KOMPRESI DATA CITRA MENGGUNAKAN TRANSFORMASI WAVELET DIDUKUNG KUANTISASI ADAPTIF DAN HUFFMAN CODING (DATA COMPRESSION IMAGEUSING WAVELET TRANSFORM SUPPORTED WITH ADAPTIVE QUANTIZATION AND HUFFMAN CODING) Jonson O H Siahaan¹, Iwan Iwut Tritoasmoro², Rita Magdalena³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak Metode pengkodean transformasi pada prakteknya telah banyak digunakan untuk sistem pemampatan data citra. Pengkodean dan pemampatan digital ditujukan untuk mengurangi memori yang digunakan untuk mempresentasikan dan menyimpan data citra maupun untuk tujuan pengiriman data. Salah satu metoda pengkodean dan pemampatan data citra adalah metoda transformasi. Metoda transformasi banyak diterapkan dalam pengkodean data citra karena kemampuan mengurangi kelebihan informasi (information redundancy), sehingga diperoleh pemampatan yang besar. Dalam tugas akhir ini diteliti kemampuan transformasi wavelet disertai teknik kuantisasi adaptif dan metoda penghapus redundance (Huffman Coding) untuk pengolahan data citra. Penelitian ini direalisasikan menggunakan perangkat lunak MATLAB 7.0 dengan kriteria hasil uji kinerja diukur dalam bentuk pernyataan nilai MSE (Mean Suare Error), MAD (Mean Absolute Difference) dan SNR (Signal to Noise Ratio) citra hasil rekonstruksi. Faktor-faktor yang mempengaruhi mutu citra yang dimampatkan antara lain adalah karakteristik citra, jenis filter serta skala yang digunakan dalam proses. Dari hasil uji kinerja, terlihat bahwa citra rekonstruksi yang diolah dengan transformasi wavelet memberikan nilai MSE dan MAD sebesar 7.64 db atau SNR sebesar 23.15 db yang berarti bahwa citra hasil rekonstruksi hampir sama atau mendekati citra awal. Pengkuantisasian berpengaruh juga terhadap SNR sehingga sangat diperlukan metoda yang terbaik yang tidak terlalu berpengaruh terhadap SNR. Faktor-faktor yang mempengaruhi kualitas citra hasil rekonstruksi dengan menggunakan transformasi wavelet ini antara lain adalah karakteristik citra, jenis filter serta cost function yang digunakan dalam proses. Kata Kunci : -
Powered by TCPDF (www.tcpdf.org) Abstract Transformation coding method has been using a lot in practice for image data compression system. Coding and digital compression are used to reduce memory which is used to present and save image data as well as data dispatch. One of coding method and image data compression is transformation method. Transformation method is applied a lot in image data coding because of its ability to reduce redundancy information, so that big compression can be achieved. In this thesis, is done the research about the ability of wavelet transformation, included adaptive quantization technique and redundancy erasing method (Huffman Coding) for image data processing. This research is realized by using software named MATLAB 7.0 with criteria work experiment result is measured in form of MSE value, MAD value, and SNR value of reconstruction result image. The elements that influence compressed image quality are image characteristic, filter type and scale that are used in the process. From the work experiment, it is known that reconstruction image which has been processed by wavelet transformation, give MSE and MAD values is 7.64 db or SNR value is 23.15 db. This means that reconstruction result image is almost the same or approach the first image. The quantization also influences on the SNR, so that the best method which does not too influence on SNR is very needed. The elements which influence reconstruction result image by using wavelet transformation are image characteristic, filter type and cost function which is used in the process. Keywords : -
BAB I : PENDAHULUAN 1 BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan multimedia semakin pesat dengan ditunjang oleh kemajuan di bidang elektronika terintegrasi (VLSI) dan didukung oleh teknik-teknik pengolahan data yang efisien. Komunikasi visual telah berkembang sangat pesat sekarang ini, dengan berbagai aplikasi seperti teleconference, komunikasi multimedia, transmisi dan penyimpanan citra penginderaan jarak jauh (remote sensing), data base citra, video, dan lain sebagainya. Layanan multimedia menyatukan berbagai jenis layanan- suara, data, citra dan video dalam satu platform. Sehingga dengan layanan multimedia, penyampaian informasi lebih interaktif dengan kemampuan grafis yang mendukung. Biasanya file citra mempunyai ukuran besar, sehingga transmisi data citra akan memerlukan pita frekuensi yang sangat besar, dan juga dalam hal penyimpanan citra tersebut tentunya juga dibutuhkan media penyimpanan berukuran besar. Karena alasan tersebut, maka diperlukan suatu teknik pemampatan data citra yang efisien untuk keperluan penyimpanan dan pentransmisiannya. Berdasarkan hasil data citra yang diperoleh (hasil kompresi), suatu kompresi bersifat : 1. Lossless Compression Pada lossless compression dihasilkan citra hasil kompresi yang persis sama dengan citra semula, atau dengan kata lain tidak ada informasi yang hilang. Tetapi kekurangan dari sifat kompresi ini adalah, bahwa citra yang dihasilkan memiliki ratio kompresi yang sangat rendah atau terbatas. 2. Lossy Compression Pada lossy compression dihasilkan citra hasil kompresi yang hampir sama dengan citra semula atau dengan kata lain dalam proses kompresinya ada informasi yang hilang, ratio kompresi tinggi, tetapi semakin tinggi ratio kompresi maka informasi yang hilang juga semakin banyak. Kompresi Data Citra Menggunakan Transformasi Wavelet Didukung Kuantisasi Adaptif dan Huffman Coding
BAB I : PENDAHULUAN 2 Metode pengkodean transformasi pada prakteknya telah banyak digunakan untuk pemampatan data citra. Dalam metoda pengkodean transformasi, pemilihan jenis transformasi, sistem pengkodean dan pengkuantisasian yang digunakan akan sangat menentukan performansi pemampatan data citra. 1.2 Perumusan Masalah Transformasi wavelet diskrit telah menjadi suatu teknik yang popular untuk aplikasi pengkodean citra. Transformasi wavelet mendekomposisi citra menjadi beberapa band frekuensi yaitu bagian frekuensi rendah dan frekuensi tingginya. Bila diinginkan resolusi yang lebih halus lagi maka komponen frekuensi rendah dikomposisikan kembali dengan menggunakan bank filter yang sama. Banyaknya tahap dekomposisi ini dinyatakan dengan skala, dimana semakin tinggi skala tersebut menyatakan semakin banyak tahap dekomposisi. Dalam transformasi wavelet, tingkat kompresi yang diperoleh masih terlalu kecil, sehingga perlu dirancang suatu sistem pengkompresian yang lebih baik yaitu dengan menggunakan kuantisasi adaptif serta pengkodean dengan Huffman coding untuk mendapatkan citra terkompresi yang lebih baik, namun sistem kompresi seperti ini akan bersifat mengurangi kualitas citra. Pada pengkodean citra dengan teknik berbasis wavelet, pemilihan basis wavelet yang sesuai sangat menentukan performansi pengkodean. Dengan kuantisasi yang bersifat adaptif maka step-sizenya dapat diatur hingga mendapatkan tingkat kompresi yang optimum, juga diharapkan didapatkan pengkodean citra yang efisien. 1.3 Batasan Masalah Permasalahan yang dibahas pada tugas akhir ini akan dibatasi pada masalah-masalah sebagai berikut: 1. Perancangan dan realisasi sistem pengolahan data citra menggunakan transformasi wavelet diskrit. 2. Citra yang akan diolah berukuran M x N dengan M,N adalah bilangan bulat positif genap. 3. Citra yang diolah berbentuk Bitmap. Kompresi Data Citra Menggunakan Transformasi Wavelet Didukung Kuantisasi Adaptif dan Huffman Coding
BAB I : PENDAHULUAN 3 4. Transformasi yang digunakan adalah transformasi wavelet dengan membandingkan antara wavelet Haar (Db 1), Db 2, Db 3, dan Db 4. 5. Penggunaan metoda kuantisasi adaptif dalam memperkecil data citra. 6. Kuantisasi adaptif tidak dapat diubah dalam menentukan tingkat kompresi yang dilakukan. 7. Perancangan dan realisasi sistem dibatasi hanya sampai pada tahap representasi bit dan teknik penghapusan kelebihan bit (remove redundancy). 8. Perancangan dan realisasi sistem menggunakan perangkat lunak MATLAB 7.0. 1.4 Tujuan Penelitian Penelitian dalam tugas akhir ini ditujukan untuk mengamati hal-hal sebagai berikut: 1. Tingkat pemampatan yang dapat dicapai. 2. Pengamatan kualitas citra hasil transformasi dengan parameter level dan jenis filter sinyal terhadap derau hasil pemampatan. 3. Rekontruksi citra dengan algoritma balik transformasi wavelet. 4. Pengamatan kualitas citra hasil kuantisasi dan pengkodean terhadap citra. 1.5 Metodologi Penelitian Metoda yang digunakan penulis dalam mengerjakan tugas akhir ini ialah : 1. Studi Literatur Pencarian dan pengumpulan literatur-literatur berupa artikel, jurnal-jurnal ilmiah, buku referensi, dan sumber lain yang berhubungan dengan topik tugas akhir ini. 2. Perancangan dan implementasi sistem Perancangan dan implementasi sistem dilakukan dalam bentuk simulasi program dengan menggunakan bahasa pemrograman Matlab 7.0 yang memungkinkan dalam pengolahan data yang ada dan meneliti kualitas citra hasil kompresi. 3. Uji Kinerja sistem Kompresi Data Citra Menggunakan Transformasi Wavelet Didukung Kuantisasi Adaptif dan Huffman Coding
Powered by TCPDF (www.tcpdf.org) BAB I : PENDAHULUAN 4 Pengujian sistem dengan parameter dan variable yang berbeda seperti jenis fillter wavelet yang digunakan, level wavelet (tingkat dekomposisi), jenis citra yang berbeda, serta teknik pengkodean yang digunakan. 4. Analisa Kesalahan Mengamati kelemahan kinerja sistem dalam implementasi melalui faktor kualitas kompresi yaitu MSE, SNR, Tingkat kompresi, dan MOS. 1.6 Sistematika Pembahasan Sistematika pembahasan dalam tugas akhir ini terdiri atas lima bab bahasan disertai lampiran- lampiran yang dibutuhkan untuk penjelasan. Secara umum, masing-masing bab membahas hal-hal sebagai berikut: BAB I : Pendahuluan, membahas latar belakang, tujuan penulisan, perumusan masalah, batasan masalah, metodologi dan sistematika penulisan itu sendiri. BAB II : Dasar Teori, Bab ini memuat penjelasan tentang dasar teori citra, membahas teori dasar wavelet, kuantisasi adaptif dan sistem pengkodean Huffman Coding. BAB III : Perancangan Dan Implementasi Sistem, bab ini akan membahas cara kerja sistem dan membandingkan kondisi citra sebelum dikompresi dan setelah dikompresi, dan penjelasan simulasi serta skenario simulasi yang dijalankan termasuk didalamnya mengenai langkah-langkah simulasi, mulai dari penetapan skenario simulasi, penetapan topologi sistem, hingga pembuatan script untuk simulasi. BAB IV : Hasil Simulasi Dan Analisa, bab ini berisikan hasil simulasi yang telah dijelaskan pada bab tiga dan analisis berdasarkan hasil simulasi yang telah dijalankan. BAB V : Kesimpulan Dan Saran, bab ini berisikan kesimpulan dari seluruh proses yang telah dilakukan. Setelah itu didalam bab ini akan diberikan masukan dari apa yang telah dipelajari dan diamati. Kompresi Data Citra Menggunakan Transformasi Wavelet Didukung Kuantisasi Adaptif dan Huffman Coding
BAB V: KESIMPULAN DAN SARAN 46 BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Dalam pemampatan data citra sebenarnya transformasi wavelet tidak melakukan pemampatan data citra, karena bit-bit hasil transformasi jumlahnya sama dengan bit asal. Dengan menerapkan pengambilan hasil aproksimasi dari hasil dekomposisi, kuantisasi adaptif dan proses penghilangan redundancy dengan pengkodean, diperoleh tingkat pemampatan yang diharapkan. Mutu citra pada pemampatan data dengan tingkat maksimum tergantung pada penentuan filter wavelet, analisis multiresolusi jenis kuantisasi dan sistem pengkodean. Peningkatan level pada transformasi wavelet sangat berpengaruh terhadap kualitas citra dan dapat dideteksi dengan baik sampai level 2 dengan rata-rata tingkat kompresi 103. Nilai optimum untuk MSE berdasarkan hasil simulasi untuk metode adaptif kuantisasi 22.72 dan metode dengan kuantisasi skalar 29.88, sedangkan untuk nilai PSNR untuk metode adaptif kuantisasi 18.05 db dan untuk metode kuantisasi skalar 15.95 db. Dari analis subjektif, secara umum terlihat bahwa penilaian responden terhadap kualitas citra hasil rekonstruksi keseluruhan kelihatan bagus hanya pada tahap komposisi pertama. Hubungan MSE, rasio kompresi, ukuran citra, waktu kompresi, dan waktu dekompresi: o MSE terhadap rasio kompresi Semakin tinggi MSE akan meningkatkan rasio kompresi, karena dengan tingginya MSE akan mengurangi jumlah bit yang digunakan untuk mengkodekan suatu citra. Kompresi Data Citra Menggunakan Transformasi Wavelet Didukung Kuantisasi Adaptif dan Huffman Coding
Powered by TCPDF (www.tcpdf.org) BAB V: KESIMPULAN DAN SARAN 47 o MSE dan ukuran citra terhadap waktu kompresi MSE dan ukuran citra terpengaruh dalam lamanya waktu kompresi, karena waktu ini diperlukan untuk mencari step-size optimum. Metode Huffman memiliki kelemahan akibat adanya penambahan tabel frekuensi pada citra terkompresi agar citra tersebut dikodekan kembali. Performansi kompresi sangat dipengaruhi citra masukan, dimana o Citra yang memiliki nilai entropi rendah memberikan performansi yang lebih baik dibandingkan dengan citra yang memiliki nilai entropi tinggi. o Citra berukuran besar memberikan performansi yang lebih baik dari pada citra dengan ukuran yang lebih kecil. 5.2 Saran Membuat pengaturan tingkat kompresi dengan kuantisasi adaptif. Meningkatkan kecepatan dengan mengoptimasi algoritma pencarian step-size yang optimal pada kuantisasi adaptif. Membuat sistem pengkodean yang bersifat adaptif sehingga tidak perlu adanya laporan. Kompresi Data Citra Menggunakan Transformasi Wavelet Didukung Kuantisasi Adaptif dan Huffman Coding
Powered by TCPDF (www.tcpdf.org) DAFTAR PUSTAKA [1] Burrus, C. Sidney., Wavelets and wavelets transform. Prentice Hall International, Inc. New Jersey. [2] C Sidney Berrus, Ramesh A. Gopinath, Haitao Guo.1998. Introduction to Wavelet and Wavelet Transforms. Simon & Schuster.Upper Saddle River. Prentice Hall, Inc.New Jersey [3] Erick J.Stollnitz, Tony D. Derose, David H. Salesin. 1996. Wavelets For Computer Graphics. Morgan Kaufmann Publisher,Inc. [4] Gonzales, Rafael C.2002. Digital Image Processing. Prentice Hall, Inc. New Jersey [5] Ingrid Daubechies. Ten Lectures on Wavelets. SIAM, Philadelphia, 1992. [6] Jain,Anil K.1989. Fundamental Of Digital Image Processing. Prentice Hall, Inc. New Jersey [7] Madenda,Sarifuddin.2000. Kompresi Citra Berwarna Menggunakan Metode Huffman. IECS Jurnal February 2000, hal 21-25 [8] Pitas, Joannis.1993. Digital Image Processing Algorithms. Prentice Hall International (UK)Ltd [9] Stores, James A. Data Compression Metode and Theory. Computer Science Press, Inc [10] Vinay K. Ingle, John G. Proakis. Digital Signal Processing Using Matlab V.4. PWS Publishing Company. [11] B. Furht, O. Marqure, ed. The Handbook Of Video Databases : Design And Application. CRC Press, September 2003.