil penirmampatan yang tepat sama dengan citra semula, pixel per pixel. Contoh: Metode Huffman Misalnya, memampatkan gambar hasil diagnosa. 2. Metode Lossy Menghasilkan citra hasil pemampatan yang hampir sama.

8 STATISTICAL COMPRESSION (METODE PEMAMPATAN HUFFMAN) Termasuk metode lossless compression Pengkodean citra berdasarkan pada derajat keabuan (gray level) dari piksel-piksel dalam keseluruhan image. Algoritma metode Huffman : 1. Urutkan secara menaik nilai keabuan berdasarkan frekuensi kemunculannya atau peluang kumunculan yaitu frekuensi kemunculan dibagi dengan jumlah piksel dalam citra (pk = nk/n). Setiap nilai keabuan dinyatakan sebagai pohon bersimpul tunggal dan setiap simpul diassign dengan frekuensi kemunculan nilai keabuan tersebut.

9 STATISTICAL COMPRESSION (METODE PEMAMPATAN HUFFMAN) 2. Gabung 2 buah pohon yang mempunyai frekuensi kemunculan paling kecil pada sebuah akar. Akar mempunyai frekuensi yang merupakan jumlah dari frekuensi 2 pohon penyusunnya. Perhatikan : frekuensi dengan nilai lebih kecil diletakkan di sisi kiri 3. Ulangi langkah 1 dan 2 sampai tersisa 1 pohon biner. 4. Beri label setiap sisi pada pohon biner, label sisi kiri = 0, label sisi kanan = Telusuri pohon biner dari akar ke daun. Barisan label-label sisi dari akar ke daun menyatakan kode Huffman untuk derajat keabuan yang bersesuaian.

10 METODE HUFFMAN Contoh : citra ukuran 64 x 64 dengan 8 derajat keabuan (k) jumlah seluruh piksel (n) = 64 x 64 = K nk P(k) = nk/n

11 METODE HUFFMAN Langkah 1 : 7 : 0,02 6 : 0,03 5 : 0,06 4 : 0,08 3 : 0,16 2 : 0,21 1 : 0,25 0 : 0,19 Langkah 2 : 76 : 0,05 5 : 0,06 4 : 0,08 3 : 0,16 0 : 0,19 2 : 0,21 1 : 0,25 7 : 0,02 6 : 0,03

12 METODE HUFFMAN Langkah 3 : Ulangi langkah 1 & 2 sampai tersisa 1 pohon biner Ingat, frekuensi yang lebih kecil diletakkan di sisi kiri 4 : 0,08 765: 0,11 3 : 0,16 0 : 0,19 2 : 0,21 1 : 0,25 76 : 0,05 5 : 0,06 7 : 0,02 6 : 0,03

13 METODE HUFFMAN 3 : 0, : 0 : 0,19 2 : 0,21 1 : 0,25 0,19 4 : 0,08 765: 0,11 76 : 0,05 5 : 0,06 7 : 0,02 6 : 0,03

14 METODE HUFFMAN 3 : 0,16 4 : 0, : 0, : 0,19 765: 0,11 0 : 0,19 2 : 0,21 1 : 0,25 Dengan formasi seperti diatas, pilih 2 frekuensi terkecil, kemudian gabungkan dan urutkan secara menaik. 76 : 0,05 5 : 0,06 7 : 0,02 6 : 0,03

15 METODE HUFFMAN : 0,60 02: 0,40 1 : 0,25 3 : 0, : 0, : 0,19 0 : 0,19 2 : 0,21 4 : 0,08 765: 0,11 76 : 0,05 5 : 0,06 7 : 0,02 6 : 0,03

16 : 1,00 METODE HUFFMAN 02: 0,40 1 : 0, : 0, : 0,35 0 : 0,19 2 : 0,21 3 : 0, : 0,19 Karena sudah tersisa 1 pohon, lakukan langkah : 0,05 4 : 0,08 765: 0,11 5 : 0,06 7 : 0,02 6 : 0,03

17 0 0 02: 0, : 1,00 0 : 0,19 2 : 0,21 1 : 0,25 Langkah 4 : Beri label 0 untuk sisi kiri, sisi kanan label METODE HUFFMAN : 0, : 0, : 0, : 0,19 4 : 0, : 0, : 0, : 0, : 0,02 6 : 0,03

18 METODE HUFFMAN Langkah 5 : Telusuri pohon biner dari akar ke daun untuk menentukan kode Huffman yang sesuai dengan derajat keabuan. Derajat keabuan Kode Huffman Ukuran Banyaknya piksel bit bit bit bit bit bit bit bit 81 Ukuran citra setelah kompresi = (790 x 2 bit) + (1023 x 2 bit) + (850 x 2 bit) + (656 x 3 bit) + (329 x 4 bit) + (245 x 5 bit) + (122 x 6 bit) + (81 x 6 bit) = bit

19 METODE HUFFMAN Ukuran citra sebelum kompresi = 4096 piksel x 3 bit = bit Tiap piksel berukuran 3 bit, diperoleh dari 2 3 = 8 derajat keabuan (nilai intensitas piksel 0 s/d 7) Misal 256 derajat keabuan berarti nilai intensitas piksel 0 s/d 255, tiap piksel berukuran 8 bit (1 byte ) diperoleh dari 2 8 = 256 Ratio Kompresi= 100%-((ukuran citra hasil kompresi/ukuran citra hasil)*100% = 100%-((11053/12288)*100%) = 10%, artinya citra semula telah dimampatkan sebanyak 10%

dokumen-dokumen yang mirip

Pemampatan Citra. Esther Wibowo Erick Kurniawan

Pemampatan 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 =