Anda di halaman 1dari 28

KOMPRESI CITRA

Oleh :
Bunga Chintia Ningrum (141401022)
Nadia Rahmatunnisa (141401025)
Filza Charinnisa (141401040)
Ayu Wulandari (141401067)
Dewi Wiranda Sari (141401133)
Fadly Sahru Alhaj (141401157)
Konsep
Semakin besar ukuran citra, semakin besar memori
yang dibutuhkan. Namun kebanyakan citra
mengandung duplikasi data, yaitu :
suatu piksel memiliki intensitas yang sama dengan
dengan piksel tetangganya, sehingga penyimpanan
setiap piksel memboroskan tempat
citra banyak mengandung bagian (region) yang sama,
sehingga bagian yang sama ini tidak perlu dikodekan
berulangkali karena mubazir atau redundan
Contoh : citra langit biru dengan beberapa awan putih
banyak intensitas piksel dan region yang sama
Tujuan dan Manfaat
Tujuan
Pemampatan citra / kompresi citra bertujuan meminimalkan
kebutuhan memori untuk merepresentasikan citra digital
dengan mengurangi duplikasi data di dalam citra sehingga
memori yang dibutuhkan menjadi lebih sedikit daripada
representasi citra semula.

Manfaat kompresi citra :


Waktu pengiriman data pada saluran komunikasi data lebih
singkat
Contoh : pengiriman gambar dari fax, videoconferencing,
handphone, download dari internet, pengiriman data medis,
pengiriman dari satelit, dsb
Membutuhkan ruang memori dalam storage lebih sedikit
dibandingkan dengan citra yang tidak dimampatkan
Metode Kompresi yang
diharapkan
Proses kompresi dan dekompresinya cepat
Proses kompresi : citra dalam representasi tidak mampat
dikodekan dengan representasi yang meminimumkan kebutuhan
memori. Citra terkompresi disimpan dalam file dengan format
tertentu, misal JPEG (Joint Photographic Experts Group)

Proses dekompresi : citra yang sudah dimampatkan dikembalikan


lagi (decoding) menjadi representasi yang tidak mampat.
Diperlukan bila citra tersebut ditampilkan ke layar / disimpan
dalam format tidak mampat (bentuk bitmap(BMP))
Memori yang dibutuhkan seminimal mungkin
Ada metode yang berhasil kompresi dengan persentase besar,
ada yang kecil. Ukuran memori hasil kompresi juga bergantung
pada citra itu sendiri, yaitu citra yang mengandung banyak
elemen duplikasi biasanya berhasil dikompresi dengan memori
yang lebih sedikit.
Contoh : citra langit biru tanpa awan dibandingkan dengan citra
pemandangan alam (mengandung banyak objek)
Kualitas citra hasil kompresi harus bagus (fidelity)
Informasi yang hilang akibat kompresi seharusnya seminimal
mungkin sehingga kualitas hasil kompresi bagus.
Tetapi biasanya kualitas kompresi bagus bila proses kompresi
menghasilkan pengurangan memori yang tidak begitu besar,
demikian sebaliknya.
Proses transfer dan penyimpanannya mudah
Pendekatan yang digunakan
untuk kompresi
1. Pendekatan statistik (statistical compression)
2. Pendekatan ruang (spatial compression)
3. Pendekatan kuantisasi (quantizing compression)
4. Pendekatan fraktal (fractal compression) : tidak dibahas
5.Pendekatan transformasi wavelet (wavelet compression) : tidak
dibahas
Dua kelompok besar metode
kompresi
1. Lossless Compression
Kompresi citra dimana hasil dekompresi dari citra yang
terkompresi sama dengan citra aslinya, tidak ada informasi yang
hilang. Sayangnya ratio kompresi citra metode ini sangat rendah.
Metode ini cocok untuk kompresi citra yang mengandung
informasi penting yang tidak boleh rusak akibat kompresi, misal
kompresi citra hasil diagnosa medis.
2. Lossy Compression
Kompresi citra dimana hasil dekompresi dari citra yang
terkompresi tidak sama dengan citra aslinya karena ada
informasi yang hilang, tetapi masih bisa ditolerir oleh persepsi
mata. Mata tidak dapat membedakan perubahan kecil pada
gambar. Metode ini menghasilkan ratio kompresi yang lebih
tinggi daripada metode lossless.
STATISTICAL COMPRESSION
(Metode Huffman)

Termasuk metode lossless compression


Pengkodean citra berdasarkan pada derajat keabuan (gray
level) daripiksel-piksel dalam keseluruhan image
Nilai atau derajat keabuan yang sering muncul di dalam citra
akan dikodekan dengan jumlah bit yang lebih sedikit
sedangkan nilai keabuan yang frekuensi kemunculannya
sedikit dikodekan dengan jumlah bit yang lebih panjang.
Algoritma metode Huffman
1. Urutkan secara menaik nilai keabuan berdasarkan frekuensi
kemunculannya atau peluang kumunculan yaitu frekuensi
kemunculan dibagi dengan jumlah piksel dalam citra (pk = nk/n).
Setiap nilai keabuan dinyatakan sebagai pohon bersimpul
tunggal dan setiap simpul diassign dengan frekuensi
kemunculan nilai keabuan tersebut.
2. Gabung 2 buah pohon yang mempunyai frekuensi kemunculan
paling kecil pada sebuah akar. Akar mempunyai frekuensi yang
merupakan jumlah dari frekuensi 2 pohon penyusunnya.
Perhatikan : frekuensi dengan nilai lebih kecil diletakkan di sisi
kiri
3. Ulangi langkah 1 dan 2 sampai tersisa 1 pohon biner.
4. Beri label setiap sisi pada pohon biner, label sisi kiri = 0, label
sisi kanan = 1.
5. Telusuri pohon biner dari akar ke daun. Barisan label-label
sisidari akar ke daun menyatakan kode Huffman untuk derajat
keabuan yang bersesuaian.
Contoh : Citra ukuran 5 x 5 dengan 8 derajat keabuan (k)
jumlah seluruh pixel (x) = 5 x 5 = 25

K n P(n/x)
0 0 0
2 1 1 1 1
1 6 6/25 = 0.24
3 3 4 2 2
2 6 6/25 = 0.24
2 2 5 1 1
3 4 4/25 = 0.16
6 6 6 6 6
4 1 1/25 = 0.04
2 3 3 5 5 5 3 3/25 = 0.12
6 5 5/25 = 0.2
7 0 0
4 : 0.04 5 : 0.12 6 : 0.2 3 : 0.16 1 : 0.24 2 : 0.24

6 : 0.2 45: 0.16 3 : 0.16 1 : 0.24 2 : 0.24

4 : 0.04 5 : 0.12

6 : 0.2 1 : 0.24 2 : 0.24


345 : 0.32

3 : 0.16 45 : 0.16

4 : 0.04 5 : 0.12
2 : 0.24 345 : 0.32 61 : 0.44

3 : 0.16 45 : 0.16 6 : 0.2 1 : 0.24

4 : 0.04 5 : 0.12

61 : 0.44 2345 : 0.56

6 : 0.2 1 : 0.24 2 : 0.24 345 : 0.32

3 : 0.16 45 : 0.16

4 : 0.04 5 : 0.12
612345 : 1

0 1

61 : 0.44 2345 : 0.56

0 1 0 1
6 : 0.2 1 : 0.24 2 : 0.24 345 : 0.32

0 1
3 : 0.16 45 : 0.16

0 1
4 : 0.04 5 : 0.12
Derajat Keabuan Kode Huffman Ukuran Banyak Pixel
0 - - -
1 01 2 bit 6
2 10 2 bit 6
3 110 3 bit 4
4 1110 4 bit 1
5 1111 4 bit 3
6 00 2 bit 5
7 - - -

Ukuran citra sebelum dikompresi


= 25 x 3 bit
= 75 bit
Ukuran citra setelah dikompresi
= (6 x 2 bit) + (6 x 2 bit) + (4 x 3 bit) + (1 x 4 bit) + (3 x 4 bit) + (5 x 2 bit)
= 12 + 12 + 12 + 4 + 12 + 10
= 62 bit
Rasio = 100% - (ukuran citra hasil kompresi/ukuran citra asli x 100%)
= 100% - (62/75x 100%)
= 18%
SPATIAL COMPRESSION Metode Run
Length Encoding (RLE)
Cocok digunakan untuk memampatkan citra yang memiliki
kelompok-kelompok piksel berderajat keabuan yang sama.
Metode ini dilakukan dengan menyatakan seluruh baris citra
menjadi sebuah baris run, lalu menghitung run length untuk
setiap derajat keabuan yang berurutan
Contoh sebuah citra sebagai berikut :

2 1 1 1 1

3 3 4 2 2

2 2 5 1 1

6 6 6 6 6

2 3 3 5 5
Dinyatakan dalam barisan derajat keabuan :
2 1 1 1 1 3 3 4 2 2 2 2 5 1 1 6 6 6 6 6 2 3 3 5 5 ada 25 bit
Hitung run-length untuk setiap derajat keabuan yang berurutan
yaitu hitung jumlah kemunculan datanya
(2,1) (1,4) (3,2) (4,1) (2,4) (5,1) (1,2) (6,5) (2,1) (3,2) (5,2)
Hasil pengkodean
2 1 1 4 3 2 4 1 2 4 5 1 1 2 6 5 2 1 3 2 5 2 ada 22 nilai,
Jadi berkurang 3 nilai
Metode RLE dapat dikombinasikan dengan metode Huffman
untuk meningkatkan ratio kompresi. Mula-mula lakukan kompresi
RLE lalu hasilnya dimampatkan lagi dengan Huffman.
6 : 0.04 3 : 0,09 4 : 0,13 5 : 0,13 1 : 0,27 2 : 0,31

63: 0.13 4 : 0.13 3 : 0.16 1 : 0.24 2 : 0.24

6 : 0.04 3 : 0.9

4 : 0.13 5 : 0.13 63: 0.13 1 : 0.27 2 : 0.31

6 : 0.04 3 : 0.09

4 : 0.13 563 : 0.26 1 : 0.27 2 : 0.31

5 : 0.13 63 : 0.13

6 : 0.04 3 : 0.09
124563 : 0.97

12 : 0.58 4563 : 0.39

1 : 0.27 2 : 0.31 4 : 0.13 563 : 0.26

5 : 0.13 63 : 0.13

6 : 0.04 3 : 0.09
Derajat Keabuan Kode Huffman Ukuran Banyak Pixel
0 - - -
1 00 2 bit 6
2 01 2 bit 7
3 1111 4 bit 2
4 10 2 bit 3
5 110 3 bit 3
6 1110 4 bit 1
7 - - -

Ukuran citra sebelum dikompresi


= 25 x 3 bit
= 75 bit
Ukuran citra setelah dikompresi
= (6 x 2 bit) + (7 x 2 bit) + (2 x 4 bit) + (3 x 2 bit) + (3 x 3 bit) + (1 x 4 bit)
= 53 bit

Rasio = 100% - (ukuran citra hasil kompresi/ukuran citra asli x 100%)


= 100% - (53/75 x 100%)
= 30%
QUANTIZING COMPRESSION
Termasuk metode lossy compression karena mereduksi
jumlah derajat keabuan yang ada pada citra sehingga
banyak informasi yang hilang, misal dari 256 menjadi
16.
Algoritma kuantisasi :
1. Misal P adalah jumlah piksel dalam citra semula, buat
histogram citra semula (citra yang akan dikompresi)
2. Identifikasi n kelompok di dalam histogram sehingga
setiapkelompok mempunyai kira-kira P/n buah piksel
3. Nyatakan setiap kelompok dengan derajat keabuan 0
sampai n-1. Setiap piksel di dalam kelompok
dikodekan kembali dengan nilai derajat keabuan yang
baru.
Contoh : Citra 4 x 4, 8 derajat keabuan (3 bit)
6 5 4 3

3 1 2 6

4 2 2 5

4 5 2 2

Langkah 1: Derajat Keabuan Jumlah Piksel


Banyaknya pixel citra = 16
Histogramnya: 0 -

1 1

2 5

3 2

4 3

5 3

6 2

7 -
Langkah 2:
Lalu kompresi dari 8 menjadi 2 derajat keabuan (1 bit) yaitu nilai keabuan
0 s/d 1, maka dibuat n buah kelompok yaitu 2. Tiap kelompok rata-rata ada
8/2 = 4 pixel (bisa lebih bisa kurang).

Kelompok Nilai Keabuan Jumlah Piksel Jumlah piksel


dalam kelompok

1 1

1 2 5 8

3 2

4 3

2 5 3 8

6 2
Langkah 3:
Setiap pixel di dalam kelompok dikodekan dengan nilai keabuan yang baru
yaitu 0 s/d 1.

Kelompok Nilai Keabuan Lama Nilai Keabuan Baru

1 2 0

2 5 1

6
Citra setelah kompresi
1 1 1 0

0 0 0 1

1 0 0 1

1 1 0 0

Ukuran citra asli = 16*3 = 48 bit


Ukuran setelah dikompresi = 16*1 = 16
Ratio Kompresi = 100% - (ukuran citra hasil kompresi/ukuran citra asli * 100%)
= 100% - (48/16*100%)
= 70% artinya citra semula telah dimampatkan sebanyak 70%
Hasil Kompresi Metode Lossy
Pertanyaan
Bagaimana cara mengetahui pixel yang hilang setelah
dikompresi? (Widya Mayesti M - 064)
Bagaimana penerapan pada true color? Bisa atau tidak?
(Wahyudi Arfan - 073)
Apakah setelah dikompresi citra dapat dikembalikan seperti
semula? (Ernita Rizki M - 049)
Jawaban
Pixel pada gambar asli setelah dikompresi tidak menghilang hanya
saja pixel tersebut mengalami penurunan kualitas seperti
kedalaman warna dan jumlah bit. Filza Chairinnisa (040)
Penerapan pada citra true color bisa dilakukan kompresi dengan
cara mengubah citra tersebut menjadi citra grayscale kemudian
citra tersebut dapat dikompresi. Ayu Wulandari (067)
Jika menggunakan metode lossy citra tidak dapat dikembalikan
seperti semula, karena dengan menggunakan metode lossy banyak
pixel yang hilang. Akan tetapi, jika menggunakan metode lossless
citra yang telah dikompresi dapat dikembalikan seperti
semula(dekompresi) . Dewi Wiranda S (133)
TERIMA KASIH . . .