Pengolahan Citra PDF

Sistem Multimedia
SARMAG - Universitas Gunadarma
Dr. Sarifuddin Madenda

Dosen & Peneliti
Universitas Gunadarma
&
Universit du Qubec en Outaouais
Qubec - Canada
Akuisisi dan karakteristik data multimedia

Data real multimedia berupa signal analog :
Sinyal audio :
Sinyal video :
1
Pokok bahasan :
(i) Pengantar Multimedia,

(ii) Produksi konten multimedia
(iii) Representasi data multimedia
(iv) 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
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.
3
Tipe media digital :
Media yang bersifat Time-Independent
Information/data bukan merupakan fungsi waktu
teks
grafik (grafik komputer)
citra (photo).
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)
4
Karakteristik sistem multimedia :
Secara terintegrasi
- Pembuatan,
- Pemrosesan,
- Penyimpanan,
- Representasi,
- Transmisi
Dokumen multimedia yang bersifat time-dependent
dan time-independent
Dokumen multimedia :
Teks
Citra Audio
Animasi (komputer grafik)
Video
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.
Sinkronisasi dokumen multimedia :
Sinkronisasi intra-objets
Sinkronisasi inter-objets
6
Application Robotik :
Vision (citra &

Peraba video)
(sensasi sentuhan)
Penciuman
(bau)
pendengaran
(audio & Perasa
musique) (rasa)
Application Vido confrence
- Volume data multimedia : sangat besar

- Band-width jaringan : terbatas dan mahal
- Delay waktu transmisi : sangat besar
7
Video game :
Iklan video clip :
8
Simulasi penerbangan :
Virtual reality : Aplikasi kedokteran
9
Virtual reality
Virtual reality : produksi film/animasi
10
Data/informasi multimedia :
Dokumen Teks Citra / Grafik Audio / musik Video / Animasi
Data multimedia 500 Mbps
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
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
Frquence dchantillonnage
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
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.
Frquence dchantillonnage
Kuantisasi :
Amplitudo
Kuantisasi dengan 5 bit

- Variasi nilai amplitudo 25 = 32
- Jumlah data = N*32 bit
N = jumlah sampling
0 x
Amplitudo
Kuantisasi dengan 3 bit
- Variasi nilai amplitudo 23 = 8
- Jumlah data = N*8 bit
- Kualitas intensitas berkurang
0 x
13
Representasi dan kapasitas data multimedia
Informasi textual :
- Teks jumlah data JD = Nhuruf x 8 bit
- Texs + citra/grafik JD = Nhuruf x 8 bit + besar file citra/grafik
Informasi Audio/suara/musik :
- Manusia mampu mendengan pada frekuensi 20 Hz 20 kHz
- Teori sampling NyquistShannon : frequensi sampling minimal =
2 kali frequensi signal (frequensi pendengaran manusia)
- Jumlah sampling 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).
Informasi citra :
- Citra berwarna warna dasar RGB (merah, hijau, biru)
- Ukuran citra 2D NxM pixel (tinggi x lebar) JD = N x M x 24 bit
- Kamera foto digital berukuran 8 mega pixel 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 25 (PAL) 30 (NTSC) citra/detik
- VCD Jumlah pixel/citra 352x240 (NTSC) dan 352x288 (PAL)
- VCD JD = 60,83 Mbit/s (NTSC), JD = 60,83 Mbit/s (PAL)
- DVD Jumlah pixel/citra 720x480 (NTSC) dan 720x576 (PAL)
- DVD JD = ?
14
Teks Teks
65 menit ?
Data multimedia
Citra 500 Mbps Citra
Bandwidth
128 kbps
wwxxyyzz
Video Bandwidth Video
128 kbps
Masalah dalam Komunikasi

Audio Informasi Multimedai Audio
Sarifuddin Madenda.
Tanpa kompresi
Sis. Mul. : Pendahuluan. 29
Teks
harapan !!
Informasi Citra
Multimedia
Terkompresi
128 kbps Bandwidth
128 kbps
wwwxxxyyyzzz
Bandwidth Video
128 kbps
Harapan pengguna
Teknologi Informasi Audio
Sarifuddin Madenda.
Multimedai
15
wwwwwwwwww
Teks
Teks Teks
terkompresi
lumayan !!
xxxxxxxxxxxxx
Citra
Citra Citra
terkompresi
Bandwidth
128 kbps
yyyyyyyyyyyy

Video
terkompresi 128 kbps
Solusi Kompresi Informasi

zzzzzzzzzzzz
Multimedai yang telah Audio
Audio
Audio
terkompresi
dikembangkan saat ini
Teks Teks
Wow !!!
Citra Citra
Bandwidth
128 kbps
fjmmsflkkdffjskjk

128 kbps
Solusi Kompresi Informasi

Multimedia yang saya Audio
Audio
kembangkan
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
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)
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), Lempel-
Ziv, Lempel-Ziv-Welch,
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
18
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.
Huffman Coding
pohon biner :
0 0 0
= 7 12 20 36 = 000
0 1
a=4 8 a = 010
e=4 1 e = 011
f=3 0 5 1 f = 0010
t=2 1 t = 0011
h=2 0 4 0 8 0 16 1 h = 1000
i=2 1 i = 1001
s=2 0 4 1 s = 1010
n=2 1 n = 1011
m=2 0 4 0 8 1 m = 1100
x=1 0 2
1 x = 11010
p=1 1 p = 11011
l=1 0
2
0
4
1 l = 11100
u=1 u = 11101
1
0=1 2 288 bit 135 bit o = 11110
0 1
r=1
Sarifuddin Madenda. Sis. Mul. : Pendahuluan.
r = 11111 38
1
19
Huffman Coding
- digunakan untuk pengkodean teks, citra dan

video
- Ada 3 jenis algorithme Huffman coding, Masing-
masing berhubungan dengan metode pembuatan
pohon biner :
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.
20
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.
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 :
21
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

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
22
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
Algoritma kompresi LZW :
c w wc output Kamus
T <NIL> T
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
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 <263>
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
24
k w input w+input output Kamus
T T 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 EOR RN EOR = <269>
<263>
Sarifuddin Madenda. RN OTSis. Mul. : 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)
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
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
Tidak memiliki sifat warna transparan
26
PNG (Portable Network Graphics)
Bersifat pengunaan bebas
Type kompresi lossless baik untuk citra
berwarna maupun citra gray-level
Memiliki sifat warna transparan
Versi format animasinya adalah MNG
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
27
Kompresi JPEG
Bagan standar kompresi citra JPEG
Pembagian citra Coding RLE

Transformasi
dalam blok DCT Kuantisasi &
warna
8x8 pixel Huffman
Kompresi JPEG
Tabel Tabel Citra terkompresi
Citra asli
Kuantisasi coding JPEG
Rekonstruksi JPEG
Transformasi Decoding RLE

Rekonstruksi Kuantisasi
Warna IDCT &
Blok citra Inverse
invers Huffman
Matriks asli.
Sub-sampling warna
Format ruang warna : 4:4:4
R G B Y Cb Cr
Y
4:2:2
4:1:1
28
Konversi RGB Yuv :
Konversi Yuv RGB :
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
Sarifuddin visual oleh mata
Madenda. Sis. Mul. : Pendahuluan. 58
29
Matriks asli. Matriks transformasi DCT
DCT

Matriks kuantisasi
Sarifuddin Madenda. Sis. Mul. : Pendahuluan. Matriks terkuantisasi. 59
Transformasi DCT
2 N 1 N 1
( 2 x + 1).i ( 2 y + 1). j
DCT (i , j ) = .C ( j ).C (i ) Pixel ( x, y ). cos . cos
N y =0 x =0 2N 2N
N 1
( 2 x + 1).i
Implementasi 1D : DCT (i , y ) X = 2
N .C (i ) Pixel ( x, y ). cos
x =0 2N
N 1
( 2 y + 1). j
DCT (i, j ) = 2
N .C ( j ) DCT (i, y ) X . cos
y =0 2N
Transformasi DCT invers.

2 N 1 N 1
( 2 x + 1).i ( 2 y + 1). j
Pixel ( x, y ) = .C ( j ).C (i ) DCT (i, j ). cos . cos
N j =0 i =0 2N 2N
N 1
( 2 y + 1). j
Implementasi 1D : IDCT (i , y ) X = 2
N .C ( j ) DCT (i, j ). cos
j =0 2N
N 1
( 2 x + 1).i
Pixel ( x, y ) = 2
N .C (i ) IDCT (i, y ) X . cos
i =0 2N
30
Matriks terkuantisasi. Matriks terkuantisasi invers.
1264 0 10 0 0 0 0 0
24 12 0 0 0 0 0 0

14 13 0 0 0 0 0 0
0 0 0 0 0 0 0 0
F =
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
x
IDCT
Matriks kuantisasi
Matriks hasil IDCT

31
Quantization Table for: Quantization Table: Luminance Quantization Table: Chrominance
Photoshop CS2 (Save As 11) 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 for: Quantization Table: Luminance Quantization Table: Chrominance

IrfanView (95%) 2 1 1 2 2 4 5 6 2 2 2 5 10 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
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
32
Table 1 - Huffman - Luminance (Y) - DC Table 2 - Huffman - Luminance (Y) - AC
Length Bits Code Length Bits Code
000 04 00 01
2 bits
001 05 01 02
010 03 3 bits 100 03
3 bits 011 02
100 06 1010 11
4 bits 1011 04
101 01
110 00 (End of Block) 1100 00 (End of Block)
4 bits 1110 07 1101 0 05

5 bits 1101 1 21
5 bits 1111 0 08 1110 0 12
6 bits 1111 10 09 1110 10 31
6 bits
7 bits 1111 110 0A 1110 11 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
AC Code Size Additional Bits 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 -7,-6,-5,-4 4,5,6,7
04 4 0000,...,0111 1000,...,1111 -15,...,-8 8,...,15
05 5 0 0000,... ...,1 1111 -31,...,-16 16,...,31
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
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 multi-resolusi
multi-scale
Wavelet transform (WT) sangat sesuai dengan
kebutuhan analisis multi-frekuensi.
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 resolusi signal tetap.
- pendekatan melalui dilatasi signal resolusi signal
berubah
Contoh : misalkan suatu signal memiliki informasi yang
tersebar hingga pada frekuensi 1000 Hz.
34
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.
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
35
36
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 +0.557543526229 (Z1)
+0.266864118443 (Z1 +Z-1) -0.295635881557 (Z2 +Z0)
-0.0782223266529 (Z2 +Z-2) -0.028771763114 (Z3 +Z-1)
-0.016864118448 (Z3 +Z-3) +0.045635881557 (Z4 +Z-2)
+0.026748757411 (Z4 +Z-4)
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, )
37
Citra Wavelet Coding Pembentukan Citra

asli Transform Kuantisasi
per blok bitstream terkompresi
Encoder Optimisasi
rasio-distorsi
Decoding Wavelet
Citra Kantisasi Citra
Per blok transform
terkompresi invers rekonstruksi
inverse
Decoder

LL1
Detil
Citra horisontal
asli LH1
Detil
vertikal
HL1
baris Detil
diagonal
kolom HH1
38
LL2
Detil
Citra horisontal
LL1 LH2
Detil
vertikal
HL2
baris Detil
kolom diagonal
HH2

LL3
Detil
Citra horisontal
LL2 LH3
Detil
vertikal
HL3
baris Detil
kolom diagonal
HH3
39
Standar kompresi JPEG2000
Transmisi secara progresif per resolusi
Standard compression JPEG2000

40

41
Perbandingan rasio kompresi

Contoh citra hasil kompresi :
Sarifuddin Madenda. JPEG Sis. Mul. : Pendahuluan. JPEG 2000 84
42
Keuntungan
Kualitas lebih baik dari JPEG
Lossless dan lossy compression sangat baik
Regions of Interests 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
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.
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 pengembangan algoritma CoDec
(COmpression/DECompression) untuk memperkecil
semaksimal mungkin data video tanpa banyak mengurangi
kualitas visualnya
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.
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)
Kompresi Video
Interframe (temporal) compression
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).
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.
Standards et normes vidos : MPEG

MPEG-4, standard yang ditujukan untuk compresi data
multimdia dalam bentuk objek numriques, 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.
46
Coding
Prediksi Transformasi Kuantisasi Entropy Coding
P T Q Ce
Decoding
Format ruang warna : 4:1:1 (4:2:0)
R G B Y U V
Sarifuddin Madenda. Luminance


Konversi RGB Yuv :
Konversi Yuv RGB :
47
Down sampling
- Mata lebih sensitif terhadap perubahan intensitas/luminance L

- Perubahan nilai komponen chrominance U (Cb) dan V (Cr) tidak terlu tampak
secara
Sarifuddin visual oleh mata
Madenda. Sis. Mul. : Pendahuluan. 95

Modul Prediksi :
48
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

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.
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.
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).
51

Pengolahan Citra PDF

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Pengolahan Citra PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Sistem Multimedia

SARMAG - Universitas Gunadarma

Dr. Sarifuddin Madenda

Akuisisi dan karakteristik data multimedia

(i) Pengantar Multimedia,

- 6 x Tatap muka (@ 4 jam)

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 5

Sistem multimedia digital

Data media streams berupa digital, yang dapat

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 6

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 7

Tipe media digital :

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 8

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 9

Animasi (komputer grafik)

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 10

Dokumen multimedia disimpan dalam satu atau

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 11

Sinkronisasi dokumen multimedia :

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 12

Vision (citra &

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 13

Application Vido confrence

- Volume data multimedia : sangat besar

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 14

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 15

Iklan video clip :

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 16

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 17

Virtual reality : Aplikasi kedokteran

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 18

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 19

Virtual reality : produksi film/animasi

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 20

Dokumen Teks Citra / Grafik Audio / musik Video / Animasi

Data multimedia 500 Mbps

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 21

Representasi data numerik/digital

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 22

Frekuensi sampling tinggi :

Frekuensi sampling rendah :

Frekuensi sampling rendah

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 24

Kuantisasi dengan 5 bit

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 26

Masalah dalam Komunikasi

Video Bandwidth Video

Solusi Kompresi Informasi

Video Bandwidth Video

Solusi Kompresi Informasi

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 33

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 34

Pengkodean (coding) data atau informasi

Huffman Coding (David Albert Huffman 1952)

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 36

- digunakan untuk pengkodean teks, citra dan

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 39

statik : code setiap karakter ditentukan langsung

semi-adaptatif : teks harus dibaca terlebih dulu

adaptatif : Metode ini memberikan rasio kompresi

Sarifuddin Madenda. Sis. Mul. : Pendahuluan. 41

- Bila frekuensi munculnya setiap karakter dalam