ABSTRAK Seiring berkembangnya teknologi, digitalisasi sidik jari sudah sering digunakan, terutama pada passport, ID Card, visa dan dokumen lainnya. Karena kapasitas penyimpanan untuk menyimpan sidik jari sangat besar, maka dilakukan kompresi sidik jari dalam tugas akhir ini. Teknik yang digunakan yaitu menggunakan algoritma WSQ (Wavelet Scalar Quantization). WSQ adalah metoda kompresi jenis lossy yang sesuai digunakan untuk menjaga resolusi yang tinggi dari citra keabu-abuan ketika mempertahankan rasio kompresi yang tinggi. Algoritma ini sudah digunakan oleh FBI sebagai standarisasi untuk mentransmisikan dan menyimpan sidik jari yang telah didigitalisasi. Ada 3 tahap utama dalam proses WSQ encoding dan decoding. Tahaptahap dalam WSQ encoding yaitu DWT, skalar kuantisasi, dan pengkodean Huffman. Dan tahap-tahap dalam WSQ decoding yaitu pengkodean balik Huffman, skalar dekuantisasi, dan IDWT. Pada tahap DWT, citra digital dipisahkan dalam 64 spatial band frekuensi menggunakan 2-dimensi transformasi wavelet diskrit dengan men-kaskade-kan berbagai jenis filter digital. Keluaran DWT kemudian dikuantisasi menggunakan skalar kuantisasi. Pada tahap ini terjadi kompresi lossy. Setelah itu, hasil keluaran dari DWT yang dikuantisasi dikodekan menggunakan Huffman-coded (jenis entropy coding) untuk meminimalkan jumlah bit yang diperlukan untuk ditransmisikan. Untuk merekonstruksikan citra yang telah dikompresi, WSQ decoder melakukan pengkodean balik Huffman, memetakan balik koefisien dari DWT yang dikuantisasi. Setelah itu, dilakukan proses DWT balik. Rasio kompresi citra fingerprint yang dihasilkan berkisar antara 9,7 sampai 12,06 untuk tingkat 1, 12,57 sampai 17,08 untuk tingkat 2, dan 13,78 sampai 17,16 untuk tingkat 3. Ukuran file hasil kompresi menggunakan transformasi Wavelet tingkat 3 lebih kecil dibandingkan ukuran file yang menggunakan transformasi Wavelet tingkat 2 dan 1. Namun pada transformasi Wavelet tingkat 3 RMSE-nya lebih besar daripada transformasi Wavelet tingakat 1 dan 2. i
ABSTRACT With the rapid growth of technology, digital fingerprint has always been used, especially in passport, ID Card, Visa and other documents. Because the needs of the storage to store the fingerprint is very large, and the solution is using fingerprint compression. The technique that used in compression is using WSQ (Wavelet Scalar Quantization) algorithm. WSQ is a lossy compression method that is well-suited for preserving the very high resolution details of grayscale images. This algorithm has been adopted by the FBI as its standard for transmitting and storing digitized fingerprints. There are 3 steps involved in WSQ encoding and decoding. The steps in WSQ encoding are DWT, Scalar Quantization, and Huffman coding. And the steps in WSQ decoding are Huffman decoding, Scalar Dequantization, and IDWT. In the DWT step, the digital image is split into 64 spatial frequency bands by a 2- dimensional discrete wavelet transform, which is a cascaded digital filter bank. The output of the DWT is then truncated ( quantized ) by the scalar quantization step; this is the irreversible, lossy part of the process. Finally, the quantized DWT output is Huffman-coded (a form of entropy coding ) to minimize the number of bits that need to be transmitted. To reconstruct the image after compression, the WSQ decoder undoes the Huffman coding, maps the quantized DWT coefficients back to close approximations of their original values, and runs these quantized DWT coefficients through an inverse DWT. The result compression ratio from fingerprints among 9,7 12,06 for level 1, 12,57 17,08 for level 2, and 13,78 17,16 for level 3. The size of the compression files using wavelet transforms level 3 smaller than size of the compression files using wavelet transforms level 1 and 2. The RSME using wavelet transforms level 3 is greater than wavelet transforms level 1 and 2. ii
DAFTAR ISI Halaman LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK i ABSTRACT ii KATA PENGANTAR iii DAFTAR ISI v DAFTAR TABEL vii DAFTAR GAMBAR viii BAB I PENDAHULUAN 1 1.1 Latar Belakang 1 1.2 Tujuan 1 1.3 Identifikasi Masalah 2 1.4 Pembatasan Masalah 2 1.5 Sistematika Pembahasan 2 BAB II TEORI PENUNJANG 3 2.1 Citra 3 2.2 Ukuran File Suatu Citra 3 2.3 Kompresi 4 2.4 Transformasi Wavelet 6 2.5 Transformasi Wavelet Diskrit (DWT) 8 2.6 Kuantisasi 14 2.6.1 Representasi Nilai Dengan Penguantisasi 14 2.7 Huffman Coding 17 2.8 Program Matlab 19 BAB III PERANCANGAN PERANGKAT LUNAK 21 3.1 Diagram Blok Proses Kompresi dan Dekompresi 21 3.2 Diagram Alir Proses Kompresi dan Dekompresi 22 3.3 Transformasi Wavelet 24 v
Halaman 3.4 Kuantisasi Skalar 32 3.5 Pengkodean (Huffman Coding) 34 3.6 Tampilan Perangkat Lunak Menggunakan Program Matlab 35 3.6.1 Tampilan Menu Utama Perangkat Lunak 35 3.6.2 Perangkat Lunak Kompresi 36 3.6.3 Perangkat Lunak Dekompresi 37 3.6.4 Tampilan Hasil Pada Proses Kompresi 37 3.7.4.1 Tampilan Hasil Pada Proses DWT 38 3.7.4.2 Tampilan Hasil Pada Proses Kuantisasi 39 3.7.5 Tampilan Hasil Pada Proses Dekompresi 40 3.7.5.1 Tampilan Hasil Pada Proses Pengkodean Balik 40 3.7.5.2 Tampilan Hasil Pada Proses Dekuantisasi 41 3.7.5.3 Tampilan Hasil Pada Proses IDWT 43 3.76 Tampilan Citra Asli dengan Citra Hasil Rekonstruksi 43 BAB IV DATA PENGAMATAN 45 BAB V KESIMPULAN DAN SARAN 52 5.1 Kesimpulan 52 5.2 Saran 52 DAFTAR PUSTAKA x LAMPIRAN A LISTING PROGRAM A-1 B CITRA ASLI DAN CITRA HASIL DEKOMPRESI B-1 C TAMPILAN HASIL PENCARIAN SIDIK JARI C-1 vi
DAFTAR TABEL Halaman Tabel 2.1. Koefisien untuk filter H dan filter G 10 Tabel 2.2. Tabel simbol yang telah diurutkan berdasarkan probabilitasnya 17 Tabel 2.3. Tabel kode hasil kompresi menggunakan Huffman coding 18 Tabel 2.4. Tabel jumlah bit informasi 18 Tabel 2.5. Tabel jumlah bit yang dibutuhkan untuk menyimpan informasi dengan menggunakan algoritma Huffman coding 19 Tabel 3.1. Filter Transformasi Wavelet Maju 24 Tabel 3.2. Filter Transformasi Wavelet Balik 25 Tabel 3.3. Perencanaan untuk menulis dan membaca VLIC 35 Tabel 4.1. Data pengamatan kompresi dengan transformasi wavelet tingkat 1 48 Tabel 4.2. Data pengamatan kompresi dengan transformasi wavelet tingkat 2 48 Tabel 4.3. Data pengamatan kompresi dengan transformasi wavelet tingkat 3 49 Tabel 4.4. Tingkat keberhasilan pencarian citra sidik jari di database 50 vii
DAFTAR GAMBAR Halaman Gambar 2.1. Proses kompresi jenis lossy secara umum 5 Gambar 2.2. Proses dekompresi jenis lossy secara umum 5 Gambar 2.3. (a) Analisa pada domain waktu, (b) Analisa pada domain frekuensi, (c) Analisa dengan menggunakan STFT, (d) Analisa dengan menggunakan Wavelet 7 Gambar 2.4. (a) Gelombang sinus, (b) Wavelet 8 Gambar 2.5. Transformasi Wavelet Maju 12 Gambar 2.6. Transformasi Wavelet Balik 13 Gambar 2.7. Kuantisasi dengan representasi nilai 14 Gambar 2.8. Kuantisasi Skalar 16 Gambar 2.9. Pohon hasil kompresi Huffman coding 18 Gambar 3.1. Diagram blok proses kompresi dengan algoritma WSQ 21 Gambar 3.2. Diagram blok proses dekompresi dengan algoritma WSQ 21 Gambar 3.3. Diagram alir proses kompresi 22 Gambar 3.4. Diagram alir proses dekompresi 23 Gambar 3.5. Diagram alir transformasi wavelet maju 26 Gambar 3.6. Diagram alir transformasi wavelet maju tingkat 1 26 Gambar 3.7. Diagram alir transformasi wavelet maju tingkat 2 27 Gambar 3.8. Diagram alir transformasi wavelet maju tingkat 3 28 Gambar 3.9. Diagram alir transformasi wavelet balik 29 Gambar 3.10. Diagram alir transformasi wavelet balik tingkat 1 29 Gambar 3.11. Diagram alir transformasi wavelet balik tingkat 2 30 Gambar 3.12. Diagram alir transformasi wavelet balik tingkat 2 30 Gambar 3.13. Dekomposisi pada tingkat 1 31 Gambar 3.14. Dekomposisi pada tingkat 2 31 Gambar 3.15. Dekomposisi pada tingkat 3 31 Gambar 3.16 Diagram alir proses kuantisasi 33 Gambar 3.17 Diagram alir proses dekuantisasi 33 viii
Halaman Gambar 3.18. Diagram alir Huffman coding 34 Gambar 3.19. Tampilan menu utama 36 Gambar 3.20. Tampilan menu kompresi 36 Gambar 3.21. Tampilan menu dekompresi 37 Gambar 3.22. Tampilan matrix citra asli 37 Gambar 3.23. Tampilan matrix nilai LL hasil DWT 38 Gambar 3.24. Tampilan matrix nilai LH hasil DWT 38 Gambar 3.25. Tampilan matrix nilai HL hasil DWT 38 Gambar 3.26. Tampilan matrix nilai HH hasil DWT 39 Gambar 3.27. Nilai LL yang dikuantisasi 39 Gambar 3.28. Nilai LH yang dikuantisasi 39 Gambar 3.29. Nilai HL yang dikuantisasi 40 Gambar 3.30. Nilai HH yang dikuantisasi 40 Gambar 3.31. Nilai hasil kuantisasi LL yang dilakukan pengkodean balik 40 Gambar 3.32. Nilai hasil kuantisasi LH yang dilakukan pengkodean balik 41 Gambar 3.33. Nilai hasil kuantisasi HL yang dilakukan pengkodean balik 41 Gambar 3.34. Nilai hasil kuantisasi HH yang dilakukan pengkodean balik 41 Gambar 3.35. Nilai hasil dekuantisasi dari LL 42 Gambar 3.36. Nilai hasil dekuantisasi dari LH 42 Gambar 3.37. Nilai hasil dekuantisasi dari HL 42 Gambar 3.38. Nilai hasil dekuantisasi dari HH 42 Gambar 3.39. Hasil transformasi balik tingkat 1 43 Gambar 3.40. (a) Tampilan citra asli pada perangkat lunak ; (b) Tampilan citra hasil rekonstruksi tingkat 1 pada perangkat lunak 44 Gambar 4.1. Citra asli finger_1.bmp (310x393 piksel) 46 Gambar 4.2. (a) Citra finger_1.bmp mengalami proses transformasi tingkat 1 ; (b) Citra hasil dekompresi tingkat 1 46 Gambar 4.3. (a) Citra finger_1.bmp mengalami proses transformasi tingkat 2 ; (b) Citra hasil dekompresi tingkat 2 47 Gambar 4.4. (a) Citra finger_1.bmp mengalami proses transformasi tingkat 3 ; (b) Citra hasil dekompresi tingkat 3 47 ix