KOMPRESI CITRA DIGITAL MENGGUNAKAN METODE STATISTICAL CODING Abdul Halim Hasugian Dosen Tetap Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang Limun Medan www.stmik-budidarma.ac.id//email:abdulhasugian@gmail.co.id Abstrak Citra adalah gambar pada bidang dwimatra (dua dimensi) atau kumpulan dari pada titik-titik dengan intensitas yang membentuk satu kesatuan perpaduan yang mempunyai arti artistic maupun arti intrinsik. Pengenalan citra menjadi sangat rumit karena tekstur citra memiliki kemiripan yang sangat tinggi. oleh karena itu rancang suatu komperasi citra yang mana Kompresi citra dikembangkan untuk memudahkan penyimpanan dan pengiriman citra. Teknik kompresi yang ada sekarang memungkinkan citra dikompresi sehingga ukurannya menjadi jauh lebih kecil daripada ukuran asli. Dengan Kompresi metode statistical coding ini maka kualitas citra yang dikompresikan akan sama dengan citra awal atau citra semula. Kata kunci: Citra, Kompresi, Statistical Coding 1. Pendahuluan 3. Batasan Masalah Penerapan komputer untuk mengolah data dua dimensi (citra), seperti peningkatan mutu citra, kompresi citra, pencarian citra dan berbagai pengolahan citra digital lainnya. Penerapan citra merupakan salah satu pengolahan data dua dimensi. Sebuah citra diubah ke bentuk digital agar dapat disimpan dalam memori komputer atau media lain. Proses mengubah citra ke bentuk digital bisa dilakukan dengan beberapa perangkat, misalnya scanner, kamera digital, dan handycam. Ketika sebuah citra sudah diubah ke dalam bentuk digital (selanjutnya disebut citra digital), bermacam-macam proses pengolahan citra dapat diperlakukan terhadap citra tersebut. Pengenalan citra menjadi sangat rumit karena tekstur citra memiliki kemiripan yang sangat tinggi. oleh karena itu rancang suatu komperasi citra yang mana Kompresi citra dikembangkan untuk memudahkan penyimpanan dan pengiriman citra. Teknik kompresi yang ada sekarang memungkinkan citra dikompresi sehingga ukurannya menjadi jauh lebih kecil daripada ukuran asli. 2. Ruang Lingkup Masalah Kompresi citra memerlukan suatu metode yang dapat membantu peneliti, maka yang menjadi ruang lingkup permasalahan sebagai berikut : 1. Bagaimana merancang suatu perangkat lunak untuk melakukan kompresi citra digital dengan menggunakan metode Statistical coding. 2. Apakah citra yang dikompres dapat didekompresi kembali untuk menampilkan format citra asli setelah proses kompresi. Oleh karena permasalahan dan keterbatasan serta kemampuan penulis supaya pembahasan tidak menyimpang dari tujuan maka dilakukan pembatasan masalah sebagai berikut : 1. Kemampuan Perangkat Lunak a. Mengkompresi Format data citra Bitmap (BMP) ke data citra Graphich Interchange Format(GIF). b. Hanya dapat mengolah satu citra satu saat. c. Mendukung format citra BMP dan GIF. d. Kompresi citra dengan metode statistical coding. 2. Bahasa pemograman yang digunakan adalah Microsoft Visual Basic 6.0. 4. Tujuan Penelitian Adapun tujuan dari penelitian adalah : 1. Membuat suatu perangkat lunak yang mampu mengkompresi citra, sehingga kapasitas citra menjadi lebih kecil tanpa mengurangi kualitas atau mutu citra. 2. Menambah wawasan penulis tentang bagaimana cara merancang serta mengembangkan kemampuan pada suatu perangkat lunak. 3. Menambah pemahaman tentang program Visual Basic 6.0 dalam penerapan pengolahan citra atau gambar. 2. Landasan Teori 2.1 Pengertian Citra Citra adalah gambar pada bidang dwimatra (dua dimensi) atau kumpulan dari pada titik-titik dengan Diterbitkan Oleh : STMIK Budi Darma Medan 1
intensitas yang membentuk satu kesatuan perpaduan yang mempunyai arti artistic maupun arti intrinsik. Citra yang baik dapat menampilkan gambar secara utuh seperti keindahan gambar dan kejelasan gambar tanpa mengurangi dan mengubah informasi yang ada pada gambar. Citra terdiri dari 2 bagian yaitu : 1. Citra Analog Citra analog adalah citra yang terdiri dari sinyalsinyal elektromagnetik yang belum dibedakan sehingga pada umumnya tidak bisa ditentukan ukurannya. 2. Citra digital Citra digital adalah citra yang terdiri dari sinyalsinyal elektromagnetik yang sudah disampling sehingga dapat ditentukan ukuran titik gambar tersebut yang pada umumnya disebut dengan piksel. Citra digital berasal dari citra analog.untuk mengubah citra analog ke digital terdiri dari dua tahapan, yaitu: 1. Proses pembuatan kisi-kisi arah horizontal dan vertical sehingga diperoleh ukuran citra, dan ukuran dari elemen terkecil pembentuk citra.semakin besar jumlah kisi-kisi yang dibentuk oleh citra maka ukuran elemen terkecil pembentuk citra semakin kecil sehingga resolusi citra semakin tinggi. Resolusi citra menyatakan banyaknya elemen terkecil yang membentuk citra. Pada pengolahan citra digital, elemen terkecil pembentuk citra disebut piksel (Pixel) atau pel (picture element). 2. Proses kuantisasi adalah proses untuk mengubah warna secara visual menjadi suatu nomor warna. Setiap piksel dinyatakan dengan satu nomor warna. Nomor warna ini dinyatakan dengan bilangan integer. Dalam pengolahan bilangan biner 0 dan 1. Citra digital dapat dirumuskan dalm bentuk fungsi f(x,y) dimana x menyatakan koordinat piksel arah mendatar dan y menyatakan koordinat piksel arah vertikal. Nilai hasil f(x,y) menyatakan nomor warna pembentuk citra. Untuk memudahkan analisa citra digital dapat direpresentasikan dalam sebuah matrik berukuran n x m, dimana n menyatakan jumlah baris atau ukuran tinggi citra, dan m menyatakan banyak kolom atau lebar citra dalam satuan piksel. Pemberian nomor matrik dalam pengolahan berbasis komputer yang dimulai dari 0 sehingga matrik citra dapat diuraikan sebagai berikut: 2.2 Kompresi dan Dekompresi 2.2.1 Pengertian Kompresi dan Dekompresi Kompresi adalah Suatu teknik untuk memamfaatkan data, baik file teks, maupun file citra sehingga ukurannya menjadi lebih kecil daripada ukuran aslinya. Dekompresi adalah suatu teknik untuk mengubah hasil kompresi kembali kebentuk aslinya. 2.2.2 Jenis-Jenis Pendekatan Kompresi Ditinjau dari hasil kompresi maka pendekatan ( approach ) kompresi citra dapat dikelompokkan 2 jenis yaitu: 1. Pendekatan Lossless (Approach Lossless) Pendekatan lossless selalu menghasilkan citra tepat sama dengan citra semula, pixel per pixel. Informasi dapat dipertahankan pada saat kompresi dan dekompresi, tidak ada informasi yang hilang. Artinya jika suatu citra dikompres kemudian didekompresi maka citra hasil kompres akan terlihat sama dengan citra aslinya atau citra semula. Pendekatan lossless cocok untuk memamfaatkan citra yang mengandung informasi penting yang tidak boleh rusak akibat pemamfaatan salah satu contoh pendekatan lossless adalah metode statistical coding. 2. Pendekatan lossy (Approach Lossy) Pendekatan lossy menghasilkan citra hasil penempatan yang hampir akibat kompresi dan dekompresi,tetapi dapat ditolerir oleh persepsi mata. Maka tidak dapat membedakan perubahan kecil pada gambar atau citra. Artinya jika suatu citra dikompresi kemudian didekompresi maka citra hasil kompresi tidak sama dengan citra aslinya, akan tetapi kualitas citra diharapkan tidak jauh berbeda dari citra aslinya atau citra semula. Beberapa tehnik lossy antara lain yaitu : Color reduction, Chroma subsampling dan Transform coding. 2.2.3 Hal-hal penting dalam Kompresi Citra Ada beberapa hal-hal yang harus diperhatikan dalam melakukan kompresi citra antara lain sebagai berikut: 1. Scalability Scalability adalah kualitas dari hasil proses pengkompresian citra karena manipulasi bitstream tanpa adanya dekompresi atau rekompresi. Biasanya dikenal pada loseless codec. 2. Region of Interest Coding Region of Interest Coding adalah daerah-daerah tertentu dienkode dengan kualitas yang lebih tinggi daripada yang lain. 3. Meta Information Meta Information adalah image yang dikompres juga dapat memiliki meta information seperti Diterbitkan Oleh : STMIK Budi Darma Medan 2
statistik warna, tekstur, small preview image, dan author atau copyright information. 2.3 Metode Statistical Coding Dengan Kompresi metode statistical coding ini maka kualitas citra yang dikompresikan akan sama dengan citra awal atau citra semula. Cara kerja metode statistical coding adalah melakukan pengkodean bit dalam jumlah banyak (kombinasi 0 dan 1) untuk mewakili data yang sebenarnya.adapun langkahlangkah kompresi dengan metode statistical coding adalah sebagai berikut : a) Membaca data (misalnya karakter) yang ada secara keseluruhan dalam sebuah file. b) Mencatat karakter-karakter yang ada dan frekwensi atau bobot dari tiap karakter dalam sebuah file. c) Ubah struktur kode statistical kedalam biner. 2.4 Tujuan Kompresi Tujuan dilakukan kompresi adalah : 1. Mengurangi jumlah bit pengiriman data. Dengan Kompresi citra jumlah bitr yang akan ditransmisikan dari satu tempat lain akan lebih sedikit dibandingkan jumlah bit citra sebelum dikompres. Sehingga waktu mengirim citra tersebut akan lebih cepat dibandingkan dengan pengiriman citra yang belum dikompres. 2. Mengurangi ukuran tempat penyimpanan data Dengan Kompresi citra digital, ukuran penyimpanan data yang digunakan untuk menyimpan sebuah citra dalam suatu media penyimpanan seperti disket atau Flashdisk akan lebih kecil. 2.5 Proses Kompresi dan dekompresi Pada Prinsipnya algoritma data terdiriatas dua operasi yang saling berlawanan, yaitu kompresi dan dekompresi. Kompresi data merupakan suatau proses mengubah sebuah pesan menjadi bentuk terkompres yang menggunakan kuantitas bit yang lebih sedikit. Kemudian hasil kompresi tersebut disimpan dalam penyimpanan data. Sedangkan untuk mendapatkan format asli dari pesan yang dikompres maka dilakukan proses dekompresi terhadap informasi yang terkompres tersebut. Kompresi dan dekompresi harus menggunakan acuan yang digunakan untuk memetakan simbol atau informasi sumber ke dalam bentuk kode atau sebaliknya. 2.6 Format File citra Bitmap (BMP ) Format file BMP merupakan format file gambar standart untuk komputer-komputer yang menjalankan sistem operasi windows dan IBM OS/2. Saat ini format BMP memang kalah popular dibandingkan format JPEG atau GIF. Hal ini Karena berkas BMP pada umumnya tidak dimamfaatkan, sehingga ukuran berkasnya relatif besar dari pada berkas JPEG atau GIF. Meskipun Format BMP memiliki ukuran berkas yang besar, namun BMP memiliki kelebihan dari segi kualitas gambar. citra dalam format BMP lebih bagus dari pada citra dalam format lainnya Karena citra format BMP umumnya tidak dikompresikan sehingga tidak ada informasi yang hilang. Terjemahan bebas Bitmap adalah Pemetaan bit, artinya nilai intensitas piksel didalam citra dipetakan kesejumlah bit tertentu. Peta bit yang umum adalah 8 artinya setiap piksel panjangnya 8 bit. Jumlah warna maksimum yang dapat direpresentasikan adalah 2 pangkat n(2 n ) dimana n menyatakan jumlah bit. Dengan demikian ada sejumlah 2 8-256 berarti jumlah warna maksimum yang dapat direpresentasikan adalah mulai dari 0 sampai 255. Citra dalam format BMP ada tiga macam yaitu citra biner, citra biner berwarna dan citra hitam putih ( grayscale ). 1. Citra biner Hanya mempunyai dua nilai keabuaan dan 1. Oleh karena itu 1 bit cukup untuk merepresentasikan nilai piksel. 2. Citra berwarna Citra yang lebih umum, warna terlihat pada citra Bitmap merupakan kombinasi tiga warna dasar yaitu: merah, hijau dan biru. Setiap piksel disusun oleh tiga komponen warna R(Red), G(Green), dan B(Blue). Kombinasi dari 3 warna RGB tersebut menghasilkan warna yang khas untuk piksel yang bersangkutan. 3. Citra Hitam Putih (Grayscale ) Bahwa nilai R=G=B untuk menyatakan bahwa citra hitam putih hanya mempunyai satu kanal warna. Citra hitam putih umumnya adalah 8 bit. Saat ini beredar tiga versi berkas bitmap yaitu: berkas bitmap versi lama dari Microsoft windows dan IBM OS/2, berkas bitmap versi baru dari Microsoft windows dan berkas bitmap versi baru dari IBM OS/2. 3. Analisa 3.1 Cara Kerja Kompresi Citra Secara umum langkah-langkah yang dilakukan untuk kompresi citra adalah sebagai berikut: 1. Tampilkan atau buka citra Bitmap (BMP) yang akan dikompres pada layar. 2. Berdasarkan citra yang ditampilkan dilayar hitunglah frekwensi kemunculan setiap nomor warna yang membentuk citra. Diterbitkan Oleh : STMIK Budi Darma Medan 3
3. Lakukan proses pengkodean dengan cara mengganti setiap nomor warna yang membentuk citra dengan kode untuk warna yang bersangkutan. 3.2 Frekwensi Warna Sebelum menyusun terlebih dahulu frekwensi setiap nomor warna pembentuk citra harus terlebih dahulu. Untuk menghitung frekwensi nomor warna misalkan suatu citra ukuran 10 x 10 piksel, dengan susunan sebagai berikut : Tabel 2 : Daftar Nomor Warna, Frekwensi, dan Pola Bit Gambar 1 : Nomor Warna Citra Dari susunan piksel di atas frekwensi masing-masing nomor warna adalah sebagai berikut : Tabel 1 : Daftar Warna dan Frekwensi 3.4 Pengkodean Citra Langkah selanjutnya adalah mensubtitusikan masing-masing kode warna dan menampungnya dalam suatu variable string, misalnya strlstatistical. Yakni string nomor warna berikut: Menjadi 3.3 Pola Bit Setiap nomor warna merupakan awal untuk memperoleh bit dari setiap warna, terlebih dahulu diberikan bit untuk setiap warna awal hingga warna akhir. Gambar 2 : String Nomor Warna Citra Diterbitkan Oleh : STMIK Budi Darma Medan 4
3.5 Mengubah Bit Menjadi String Hasil pengkodean diatas selanjutnya dikonbersikan menjadi string. String adalah untaian dari sejumlah karakter. Satu karakter berukuran byte dimana satu byte(1 byte) sam dengan delapan Bit (8 byte). Untuk menghindari konflik pemakian karakter tertentu yang secara khusus digunakan pada Visual Basic, misalnya karakter null (00000000) yang digunakan sebagai tanda akhir suatu string dimemori, maka ditempuh suatu cara pengkonversian bit menjadi string dengan langkah-langkah berikut: 1. Inisialisasikan suatu variabel penampung hasil konversi. stbts= ; 2. Selama panjang string bit hasil pengkodean lebih besar atau sama dengan 7 karakter, ambillah 7 bit pertama. Misalnya dari 01010111011110110101000000 diambil 7 bit pertama yakni 0101011, kemudian disimpan dalam variable kdbit. kdbit=(copy (strbit,1,7) 3. Kurangkan bit yang sudah diambil dari string bit setelah pengurangan menjadi 1011110110101000000 Delete (strbit,1,7); 4. Kode bit ( kdbit) dikonversikan menjadi nomor ASCII dengan cara sebagai berikut: A. Definisikan sebuah nomor ASCII pembantu (00000000) dalam biner atau 0 dalam decimal. noasii=0 B. Tetapkan nilai pencacah k=1 C. Geser bit noascii kekiri satu bit. noascii=noascii SHL 1; SHL adalah operator dari visual basic untuk menggeser bit kekiri. D. Ambil satu bit ke k dari String kdbit, kemudian ubah ke numeric Val (kdbit [k], nbit,porserr). Val adalah Prosedur standar visual basic untuk mengubah nilai dalam bentuk string menjadi numerik sekaligus menjadi posisi kesalahan konversi, bila ada. E. Lakukan operasi OR pada noascii dan nilai pada langklah 3 diatas (nbit). noascii=noascii OR nbit F. Naikkan nilai pencacah K dengan satu. G. Ulangi langkah 3 c sampai 3 f hingga nilai pencacah K=7. H. Lakukan operasi OrR pada noascii dan nilai 80 (10000000). Langkah ini dilakukan untuk menghindari hasil konversi berupa karakter null (00000000). 5. Konversikan no ASCII menjadi karakter ASCII dan disimpan dalam satu variabel. stbts=stbts+chr (noascii) 6. Kembali ke langkah 2. Ada dua kemungkinan yang terjadi yakni panjang string bit sama nol atau tidak sama dengan nol. Bila panjang string bit sisa sama dengan nol, maka string diberi penanda khusus yakni CHR(3). Sedangkan bila panjang string bit tidak sama dengan nol atau lebih kecil dari 7 bit maka dilakukan langkah-langkah berikut ini: 1. Konversikan string bit dengan cara yang sama, gunkan langlah-langkah 4.a sampai 4.f diatas, diulangi sebanyak sepanjang string bit sisa. 2 Hitunglah banyaknya bit 0 didepan bit pertama dari string bit sisa. Banyak bit nol ini dikonversikan menjadi suatu karakter ASCII. 3 Gabungkan pendefinisian string bit sisa ini dengan string karakter proses sebelumnya. stbts=stbts+karakter ASCII_BanyakNol+KarakterASCII_Bitsisa Daftar Pustaka [1]. Karya Ilmiah oleh Tri Daryanto, Analisa Perbandingan Standar-Standar Kompresi Pada Gambar. [2]. Jurnal Ilmiah Vol.1, No.1, Maret 2001, Oleh Petrus Santoso, Studi Kompresi Data dengan Metode Arithmetic Coding. [3]. http://id.wikipedia.org/wiki/kompresi_data [4]. http://www.slideshare.net/dinneno/pengolahancitra-digital. [5]. Jurnal Ilmiah Oleh Rismon H Sianipar, Sri Muliani WJ, Kompresi Citra Digital Berbasis Wavelet Tinjauan PSNR Dan Laju Bit. Diterbitkan Oleh : STMIK Budi Darma Medan 5