PENGOLAHAN CITRA DIGITAL Kompresi Citra

T.SUTOJO,SSi,M.Kom
sutoyo@dosen.dinus.ac.id
HP: 024 3310 1617 UNIVERSITAS DIAN NUSWANTORO
SEMARANG
2009
 KOMPRESI CITRA
MENGAPA CITRA PERLU DIKOMPRESI ?

TEKNIK KOMPRESI CITRA

KRITERIA KOMPRESI CITRA
RASIO KOMPRESI CITRA
REDUNDANSI DATA
METODE DASAR KOMPRESI
 MENGAPA CITRA PERLU DIKOMPRESI ?

Kebutuhan memori untuk menyimpan file-file

gambar, film, dan grafis sangat besar.
 MENGAPA CITRA PERLU DIKOMPRESI ?

Berbagai macam citra medik diantaranya adalah citra sinar-x (X-ray),

computed tomography (CT), magnetic resonance imaging (MRI),
ultrasonography (USG), positron emission tomography (PET), single
photon emission computerized tomography (SPECT), nuclear
medicine (NM), digital substraction angiography (DSA), dan digital
flurography (DF), butuh memori yang besar untuk penyimpanan.
MENGAPA CITRA PERLU DIKOMPRESI ?
MENGAPA CITRA PERLU DIKOMPRESI ?

Salah satu solusi untuk memperkecil ukuran file adalah

dengan melakukan kompresi citra.
Pemampatan citra atau kompresi citra bertujuan untuk
meminimalkan kebutuhan memori didalam
merepresentasikan citra digital dengan mengurangi
duplikasi data di dalam citra sehingga memori yang
dibutuhkan menjadi lebih sedikit daripada representasi
citra semula.
MENGAPA CITRA PERLU DIKOMPRESI ?

MANFAATNYA APA ?

Beberapa manfaat kompresi citra adalah :

1. Waktu pengiriman data pada saluran komunikasi data lebih

singkat Contoh : pengiriman gambar dari fax, video
conferencing, handphone, download dari internet, pengiriman
data medis, pengiriman dari satelit, dan lain-lain.

2. Membutuhkan ruang memori dalam storage lebih sedikit

dibandingkan dengan citra yang tidak dimampatkan
 TEKNIK KOMPRESI

Lossless Compression :
Kompresi citra dimana hasil dekompresi dari citra yang
terkompresi sama dengan citra aslinya, tidak ada
informasi yang hilang.

Contoh: Run Length Encoding (RLE), Entropy

Encoding (Huffman, Aritmatik), dan Adaptive
Dictionary Based (LZW).
 TEKNIK KOMPRESI

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.

Contoh : color reduction, chroma subsampling, dan

transform coding seperti transformasi Fourier, Wavelet
dan lain-lain.
 KRITERIA KOMPRESI

Waktu kompresi dan waktu dekompresi

Algoritma pemampatan yang baik adalah algoritma yang
membutuhkan waktu untuk kompresi dan dekompresi paling
sedikit (paling cepat)

Kebutuhan memori
Metode kompresi yang baik adalah metode kompresi yang
mampu mengkompresi file citra menjadi file yang berukuran
paling minimal. Algoritma pemampatan yang baik akan
menghasilkan memori yang dibutuhkan untuk menyimpan hasil
kompresi berkurang secara berarti.
 KRITERIA KOMPRESI

Kualitas Pemampatan (fidelity)

Metode kompresi yang baik adalah metode kompresi yang
mampu mengembalikan citra hasil kompresi menjadi citra
semula tanpa kehilangan satu informasi apapun.

Kualitas citra hasil pemampatan dapat diukur secara

kuantitatif menggunakan besaran PSNR(peak signal-to-
noise ratio). Semakin besar nilai PSNR, maka kualitas
citra hasil pemampatan semakin bagus, Sebaliknya
semakin kecil nilai PSNR maka kualitas citra hasil
pemampatan semakin jelek.
 KRITERIA KOMPRESI

 maks 
PSNR  20 x log 10  
 rms 

N M
1
rms 
MxN
 ij ij )
( f o

i 1 j 1
f i 2

PSNR mempunyai satuan desiBel (dB)

 KRITERIA KOMPRESI

Contoh:
Sebuah citra grayscale 256 warna dikompres menggunakan
metode pemampatan A dan metode pemampatan B, sehingga
menjadi citra grayscale A1 dan B1 sebagai berikut

Tentukan metode mana yang menghasilkan citra hasil

pemampatan terbaik.
 KRITERIA KOMPRESI

Perhitungan RMS untuk metode A

 KRITERIA KOMPRESI

Perhitungan RMS untuk metode B

 KRITERIA KOMPRESI

Karena PSNR B > PSNR A, maka metode B adalah

metode yang terbaik untuk melakukan pemampatan.
 KRITERIA KOMPRESI

Format Keluaran

Format citra hasil pemampatan yang baik adalah

yang cocok dengan kebutuhan pengiriman dan
penyimpanan data.
 Rasio Kompresi Citra
Secara matematis rasio pemampatan citra
dituliskan sebagai beikut

 HasilKompresi 
Rasio  100%   x100%
 CitraAsli 

Misalkan rasio kompresi adalah 25%, artinya 25%

dari citra semula telah berhasil dimampatkan.
 Redundansi Data
Coding Redundancy

Natural bit = 100 x 3 bit = 300 bit

Huffman = 23x3 bit + 8x4 bit + 6x4 bit + 26x2 bit + 9x3 bit +
17x3 bit + 6x4 bit + 5x5 bit = 276 bit

Ini berarti terdapat 24 bit data redundan.

 Redundansi Data
Interpixel Redundancy

adalah data redundan dapat dinyatakan sebagai korelasi

antar piksel dimana intensitas suatu piksel dapat
diperkirakan dari intensitas piksel-piksel tetangganya.
 Redundansi Data
Psychovisual Redundancy

Ketika melihat, mata tidak mempunyai sensitivitas

yang sama terhadap semua informasi yang dianggap
penting dan tidak penting. Sehingga suatu fenomena
dimana intensitas keabuan yang bervariasi dilihat oleh
mata sebagai intensitas konstan Hal ini disebut sebagai
psychovisual redundancy, yang bila dihilangkan tidak
mengganggu persepsi kwalitas citra. Disini mata tidak
melihat secara kuantitatif nilai dari setiap piksel pada
suatu citra.
 METODE DASAR KOMPRESI
Algoritma Huffman

kode ASCII string: “ABBABABACAACDDD“ , ditulis :

 METODE DASAR KOMPRESI
Bila dikodekan menggunakan kode Huffman, langkahnya adalah
sebagai berikut:

2
METODE DASAR KOMPRESI

3
METODE DASAR KOMPRESI
4
METODE DASAR KOMPRESI
5
METODE DASAR KOMPRESI
METODE DASAR KOMPRESI
 METODE DASAR KOMPRESI
Pengkodean Aritmatik
METODE DASAR KOMPRESI
 METODE DASAR KOMPRESI
Algoritma LZW (Lempel-Ziv-Welch)
Contoh, andaikan string “ABBABABACAACDDD“ akan di-encode

isi dictionary pada awal proses diset dengan empat

karakter dasar yang ada yaitu: “A”, “B”, “C” dan “D”
dan diberi kode [1], [2], [3], dan [4]. Kondisi awal
adalah
Dictionary = A[1], B[2], C[3], D[4]
Output = kosong
 METODE DASAR KOMPRESI
Sehingga proses encoding ini menghasilkan output berupa kode dan
dictionary berikut:

Kode = [1] [2] [2] [5] [8] [3] [1] [1] [3] [4] [14]

Dictionary = [1]A [2]B [3]C [4]D [5]AB [6]BB [7]BA [8]ABA

[9] ABAC [10] CA [11] AA [12]AC [13] CD [14] DD
 METODE DASAR KOMPRESI
Algoritma RLE (Run-Length Encoding)

Contoh, andaikan string “ABBABABACAACDDD“ akan di-encode

dengan algoritma RLE, langkahnya adalah sebagai berikut:

KODE = (A,1)(B,2)(A,1)(B,1)(A,1) (B,1) (A,1) (C,1) (A,2) (C,1)

(D,3)
 METODE DASAR KOMPRESI
Metode Kuantisasi
Contoh
Diketahui citra berukuran 10x10 piksel dengan kedalaman warna 4
bit akan dimampatkan dengan cara pemampatan kuantisasi menjadi
citra berukuran 10x10 piksel dengan kedalaman warna 2 bit.
METODE DASAR KOMPRESI
Buat histogramnya,
 METODE DASAR KOMPRESI
Bagi histogram tersebut menjadi 4 kelompok, setiap
kelompok kira-kira berjumlah 100 : 4 = 25 piksel.
METODE DASAR KOMPRESI
METODE DASAR KOMPRESI