KOMPRESI CITRA

Pertemuan 12

Mata Pengolahan Citra

PEMAMPATAN CITRA

• Semakin besar ukuran citra semakin besarmemori yang dibutuhkan.

• Namun kebanyakan citra mengandungduplikasi data, yaitu :

Suatu piksel memiliki intensitas yang samadengan dengan piksel tetangganya, sehinggapenyimpanan setiap piksel memboroskantempat.

Alusyanti.P

PEMAMPATAN CITRA

• Citra banyak mengandung bagian (region) yang sama, sehingga bagian yang sama initidak perlu dikodekan berulangkali karenamubazir atau redundan .

• Contoh : citra langit biru dengan beberapaawan putih banyak intensitas piksel dan region yang sama.

TUJUAN

• Pemampatan citra / kompresi citra bertujuanmeminimalkan kebutuhan memori untukmerepresentasikan citra digital denganmengurangi duplikasi data di dalam citrasehingga memo yang dibutuhkan menjadilebih sedikit daripada representasi citrasemula

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 pixel-

pixel di dalam suatu kelompok yang memilikiderajat keabuan yang sama didalam suatudaerah didalam gambar.

– Contoh: Metode Run-Length Encoding.Alusyanti.P

PENDEKATAN PEMAMPATAN CITRA

3. Pendekatan Kuantisasi

3. Dengan mengurangi jumlah derajat keabuanyang tersedia.

4. Contoh: Metode Pemampatan Kuantisasi

4. Pendekatan Fraktal

3. Berdasarkan kenyataan bahwa kemiripan bagian-bagian didalam citra dapat tereksploitasi dengansuatu matriks tranformasi.

4. Contoh: Metode Fractal Image Compression

METODE PEMAMPATAN CITRA

1. Metode Lossless

– Selalu menghasilkan citra hasil penirmampatanyang 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 berdasarkanfrekuensi kemunculannya atau peluang kumunculanyaitu frekuensi kemunculan dibagi dengan jumlahpiksel dalam citra (pk = nk/n). Setiap nilai keabuandinyatakan sebagai pohon bersimpul tunggal dansetiap simpul diassign dengan frekuensi kemunculannilai keabuan tersebut.

Alusyanti.P

STATISTICAL COMPRESSION (METODE PEMAMPATAN HUFFMAN)

2. Gabung 2 buah pohon yang mempunyai frekuensikemunculan paling kecil pada sebuah akar. Akarmempunyai frekuensi yang merupakan jumlah darifrekuensi 2 pohon penyusunnya. Perhatikan : frekuensidengan 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 untukderajat keabuan yang bersesuaian.

METODE HUFFMAN

Contoh : citra ukuran 64 x 64 dengan 8 derajatkeabuan (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 6 : 0,03

5 : 0,06 4 : 0,08 3 : 0,16 0 : 0,19 2 : 0,21 1 : 0,25

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 0 : 0,19 2 : 0,21 1 : 0,25

7 : 0,02 6 : 0,03

5 : 0,0676 : 0,05

765: 0,11

Alusyanti.P

METODE HUFFMAN

3 : 0,16 0 : 0,19 2 : 0,21 1 : 0,25

765: 0,11

5 : 0,0676 : 0,05

7 : 0,02 6 : 0,03

4 : 0,08

4765: 0,19

Alusyanti.P

METODE HUFFMAN

3 : 0,16

0 : 0,19 2 : 0,21 1 : 0,25

765: 0,11

5 : 0,0676 : 0,05

7 : 0,02 6 : 0,03

4 : 0,08

4765: 0,19

34765: 0,35

Dengan formasi sepertidiatas, pilih 2 frekuensiterkecil, kemudiangabungkan dan urutkansecaramenaik.

Alusyanti.P

METODE HUFFMAN

3 : 0,16

0 : 0,19 2 : 0,21

1 : 0,25

765: 0,11

5 : 0,0676 : 0,05

7 : 0,02 6 : 0,03

4 : 0,08

4765: 0,19

34765: 0,35

134765: 0,60 02: 0,40

Alusyanti.P

METODE HUFFMAN

3 : 0,160 : 0,19 2 : 0,21

1 : 0,25

765: 0,11

5 : 0,0676 : 0,05

7 : 0,02 6 : 0,03

4 : 0,08

4765: 0,19

34765: 0,35

134765: 0,60

02: 0,40

02134765: 1,00

Karena sudah tersisa 1 pohon, lakukan langkah 4.

Alusyanti.P

METODE HUFFMAN

Langkah 4 : Beri label 0 untuk sisi kiri, sisi kanan label 1

3 : 0,160 : 0,19 2 : 0,21

1 : 0,25

765: 0,11

5 : 0,0676 : 0,05

7 : 0,02 6 : 0,03

4 : 0,08

4765: 0,19

34765: 0,35

134765: 0,60

02: 0,40

02134765: 1,00

0

0

0

0

0

0

0

1

1

1

1

1

1

METODE HUFFMANLangkah 5 : Telusuri pohon biner dari akar ke daun untuk menentukan kode Huffman yang sesuai dengan derajat keabuan.

Derajat keabuan Kode Huffman Ukuran Banyaknya piksel 0 00 2 bit 790 1 10 2 bit 1023 2 01 2 bit 850 3 110 3 bit 656 4 1110 4 bit 329 5 11111 5 bit 245 6 111101 6 bit 122 7 111100 6 bit 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