KOMPRESI CITRA Pertemuan 12 Mata Pengolahan Citra
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. Alusyanti.P
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.
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
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. Alusyanti.P
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
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. Alusyanti.P
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. Alusyanti.P
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 = 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.
METODE HUFFMAN Contoh : citra ukuran 64 x 64 dengan 8 derajat keabuan (k) jumlah seluruh piksel (n) = 64 x 64 = 4096 . K nk P(k) = nk/n 0 790 0.19 1 1023 0.25 2 850 0.21 3 656 0.16 4 329 0.08 5 245 0.06 6 122 0.03 7 81 0.02 Alusyanti.P
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
7 : 0,02
5 : 0,06
4 : 0,08
3 : 0,16
0 : 0,19
2 : 0,21
1 : 0,25
6 : 0,03
Alusyanti.P
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
3 : 0,16
765: 0,11
76 : 0,05
7 : 0,02
6 : 0,03
0 : 0,19
2 : 0,21
1 : 0,25
5 : 0,06
Alusyanti.P
METODE HUFFMAN 4765: 0,19
3 : 0,16
4 : 0,08
2 : 0,21
1 : 0,25
765: 0,11
76 : 0,05
7 : 0,02
0 : 0,19
5 : 0,06
6 : 0,03 Alusyanti.P
METODE HUFFMAN 34765: 0,35 3 : 0,16
4 : 0,08
0 : 0,19
7 : 0,02
1 : 0,25
Dengan formasi seperti diatas, pilih 2 frekuensi terkecil, kemudian gabungkan dan urutkan secara menaik.
4765: 0,19
765: 0,11
76 : 0,05
2 : 0,21
5 : 0,06 6 : 0,03
Alusyanti.P
METODE HUFFMAN 134765: 0,60 1 : 0,25
02: 0,40 34765: 0,35 0 : 0,19
3 : 0,16
4765: 0,19
4 : 0,08
765: 0,11
76 : 0,05
Alusyanti.P
2 : 0,21
7 : 0,02
6 : 0,03
5 : 0,06
METODE HUFFMAN 0213476 5: 1,00
134765: 0,60 02: 0,40 34765: 0,35
1 : 0,25 0 : 0,19
2 : 0,21
4765: 0,19
3 : 0,16
4 : 0,08
Karena sudah tersisa 1 pohon, lakukan langkah 4. 76 : 0,05
Alusyanti.P
7 : 0,02
6 : 0,03
765: 0,11
5 : 0,06
METODE HUFFMAN 0213476 5: 1,00
1
0
134765: 0,60
02: 0,40
2 : 0,21
1 34765: 0,35
1 : 0,25
0 0 : 0,19
0
1
0
4765: 0,19
3 : 0,16
1
0
765: 0,11
4 : 0,08 0 Langkah 4 : Beri label 0 untuk sisi kiri, sisi kanan label 1
1
76 : 0,05 0 7 : 0,02
1 6 : 0,03
5 : 0,06
METODE HUFFMAN Langkah 5 : Telusuri pohon biner dari akar ke daun untuk menentukan kode Huffman yang sesuai dengan derajat keabuan.
Derajat keabuan 0 1 2 3 4 5 6 7
Kode Huffman 00 10 01 110 1110 11111 111101 111100
Ukuran 2 bit 2 bit 2 bit 3 bit 4 bit 5 bit 6 bit 6 bit
Banyaknya piksel 790 1023 850 656 329 245 122 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) = 11053 bit
METODE HUFFMAN Ukuran citra sebelum kompresi = 4096 piksel x 3 bit = 12288 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 28 = 256
Ratio Kompresi= 100%-((ukuran citra hasil kompresi/ukuran citra hasil)*100% = 100%-((11053/12288)*100%) = 10%, artinya citra semula telah dimampatkan sebanyak 10% Alusyanti.P
