Mengapa kita memerlukan kompresi dan reduksi data citra?

1. Data Citra Umumnya berukuran besar.

Contohnya :Untuk membuat halaman judul yang jumlah halamannya 1 dan
didalamnya terdapat logo perusahaan atau kampus, besarnya hamper sama jika kita
membuat file .doc yang isinya hanya tulisan dan berlembar2.
2. Tidak praktis dalam proses penyimpanan, dan proses transmisi (pengiriman)
3. Dengan adanya kompresi (pemampatan) kita bisa mengurangi (reduksi)
redundancy atau pengulangan data yang adapada data.
Data Redundancy adalah pengulangan dari informasi yang sudah dinyatakan
sebelumnya atau sudah diketahui. Suatu data atau citra dikatakan telah
terkompresi jika redundancy-nya dapat dikurangi.

Jenis-jenis data redundancy :

– Coding Redundancy
– Interpixel Redundancy
– Phsycovisual Redundancy

Perbedaan utama antara Coding Redundancy, Interpixel Redundancy dan Psychovisual

Redundancy adalah penyebab adanya data redundancy dan teknikeliminasi redundancy
1. Coding redundancy :Terjadi bila suatu kode simbol yang digunakan terdiri
dari sejumlah bit yang melebihi jumlah bit yang diperlukan untuk representasi
setiap simbol (dalam hal ini: tingkat keabuan pikes citra). Teknik eliminasinya
dengan cara mengubah pengkodean. Tingkat keabuan yang kemungkinan
terjadinya tinggi diberi panjang kode yang pendek, dan bila sebaliknya diberikode
yang panjang
2. Interpixel redundancy : data redundancy dinyatakan dengan korelasi antar
piksel dimana intensitas suatu piksel dapat diperkirakan dari intensitas piksel-
piksel tetangganya. Teknik eliminasinya dengan mengubah representasi citra
image. Citra tidak dinyatakan dalam bentuk matriks dari intensitas piksel-
pikselnya, akan tetapi dipetakan (mapping) dalam bentuk perbedaan intensitas
antar piksel yang bersebelahan. Bentuk data yang dimampatkan ini bersifat
 reversible (Proses yang bisa dibalik), artinya dapat direkonstruksi kembali menjadi
citra asalnya.
Contoh :
Dibawah ini merupakan citra dengan ukuran 8x8. Cara menghitung informasi yang
disimpan pada citra tersebut adalah sebagai berikut :

Keterangan :
Pada baris pertama : 00001100 -> Run Length Code : (0,4),(1,2),(0,2) kenapa?
Cara penulisan Run Length Code adalah (x, y), dimana x adalah nilainya sedangkan
y adalah frekuensi keluarnya nilai tersebut.

ContohRun Length Encoding:

Ada 2 pendekatan yang digunakan pada metode ini yaitu :

- Posisi awal kelompok nilai pertama dan panjangnya (length of runs)

- Panjang run, dimulai dengan panjang run pertama
 3. Psychovisual redundancy : redundancy terjadi karena suatu fenomena dimana
intensitas keabuan yang bervariasi dilihat sebagai intensitas konstan, artinya:
mata tidak mempunyai sensitivitas yang sama terhadap semua informasi yang
dianggap penting dan tidak penting.
Contoh : kasus machband. Teknik eliminasinya menggunakan Quantization / IGS
(Improved Gray Scale) Quantization

Histogram

Histogram citra adalah grafik yang menggambarkan penyebaran nilai-nilai intensitas pixel
dari suatu citra atau bagian tertentu di dalam citra. Dari sebuah histogram dapat
diketahui frekuensi kemunculan nisbi (relative) dari intensitas pada citra tersebut.
Histogram juga dapat menunjukkan banyak hal tentang kecerahan (brightness) dan
kontas (contrast) dari sebuah gambar. Karena itu, histogram adalah alat bantu yang
berharga dalam pekerjaan pengolahan citra baik secara kualitatif maupun kuantitatif.

Contoh:

Sebagai contoh, misalkan matriks di bawah ini menyatakan citra digital yang berukuran 8
x 8 pixel dengan derajat keabuan dari 0 sampai 15 (ada 16 buah derajat keabuan) :

Cara menghitung histogramnya sebagai berikut :

Semakin besar nilai ni maka semakin besar pula nilai hi

Penterjemahan warna tidak dapat di ukur dengan hanya memperkirakannya saja, ada
beberapa software yang dapat digunakan untuk menterjemahkan suatu citra kedalam
bahasa matrik atau citra biner. Karena setiap citra meiliki kadar dan kualitas warna yang
berbeda. Masing-masing model citra dapat diarahkan kesalah satu standart hardware
tertentu (RGB, CMY, YIQ). Atau aplikasi pengolahan citra (HSI).

- RGB (Red, Green dan Blue). Merupakan model warna berdasarkan konsep
penambahan kuat cahaya primer yaitu dari warna merah, hijau dan biru. Contoh :
banyak digunakan untuk monitor computer atau video kamera
- CMY (Cyan, Magenta, Yellow). Yaitu model warna substractive yang berhubungan
dengan dengan penyerapan warna. Contoh : pigmen warna cat
- YIQ (luminance, inphase, quadrature). Merupakan pengembangan dari model
RGB untuk peningkatan mutu warna pada pemroseesan warna. Contoh : system
video dengan formulasi konversi
- HIS (Hue, Saturation, Intensity). Model ini diibaratkan pada tiga bidang yang
penentuannya berdasarkan sumbu dengan tiga kordinat yaitu warna murni,
spectrum dan tingkat keabuan.

SOAL LATIHAN

1. Diketahui sebuah citra biner berukuran 5x6, tentukan nilai Run-Length Code
Representation. Kemudian tentukan berapa pasangan bilangan bulat yang
disimpan pada citra tersebut?

0 0 0 1 1
1 0 0 0 1
0 1 1 1 0
0 0 1 1 1
0 1 1 1 0
1 1 1 0 0

2. Pada citra biner dibawah ini, tentukan nilai RLE dan nilai RLC
3. Matriks di bawah ini menyatakan citra digital yang berukuran10 x 8 pixel
dengan derajat keabuan dari 0 sampai 25 (ada 26 buah derajat keabuan).
Tentukan bagaimana cara menghitung matrik tersebut agar dapat dilihat
histogramnya.

1 2 0 13 24 14 15 22 6 2
0 3 23 19 13 16 21 2 16 14
22 4 5 12 20 16 25 17 18 6
1 0 5 6 12 2 11 25 23 23
21 0 7 18 6 0 15 25 0 0
2 8 0 7 0 6 10 6 0 2
17 3 4 8 11 9 0 19 25 0
9 6 20 10 0 2 16 25 2 6

4. Tentukan nilai RLE dan RLC pada setiap awal huruf depan nama anda dengan
menggambarkannya terlebih dahulu, kemudian menentukan nilainya dengan
anggapan bahwa nama anda tersebut telah diterjemahkan kedalam citra biner
dengan ukuran 10 x 10.

Contoh :

DIDDA RAHAYU YULIANA

 TUGAS TAMBAHAN
PENGOLAHAN CITRA DIGITAL

Jelaskan dan berikan contoh

pengolahan citra digital di
berbagai bidang. Minimal 10?