BAB III

TEKNOLOGI SISTEM MULTIMEDIA : KODING DAN KOMPRESSI

3.1 Pendahuluan
Dalam desain sistem multimedia, penyimpanan dan transportasi informasi memainkan peran
penting. informasi multimedia secara inheren tebal dan karena itu memerlukan kapasitas
penyimpanan yang sangat tinggi dan kapasitas transmisi bandwidth yang sangat tinggi.
Misalnya, penyimpanan untuk frame video dengan resolusi 640 x 480 pixel 7.372.800 bit, jika
kita berasumsi bahwa 24 bit yang digunakan untuk mengkodekan luminance dan chrominance
compenents dari setiap pixel. Dengan asumsi frame rate 30 frame per detik, seluruh 7.372.800 bit
harus ditransfer dalam 33,3 milidetik, yang setara dengan bandwidth 221.184.000 bit per detik.
Yaitu, transportasi jumlah besar seperti bit informasi dan dalam waktu singkat membutuhkan
bandwidth tinggi.
Ada dua pendekatan yang mungkin - satu untuk mengembangkan teknologi untuk
menyediakan bandwidth yang lebih tinggi (dari urutan gigabit per detik atau lebih) dan yang lain
untuk menemukan cara-cara dan sarana yang jumlah bit yang ditransfer dapat dikurangi, tanpa
mengorbankan isi informasi. Ini sama saja dengan mengatakan bahwa kita memerlukan
transformasi dari string karakter dalam beberapa representasi (seperti ASCII) ke string baru
(misalnya, bit) yang berisi informasi yang sama tetapi yang panjangnya harus sekecil mungkin;
yaitu, kompresi data. kompresi data sering disebut sebagai coding, sedangkan coding adalah
istilah umum yang mencakup setiap representasi data khusus yang mencapai tujuan tertentu.
Misalnya, mengurangi jumlah bit adalah dengan sendirinya gol.
Pada tahun 1948, Claude Shannon, ayah dari Teori Informasi, memperkenalkan sebuah

Gambar 3.1. Model Sistem Komunikasi Shannon ini

konsep yang disebut entropi untuk mengukur kandungan informatiom dari sumber [1]. Shannon
mengusulkan model sistem komunikasi (ditunjukkan pictorially dalam gambar 3.1.) Yang
membahas dua isu dasar:

• Bagaimana sistem komunikasi efisien mengirimkan informasi yang sumber menghasilkan?

• Bagaimana sistem komunikasi dapat mencapai komunikasi reliable melalui saluran bising?

Isu pertama berkaitan dengan kompresi dan yang kedua berkaitan dengan kesalahan
kontrol. Dalam kedua kasus ada transformasi jumlah bit yang mewakili informasi yang
dihasilkan oleh sumber. Kedua aspek tersebut juga dikenal sebagai sumber coding dan channel
coding. Teori informasi adalah studi tentang coding yang efisien dan konsekuensinya dalam dari
kecepatan transmisi dan probabilitas kesalahan.
 Dalam bab ini kita fokus pada sumber coding (kompresi) dan standar untuk kompresi.
Informasi kode pada akhir sumber harus Sejalan diterjemahkan pada akhir penerima. Coding
bisa dilakukan sedemikian rupa bahwa konten informasi tidak hilang; itu, berarti itu dapat
dipulihkan sepenuhnya pada decoding pada penerima. Namun, media seperti gambar dan video
(berarti primarlly untuk konsumsi manusia) memberikan kesempatan untuk mengkodekan lebih
efisien tetapi dengan kerugian.
Coding (akibatnya, kompresi) informasi multimedia tunduk pada batasan kualitas
tertentu. Misalnya, kualitas gambar harus sama ketika kode dan, kemudian, diterjemahkan.
Berurusan dengan kualitas persepsi adalah mungkin bagi seseorang untuk merancang sebuah
metode pengkodean yang mungkin lossy. Dengan coding lossy kami berarti bahwa ada
kehilangan informasi, namun kerugian tidak mempengaruhi kualitas persepsi. Dalam prakteknya,
satu atau lebih parameter yang terkait dengan sumber dapat digunakan dalam merancang skema
coding yang menghasilkan kompresi lossy. Juga, kompleksitas dan waktu eksekusi dari teknik
yang digunakan untuk coding dan decoding harus minimal. Kendala ini terkait dengan sifat dari
atau diatur) seperti yang kita Ini pernah Perlu dicatat bahwa semua persyaratan ubese didasarkan
pada karakteristik persepsi manusia dari media yang berbeda. Misalnya, untuk aplikasi timedia
mnl- interaktif seperti videoconferencing, yang ujung ke ujung delay harus kurang dari 150
milidetik. Dalam konteks carrent kecepatan tinggi transmis- teknologi sion, persyaratan
keterlambatan tersebut end-to-end akan Impl bahwa kompresi dan dekompresi, jika ada, harus
terkandung dalam 50 milidetik Demikian pula, aplikasi multimedia yang berbasis pengambilan,
seperti pada –demand layanan video, mengharuskan akses acak untuk gambar tunggal dan audio
frame mungkin di bawah 500 milidetik.
Coding dan kompresi teknik sangat penting untuk kelangsungan hidup timedia malfungsi
baik di tingkat penyimpanan dan di tingkat komunikasi. Beberapa haa informasi multimedia
yang akan dikodekan dalam kontinyu (waktu tergantung) Format dan beberapa di diskrit (waktu
independen) format. Dalam konteks multimedia, motif utama dalam coding adalah kompresi.
Secara alami, audio, gambar, dan sumber video telah dibangun di redundansi, yang
memungkinkan untuk mencapai 2ystem2l22o melalui coding yang tepat Sebagai data gambar
dan data video yang tebal dan bertindak sebagai 2ystem motivasi utama untuk 2ystem2l22on,
referensi kami dalam bab ini oftea akan gambar eveu meskipun jenis data lainnya dapat
dikodekan (terkompresi).

3.2 Apa Gambar Kompresi?

Data gambar dapat dikompresi tanpa degradasi yang signifikan dari visual (persepsi) berkualitas
karena gambar mengandung tingkat tinggi:
 Redundansi spasial, karena korelasi antara piksel tetangga (ini juga disebut redundancy
sebagai 2ystem2l2)
 Redundansi 2ystem2l, karena korelasi antara komponen warna, dan
 Redundansi visual yang psycho, karena kebohongan yang tepat persepsi dari 2ystem
visual manusia.
Semakin tinggi redundansi, semakin tinggi kompresi dicapai. Ini adalah apa yang kita disebut
sebagai sumber coding sebelumnya dalam 2ystem komunikasi Shannon. Sebuah gambar 2ystem
khas kompresi (atau sumber en consats transformator, quantizer, dan coder, seperti yang
diilustrasikan pada Gambar. 3.2
 Gambar masukan data gambar mentah gambar representasi lebih menerima untuk kompresi simbol biner bit
Gambar 3.2. Sistem Kompresi Gambar Khas.

Transformer berlaku transformasi satu-ke-satu untuk data gambar input. Output dari
transformator adalah representasi gambar yang mana lebih setuju untuk compressioa efisien
daripada citra data mentah Uniun maprings seperti Discrete Cosine Transform, yang pak energi
sinyal untuk sejumlah kecil koefisien, adalah metode populer dengan standar kompresi.
Quantiaer menghasilkan sejumlah symb yang dapat merupakan representasi dari gambar
dikompresi Qu saya banyak untuk satu pemetaan yang ireversibel. dapat dilakukan dengan
quantiration d quantirera ar vuantuation mengacu elemen t elemen pada data dan rektor
guanraalimn mengacu dari blok.
Coder memberikan sebuah kata kode, sedikit aliran biner, setiap simbol pada output dari
quantizer. coder dapat menggunakan panjang dipecat atau kode panjang serial. Variabel panjang
Coding (VLC), juga knowa sebagai Entro memberikan kata-kata kode sedemikian rupa untuk
minimite panjang rata-rata representasi biner dari simbol ini dicapai dengan menetapkan kata-
kata kode pendek untuk simbol lebih mungkin, yang merupakan priuciple mendasar el
pengkodean entropi
Sistem kompresi gambar yang berbeda-berbeda berdasarkan dari transtormer, quantizer,
dan coder. sistem kompresi gambar bisa luas diklasifikasikan sebagai sistem kompresi :
 Losslessi, yang bertujuan meminimalkan bit output terkompresi tanpa distorsi dari ima bit
stream terkompress ini identik dengan aliran bit asli. Metode yang digunakan dalam
kasus-kasus di mana akurasi informasi yang sangat penting. Contoh dari situasi tersebut
adalah program komputer, data, pencitraan medis, dan sebagainya. sistem kompresi
lossless juga relerred sebagai bit-melestarikan atau sistem kompresi reversibel .
 Lossy: sistem kompresi, yang Alm untuk memperoleh kesetiaan terbaik untuk tingkat bit
tertentu (atau meminimalkan bit-rate untuk mencapai memberi kesetiaan ukuran), sistem
tersebut cocok untuk video dan audio.
Transformasi dan tahap coding yang lossless, Bagaimana, yang quantiza tion lossy

3.3 Taksonomi Teknik Kompresi

Berdasarkan lossless atau kompresi lossy, pengkodean secara luas diklasifikasikan sebagai
entropi pengkodean (yang mengarah ke lossless kompresi) dan sumber pengkodean (eading
kompresi lossy).
Sangat menarik untuk dicatat bahwa istilah entropi encoding mengacu pada semua
coding teknik kompresi audio yang tidak memperhitungkan na iming-iming informasi yang akan
dikompresi. la kata lain, teknik pengkodean entropi hanya memperlakukan semua data sebagai
urutan bit dan mengabaikan Lics seman informasi yang akan dikompresi.
Sebaliknya, pengkodean mengambil tanggung jawab dari jenis sinyal asli Misalnya, jika
sinyal asli andio atau video, sumber encoding menggunakan karakteristik yang melekat dalam
mencapai rasio kompresi yang lebih baik. Biasanya, diharapkan bahwa sumber encoding akan
menghasilkan kompresi yang lebih baik dibandingkan dengan entropi teknik encoding Tapi,
tentu saja, tingkat sebenarnya dari kesuksesan akan tergantung pada semantios dari data itu
sendiri dan mungkin berbeda dari aplikasi ke aplikasi Perancang sistem kompresi berbasis pada
sumber encoding memiliki pilihan untuk membuat itu lossless atau lossy.
Semua ini samping, dalam sistem praktis dan standar, baik entropi coding dan sumber
encoding biasanya dikombinasikan untuk efek yang lebih baik.
Mari kita memahami prinsip di balik beberapa teknik coding untuk pengobatan lengkap
dari semua teknik, pembaca mungkin ingin merujuk [4, 5.6,7]

3.4 Entropy Encoding teknik

3.4.1 Run-length Encoding
Dalam teknik ini, urutan elemen gambar (atau piksel dalam garis scan) zu , zz. Trw dipetakan
menjadi urutan pasangan (Cili), (cz.lz) (ci, li), di mana c, merupakan warna (atau intensitas) dan
l, panjang run the'A (urutan piksel dengan intensitas yang sama )
Misal: digit 2, 3 hadir Merah, Hijau, dan Blae ini akan sesuai dengan ci Mari jalur pemindaian
menjadi panjang 35
11111111111333333333322222222211111

sebagai χi. Kemudian, sungai run-panjang dikodekan akan menjadi seri tupel (1,11) (3,10) (2,9)
dan (1,5), di mana 11,10,9,5 adalah li

3.4.2 Pengulangan Suppression/Penekanan

Dalam teknik ini, serangkaian n kejadian berturut-turut dari speciu diganti dengan karakter
khusus yang disebut bendera, diikuti oleh sejumlah pengulangan hitungan aplikasi normal adalah
penindasan atau file bitmap dan penindasan kosong dalam teks atau program Erample:
mempertimbangkan urutan angka dalam file data yang terlihat, dalam:

Ketika kita menggunakan repetiti urutan penekanan Methot yang sequesot wa 984f32
penghematan jelas dan depeadrat pada konten.

3.4.3 Pola Substitusi

Pola substitusi adalah bentuk coding statistik metode di sini adalah untuk mengganti pola Ofu
diulang oleh kode. Jika kita memampatkan buku Hound dari Baskervilles, nama Sherlock diganti
dengan s ", nama Watson oleh W dan ekspresi Enereeuwi untuk Watson oleh E bviously, pola
yang sering akan menggunakan kompresi yang lebih baik lebih pendek.
Misal:.. Perhatikan garis Buku ini:

Contoh teladan dari sebuah buku tentang multimedia dan networkias lagi yang akan Anda
menemukan jenis cakupan dan kelengkapan. ini benar-benar salah-stepthiv la semua yang Anda
inginkan tentang multimedia dan jaringan. tempat lain akan Anda menemukan semacam ini
converage dan kelengkapan . ini truky one-stop-shop untuk semua yang Anda ingin tahu tentang
multimedia dan jaringan.
 Jika kita hanya menghitung, ada Apakah total 193 karakter tanpa menghitung kosong
dan, 232 dengan kosong. jika kita kelompok kata seperti , tentang, Semua, sebuah, dan untuk,
adalah, dari, ou, THM, ua dan akan, Lhey terjadi 2, 1. 1. 1, 3, 1, 2, 2, 1, 1, 3.1, dan 1 kali, semua
d memiliki karakter kosong di kedua sisi, kecuali ketika mereka berada kata kata arlut dari
kalimat periode pembatas kalimat selalu oleh blani kata-kata multimedia dan daya tarik
networkang dua kali masing-masing dengan semua knowlede tert, kami mengembangkan meja
yang akan sangat efektif. Bukannya aku ada kerugian dan coding yang reversille. Mari kita
mewakili kelompok kata th kami tified untuk teks pertimbangan ander oleh 1, 2, 3, 4, 5, 6, T, dan
N juga multimedia pengganti oleh m dan jaringan dengan n ia menghasilkan kode string akan:

Total dari 129 karakter dan kompresi 33,16 %

3.4.4 Huffman Coding

Coding Huffman didasarkan pada frekuensi kemunculan karakter (atau oktet dalam kasus
gambar) Prinsipnya adalah dengan menggunakan angka yang lebih rendah dari bit untuk
mengkodekan karakter yang terjadi lebih sering. Kode di codebook codebook yang dapat
dibangun untuk setiap gambar atau untuk satu set gambar, bila diterapkan untuk diam atau
gambar bergerak. dalam semua kasus, codebook yang harus ditransfer ke akhir penerima
sehingga decodi dapat berlangsung. Contoh: dalam kalimat yang diberikan dalam contoh untuk
substitusi pola, terjadinya alphaleta adalah sebagai berikut:

Karakter 10011 01000 1011 0001 100 Chara Frekuensi 0001a 101.011 1000 Kode 0180111
00001 1000 Char 0.100.100 000.011 Saya 60.001 Kode kracter 0.000.100 0.000.100
Gambar. Substitusi Pola
Gambar. Total dari 129 karakter dan kompresi 33,16 %

Gambar. Huffman Coding (Pengkodean Huffman).

Gambar. Ukuran total dari aliran bit akan 1124 bit dibandingkan dengan 1856 bit
(232 x 8) dari teks asli, kompresi dari 39,44%.

Gambar 3.3. Mata Burung. Melihat dari Teknik Pengkodean.

Gambar 3.4. Contoh PCM Diferensial
Gambar 3.5. Kuantisasi Vektor.
 Gambar 3.6. Sistem Kompesi Gambar.

Persiapan gambar proses gambar kuantisasi entropy pengkodean

Gambar 3.7. Unit Dasar dari Encoder.

Mulai metode pengkodean menghubung kesalahan kode

Gambar 3.8. Gambar Dikompesi.
Digitalisasi sumber gambar Forward kosinus diskrit transformasi
Gambar 3.9. JPEG pengkodean Gambar.
Gambar 3.10. JPEG Decoding dari Gambar.
Tabel 3.1. Langkah-langkah di dalam Proses JPEG
 Gambar 3.11. Tahap persiapan Gambar.

Gambar 3.12. Diferensial DC Coding dan Zig-Zag Sequencing.