Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

PEMAMPATAN CITRA 4/9/2017.

Presentasi serupa


Presentasi berjudul: "PEMAMPATAN CITRA 4/9/2017."— Transcript presentasi:

1 PEMAMPATAN CITRA 4/9/2017

2 A. Umum Pemampatan citra atau kompresi citra (image compression) bertujuan meminimalkan kebutuhan memori untuk mempresentasikan citra digital. 4/9/2017

3 A. Umum Prinsip umum yang digunakan pada proses pemampatan citra adalah mengurangi duplikasi data di dalam citra sehingga memori yang dibutuhkan untuk merepresentasikan citra menjadi lebih sedikit daripada representasi citra semula. 4/9/2017

4 B. Pemampatan Citra Versus Pengkodean Citra
Pemampatan Citra (image compression). Pada proses ini, citra dalam representasi tidak mampat dikodekan dengan representasi yang meminimumkan kebutuhan memori. 4/9/2017

5 B. Pemampatan Citra Versus Pengkodean Citra
2. Penirmampatkan Citra (image decompression). Pada proses ini, citra yang sudah dimampatkan harus dapat dikembalikan lagi (decoding) menjadi representasi yang tidak mampat. 4/9/2017

6 C. Aplikasi Pemampatan Citra
Pengiriman data (data transmission) pada saluran komunikasi data. Citra yang telah dimampatkan membutuhkan waktu pengiriman yang lebih singkat dibandingkan dengan citra yang tidak dimampatkan. 4/9/2017

7 Contoh Pengiriman Data :
Pengiriman gambar lewat fax, Video confrencing, Pengiriman data medis, Pengiriman gambar dari satelit luar angkasa, Pengiriman gambar via telepon genggam, Download gambar dari internet, Dsb. 4/9/2017

8 C. Aplikasi Pemampatan Citra
2. Penyimpanan data (data storing) di dalam media sekunder (storage) Citra yang telah dimampatkan membutuhkan ruang memori di dalam media storage yang lebih sedikit dibandingkan dengan citra yang tidak dimampatkan. 4/9/2017

9 D. Kriteria Pemampatan Citra
Waktu pemampatan dan penirmampatan (decompression). Waktu pemampatan citra dan penirmampatannya sebaiknya cepat. Ada metode pemampatan yang waktu pemampatannya lama, namun waktu penirmampatannya lama. Ada pula yang sebaliknya dan ada pula yang keduanya lambat. 4/9/2017

10 D. Kriteria Pemampatan Citra
2. Kebutuhan memori Memori yang dibutuhkan untuk mempresentasikan citra seharusnya berkurang secara berarti. Ada metode yang berhasil memampatkan dengan persentase yang besar, ada pula yang kecil. Pada beberapa metode, ukuran memori hasil pemampatan bergantung pada citra itu sendiri. 4/9/2017

11 D. Kriteria Pemampatan Citra
3. Kualitas Pemampatan (fidelity) Informasi yang hilang akibat pemampatan seharusnya seminimal mungkin, sehingga kualitas hasil pemampatan tetap dipertahankan. Kualitas pemampatan dengan kebutuhan memori biasanya berbanding terbalik. 4/9/2017

12 D. Kriteria Pemampatan Citra
3. Kualitas Pemampatan (fidelity) Kualitas pemampatan yang bagus umumnya dicapai pada proses pemampatan yang menghasilkan pengurangan memori yang tidak begitu besar, demikian pula sebaliknya. Dengan kata lain ada timbal balik (trade off) antara kualitas citra dengan ukuran hasil pemampatan. 4/9/2017

13 D. Kriteria Pemampatan Citra
4. Format keluaran Format citra hasil pemampatan sebaiknya cocok untuk pengiriman dan penyimpanan data. Pembacaan citra bergantung pada bagaimana citra tersebut direpresentasikan (atau disimpan). 4/9/2017

14 D. Kriteria Pemampatan Citra
Kualitas sebuah citra bersifat subjektif dan relatif, bergantung pada pengamatan orang yang menilainya. Kita dapat membuat ukuran kualitas hasil pemampatan citra menjadi ukuran kuantitatif dengan menggunakan besaran PSNR (peak signal to noise ratio). 4/9/2017

15 D. Kriteria Pemampatan Citra
PSNR dihitung untuk mengukur perbedaan antara citra semula dengan citra hasil pemampatan, dengan rumus : 4/9/2017

16 D. Kriteria Pemampatan Citra
Dengan : b = nilai sinyal terbesar (pada citra hitam putih b = 255) 4/9/2017

17 D. Kriteria Pemampatan Citra
Dengan : f = nilai pixel citra semula f’ = nilai pixel citra hasil pemampatan 4/9/2017

18 D. Kriteria Pemampatan Citra
Dari rumus di atas terlihat bahwa PSNR berbanding terbalik dengan rms. Jika nilai rms rendah, maka PSNR akan tinggi. Semakin besar nilai PSNR, maka semakin bagus kualitas pemampatan. 4/9/2017

19 E. Jenis Pemampatan Citra
Pendekatan Statistik, pemampatan citra didasarkan pada frekuensi kemunculan derajat keabuan pixel di dalam seluruh bagian gambar. Pendekatan Ruang, pemampatan citra didasarkan pada hubungan spasial antara pixel-pixel di dalam suatu kelompok yang memiliki derajat keabuan yang sama di dalam suatu daerah di dalam gambar. 4/9/2017

20 E. Jenis Pemampatan Citra
3. Pendekatan Kuantisasi, pemampatan citra dilakukan dengan mengurangi jumlah derajat keabuan yang tersedia. Pendekatan Fraktal, pemampatan citra didasarkan pada kenyataan, bahwa kemiripan bagian-bagian di dalam citra dapat di eksploitasi dengan suatu matriks transformasi 4/9/2017

21 F. Klasifikasi Metode Pemampatan
Metode Lossless, metode lossless selalu menghasilkan citra hasil penirmampatan yang tepat sama dengan citra semula, pixel per pixel. Tidak ada informasi yang hilang akibat pemampatan. Rumus nisbah (ratio) pemampatan citra 4/9/2017

22 F. Klasifikasi Metode Pemampatan
Metode lossless cocok untuk memampatkan citra yang mengandung informasi penting yang tidak boleh rusak akibat pemampatan. Contoh : pemampatan gambar hasil diagnosa medis. 4/9/2017

23 F. Klasifikasi Metode Pemampatan
2. Metode lossy, metode lossy menghasilkan citra hasil pemampatan yang hampir sama dengan citra semula. Ada informasi yang hilang akibat pemampatan, tetapi dapat ditolerir oleh persepsi mata. Mata tidak dapat membedakan perubahan kecil pada gambar. 4/9/2017

24 G. Metode Pemampatan Huffman
Algoritma metode Huffman Urutkan secara menaik (ascending order) nilai-nilai keabuan berdasarkan frekuensi kemunculannya (berdasarkan peluang kemunculan p(k), yaitu frekuensi kemunculan nk dibagi dengan jumlah pixel di dalam gambar (n)). 4/9/2017

25 G. Metode Pemampatan Huffman
2. Gabung dua buah pohon yang mempunyai frekuensi kemunculan paling kecil pada sebuah akar. Akar mempunyai frekuensi yang merupakan jumlah dari frekuensi dua buah pohon penyusunnya. 3. Ulangi langkah 2 sampai tersisa hanya satu buah pohon biner. 4/9/2017

26 G. Metode Pemampatan Huffman
4. Beri label setiap sisi pada pohon biner. Sisi kiri dilabeli dengan 0 dan sisi kanan di labeli dengan 1 5. Telusuri pohon biner dari akar ke daun. Barisan label-label sisi dari akar ke daun menyatakan kode Huffman untuk derajat keabuan yang bersesuaian. 4/9/2017

27 G. Metode Pemampatan Huffman
Contoh : 4/9/2017

28 H. Metode Pemampatan Run Length Encoding (RLE)
Metode RLE cocok digunakan untuk memampatkan citra yang memiliki kelompok-kelompok pixel berderajat keabuan sama. 4/9/2017

29 H. Metode Pemampatan Run Length Encoding (RLE)
Pemampatan citra dengan metode RLE dilakukan dengan membuat rangkaian pasangan nilai (p,q) untuk setiap baris pixel, nilai pertama (p) menyatakan derajat keabuan, sedangkan nilai kedua (q) menyatakan jumlah pixel berurutan yang memiliki derajat keabuan tersenut (dinamakan run length). 4/9/2017

30 H. Metode Pemampatan Run Length Encoding (RLE)
Contoh : Tinjau citra 10 x 10 pixel dengan 8 derajat keabuan yang dinyatakan sebagai matriks derajat keabuan, sebagai berikut : 4/9/2017

31 4/9/2017

32 Pasangan nilai untuk setiap baris run yang dihasilkan dg
Pasangan nilai untuk setiap baris run yang dihasilkan dg. metode pemampatan RLE : (0,5), (2,5) (0,3), (1,4), (2,1) (4,4), (3,4), (2,2) (3,3), (5,2), (7,4), (6,1) (2,2), (6,1), (0,4), (1,2), (0,1) (3,2), (4,2), (3,1), (2,2), (1,2) (0,8), (1,2) (1,4), (0,3), (2,3) (3,3), (2,3), (1,4) 4/9/2017

33 H. Metode Pemampatan Run Length Encoding (RLE)
Ukuran citra sebelum pemampatan adalah 100 buah nilai, dengan 1 derajat keabuan = 3 bit, sehingga menjadi : 100 x 3 bit = 300 bit. Setelah pemampatan tinggal 31 x 2 = 62 nilai, dengan derajat keabuan = 3 bit, run length = 4 bit), sehingga menjadi (31x 3) + (31 x 4) = 217 bit 4/9/2017

34 H. Metode Pemampatan Run Length Encoding (RLE)
Nisbah pemampatan : artinya 27,67 persen citra semula telah dimampatkan. 4/9/2017

35 H. Metode Pemampatan Run Length Encoding (RLE)
Versi lain dari metode RLE adalah dengan menyatakan seluruh baris citra menjadi seluruh baris run, lalu menghitung run-length untuk setiap derajat keabuan yang berurutan. Lihat contoh berikut : 4/9/2017

36 H. Metode Pemampatan Run Length Encoding (RLE)
Nyatakan sebagai barisan nilai derajat keabuan. semuanya ada 24 nilai Pasangan nilai dari run yang dihasilkan dengan metode pemampatan RLE : (1,1) (2,1) (1,5) (3,1) (4,4) (1,2) (3,3) (5,1) (1,4) (3,2) 4/9/2017

37 H. Metode Pemampatan Run Length Encoding (RLE)
Hasil pengkodean Semuanya ada 20 nilai, jadi sudah menghemat 4 buah nilai. 4/9/2017

38 I. Metode Pemampatan Kuantisasi
Metode ini mengurangi jumlah derajat keabuan, misalnya dari 256 menjadi 16 yang tentu saja mengurangi jumlah bit yang dibutuhkan untuk mempresentasikan citra. Misal P adalah jumlah pixel di dalam citra semula, akan dimampatkan menjadi n derajat keabuan. Algoritmanya adalah sebagai berikut : 4/9/2017

39 I. Metode Pemampatan Kuantisasi
Buat histogram citra mula-mula (histogram yang akan dimampatkan). Identifikasi n buah kelompok di dalam histogram sedemikian, shg setiap kelompok memp. kira-kira P/n bh pixel. Nyatakan setiap kelompok dgn derajat keaabuan 0 sampai n – 1, setiap pixel di dalam kelompok dikodekan kembali dengan nilai derajat keabuan yg baru. 4/9/2017

40 I. Metode Pemampatan Kuantisasi
Contoh : Tinjau citra yang berukuran 5 x 13 pixel 4/9/2017

41 I. Metode Pemampatan Kuantisasi
Matriks di atas akan dimampatkan menjadi citra dengan 4 derajat keabuan (0 s/d 3), jadi setiap derajat keabuan direpresentasikan dengan 2 bit. 0 ** **** 1 ** ***** 2 ********* ******** 3 *********** ********* 4 ********* ****** 4/9/2017

42 I. Metode Pemampatan Kuantisasi
Ada 65 pixel, dikelompokkan menjadi 4 kelompok derajat keabuan, tiap kelompok memiliki sebanyak rata-rata 65/4 = 16,25 pixel. 0 ** 13 1 ** 0 2 ********* 4/9/2017

43 ----------------------------------------- 20 3 *********** 1
20 3 *********** 1 4 ********* 5 **** 17 6 ***** 0 7 ********* 15 8 ********* 3 9 ****** 4/9/2017

44 I. Metode Pemampatan Kuantisasi
Citra setelah dimampatkan menjadi : 4/9/2017

45 I. Metode Pemampatan Kuantisasi
Ukuran citra sebelum pemampatan (1 derajat keabuan = 4 bit) 65 x 4 bit = 260 bit Ukuran citra setelah pemampatan (1 derajat keabuan = 2 bit) 65 x 2 bit = 130 bit Nisbah pemampatan = 4/9/2017


Download ppt "PEMAMPATAN CITRA 4/9/2017."

Presentasi serupa


Iklan oleh Google