Anda di halaman 1dari 7

TUGAS TEKNOLOGI PENCITRAAN MEDIK DIGITAL

Dosen Pengampu : Dwi Rochmayanti, S.ST, M.Eng

Disusun oleh :

Muhammad Erfansyah
NIM. P1337430417009

PROGRAM STUDI IMAGING DIAGNOSTIK


PROGRAM PACSASARJANA MAGISTER TERAPAN KESEHATAN
POLITEKNIK KESEHATAN KEMENKES SEMARANG
2018
Metode Pemampatan Huffman Tree
Tulis nama saudara masing-masing dan buat pemampatan huffman tree.
MUHAMMADERFANSYAH
Karakter Frekuensi
A 4
D 1
E 1
F 1
H 2
M 3
N 1
R 1
S 1
U 1
Y 1

UYRSFNMDEHA, 17

UYRS, 17 FNMDEHA, 13

UY, 2 RS, 2 FNM, 5 DEHA, 8

U:1 Y:1 R:1 S:1


FN, 2 M:3 DEH, A:4
4

F:1 N:1 DE, 2 H:2

D:1 E:1
Karakter
A = 111
D = 11000
E = 11001
F = 1000
H = 1101
M = 101
N = 1001
R = 010
S = 001
U = 000
Y = 001

Karakter Frekuensi Kode Huffman Ukuran bit (frekuensi x Bnyak bit )


A 4 111 = 3 bit 4 x 3 = 12
D 1 11000 = 5 bit 1x5=5
E 1 11001 = 5 bit 1x5=5
F 1 1000 = 4 bit 1x4=4
H 2 1101 = 4 bit 2x4=8
M 3 101 = 3 bit 3x3=9
N 1 1001 = 4 bit 1x4=4
R 1 010 = 3 bit 1x3=3
S 1 001 = 3 bit 1x3=3
U 1 000 = 3 bit 1x3=3
Y 1 001 = 3 bit 1x3=3
JUMLAH 59 bit
Dasar pemikiran algoritma ini adalah bahwa setiap karakter ASCII biasanya diwakili oleh 8 bits.
Jadi misalnya suatu file berisi deretan karakter “MUHAMMADERFANSYAH” maka ukuran file
tersebut adalah adalah 17 x 8 bit = 136 bit

59
Nisbah Pemampatan =( 100% - 136 𝑥 100% ) = 56,61 %

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 :
0 0 0 0 2 2 2 2 2 2 (0,4) (2,6)
0 0 0 1 1 1 1 2 2 2 (0,3) (1,4) (2,3)
1 1 1 1 1 1 1 1 1 1 (1,10)
4 4 4 4 3 3 3 3 2 2 (4,4) (3,4) (2,2)
3 3 3 5 5 7 7 7 7 6 (3,3) (5,2) (7,4) (6,1)
2 2 6 0 0 0 0 1 1 0 (2,2) (6,1) (0,4) (1,2) (0,1)
3 3 4 4 3 2 2 2 1 1 (3,2) (4,2) (3,1) (2,3) (1,2)
1 1 1 1 0 0 0 0 1 1 (1,4) (0,4) (1,2)
1 1 1 1 0 0 0 2 2 2 (1,4) (0,3) (2,3)
3 3 3 2 2 2 1 1 1 1 (3,3) (2,3) (1,4)

Ukuran citra sebelum dimampatkan ( 1 derajat keabuan = 3 bit) adalah 100 x 3 bit = 300 bit
Ukuran citra setelah pemampatan (run length =4) adalah (32 x 3) + (32 x 4) bit = 224 bit

224
Nisbah Pemampatan =( 100% - 300 𝑥 100% ) = 25,33%
Metode Pemampatan Kuantisasi
Contoh : Tinjau citra yang berukuran 5 x 13 pixel
8 9 7 4 8 2 6 3 8 5 9 3 7
3 8 5 4 7 6 3 8 2 8 4 7 3
3 8 4 7 4 9 2 7 8 2 7 4 9
3 9 4 7 2 1 6 2 1 6 5 3 0
2 0 4 3 8 9 5 4 7 1 2 8 4
Akan dimampatkan dengan 4 derajat keabuan (0 – 3) atau dengan 2 bit
Histrogram Kelompoknya
0 ** 0 **
1 *** 13 1 *** 0
2 ******** 2 ********
3 ********* 3 *********
19 1
4 ********** 4 **********
5 **** 5 ****
6 **** 17 6 **** 2
7 ********* 7 *********
8 ********** 8 **********
16 3
9 ****** 9 ******
Setelah dimampatkan
3 3 2 1 3 0 2 1 3 2 3 1 2
1 3 2 1 2 2 1 3 0 3 1 2 1
1 3 1 2 1 3 0 2 3 0 2 1 3
1 3 1 2 0 0 2 0 0 2 2 1 0
0 0 1 1 3 3 2 1 2 0 0 3 1

Ukuran sebelum pemampatan (1 derajat keabuan = 4 bit) adalah 65 x 4 bit = 260 bit
Ukuran citra setelah pemampatan (1 derajat keabuan = 2 bit) adalah 65 x 2 bit = 130 bit

130
Nisbah Pemampatan =( 100% - 260 𝑥 100% ) = 50%
Metode Pemampatan citra fraktal
Fraktal berasal dari bahasa latin, yaitu dari kata kerjaFrangere yang artinya membelah atau kata
sifat Fractus yang artinya tidak teratur. Beberapa pakar yang lain mengatakan bahwa Fraktal
adalah gambar yang secara intuitif berkarakter, yaitu setiap bagian pada sembarang ukuran jika
diperbesar secukupnya akan tampak seperti gambar seutuhnya.
Dari pengertian tersebut secara tersirat ada dua informasi terkandung di dalamnya yaitu:
1. Gambar primitif sebagai blok pembangun, yang jika diduplikasi dengan berbagai ukuran dan
dikomposisikan dapat membentuk gambar; dan
2. Aturan rekursif yang mendefinisikan posisi relatif dari gambar primitif dengan berbagai
ukuran.
Himpunan Fraktal menurut Falconer (1992:40) mempunyai 5 karakter, yaitu :
1. Merupakan struktur halus,
2. Bersifat tidak terlalu teratur, jika di gambarkan dengan geometri biasa,
3. Mempunyai Self-similarity(kemiripan diri sendiri),
4. Dimensi fractal biasanya lebih besar dari dimensi topologinya,
5. Dan Umumnya dapat di definisikan secara sederhana, secara rekursif.

Sifat-sifat Fraktal ada 2 macam, yaitu :


1. Self-similarity
Fractal adalah objek yang memiliki kemiripan dengan dirinya sendiri, namun dalam skala yang
berbeda, artinya objek fractal terdiri dari bagian-bagian yang memiliki sifat seperti objek tersebut.
2. Dimension
Fraktal adalah objek yang memiliki dimensi bilangan rill(nyata). Dimensi fractal didefinisikan
sebagai kerapatan fractal yang menempati ruang metric.

Fraktal merupakan pengembangan ilmu dari matematika pada bidang geometri. Fraktal ada2
bentuk, yaitu 2D dan 3D. Fraktal 3D dapat digunakan untuk membentuk benda-benda alam yang
ternyata membentuk suatu pola iterasi secara beraturan ataupun acak.

Panjang sebuah segmen garis (dimensi dua) dapat diketahui dengan mengukur panjang antar dua
titik. Namun objek fraktal tidak dapat diukur panjangnya, karena memiliki variasi tak hingga.
Jadi kalo menurut saya Fraktal itu adalah objek yang memiliki kemiripan diri sendiri akan sama
jika dilihat dari skala manapun dan dimensi yang nyata serta bentuknya yang tidak teratur.

Gambar 1 menunjukkan panjang dari objek fraktal tersebut bertambah 4/3 setiap tahap. Sehingga
panjang objek fraktal tersebut = 4/3 x 4/3 x 4/3 x …. Objek fraktal tersebut memiliki panjang tak
berhingga.
Dalam geometri fraktal, fraktal adalah sebuah titik di dalam ruang metrik. Ruang metrik
disimbolkan dengan X,
adalah himpunan titik-titik yang disertai dengan fungsi d: X x X → ℜ yang mengukur jarak antara
dua buah titik di ruang tersebut.

Anda mungkin juga menyukai