Pcd 010 - model kompresi citra dan dekompresi

  • 1,638 views
Uploaded on

PCD

PCD

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
1,638
On Slideshare
0
From Embeds
0
Number of Embeds
2

Actions

Shares
Downloads
59
Comments
0
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. 1. Metode Shannon-FanoSuatu metode yag dikenal pertama kali mampu melakukan pengkodean terhadap simbol secaraefektif adalah metode Shannon-Fano. Metode ini dikembangkan secara bersamaan oleh ClaudeShanon dari Bell Labs dan RM Fano dari MIT. Metode in tergantung pada probabilitas dari setiapsimbol yang hadir pada suatu data (pesan). Berdasarkan probabilitas tersebut kemudian dibentukdaftar kode untuk setiap simbol dengan ketentuan sebagai berikut.a. Setiap simbol berbeda memiliki kode berbeda.b. Simbol dengan probabilitas kehadiran yang lebih rendah memiliki kode jumlah bit yang lebihpanjang dan simbol dengan probabilitas yang lebih tinggi memilik jumlah bit yang lebih pendek.c. Meskipun memiliki panjang kode yang berbeda, smbol tetap dapat didekode secara unik.
  • 2. Berikut adalah langkah-langkah algoritma Shannon-Fano :a.Buatalah daftar peluang atau frekuensi kehadiran setiap symbol dari data (pesan) yang akandikodekan.b. Urutkanlah daftar tersebut menurut frekuensi kehadiran symbol secara menurun (dari simbol yangfrekuensi kemunculannya paling banyak sampai simbol dengan frekuensi kemunculan paling sedikit.c. Bagilah daftar tersebut menjadi dua bagian dengan pembagian didasari pada jumlah total frekuensisuatu bagian (disebut bagian atas) sedekat mungkin dengan jumlah total frekuensi dengan bagianyang lain (disebut dibagian bawah).d. Daftar bagian atas dinyatakan dengan digit 0 dan bagian bawah dinyatakan dengan digit 1. Haltersebut berarti kode untuk simbol-simbol pada bagian atas akan dimulai dengan 0 dan kode untuksimbol-simbol pada bagian bawah akan dimulai dengan 1.e. Lakukanlah proses secara rekursif langkah 3 dan 4 pada bagian atas dan bawah. Bagilah menjadikelompok-kelompok dan tambahkan bit-bit pada kode sampai setiap symbol mempunyai kode yangbersesuaian pada pohon tersebut.
  • 3. Berikut contoh pengkodeaan Shannon-Fano, pesan yang akan dikodekan adalah :BCEEDDBBAAAABEEEDDDCCCAAACCDAAAAABBAAABerikut daftar frekuensi kemunculan symbol pada pesan yang telah diurutkn secara menurunberdasarkan frekuensi kemunculan.Daftar diatas kemudian dibagi menjadi 2 didasari pada total frekuensi bagian atas sedekatmungkin dengan total frekuensi bagian bawah. Pembagian tersebut menghasilkan simbol A dan Bmenjadi bagian atas dengan total 22. Sedangkan C, D, dan E menjadi bagian bawah dengan total17, sehingga simbol A dan B akan dimulai dengan kode 0, sedangkan C, D, dan E dimulai dengankode 1.
  • 4. 2. Algoritma HuffmanMetode Huffman adalah metode pengkodean yang telah banyak diterapkan untukaplikasi kompresi citra. Seperti metode Shannon-Fano, metode Huffman jugamembentuk pohon atas dasar probabilitas setiap symbol, namun teknik pembentukanpohonnya berbeda.3. Algoritma Huffman AdaptifAlgoritma Huffman Adaptif dirancang khusus agar proses pengkodean dapat dilakukanpada data realtime. Pada data realtime, frekuensi (probabilitas) setiap simbol tidakdapat ditentukan sekali waktu. Probabilitas setiap simbol harus dihitung secara dinamis(adaptif).
  • 5. 4. Algoritma Zero CompressionZero Compression merupakan salah satu teknik kompresi yang diterapkan pada sekumpulan datasering terjadi perulangan data bernilai nol yang berurutan. Algoritma ini dapat digambarkansebagai berikut. 00000245200007891Jika terhadap data tersebut dilakukan pengkodean dengan teknik Zero Compression maka di dapatkode sebagai berikut. 052452047891Yang berarti :Nilai 0 diulang 5 kali, nilai berikutnya ialah 2, 4, 5, 2 tanpa dikompresi, nilai 0 diulang 4 kali, nilaiberikutnya ialah 7, 8, 9, 1 tanpa dikompresi. Agar teknik ini dapat diterapkan dengan efektif makasebelumnya perlu untuk mengetahui variasi nilai pada kumpulan data tersebut. Bila nilai nol yangberurutan sering muncul.
  • 6. 5. Kompresi Citra Menggunakan Metode RLERLE (Run Length Encoding) adalah kompresi yang umum digunakan untuk data grafis (citra).Kompresi citra dengan menggunakan RLE didasarkan pada pengamatan bahwa suatu pixel dalamsuatu citra akan memiliki nilai akan cenderung sama dengan nilai pixel tetangganya. Bila suatucitra biner dimulai dengan 20 pixel putih, kemudian diikuti dengan 3 pixel hitam kemudian diikutilagi dengan 65 pixel putih maka hanya nilai 20, 3, dan 65 yang akan menjadi output untukmewakili nilai dari masing-masing pixel inputnya.6. Difference CodingPrinsip kerja Difference coding adalah dengan mengurangi nilai pixel dengan nilai pixelsebelumnya. Untuk pixel pada posisi (indeks) ke-0 tetap dipertahankan.Sebagai contoh diberikan suatu citra 1 dimensi berikut. 40 40 40 40 40 43 43 100 102 102 102…Hasil dari proses Difference coding adalah :40 0 0 0 0 3 0 57 2 0 0 0
  • 7. 7. Arithmetic CodingPrinsip Arithmetic coding diperkenalkan pertama kali oleh Peter Elias sekitar tahun 1960-an.Seperti halnya dengan metode Huffman, teknik Aritmatika juga membuat code word untuk setiapsimbol. Hanya saja, bia pada metode Huffman kode setiap symbol berupa suatu bilangan integerunik. Pada metode aritmatika kode simbol berupa suatu interval bilangan pecahan.8. LZWMetode LZW diperkenalkan oleh Terry Welch pada tahun 1984. LZW merupakan singkatan dariketiga penemu dari metode tersebut, yaitu Abraham Lempel, Jacob Ziv, dan Terry Welch. Sebelummetode LZW Lempel dan Ziv telah erlebih dulu memperkenalkan suatu metode pada tahun 1977dan 1978, yang berturut-turut disebut metode LZ77dan LZ78. Kedua metode ini menjadi dasarmuncunya metode LZW.
  • 8. Metode LZW telah digunakan pada sistem operasi UNIX dan LINUX, dan juga padaaplikasi compress, uncompress, gzip, dang unzip. LZW menjadi teknik untuk kompresidata dalam computer pengolah kata. Algoritma kompresi citra dalam format file GIF.9. Kompresi Citra Berbasis TransformasiKompresi berbasis transformasi citra merupakan kompresi yang bersifat lossy. Bagianini menjelaskan model umum kompresi citra berbasis transformasi.
  • 9. Proses citra berbasis transformasi terdiri dari :- Proses KompresiTahap pertama proses kompresi diawali dengan proses pembagian citra berukuran N x N menjadibeberapa subimage berukuran n x n, sehinggaa diperoleh (N/n)2 larik subimage dengan masing-masing berukuran n x n.Tahap kedua adalah melakukan transformasi pada setiap subimage. Berbagai metode transformasicitra dapat diterapkan di sini, seperti transformasi Fourier, Cosinus, Walsh, Hadamard dan lainsebagainya. Hasil dari tahap ini tentu koefisien-koenfisien hasil proses transformasi.Tahap ketiga adalah kuantisasi. Proses kuantisasi akan menghilangkan koefisien-koenfisien yangmengandung informasi tidak signifikan. Koefisien-koenfisien ini tidak memiliki pengaruh yangbesar pada hasil citra rekonstruksi.Tahap terakhir adalah proses pengkodean (coding). Berbagai metode coding dapat diterapkan disini, seperti Huffman, Shannon, RLE, dan lain sebagainya.
  • 10. - Proses DekompresiTahap pertama proses dekompresi adalah proses decoding terhadap citra terkompresi. Prosesdecoding tergantung pada metode yang dipilih saat proses coding. Setelah decoding, dilanjutkandengan proses transformasi balik (invers transformation) untuk menghasilkan subimage. Tahapterakhir kemudian menggabung seluruh subimage sehingga diperoleh citra hasil yang bersifatlossy.10. Kompresi Citra dengan Transformasi WaveletKompresi berbasis gelombang singkat (Wavelet) didasari pada prinsip bahwa koefisien-koefisienhasil proses transformasi wavelet yang melakukan dekorelasi pixel dan citra, dapat dikodekanlebih efisien dibandingkan dengan citra aslinya. Informasi visual yang penting dapat dimampatkanke dalam sejumlaj kecil koefisien (koefisien aproksimasi) dan koefisien sisanya (koenfisien detil,horizontal, dan vertical) dikuantisasi atau dijadikan 0, tanpa menyebabkan distorsi terlalu banyakpada citra.11. Kompresi dengan Metode FraktalKompresi dengan metode fraktal dilakukan atas dasar self-similarity local pada citra.