Sistem Multimedia. SARMAG - Universitas Gunadarma. Dr. Sarifuddin Madenda Dosen & Peneliti

Sistem Multimedia SARMAG - Universitas Gunadarma Dr. Sarifuddin Madenda Dosen & Peneliti Universitas Gunadarma & Université du Québec en Outaouais Québec - Canada

Akuisisi dan karakteristik data multimedia Data real multimedia berupa signal analog : Sinyal audio :

Sinyal video :

2

1

Pokok bahasan : (i) (ii) (iii) (iv)

Pengantar Multimedia, Produksi konten multimedia Representasi data multimedia Penyimpanan dan pengambilan data multimedia (i) Jaringan Multimedia (ii) Distribusi Multimedia (iii) Keamanan Multimedia 3

Perkuliahan : - 6 x Tatap muka (@ 4 jam) - 2 Tugas + 1 Proyek akhir kuliah - 1 – 2 x Ujian

4

2

Pendahuluan Sistem multimedia? Suatu sistem yang dapat mensuport secara terintegrasi penyimpanan, transmisi dan representasi sejumlah media discret (digital) berupa text, grafik, citra, audio dan video melalui komputer

Sarifuddin Madenda.

Sis. Mul. : Pendahuluan.

5

Sistem multimedia digital

Data media streams berupa digital, yang dapat diproses (dikompres/dekompres dan dianalisis) dalam komputer.

Sarifuddin Madenda.


6

3

Tipe media digital : Media yang bersifat Time-Independent • Information/data bukan merupakan fungsi waktu • teks • grafik (grafik komputer) • citra (photo).

Sarifuddin Madenda.


7

Tipe media digital : Media yang bersifat time-dependent • Informasi/data merupakan fungsi waktu yang harus ditampilak ke pengguna pada titik waktu yang tepat. • Audio • Video • Animasi (komputer grafik)

Sarifuddin Madenda.


8

4

Karakteristik sistem multimedia : • Secara terintegrasi - Pembuatan, - Pemrosesan, - Penyimpanan, - Representasi, - Transmisi • Dokumen multimedia yang bersifat time-dependent dan time-independent

Sarifuddin Madenda.


9

Dokumen multimedia :

Teks Citra

Audio

Animasi (komputer grafik)

Video

Sarifuddin Madenda.


10

5

Dokumen multimedia : Suatu dokumen yang berisikan dua atau lebih elemen-elemen multimedia (media) dari sumber yang berbeda ( teks, citra, video, audio, …) Dokumen multimedia disimpan dalam satu atau beberapa file secara tersinkronisasi terhadap dasar waktu yang sama. Contoh : Suatu reportase pada siaran televisi akan susah difahami jika komentar seorang jurnalis memiliki delay waktu terhadap video dan/atau juga terhadap ilustrasi grafik yang ditayangkan. Sarifuddin Madenda.


11

Sinkronisasi dokumen multimedia : • Sinkronisasi intra-objets • Sinkronisasi inter-objets

Sarifuddin Madenda.


12

6

Application Robotik :

Peraba (sensasi sentuhan)

pendengaran (audio & musique)

Sarifuddin Madenda.

Vision (citra & video)

Penciuman (bau) Perasa (rasa)


13

Application Vidéo conférence

- Volume data multimedia : sangat besar - Band-width jaringan : terbatas dan mahal - Delay waktu transmisi : sangat besar

Sarifuddin Madenda.


14

7

Video game :

Sarifuddin Madenda.


15


16

Iklan video clip :

Sarifuddin Madenda.

8

Simulasi penerbangan :

Sarifuddin Madenda.


17

Virtual reality : Aplikasi kedokteran

Sarifuddin Madenda.


18

9

Virtual reality

Sarifuddin Madenda.


19

Virtual reality : produksi film/animasi

Sarifuddin Madenda.


20

10

Data/informasi multimedia :

Dokumen Teks

Citra / Grafik

Audio / musik

Video / Animasi

Data multimedia 500 Mbps

Sarifuddin Madenda.


21

Representasi data numerik/digital Signal audio analog

Audio digital

Digitizer : - Sampling - Quantization video digital Signal video analog PAL/SECAM - 25 frame/second - 576 lines useful/frame CNST - 30 frame/second - 483 lines useful / frame Sarifuddin Madenda.


22

11

Representasi data numerik/digital Digitizer : - Digitalisasi signal analog/continu menjadi signal digital/diskret - Melalui proses sampling dan quantization (kuantisasi) yang dilakukan secara bersamaan. Sampling : - diskretisasi koordinat signal terhadap satuan waktu - Banyaknya sampling ditentukan oleh frekuensi (kecepatan) sampling. - Makin tinggi frekuensi makin banyak jumlah sampling, makin banyak informasi yang terrekam dan kualitas signal mendekati signal aslinya. - Makin rendah frekuensi makin sedikit jumlah sampling, makin sedikit informasi yang terrekam dan kualitas signal semakin rendah Sarifuddin Madenda.


Fréquence d’échantillonnage

23

• Sampling : Contoh signal :

Amplitudo

Frekuensi sampling tinggi : - Kualitas tinggi, - jumlah data besar 0

x Frekuensi sampling tinggi

Amplitudo

Frekuensi sampling rendah : - Kualitas rendah, - jumlah data kecil 0

x Frekuensi sampling rendah

Sarifuddin Madenda.


24

12

Kuantisasi : - Diskretisasi nilai amplitudo dari setiap sampel hasil sampling. - Pembagian nilai amplitudo dan pengkodeannya dalam nilai biner sesuai dengan jumlah bit yang digunakan. - Makin banyak jumlah bit, makin banyak variasi nilai tinggi rendahnya suara (untuk audio) atau makin banyak variasi warna pada citra/video, dan kualitas signal atau citra/video mendekati signal aslinya, namun makin banyak data yang terrekam. - Makin sedikit jumlah bit, makin sedikit variasi nilai tinggi rendahnya suara (untuk audio) atau makin sedikit variasi warna pada citra/video, kualitas signal atau citra/video semakin rendah dan semakin sedikit data yang terrekam. Sarifuddin Madenda.


Fréquence d’échantillonnage

25

• Kuantisasi :

Amplitudo

Kuantisasi dengan 5 bit - Variasi nilai amplitudo 25 = 32 - Jumlah data = N*32 bit N = jumlah sampling 0

Kuantisasi dengan 3 bit - Variasi nilai amplitudo 23 = 8 - Jumlah data = N*8 bit - Kualitas intensitas berkurang

Amplitudo

0

Sarifuddin Madenda.

x


x

26

13

Representasi dan kapasitas data multimedia Informasi textual : - Teks Î jumlah data JD = Nhuruf x 8 bit - Texs + citra/grafik Î JD = Nhuruf x 8 bit + besar file citra/grafik

Informasi Audio/suara/musik : - Manusia mampu mendengan pada frekuensi 20 Hz – 20 kHz - Teori sampling Nyquist–Shannon : frequensi sampling minimal = 2 kali frequensi signal (frequensi pendengaran manusia) - Jumlah sampling Î 44.100 sampel (44.1 kHz)/ detik - Kualitas sedang audio = 12 bit/sampel - JD = 44 100 sampel x 12 bit = 0,5 Mbit/detik (90 Mbit / 3 menit). Sarifuddin Madenda.


27

Informasi citra : - Citra berwarna Î warna dasar RGB (merah, hijau, biru) - Ukuran citra 2D NxM pixel (tinggi x lebar) Î JD = N x M x 24 bit - Kamera foto digital berukuran 8 mega pixel Î JD = 192 Mbit

Informasi Video : - Video citra yang di-capture secara sekuensial pada selang waktu yang berbeda - Kecepatan capture ≈ kecepatan sistem visual manusia untuk menganalisis informasi citra Î 25 (PAL) – 30 (NTSC) citra/detik - VCD Jumlah pixel/citra Î 352x240 (NTSC) dan 352x288 (PAL) - VCD JD = 60,83 Mbit/s (NTSC), JD = 60,83 Mbit/s (PAL) - DVD Jumlah pixel/citra Î 720x480 (NTSC) dan 720x576 (PAL) - DVD JD = ? Sarifuddin Madenda.


28

14

Teks

Teks 65 menit ?

Data multimedia 500 Mbps

Citra

Citra

Bandwidth 128 kbps wwxxyyzz Bandwidth 128 kbps

Video

Video

Masalah dalam Komunikasi Informasi Multimedai Tanpa kompresi Sis. Mul. : Pendahuluan.

Audio Sarifuddin Madenda.

Audio 29

Teks harapan !!

Informasi Multimedia Terkompresi 128 kbps

Citra Bandwidth 128 kbps

wwwxxxyyyzzz

Bandwidth 128 kbps

Video

Harapan pengguna Sarifuddin Madenda.

Teknologi Informasi Multimedai Sis. Mul. : Pendahuluan.

Audio 30

15

wwwwwwwwww

Teks

Teks Teks terkompresi

lumayan !!

xxxxxxxxxxxxx

Citra

Citra Citra terkompresi

Bandwidth 128 kbps yyyyyyyyyyyy

Bandwidth 128 kbps

Video Video terkompresi

Solusi Kompresi Informasi Multimedai yang telah dikembangkan saat ini

zzzzzzzzzzzz Audio Audio terkompresi Sarifuddin Madenda.

Video

Audio


31

Teks

Teks Wow !!!

Citra

Citra Bandwidth 128 kbps fjmmsflkkdffjskjk

Bandwidth 128 kbps

Video

Audio Sarifuddin Madenda.

Solusi Kompresi Informasi Multimedia yang saya kembangkan


Video

Audio 32

16

Kompresi data multimedia • Kompresi data teks (Huffman coding, RLE coding, LZW coding, arithmetic coding • Representasi dan kompresi data suara dan audio • Representasi dan kompresi citra • Representasi dan kompresi video

Sarifuddin Madenda.


33

Kompresi data : • Metode representasi data/informasi kedalam ukuran yang lebih kecil sehingga dapat mempercepat waktu transmisinya dan memperkecil penggunaan memori penyimpanan • Kompresi dapat dilakukan tanpa kehilangan atau perubahan data (Lossless compression) • Kompresi dapat dilakukan dengan kehilangan atau perubahan data (lossy compression) Sarifuddin Madenda.


34

17

Lossless compression : • Pengkodean (coding) data atau informasi yang memiliki redundancy (kerangkapan) kedalam jumlah bit yang lebih kecil. • Digunakan untuk kompresi teks atau citra/video tanpa kehilangan/perubahan data (citra/video medis) • Beberap contoh coding : Huffman, arithmetic, statistik, RLE (run-length encoding), LempelZiv, Lempel-Ziv-Welch, Sarifuddin Madenda.


35

Lossless compression : • Huffman Coding (David Albert Huffman 1952) - Berbasis pada perhitungan statistik - Mengunakan bantuan pohon biner - Data yang frekuensi munculnya paling banyak dikode dengan jumlah bit terkecil - Data yang frekuensi munculnya paling sedikit dikode dengan jumlah bit terbesar Sarifuddin Madenda.


36

18

Lossless compression : • Huffman Coding Contoh : "this is an example of a huffman tree" - statistik munculnya karakter : “ “= 7, a=4, e=4, f=3, t=2, h=2, i=2, s=2, n=2, m=2, x=1, p=1, l=1, u=1, 0=1, r=1. - Probabilitas munculnya karakter : “ “= 0.1944…, a=e=0.1111…, f=0.0833…, t=h=i=s=n=m=0.0556, x=p=l=u=o=r=0.0278. Sarifuddin Madenda.


37

Lossless compression : • Huffman Coding pohon biner : 0

“ “= 7 0 a=4 1 e=4 0 f=3 1 t=2 0 h=2 1 i=2 s=2 0 n=2 1 m=2 0 x=1 0 p=1 1 l=1 0 u=1 1 0=1 0 r=1 Sarifuddin Madenda. 1

0 1

12 8

5

1

4

0

4

1

1

2

0

2

1

0

8

0

4 2

4

20

16

8

0

36

1

1

1

288 bit Î 135 bit Sis. Mul. : Pendahuluan.

“ “= 000 a = 010 e = 011 f = 0010 t = 0011 h = 1000 i = 1001 s = 1010 n = 1011 m = 1100 x = 11010 p = 11011 l = 11100 u = 11101 o = 11110 r = 11111

38

19

Lossless compression : • Huffman Coding - digunakan untuk pengkodean teks, citra dan video - Ada 3 jenis algorithme Huffman coding, Masingmasing berhubungan dengan metode pembuatan pohon biner :

Sarifuddin Madenda.


39

Lossless compression : • Huffman Coding statik : code setiap karakter ditentukan langsung oleh algoritma (contoh : teks berbahasa Prancis, dimana frekuensi kemunculan huruf e sangat banyak sehingga code bitnya kecil. semi-adaptatif : teks harus dibaca terlebih dulu untuk menghitung frekuensi munculnya setiap karakter, kemudian membentuk pohon binernya. Sarifuddin Madenda.


40

20

Lossless compression : • Huffman Coding adaptatif : Metode ini memberikan rasio kompresi yang tinggi karena pohon biner dibentuk secara dinamik mengikuti tahapan compresi. Namun dari sisi kecepatan eksekusi membutuhkan waktu yang lebih lama karena satiap saat pohon binernya akan beruabah mengikuti perubahan frekuensi munculnya setiap karakter. Sarifuddin Madenda.


41

Lossless compression : • Kelemahan Huffman Coding Entropi H :

- Bila frekuensi munculnya setiap karakter dalam suatu dokumen adalah sama semua. - File kompresinya bisa sama atau lebih besar dari file aslinya - Solusi yang mungkin adalah kompresi per blok karekter dari dokumen tersebut Entropi H : Sarifuddin Madenda.


42

21

Lossless compression : • Run-length encoding - RLE coding telah diaplikasikan khususnya pada scanner hitam putih (biner) - Prinsip dasarnya adalah menghitung jumlah/panjang data yang sama dalam serangkain data yang akan dikompres - Contoh pada dokumen hitam H (tulisan) dan putih P (latar belakang dokumen), berikut misalnya data pada satu baris dokumen yang direpresntasikan dalam pixel : PPPPPPPPPPPPHPPPPPPPPPPPPPPHHHPPPPPPPPPPPPPPPPPPPPPPPHPPPPPPPPPPP

- Bentuk kompresinya adalah : 12P1H14P3H23P1H11P Sarifuddin Madenda.


43

Lossless compression : • Aplikasi Run-length encoding - Kompresi citra format bmp pada Windows dan OS/2 untuk citra 1, 4 dan 8 bit/pixel - Citra format PCX 8 dan 24 bit/pixel - Fax dan scanner hitam putih

Sarifuddin Madenda.


44

22

Lossless compression : • Lempel-Ziv-Welch coding - Asumsi setiap karakter dikode dengan 8 bit (nilai code 256) - Membentuk table gabungan karakter (kata dalam kamus) - Tabel ini menyimpan kode kata dengan jumlah bit tetap (umumnya maksimum 12 bit) - Contoh : TOBEORNOTTOBEORTOBEORNOT

Sarifuddin Madenda.


45

Algoritma kompresi LZW : c

w

wc

T

T

output

Kamus

O

T

TO

T

TO = <256>

B

O

OB

O

OB = <257>

E

B

BE

B

BE = <258>

O

E

EO

E

EO = <259>

R

O

OR

O

OR = <260>

N

R

RN

R

RN = <261>

O

N

NO

N

NO = <262>

T

O

OT

O

OT = <263>

T

T

TT

T

TT = <264>

O

T

TO

B

TO

TOB

<256>

TOB = <265>

E

B

BE

Sarifuddin Madenda.


46

23

c

w

wc

output

Kamus

O

BE

BEO

<258>

BEO = <266>

R

O

OR

T

OR

ORT

<260>

ORT = <267>

O

T

TO

B

TO

TOB

E

TOB

TOBE

<265>

TOBE = <268>

O

E

EO

R

EO

EOR

<259>

EOR = <269>

N

R

RN

O

RN

RNO

<261>

RNO = <270>

T

O

OT

OT Sarifuddin Madenda.

<263> Sis. Mul. : Pendahuluan.

47

Lossless compression : • Lempel-Ziv-Welch coding - Contoh : TOBEORNOTTOBEORTOBEORNOT Hasil pengkodean : TOBEORNOT<256><258><260><265><259><261><263> Jumlah bit 16 * 9 = 144 bits. Algoritma Rekonstruksi LZW : TOBEORNOTTOBEORTOBEORNOT Sarifuddin Madenda.


48

24

k

w

T

input

w+input

T

output

Kamus

T

O

T

O

TO

O

TO = <256>

B

O

B

OB

B

OB = <257>

E

B

E

BE

E

BE = <258>

O

E

O

EO

O

EO = <259>

R

O

R

OR

R

OR = <260>

N

R

N

RN

N

RN = <261>

O

N

O

NO

O

NO = <262>

T

O

T

OT

T

OT = <263>

<256>

T

TO

TT

TO

TT = <264>

<258>

TO

BE

TOB

BE

TOB = <265>

<260>

BE

OR

BEO

OR

BEO = <266>

<265>

OR

TOB

ORT

TOB

ORT = <267>

<259>

TOB

EO

TOBE

EO

TOBE = <268>

<261>

EO

RN

<263> Sarifuddin Madenda.

RN

OTSis. Mul. :

EOR

RN

EOR = <269>

RNO Pendahuluan.

OT

RNO = <270> 49

Kompresi data Citra Format file citra: • File citra umumnya memiliki : - header yang menyatakan informasi citra seperti ukuran citra, format file, dll. - data citra itu sendiri • Struktur file berbeda antara satu format dengan format citra lainnya • Bisa jadi struktur file untuk format citra yang sama berbeda dari satu versi ke versi yang lain (contoh : file TIFF) Sarifuddin Madenda.


50

25

JPEG (Joint Photo Expert Group) • Format JPEG mengikuti norm ISO • Bersifat pengunaan bebas • Jumlah warna citra 224 = 16777216 warna • Type kompresi lossy menggunakan DCT • Kualitas kompresi tergantung pada rasio kompresi • Tidak memiliki sifat warna transparan • Bukan format animasi Sarifuddin Madenda.


51

JPEG 2000 (Joint Photo Expert Group) • JPEG 2000 masih dibawah proteksi hak paten • Type kompresi lossy dan lossless menggunakan Wavelet Transform • Jumlah warna citra 224 = 16777216 warna • Kualitas kompresi dapat diatur secara lokal atau global • Dapat ditampilkan dengan ukuran yang berbeda • Bukan format animasi • Tidak memiliki sifat warna transparan Sarifuddin Madenda.


52

26

PNG (Portable Network Graphics) • Bersifat pengunaan bebas • Type kompresi lossless baik untuk citra berwarna maupun citra gray-level • Memiliki sifat warna transparan • Bukan format animasi • Versi format animasinya adalah MNG

Sarifuddin Madenda.


53

GIF (Compuserve Graphics) • Bersifat dilindungi oleh hak paten • Jumlah warna citra 256 (sistem pallet) • Dapat memiliki sifat warna transparan • Dapat merupakan format animasi • Penggunaa umum adalah untuk logo dan citra yang memiliki jumlah warna sedikit

Sarifuddin Madenda.


54

27

Kompresi JPEG Bagan standar kompresi citra JPEG Pembagian citra dalam blok 8x8 pixel

Transformasi warna

DCT

Kuantisasi

Coding RLE & Huffman

Tabel Kuantisasi

Tabel coding

Kuantisasi Inverse

Decoding RLE & Huffman

Kompresi JPEG Citra asli

Citra terkompresi JPEG

Rekonstruksi JPEG Rekonstruksi Blok citra

Transformasi Warna invers

IDCT

Matriks asli.

Sarifuddin Madenda.


55

Sub-sampling warna 4:4:4

Format ruang warna :

R

G

B

Y

Cb

Y

4:2:2

Cr

4:1:1

Sarifuddin Madenda.


56

28

Konversi RGB Î Yuv :

Konversi Yuv Î RGB :

Sarifuddin Madenda.


57

MPEG : Prinsip dasar

Down sampling

- Mata lebih sensitif terhadap perubahan intensitas/luminance L - Perubahan nilai komponen chrominance U (Cb) dan V (Cr) tidak terlu tampak secara visual oleh mata Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 58

29

Matriks asli.

Matriks transformasi DCT

DCT

÷

Matriks kuantisasi

Sarifuddin Madenda.


Matriks terkuantisasi.

59

Transformasi DCT DCT (i , j ) =

N −1 2 .C ( j ).C (i ) ∑ N y =0

Implementasi 1D :

⎡ ( 2 y + 1). jπ ⎤ ⎡ ( 2 x + 1).iπ ⎤ ⎥⎦ ⎥⎦. cos ⎢⎣ 2N 2N

N −1

∑ Pixel ( x, y ). cos ⎢⎣ x =0

DCT (i , y ) X =

DCT (i, j ) =

2 N

2 N

N −1 ⎡ ( 2 x + 1).iπ ⎤ .C (i ) ∑ Pixel ( x, y ). cos ⎢ ⎥⎦ 2N ⎣ x =0

N −1 ⎡ ( 2 y + 1). jπ ⎤ .C ( j ) ∑ DCT (i, y ) X . cos ⎢ ⎥⎦ 2N ⎣ y =0

Transformasi DCT invers. Pixel ( x, y ) =

N −1 2 .C ( j ).C (i ) ∑ N j =0

Implementasi 1D :

⎡ ( 2 y + 1). jπ ⎤ ⎡ ( 2 x + 1).iπ ⎤ ⎥⎦ ⎥⎦. cos ⎢⎣ 2N 2N

N −1

∑ DCT (i, j ). cos ⎢⎣ i =0

IDCT (i , y ) X =

Pixel ( x, y ) = Sarifuddin Madenda.

2 N

2 N

N −1 ⎡ ( 2 y + 1). jπ ⎤ .C ( j ) ∑ DCT (i, j ). cos ⎢ ⎥⎦ 2N ⎣ j =0

N −1 ⎡ ( 2 x + 1).iπ ⎤ .C (i ) ∑ IDCT (i, y ) X . cos ⎢ ⎥⎦ 2N ⎣ i =0


60

30

Matriks terkuantisasi invers.

Matriks terkuantisasi.

x

⎡1264 ⎢ − 24 ⎢ ⎢ − 14 ⎢ 0 F = ⎢ ⎢ 0 ⎢ ⎢ 0 ⎢ 0 ⎢ ⎣ 0

0 − 12

− 10 0

0 0

0 0

0 0

0 0

− 13 0

0 0

0 0

0 0

0 0

0 0

0 0

0 0

0 0

0 0

0 0

0 0

0 0

0 0

0 0

0 0

0 0

0 0

0⎤ 0⎥ ⎥ 0⎥ 0 ⎥⎥ 0⎥ ⎥ 0⎥ 0⎥ ⎥ 0⎦

IDCT

Matriks kuantisasi

Matriks hasil IDCT Sarifuddin Madenda.


61

Sarifuddin Madenda.


62

31

Quantization Table for: Photoshop CS2 (Save As 11)

Quantization Table for: IrfanView (95%)

Sarifuddin Madenda.

Quantization Table: Luminance

Quantization Table: Chrominance

1

1

1

2

3

3

4

5

1

2

4

7

8

8

8

8

1

1

1

2

3

4

4

6

2

2

4

7

8

8

8

8

1

1

2

3

4

4

5

7

4

4

7

8

8

8

8

8

2

2

3

4

4

5

7

8

7

7

8

8

8

8

8

8

3

3

4

4

5

7

8

8

8

8

8

8

8

8

8

8

3

4

4

5

7

8

8

8

8

8

8

8

8

8

8

8

4

4

5

7

8

8

8

8

8

8

8

8

8

8

8

8

5

6

7

8

8

8

8

8

8

8

8

8

8

8

8

8

Quantization Table: Chrominance

Quantization Table: Luminance 2

1

1

2

2

4

5

6

2

2

2

5

10

10

10

1

1

1

2

3

6

6

6

2

2

3

7

10

10

10

10

1

1

2

2

4

6

7

6

2

3

6

10

10

10

10

10

1

2

2

3

5

9

8

6

5

7

10

10

10

10

10

10

2

2

4

6

7

11

10

8

10

10

10

10

10

10

10

10

2

4

6

6

8

10

11

9

10

10

10

10

10

10

10

10

5

6

8

9

10

12

12

10

10

10

10

10

10

10

10

10

7

9

10

10

11

10

10

10

10

10

10

10

10

10

10

10


10

63

Zigzag coding : urutan pengkode menurut norm JPEG.

• DC adalah nilai rata-rata matriks dan merepresentasikan informasi global matriks (frekuensi rendah) • AC merepresentasikan informasi detail matriks (frek. tinggi) • Penkodean dilakukan dalam bentuk zigzag : 20 -10 11 1 -9 2 -2 -4 -8 -1 0 1 2 3 -1 0 0 0 0 -1 EOB Sarifuddin Madenda.


64

32

Table 1 - Huffman - Luminance (Y) - DC

Table 2 - Huffman - Luminance (Y) - AC

Length

Bits

Code

Length

Bits

Code

04 05 03 02 06 01 00 (End of Block)

2 bits

00 01

01 02

3 bits

000 001 010 011 100 101 110

3 bits

100

03

4 bits

1010 1011 1100

11 04 00 (End of Block)

4 bits

1110

07

5 bits

1111 0

08

5 bits

1101 0 1101 1 1110 0

05 21 12

6 bits

1111 10

09

7 bits

1111 110

0A

6 bits

1110 10 1110 11

31 41

...

...

...

12 bits

... 1111 1111 0011 ...

... F0 (ZRL) ...

...

...

...

16 bits

... 1111 1111 1111 1110

... FA

Code bit-stream :

20 -10 11 1 -9 2 -2 -4 -8 -1 0 1 2 3 -1 0 0 0 0 -1 EOB

Sarifuddin Madenda.

AC Code

Size


Additional Bits

65

DC/AC Value

01

1

0 1

-1 1

02

2

00,01 10,11

-3,-2 2,3

03

3

000,001,010,011 100,101,110,111

04

4

0000,...,0111 1000,...,1111

-15,...,-8 8,...,15

05

5

0 0000,... ...,1 1111

-31,...,-16 16,...,31

-7,-6,-5,-4 4,5,6,7

06

6

00 0000,... ...,11 1111

-63,...,-32 32,...,63

07

7

000 0000,... ...,111 1111

-127,...,-64 64,...,127

08

8

0000 0000,... ...,1111 1111

-255,...,-128 128,...,255

09

9

0 0000 0000,... ...,1 1111 1111

-511,...,-256 256,...,511

0A

10

00 0000 0000,... ...,11 1111 1111

-1023,...,-512 512,...,1023

0B

11

000 0000 0000,... ...,111 1111 1111

-2047,...,-1024 1024,...,2047

20 -10 11 1 -9 2 -2 -4 -8 -1 0 1 2 3 -1 0 0 0 0 -1 EOB 1011 0101 1011 1011 00 1 . . . . . 1010 1 . . . . . . 111011 0 1100 Sarifuddin Madenda.


66

33

Analisis multi-frekuensi : Wavelet transform • Informasi dalam signal 1-D et 2-D tersebar dalam frekuensi yang berbeda (dari frekuensi rendah ke frekuensi tinggi) • Analisis informasi dalam signal tersebut membutuhkan teknik analisis multi-frekuensi Î multi-resolusi Î multi-scale • Wavelet transform (WT) sangat sesuai dengan kebutuhan analisis multi-frekuensi. Sarifuddin Madenda.


67

Discrete Wavelet Transform (DWT) Prinsipe : memisahkan signal dalam dua komponen yaitu informasi general (frekuensi rendah) dan informasi detil (frekuensi tinggi) Bagaimana DWT berfungsi ? Dua pendekatan analisis : - pendekatan melalui dilatasi filter Î resolusi signal tetap. - pendekatan melalui dilatasi signal Î resolusi signal berubah Contoh : misalkan suatu signal memiliki informasi yang tersebar hingga pada frekuensi 1000 Hz. Sarifuddin Madenda.


68

34

Discrete Wavelet Transform (DWT) Pendekatan melalui dilatasi filtre ? - Pada tahap awal, kita bagi informasi signal dalam dua bagian dengan melewatkannya dalam high-pass filter (500-1000 Hz) dan low-pass filter (0-500 Hz). - Menghasilkan satu signal yang berhubungan dengan informasi pada interval 0-500 Hz (frekuensi rendah) dan satu signal lainnya dengan informasi pada interval 500-1000 Hz (frekuensi tinggi). - Selanjutnya, kita lakukan proses berulang pada salah satu atau kedua komponen tadi. - Andaikan kita lakukan untuk bagian low-pass dengan menggunakan high-pass filter (250-500 Hz) dan low-pass filter (0-250 Hz). Maka kita akan punya 3 komponen informasi, masing-masing berhubungan dengan informasi dari satu signal yang sama pada frekuens 0-250 Hz, 250-500 Hz et 500-1000 Hz. - dst. Sarifuddin Madenda.


69

Discrete Wavelet Transform (DWT) Pendekatan dilatasi signal ? • Tahap pertama, kita lewatkan signal kedalam low-pass filter dan high-pass filter (kita gunakan filter dengan resolusi yang sama). • Tahap kedua, resolusi signal hasil low-pass dan high-pass kita bagi dua. • Selanjutnya, kita lakukan proses yang sama hingga pada resolusi yang diinginkan. Keuntungan untuk kompresi citra : - Lebih mudah untuk implementasi real-time - sangat baik untuk kompresi citra dan video

Sarifuddin Madenda.


70

35

Discrete Wavelet Transform (DWT)

Sarifuddin Madenda.


71

Discrete Wavelet Transform (DWT)

Sarifuddin Madenda.


72

36

Discrete Wavelet Transform (DWT) • Ada beberapa jenis WT yang telah dikembangkan, diantaranya yang digunakan untuk format JPEG2000 : - ''CDF 9/7'' Cohen-Daubechies-Fauvaue (irreversible). - ''spline 5/3'' pour Le Gall (lebih sederhana dan reversible). • Bilangan 9 dan 5 merupakan jumlah elemen filter low-pass. Bilangan 7 dan 3 merupakan jumlah elemen filter high-pass. Pour la CDF 9/7 : Filter low-pass L :

Filter high-pass H :

+0.602949018236 +0.266864118443 (Z1 +Z-1) -0.0782223266529 (Z2 +Z-2) -0.016864118448 (Z3 +Z-3) +0.026748757411 (Z4 +Z-4) Sarifuddin Madenda.

+0.557543526229 (Z1) -0.295635881557 (Z2 +Z0) -0.028771763114 (Z3 +Z-1) +0.045635881557 (Z4 +Z-2)


73

Standar Kompresi JPEG2000 • Wavelet Transform (WT) - Ide : membagi citra kedalam tingkat resolusi yang berbeda - Pembagiannya berdasarkan pita frekuensi yang bebeda - Menjaga/mempertahankan kualitas data • Principes : – Melakukan proses WT terhadap citra asli – Kuantisasi skalar (sesuai tingkat resolusi) – Pengkodean (RLE, entropy, Huffman, …)

Sarifuddin Madenda.


74

37

Standar Kompresi JPEG2000 Citra asli

Wavelet Transform

Coding per blok

Kuantisasi

Encoder

Pembentukan bitstream

Citra terkompresi

Optimisasi rasio-distorsi

Decoding Per blok

Citra terkompresi

Kantisasi invers

Wavelet transform inverse

Citra rekonstruksi

Decoder Sarifuddin Madenda.


75

Standar Kompresi JPEG2000 LL1 Detil horisontal

Citra asli

LH1 HL1 baris kolom

Sarifuddin Madenda.


HH1

Detil vertikal Detil diagonal

76

38

Standar Kompresi JPEG2000 LL2 Citra LL1

LH2 baris

Sarifuddin Madenda.

HL2 kolom

HH2

Detil horisontal Detil vertikal Detil diagonal


77

Standar Kompresi JPEG2000 LL3 Citra LL2

LH3 baris

Sarifuddin Madenda.

HL3 kolom


HH3

Detil horisontal Detil vertikal Detil diagonal

78

39

Standar kompresi JPEG2000 Transmisi secara progresif per resolusi

Sarifuddin Madenda.


79

Standard compression JPEG2000 Transmisi secara progresif per resolusi

Sarifuddin Madenda.


80

40


Sarifuddin Madenda.


81


Sarifuddin Madenda.


82

41

Standard compression JPEG2000 Perbandingan rasio kompresi

Sarifuddin Madenda.


83

Standar kompresi JPEG2000 Contoh citra hasil kompresi :

Sarifuddin Madenda.

JPEG


JPEG 2000

84

42

Standard compression JPEG2000 • Keuntungan – Kualitas lebih baik dari JPEG – Lossless dan lossy compression sangat baik – Regions of Interests Æ ROI coding – Transmisi dan pengkodean progressif – Sesuai untuk data aplikasi multimedia • Untuk nilai PSNR (pick signal to noise ratio) yang sama, ratio kompresi JPEG2000 dapat mencapai 2 kali dari JPEG • Efek blok tidak tampak

Sarifuddin Madenda.


85

Kompresi Video Problem : - Satu citra dari suatu video dapat menempati kapasitas memori sekitar 0,916 MB (640x480 pixel). - Untuk menampilkan video yang secara visual tampak kontinu, maka kecepatan pengambilan gambar adalah 25 atau 30 citra per detik, atau sekitar 23 MB/detik atau sekitar 1,38 GB/menit atau sekitar 82,94 GB/jam. - Kapasitas penyimpanan (CD dan DVD) yang ada saat ini sekitar 7GB, - Kapasitas band-width jaringan komunikasi yang terbatas. - 25 citra/detik butuh band-with sekitar 184 Mbps. Sarifuddin Madenda.


86

43

Kompresi Video • Solusi : - Meningkatkan kapasitas memori penyimpanan, implikasinya penambahan biaya yang besar - Memperbesar band-width komunikasi implikasinya penambahan biaya yang besar - Kompresi data video Î pengembangan algoritma CoDec (COmpression/DECompression) untuk memperkecil semaksimal mungkin data video tanpa banyak mengurangi kualitas visualnya Sarifuddin Madenda.


87

Kompresi Video • Ide pertama adalah mengurangi jumlah data rate (dari 25 fps ke 12 fps atau dari 30 fps ke 15 fps), dengan konsekuensi menghilangkan sejumlah pergerakan objek video (video motions) • Intraframe (spatial) compression: mengurangi redundant informasi/data yang berada dalam satu citra atau frame.

Sarifuddin Madenda.


88

44

Kompresi Video Interframe (temporal) compression • Landasan pemikiran adalah bahwa banyak terdapat perulangan informasi/data video dari satu frame (citra) ke frame lainnya. • Sehingga perlu pengembangan metode atau algoritma yang mampu menghilangkan redundancy informasi/dat antar frame. • Butuh identifikasi key frame (master frame) • Key frame: dasar untuk menentukan berapa banyaknya frame secara berurutan yang memiliki pergerakan objek yang sama (hampir sama) Sarifuddin Madenda.


89

Kompresi Video Interframe (temporal) compression

t •

•

Andaikan bahwa informasi/data background adalah tetap (langit, jalan dan rumput) dan hanya mobil yang bergerak. Frame pertama disimpan sebagai key frame dan frame-frame lainnya diambil hanyalah objek yang bergerak (mobil).

Sarifuddin Madenda.


90

45

Standar video MPEG • MPEG-1, adalah suatu standar untuk kompresi data video dan audio (2 kanal audio). Memungkinkan untuk menyimpan video dengan kapasitas 1.5 Mbps pada media VCD (Video CD). • MPEG-2, suatu standard dikembangkan untuk televisi numerik (HDTV) yang memberikan kualitas tinggi dengan kapasitas 40 Mbps dan 5 canal audio. MPEG-2 juga dikembangkan untuk dapat mengidentifikasi dan memproteksi terhadap pembajakan. Format ini digunakan untuk video DVD.

Sarifuddin Madenda.


91

Standards et normes vidéos : MPEG • MPEG-4, standard yang ditujukan untuk compresi data multimédia dalam bentuk objek numériques, sehingga lebih memudahkan interactivity, dan pengunaanya lebih adaptif terhadap kebutuhan web dan interface mobile. • MPEG-7, standard ditujukan untuk memberikan representasi standar data audio dan visual agar dapat lebih memungkinkan pencarian informasi dalam video berdasarkan content. Standar ini disebut juga Multimedia Content Description Interface.

Sarifuddin Madenda.


92

46

MPEG : Prinsip dasar Coding Prediksi

P

Transformasi

Kuantisasi

Entropy Coding

T

Q

Ce

Decoding Format ruang warna : 4:1:1 (4:2:0)

R

G

B

Y

U

Luminance

Sarifuddin Madenda.


V

93

MPEG : Prinsip dasar Konversi RGB Î Yuv :

Konversi Yuv Î RGB : Sarifuddin Madenda.


94

47


Down sampling

- Mata lebih sensitif terhadap perubahan intensitas/luminance L - Perubahan nilai komponen chrominance U (Cb) dan V (Cr) tidak terlu tampak secara visual oleh mata Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 95

MPEG : Prinsip dasar Modul Prediksi :

Sarifuddin Madenda.


96

48

MPEG : Prinsip dasar Modul Prediksi : I

B

B

B

P

B

B

B

P

B

B

B

I

• Frames I : citra dikompresi secara terpisah tanpa citra referensi dari citra sebelumnya. • Frames P: citra yang diprediksi berdasarkan pada citra referensi I atau P sebelumnya. • Frames B (Citra interpolsi bidireksional) : citra ini dihitung berdasarkan citra referensi I dan P, Urutan penyimpanan dalam file : I P B B B P B B B I B B B Sarifuddin Madenda.


97


Sarifuddin Madenda.


98

49

MPEG : Prinsip dasarr Frames I :

• Citra ini dikompresi dengan hanya menggunkan metode kompresi JPEG. • Citra ini sangat penting dalam video MPEG karena dialah yang menjamin kesinambungan data citra lainnya • Ada 2 atau 3 citra I per detiknya dalam video MPEG. Sarifuddin Madenda.


99

MPEG : Principe Frames P : • Citra ini dihitung melalui perbedaan antra citra actual terhadap citra I atau citra P sebelumnya. • Algoritma yang dikembangkan untuk menghitung citra P adalah melalui perbandingan blok per blok, disebut macroblocs (16x16 pixels), dan berdasarkan pada nilai ambang tertentu dapat dinyatakan apakah blok tesebut berbeda dengan blok citra sebelumnya. Jika ya maka dilakukan compresi JPEG dan jika tidak, blok tersebut dinyatakan sama dengan blok citra sebelumnya dan tidak perlu dikompresi. • Perhitungan macroblocs sangat mempengaruhi kecepatan kompresi.

Sarifuddin Madenda.


100

50

MPEG : Principe Frames B : • Sama halnya dengan frames P, frames B dihitung berdasarkan perbedaan antara citra actual terhadap citra referensi I sebelumnya dan citra referensi P berikutnya, hal ini dapat memberikan kualitas kompresi yang baik, namun memberikan delay waktu karena harus mengetahui dulu citra berikutnya dan harus disimpan di memori 3 citra secara berturutan (citra I/P sebelumnya, citra actual dan citra P/I berikutnya).

Sarifuddin Madenda.


101

51

Sistem Multimedia. SARMAG - Universitas Gunadarma. Dr. Sarifuddin Madenda Dosen & Peneliti

Recommend Documents