Standar kompresi citra

Citra (image) adalah kombinasi antara titik, garis, bidang, dan warna yang menciptakan

suatu imitasi dari suatu objek–biasanya bisa objek fisik atau manusia. Citra bisa berwujud

gambar (picture) dua dimensi, seperti lukisan, foto, dan berwujud tiga dimensi, seperti patung.

Dalam dunia desain digital, citra terbagi menjadi 2 jenis yaitu citra vector dan citra bitmap.

Citra vector adalah citra yang menampilkan matematis computer. Pengunaan citra vector ini

digunakan oleh aplikasi editing gambar seperti Adobe Illustrator, CorelDRAW, Corel Exchange,

dan Flash. Citra vector juga banyak digunakan untuk membuat logo dan gambar yang memiliki

detail tinggi. Karena citra vector tidak bergantung pada ukuran. Sedangkan citra bitmap

merupakan citra yang di dalamnya terdapat kotak/grid yang menyimpan piksel. Citra bitmap

memiliki resolusi tetap dan apabila resolusi diubah akan mempengaruhi kualitas citra. Citra yang

menggunakan data bitmap memiliki bobot file yang besar karena terdiri dari ragam warna yang

tersimpan dimasing-masing pikselnya. Contoh format file citra bitmap adalah BMP, GIF, JPEG,

JPG, PNG, TIFF, dan PSD. Ukuran citra bitmap yang besar akan mempengaruhi proses

transmisi atau pengiriman citra tersebut melalui jaringan komputer. Seperti contoh citra bitmap

24-bit berdimensi 1024 x 768 piksel membutuhkan memori penyimpanan sekitar 2 Mb. Sehingga

semakin besar ukuran suatu citra maka kecepatan transmisinya juga semakin lambat dan

membutuhkan memori penyimpanan yang besar.

Oleh karena itu, saat ini telah dikembangkan banyak teknik untuk mereduksi ukuran citra

digital tersebut dengan mengurangi tingkat redudansi datanya yang disebut Kompresi. Melalui

kompresi dengan algoritma yang tepat dapat mengubah ukuran citra dengan sedikit perubahan

kualitas citra tanpa menghilangkan informasi di dalamnya. Terdapat dua jenis kompresi citra

yaitu lossless dan lossy compression. Kompresi lossless adalah kompresi yang citra hasil
 kompresinya identik dengan citra aslinya sedangkan lossy kompresi adalah citra digital hasil

kompresi tidak identik dengan citra asli karena terdapat informasi yang hilang saat proses

kompres-dekompresi.

Berhubungan dengan kompresi citra, dibab ini kita akan menjelaskan standar kompresi citra

yang terdiri dari empat bagian yaitu: The JPEG Standard, The JPEG2000 Standard, The JPEG-

LS Standard, dan Bi-level Image Compression Standards.

1. The JPEG Standard (Standar Kompresi JPEG)

JPEG adalah standar kompresi citra yang dikembangkan oleh Joint Photographic Experts

Group, yang secara resmi diterima sebagai standar internasional pada tahun 1992. JPEG

merupakan metode kompresi citra lossy dengan mengunakan metode pengkodean transformasi

menggunakan DCT (Discrete Cosine Transform).

Efektivitas metode pengkodean transformasi DCT dalam JPEG bergantung pada 3

pengamatan utama:

 Konten gambar yang berguna berubah relatif lambat diseluruh gambar yaitu: nilai

intensitas tidak biasa bervariasi banyak beberapa kali di area kecil misalnya dalam 8 × 8

blok gambar. Frekuensi spasial menunjukkan berapa kali nilai piksel berubah di seluruh

blok gambar. DCT memformalkan gagasan ini dengan ukuran seberapa banyak konten

gambar berubah dalam kaitannya dengan jumlah siklus gelombang kosinus per blok.

 Eksperimen psikofisik menunjukkan bahwa manusia jauh lebih kecil kemungkinannya

untuk kehilangan komponen frekuensi spasial yang sangat tinggi daripada kehilangan

komponen frekuensi yang lebih rendah.

  Ketajaman visual (ketelitian dalam membedakan erat garis spasi) jauh lebih besar untuk

abu-abu ("hitam dan putih") daripada untuk warna. subsampling chroma (4: 2: 0)

digunakan dalam JPEG.

1.1. Langkah Utama dalam Kompresi Gambar JPEG

Gambar 1.1 Blok Diagram JPEG

• Transform RGB ke YIQ atau YUV dan subsampel warna.

• DCT pada blok gambar.

Setiap gambar dibagi menjadi 8 × 8 blok. DCT 2D diterapkan untuk setiap gambar blok f

(i, j), dengan output menjadi koefisien DCT F (u, v) untuk setiap blok. Namun, menggunakan

blok memiliki efek untuk mengisolasi setiap blok dari konteks

 tetangganya. Inilah sebabnya mengapa gambar JPEG terlihat berombak ("blocky")

ketika rasio kompresi tinggi ditentukan oleh pengguna.

• Kuantisasi.

^ F(u , v)
F (u , v)=round
Q (u , v)

F (u, v) mewakili koefisien DCT, Q (u, v) adalah entri "matriks kuantisasi", dan Fˆ (u,

v) mewakili koefisien DCT yang dikuantisasi yang akan digunakan JPEG

dalam pengkodean entropi berikutnya.

Langkah kuantisasi adalah sumber utama untuk loss dalam kompresi JPEG.

 Masuknya Q (u, v) cenderung memiliki nilai lebih besar ke arah sudut kanan

bawah. Ini bertujuan untuk memperkenalkan lebih banyak loss pada frekuensi

spasial yang lebih tinggi - praktik yang didukung oleh Pengamatan 1 dan 2.

 Tabel 9.1 dan 9.2 menunjukkan nilai Q (u, v) default yang diperoleh dari studi

psikofisika dengan tujuan memaksimalkan rasio kompresi sambil

meminimalkan kerugian persepsi dalam gambar JPEG.

Gambar 9.2 Kompresi JPEG untuk blok gambar yang halus
Gambar 9.3 Kompresi JPEG untuk blok gambar bertekstur
• Pemesanan Zig-zag dan pengodean run-length.

RLC bertujuan untuk mengubah nilai-nilai Fˆ (u, v) menjadi set {#-zeros-toskip , next

non-zero value}. Untuk membuatnya paling mungkin mencapai nol jangka panjang:

pemindaian zig-zag digunakan untuk mengubah matriks 8 × 8 Fˆ (u, v) menjadi 64-

vektor.
 Gambar 9.4 Zig zag scan pada JPEG

Koefisien DC dikodekan secara terpisah dari yang AC. Differential Pulse Code

Modulation (DPCM) adalah metode pengkodean. Jika koefisien DC untuk 5 blok

gambar pertama adalah 150, 155, 149, 152, 144, maka DPCM akan menghasilkan

150, 5, -6, 3, -8, dengan asumsi di = DCi + 1 - DCi, dan d0 = DC0.

• Pengodean entropi.

Koefisien DC dan AC akhirnya menjalani langkah pengkodean entropi untuk

mendapatkan kemungkinan kompresi lebih lanjut. Gunakan DC sebagai contoh:

setiap koefisien DC berkode DPCM diwakili oleh (SIZE, AMPLITUDE), di mana

SIZE menunjukkan berapa banyak bit yang diperlukan untuk mewakili koefisien, dan

AMPLITUDE berisi bit yang sebenarnya. Dalam contoh yang kami gunakan, kode

150, 5, −6, 3, −8 akan diubah menjadi

(8, 10010110), (3, 101), (3, 001), (2, 11), (4, 0111).

SIZE adalah kode Huffman karena SIZE yang lebih kecil muncul lebih sering.

AMPLITUDE bukan kode Huffman, nilainya dapat berubah secara luas sehingga
pengkodean manusia tidak memiliki manfaat yang cukup besar.
 Gambar 9.5 Detail pengkodean entropi dasar — kategori Size

9.1.1 JPEG Mode

Standar JPEG mendukung banyak mode (variasi). Beberapa yang umum

digunakan adalah:

• Mode Berurutan (Sequential Mode)

Mode Sequential adalah mode JPEG default, secara implisit seperti dijumlahkan

dalam diskusi sejauh ini. Setiap gambar tingkat abu-abu atau komponen gambar

warna dikodekan dalam satu pemindaian kiri-ke-kanan, dari atas ke bawah.

• Mode Progresif (Progressive Mode)

Mode Progresif adalah Progresif JPEG menghasilkan versi gambar dengan kualitas

rendah dengan cepat, diikuti oleh lintasan berkualitas lebih tinggi. Terbagi atas dua

cara yaitu Pemilihan spektral: Mengambil keuntungan dari karakteristik "spektral"

(spektrum frekuensi spasial) dari koefisien DCT: komponen AC yang lebih tinggi

memberikan informasi detail.

Scan 1: Encode DC dan beberapa komponen AC pertama, mis., AC1, AC2.

Scan 2: Encode beberapa komponen AC lagi, mis., AC3, AC4, AC5.

Scan k: Encode beberapa ACS terakhir, misalnya, AC61, AC62, AC63.

 Perkiraan berturut-turut: Secara bertahap meng-encode band spektral, semua

koefisien DCT dikodekan secara bersamaan tetapi dengan bit yang paling signifikan

(MSB) pertama mereka.

Scan 1: Encode beberapa MSB pertama, mis., Bit 7, 6, 5, 4.

Scan 2: Encode beberapa bit yang kurang signifikan, mis., Bit

3. Scan m: Encode bit paling signifikan (LSB), Bit 0.

• Mode Hierarkis (Hierarchical Mode)

Gambar yang dikodekan pada resolusi terendah pada dasarnya adalah gambar filter

low-pass terkompresi, sedangkan gambar pada resolusi yang lebih tinggi secara

berurutan memberikan perincian tambahan (perbedaan dari gambar dengan resolusi

lebih rendah). Mirip dengan JPEG Progresif, gambar JPEG Hierarkis dapat

ditransmisikan dalam beberapa lintasan yang secara bertahap meningkatkan kualitas.

• Mode Lossless (Lossless Mode)

Lossless JPEG adalah mode JPEG yang sangat istimewa yang memang tidak

memiliki kerugian dalam kualitas gambarnya. Bagaimanapun, hanya menggunakan

metode pengkodean diferensial sederhana, yang melibatkan pengubahan kode. Ini

jarang digunakan, karena rasio kompresinya sangat rendah dibandingkan dengan

mode lossy lainnya. Di sisi lain, ini memenuhi kebutuhan khusus, dan standar JPEG-
LS yang dikembangkan kemudian secara khusus ditujukan untuk kompresi gambar

tanpa kehilangan
9.1.2 Bitsream JPEG

Gambar 9.6 Bitsream JPEG

Di sini, frame adalah gambar, sebuah hasil scan akan melewati piksel (mis.,

Komponen merah), segmen adalah sekelompok blok, dan satu blok terdiri dari 8 × 8

piksel.

Contoh beberapa informasi diatas adalah:

• Frame header

- Bit per piksel

- (Lebar, tinggi) gambar

- Jumlah komponen

- ID unik (untuk setiap komponen)

 - Faktor pengambilan sampel horizontal / vertikal (untuk setiap komponen)

- Tabel kuantisasi untuk digunakan (untuk setiap komponen).

• Scan header

- Jumlah komponen yang discan

- ID Komponen (untuk setiap komponen)

- Tabel pengkodean Huffman / Aritmatika (untuk setiap komponen).

9.2 The JPEG2000 Standard

 Tujuan Desain:

1. Untuk memberikan tingkat-distorsi yang lebih baik dan meningkatkan kualitas

gambar subjektif.

2. Untuk memberikan fungsionalitas tambahan yang kurang dalam standar JPEG saat

ini.

Standar JPEG2000 dalam mengatasi masalah berikut:

 Kompresi bit-rate rendah: Standar JPEG saat ini menawarkan kinerja rate- distorsi

yang sangat baik dalam mid dan high bit-rates. Namun pada laju bit di bawah 0,25

bpp, distorsi subyektif menjadi tidak dapat diterima. Ini penting jika kami berharap

untuk menerima gambar pada perangkat dimana pun yang mendukung web kami.

 Kompresi Lossless dan Lossy: Saat ini tidak ada standar yang dapat memberikan

kompresi superior lossless dan kompresi lossy dalam bitstream tunggal.

 Gambar besar: Standar baru akan memungkinkan resolusi gambar yang lebih besar

dari 64K x 64K tanpa ubin. Ini dapat menangani ukuran gambar hingga 232-1.

 Arsitektur Dekompresi Tunggal: Standar JPEG saat ini memiliki 44 mode, banyak di

antaranya adalah aplikasi spesifik dan tidak digunakan oleh sebagian besar dekoder

JPEG.

 Transmisi di Lingkungan Bising: Standar baru ini akan memberikan peningkatan

 ketahanan kesalahan untuk transmisi di lingkungan bising seperti jaringan nirkabel

dan Internet.

 Transmisi Progresif: Standar baru memberikan skalabilitas kualitas dan resolusi yang

mulus dari bit-rate rendah ke tinggi. Target bit-rate dan resolusi rekonstruksi tidak

perlu diketahui pada saat kompresi.

  Pengkodean Daerah Tujuan: Standar baru ini memungkinkan spesifikasi Region of

Interest (ROI) yang dapat dikodekan dengan kualitas unggul dari pada gambar

lainnya.

 Pencitraan yang dihasilkan Komputer: Standar JPEG saat ini dioptimalkan untuk

pencitraan alami dan tidak berkinerja baik pada pencitraan yang dihasilkan komputer.

 Dokumen gabungan: Standar baru menawarkan meta mekanisme data untuk

menggabungkan data tambahan non-gambar sebagai bagian dari file. Ini mungkin

berguna untuk memasukkan teks beserta gambar.

Selain itu, JPEG2000 mampu menangani hingga 256 kanal informasi sedangkan

standar JPEG saat ini hanya mampu menangani 3 kanal warna.

9.2.1 Langkah Utama Kompresi Gambar JPEG2000

Menggunakan Pengodean Blok Tertanam dengan Pemotongan yang

Dioptimalkan (EBCOT) algoritma yang mempartisi setiap subband LL, LH, HL, HH

yang dihasilkan oleh transformasi wavelet menjadi blok kecil yang disebut "blok

kode".
 Bitstream terpisah yang dapat diskalakan dihasilkan untuk setiap blok kode.

Dengan skema pengkodean berbasis blok, algoritma EBCOT telah meningkatkan

ketahanan kesalahan. Algoritma EBCOT terdiri dari tiga langkah:

1. Pengodean Blok Tertanam dan pembuatan bitstream.

2. Optimalisasi distorsi tingkat kompresi pasca (PCRD).

3. Pembentukan Layer dan representasi.

Pengkodean Block dan Pembangkit Bitstream Setiap sub-band yang

dihasilkan untuk transformasi wavelet diskrit 2D pertama kali dipartisi menjadi blok

kode kecil,
biasanya 64 × 64, atau ukuran lain tidak kurang dari 32 × 32. Kemudian algoritma

EBCOT menghasilkan bitstream yang sangat skalabel untuk setiap blok kode Bi.

Gambar 9.7. Struktur blok kode EBCOT

Pada Gambar 9.7 misalkan si [k] = si [k1, k2] antara blok kode kecil sampel

sub-band, dengan k1 dan k2 indeks baris dan kolom. (Dengan definisi ini, sub-band

HL high-pass horizontal harus diubah sehingga k1 dan k2 akan memiliki makna yang

konsisten dengan sub-band lainnya. Transposisi ini berarti bahwa sub-band HL dapat
diperlakukan dengan cara yang sama seperti sub-band LH, HH, dan LL dan

menggunakan model konteks yang sama.) Algoritma ini menggunakan Pengukuran

zona mati yang ditunjukkan pada Gambar 9.8 yang dirumuskan sebagai berikut:

di mana δβi adalah ukuran langkah untuk sub-band βi, yang berisi blok kode

Bi. Proses pengkodean mirip dengan pengkodean bitplane, di mana bit

 yang paling signifikan νpmax ii [k] pertama kali dikodekan untuk semua sampel

dalam blok kode, diikuti oleh bit yang paling signifikan berikutnya νp (maks − 1) ii

[k ], dan seterusnya, sampai semua bitmap dikodekan.

9.8 Pengukur zona mati. Panjang zona mati adalah 2δ. Nilai-nilai di dalam zona mati dikuantisasi

menjadi 0

Kuantizer zona mati seragam digunakan dengan ukuran interval yang

berturut-turut lebih kecil. Setara dengan pengkodean setiap blok satu bitplane

sekaligus.
 Blok selanjutnya dibagi menjadi urutan 16 × 16 sub blok. Signifikansi sub-

blok dikodekan dalam peta signifikansi σP di mana σp (Bi [j]) menunjukkan

signifikansi sub-blok Bi [j] pada bitplane P.

Struktur quad-tree digunakan untuk mengidentifikasi signifikansi sub- blok

satu tingkat pada suatu waktu. Struktur pohon dibangun dengan mengidentifikasi sub

blok dengan simpul daun, yaitu, Bi0 [j] = Bi [j]. Level yang lebih tinggi dibangun

menggunakan rekursi: Bit [j] = ∪z∈ {0,1} 2 Bit − 1 [2j + z], 0 ≤ t ≤ T.

 Empat metode pengkodean primitif berbeda yang menggunakan pengkodean

aritmatika berbasis konteks digunakan:

1. Pengkodean Zero: Digunakan untuk mengkode koefisien pada setiap bitplane yang

belum signifikan.

konfigurasi lingkungan yang mungkin direduksi menjadi sembilan konteks

penugasan yang berbeda yang tercantum dalam Tabel 9.4.

Tabel 9.4 Konteks tugas untuk nol coding primitif.

2. Pengkodean Run-length: ditujukan untuk menjalankan kode dari nilai signifikansi 1-

 bit. Ada empat syarat harus dipenuhi:

1) Empat sampel berturut-turut harus tidak signifikan.

2) Sampel harus memiliki tetangga yang tidak signifikan.

3) Sampel harus dalam sub-blok yang sama.

4) Indeks horizontal k1 dari sampel pertama harus genap.

Tabel 9.5 Konteks tugas untuk coding tanda primitif

3. Pengkodean Sign: dipanggil paling banyak satu kali untuk setiap sampel, segera

setelah sampel melakukan transisi dari tidak signifikan menjadi signifikan selama

operasi pengkodean nol atau run-length coding. Karena memiliki empat horizontal

dan vertikal, masing-masing dari yang mungkin sesuai, positif, atau negatif, ada 34 =

81 konfigurasi konteks yang berbeda.

Bit tanda χi [k] dari sampel yang berdekatan mengandung dependensi substansial.

Distribusi bersyarat dari χi [k] diasumsikan sama dengan

−χi [k]. hai [k] menjadi 0 jika kedua tetangga horizontal tidak signifikan, 1 jika

setidaknya satu tetangga horizontal adalah positif, atau

−1 jika setidaknya satu tetangga horizontal negatif. i [k] didefinisikan sama untuk

tetangga vertikal. Jika χˆi [k] adalah prediksi tanda, simbol biner yang dikodekan

menggunakan konteks yang relevan adalah χi [k]

· χˆi [k].
4. Perbaikan magnitude: digunakan untuk menghitung nilai vp i [k], memberikan apa

yang v [k] ≥ 2p + 1
. Hanya tiga model konteks yang digunakan untuk perbaikan

magnitudo. Sebagai variabel pilihan kedua

˜ σi [k] diperkenalkan ke rangkuman dari 0 hingga 1 setelah perbaikan magnitudo

perbaikan pertama diterapkan pada si [k]. Model konteks bergantung pada nilai dari

variabel ini yang berubah: vpi [k] dikodekan dengan konteks 0 jika ˜ σ [k] = hi [k] =

vi [k] = 0, dengan konteks 1 jika

 ˜ σi [k] = 0 dan hi [k] + vi [k] ̸ = 0, dan dengan konteks 2 jika ˜ σi [k] = 1.

Untuk memastikan bahwa setiap blok kode memiliki bitstream yang disematkan

dengan baik, pengkodean dari setiap bitplane p berlangsung dalam empat lintasan

yang berbeda, yaitu:

1) Forward Significance Propagation Pass: Sampel sub-blok dikunjungi dalam urutan

garis pindaian, sampel tidak signifikan dan sampel yang tidak memenuhi persyaratan

lingkungan dilewati. Untuk sub-band LH, HL, dan LL, persyaratan lingkungan

adalah bahwa setidaknya satu tetangga horizontal harus signifikan. Untuk subband

HH, persyaratan lingkungan adalah bahwa setidaknya satu dari empat tetangga

diagonal adalah signifikan.

2) Reverse Significance Propagation Pass: urutan terbalik. Persyaratan lingkungan untuk

memasukkan sampel yang memiliki setidaknya satu signifikan tetangga segala arah.

3) Magnitude Refinement Pass: Lewat ini mengkodekan sampel yang sudah signifikan

tetapi belum dikodekan dalam dua lintasan sebelumnya. Sampel semacam itu

diproses dengan primitif perbaikan magnitudo.

4) Normalization pass: Tiga pass coding dikodekan menggunakan pengkodean tanda

dan primitif pengkodean run-length yang sesuai. Jika sampel ditemukan signifikan,

tandanya segera dikodekan menggunakan primitif pengkodean tanda.

Gambar 9.9. Penampilan coding berlalu dan kode quad pohon tertanam bitstream setiap blok.

Gambar di atas menunjukkan tata letak kode pass dan kode quad-tree di

masing-masing bitstream tertanam. Sp menunjukkan kode quad-tree yang

mengidentifikasi sub-blok yang signifikan di bitplane p. Perhatikan bahwa untuk

setiap
bitplane p, Sp muncul tepat sebelum pass kode final Pp 4, bukan pass kode awal Pp

1. Ini menyiratkan bahwa sub-blok yang menjadi signifikan untuk pertama kalinya

dalam bitplane p diabaikan sampai lulus terakhir.

Posting Kompresi Tingkat Distorsi (PCRD) Optimasi

Tujuan:

Menghasilkan pemotongan bitstream independen setiap blok kode secara

optimal bahwa distorsi tersebut diminimalkan, tunduk pada kendala bit-rate.

Untuk setiap bitstream tertanam dari blok kode Bi distorsi keseluruhan gambar

direkonstruksi adalah (dengan asumsi distorsi adalah aditif)

dimana Dni i adalah distorsi dari blok kode Bi yang memiliki titik potong ni. Untuk
setiap blok kode Bi, distorsi dihitung oleh

Pemilihan optimal poin pemotongan ni dapat dirumuskan menjadi subjek masalah

minimisasi dengan berikut ini kendala:

di mana Rmax adalah bit-rate yang tersedia. Untuk beberapa λ, setiap set titik

pemotongan {nλ i} yang diminimalkan

Optimal yang di maksud dalam arti tingkat-distorsi.

Lereng distorsi tingkat yang diberikan oleh rasio adalah benar-benar menurun.

Hal ini memungkinkan masalah optimasi diselesaikan dengan sederhana melalui

seleksi pencacahan j1 <j2 <· dari himpunan poin pemotongan layak.

Pembentukan lapisan dan Representasi

JPEG2000 menawarkan resolusi dan skalabilitas kualitas melalui penggunaan

organisasi bitstream berlapis dan dua-tier coding strategi. Tingkat pertama

menghasilkan tertanam blok bit-stream sementara tingkat kedua kompres ringkasan

informasi blok.

Lapisan kualitas Q1 berisi awal byte masing-masing blok kode Bi dan lapisan

lainnya Qq berisi tambahan kontribusi dari blok kode Bi.

Kuantitas adalah titik pemotongan yang sesuai dengan ambang batas distorsi λq

yang dipilih untuk lapisan kualitas qth.

Gambar 9.10. Tiga lapisan berkualitas dengan delapan blok masing-masing.

Daerah Tujuan Coding di JPEG2000

Tujuan:

Daerah tertentu dari gambar mungkin berisi penting informasi, sehingga harus

dikodekan dengan kualitas yang lebih baik dari pada lain.

Biasanya dilaksanakan dengan menggunakan metode MAXSHIFT yang skala up

koefisien dalam ROI sehingga mereka ditempatkan ke dalam bit-pesawat yang lebih

tinggi.
Selama proses coding tertanam, bit yang dihasilkan ditempatkan di depan non-ROI

bagian dari gambar. Sehubungan Dengan Itu, berikan bit-rate yang dikurangi, ROI

akan diterjemahkan dan sebelum sisa gambar halus. Satu hal yang perlu diperhatikan

adalah bahwa terlepas dari penskalaan, decoding penuh dari bitstream akan

menghasilkan rekonstruksi dari kabel yang akan dibongkar dengan data tertinggi

yang tersedia. Gambar 9.11 menunjukkan efek pengkodean wilayah penting sebagai

bitrate target gambar sampel meningkat.

ar. 9.11. Wilayah bunga (ROI) pengkodean gambar menggunakan sirkuler ROI berbentuk. (a) 0,4

bpp, (b) 0,5 bpp, (c) 0.6bpp, dan (d) 0,7 bpp.

9.2.4 Perbandingan Kinerja JPEG dan JPEG2000

Kami melakukan perbandingan untuk tiga kategori gambar: alami, yang

dihasilkan komputer, dan medis, menggunakan tiga gambar dari masing-masing

kategori. Gambar uji yang digunakan ditampilkan di situs web buku teks. Untuk

setiap gambar, kami mengkompres menggunakan JPEG dan JPEG2000, pada empat

bitrate: 0,25 bpp, 0,5 bpp, 0,75 bpp, dan 1,0 bpp. Gambar 9.12 menunjukkan plot

rata-rata PSNR dari gambar dalam setiap kategori terhadap bitrate. Kami melihat

bahwa JPEG2000 secara substansial mengungguli JPEG di semua kategori. Untuk

perbandingan kualitatif dari hasil kompresi, mari kita pilih satu gambar dan tampilkan

hasil dekompresi untuk kedua algoritma menggunakan bitrate rendah (0,75 bpp) dan
bitrate terendah (0,25 bpp). Dari hasil pada Gambar 9.13, bahwa seharusnya jelas

gambar yang dikompres menggunakan JPEG2000 menunjukkan artefak visual yang

lebih sedikit.

Gambar 9.12. Perbandingan kinerja untuk JPEG dan JPEG2000 pada

berbeda jenis gambar. (a) Citra alam, (b) Citra yang dihasilkan komputer, (c)

Citra Medis
Gambar. 9.13. Perbandingan JPEG dan JPEG2000. (a) Citra Asli, (b) JPEG (kiri) dan

JPEG2000 (kanan) gambar dikompresi pada 0,75 bpp. (c) JPEG (kiri) dan JPEG2000

(kanan) gambar dikompresi pada 0,25 bpp.

9.3 JPEG-LS Standard

JPEG-LS dalam standar ISO / ITU saat ini digunakan untuk lossless atau

"Nyaris tanpa kehilangan" kompresi gambar nada kontinu. Ini adalah bagian dari

upaya ISO yang lebih besar yang ditujukan untuk kompresi yang lebih baik pada

gambar medis. Menggunakan LOCO-I (LOw COmplexity LOssless Compression

untuk Gambar) algoritma yang diusulkan oleh Hewlett-Packard. Termotivasi oleh

pengamatan bahwa pengurangan kompleksitas yang seringkali lebih penting daripada

peningkatan kecil dalam kompresi ditawarkan oleh algoritma yang lebih kompleks.

Algoritma LOCO-I memanfaatkan pemodelan konteks. Gagasan pemodelan konteks

adalah untuk mengambil keuntungan dari struktur dalam sumber input - probabilitas

bersyarat ities.

C A d

B X
 Gambar 9.14 JPEG-LS Context Model.

9.4 JBIG dan JBIG-2 : Bi-Level Image Comprssion Standards

Tujuan Utama: Memungkinkan penyerahan dokumen dalam bentuk

elektronik. Terutama digunakan untuk mengkode gambar yang dipindai dari cetakan

atau teks tertulis, teks yang dihasilkan komputer, dan faksimili misi.
9.4.1 The JBIG Standard

JBIG adalah standar kompresi lossless. Ini juga menawarkan kemampuan

encoding / decoding gressive, bitstream yang dihasilkan berisi serangkaian gambar

dengan resolusi yang semakin tinggi. JBIG adalah standar pengkodean yang

direkomendasikan oleh Kelompok Pemrosesan Gambar Bi-level untuk gambar biner.

Standar kompresi lossless ini digunakan terutama untuk mengkode gambar yang

dipindai dari teks yang dicetak atau tulisan tangan, teks yang dihasilkan komputer,

dan transmisi faksimili. Ini menawarkan kemampuan encoding dan decoding

progresif, dalam arti bahwa bitstream yang dihasilkan berisi serangkaian gambar

resolusi yang semakin tinggi. Standar ini juga dapat digunakan untuk kode grayscale

dan warna gambar dengan mengkodekan setiap bitplane secara independen, tetapi ini

bukan tujuan utama.

Standar kompresi JBIG memiliki tiga mode operasi yang terpisah: progresif,

sekuensial progresif-kompatibel, dan sekuensial perkembangan tunggal. Mode

sekuensial progresif kompatibel menggunakan bitstream yang kompatibel dengan

mode progresif. Satu-satunya perbedaan adalah bahwa data dibagi menjadi beberapa

strip dalam mode ini. Mode sekuensial perkembangan tunggal hanya memiliki

lapisan resolusi terendah. Oleh karena itu, seluruh gambar dapat dikodekan tanpa

referensi ke lapisan resolusi tinggi lainnya. Kedua mode ini dapat dilihat sebagai

kasus khusus mode progresif. Karena itu, diskusi kami hanya membahas mode
progresif.Encoder JBIG dapat didekomposisi menjadi dua komponen: • Resolusi-

reduksi dan diferensial- layer encoder.

Pada JBIG terdapat Encoder lapisan resolusi terendah, Dimana Gambar input

melewati urutan resolusi-pengurangan dan pembeda semua kode sandi. Masing-

masing setara dalam fungsi, kecuali bahwa gambar input mereka memiliki resolusi

yang berbeda. Beberapa implementasi standar JBIG dapat memilih untuk secara

rekursif menggunakan salah satu penyandi fisik tersebut. Gambar dengan resolusi

terendah dikodekan menggunakan encoder layer-resolusi terendah. Desain encoder

ini
 agak lebih sederhana daripada encoders resolusi-reduksi dan diferensial, karena

operasi resolusi-reduksi dan deterministik-prediksi tidak diperlukan.

9.4.2 The JBIG2 Standard

JBIG-2 memperkenalkan pengkodean berbasis model - mirip dengan konteks

- pengkodean berbasis. Ini mendukung kompresi lossy dengan baik. JBIG2

secara eksplisit dirancang untuk kompresi gambar lossy, lossless, dan lossy to

lossless. Tujuan desain untuk JBIG2 bertujuan tidak hanya untuk memberikan

kompresi lossless yang unggul dimana kinerja melebihi standar yang ada tetapi juga

pada memasukkan kompresi lossy pada rasio kompresi yang jauh lebih tinggi, dengan

degradasi seminimal mungkin.

Fitur unik JBIG2 adalah kualitas progresif dan konten progresif. Dengan

kualitas yang progresif, kami maksudkan bahwa bitstream berperilaku serupa dengan

standar JBIG, di mana kualitas gambar berkembang dari kualitas yang lebih rendah

ke yang lebih tinggi (atau mungkin tanpa kerugian). Di sisi lain, konten yang

progresif memungkinkan berbagai jenis data gambar ditambahkan secara progresif.

Encoder JBIG2 menguraikan input bi-level gambar ke daerah atribut yang berbeda

dan kode masing-masing secara terpisah, menggunakan metode pengkodean yang

berbeda.

Seperti pada standar kompresi gambar lainnya, hanya bitstream JBIG2, dan

dengan demikian dekoder, secara eksplisit ditentukan. Akibatnya, pembuat enkode

apa pun yang menghasilkan bitstream yang benar adalah "patuh," terlepas dari

tindakan yang sebenarnya diambil. Fitur lain dari JBIG2 yang membedakannya dari

standar kompresi gambar lainnya adalah bahwa ia dapat mewakili beberapa halaman

dari dokumen dalam arsip file, memungkinkan untuk mengeksploitasi persamaan

interpage halaman. JBIG2 menawarkan pengkodean progresif konten dan kinerja

kompresi yang unggul melalui pengkodean berbasis model, di mana model yang

berbeda dibangun untuk tipe data yang berbeda dalam suatu gambar, mewujudkan

penguatan pengkodean tambahan.

 Referensi

1. https://id.scribd.com/document/413220691/Chapter-9-Image-Compression-Standards, Diakses

pada tgl 20/09/21.

2.