1 / 22

Meminimalkan K ebutuhan M emori dalam Merepresentasikan C itra D igital

KOMPRESI CITRA. Meminimalkan K ebutuhan M emori dalam Merepresentasikan C itra D igital. MANFAAT KOMPRESI CITRA. TEKNIK KOMPRESI CITRA. KRITERIA KOMPRESI CITRA. ALGORITMA HUFFMAN. Urutkan nilai-nilai grayscale berdasarkan frekuensi kemunculannya

hanh
Download Presentation

Meminimalkan K ebutuhan M emori dalam Merepresentasikan C itra D igital

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. KOMPRESI CITRA Meminimalkan Kebutuhan Memori dalam Merepresentasikan Citra Digital

  2. MANFAAT KOMPRESI CITRA

  3. TEKNIK KOMPRESI CITRA

  4. KRITERIA KOMPRESI CITRA

  5. ALGORITMA HUFFMAN • Urutkan nilai-nilai grayscale berdasarkan frekuensi kemunculannya • Gabung dua pohon yang mempunyai frekuensi kemunculan terkecil dan urutkan kembali • Ulangi langkah (2) sampai tersisa satu pohon biner • Beri label pohon biner tersebut dengan cara sisi kiri pohon diberi label 0 dan sisi kanan pohon diberi label 1 • Telusuri pohon biner dari akar ke daun. Barisan label-label sisi dari akar ke daun adalah kode huffman

  6. CONTOH • Lakukan kompresi pada citra berukuran 100x100 piksel dengan kedalaman 3 bit yang memiliki probabilitas sebagai berikut :

  7. Langkah 1 3 : 0,01 5 : 0,04 6 : 0,05 2 : 0,06 7 : 0,09 1 : 0,1 0 : 0,25 4 : 0,4 Langkah 2 3 ,5 : 0,05 6 : 0,05 2 : 0,06 7 : 0,09 1 : 0,1 0 : 0,25 4 : 0,4 3 : 0,01 5 : 0,04 Langkah 3.1 2 : 0,06 7 : 0,09 3 ,5,6 : 0,1 1 : 0,1 0 : 0,25 4 : 0,4 3 ,5 : 0,05 6 : 0,05 3 : 0,01 5 : 0,04

  8. Langkah 3.2 3 ,5,6 : 0,1 1 : 0,1 2,7 : 0,15 0 : 0,25 4 : 0,4 3 ,5 : 0,05 6 : 0,05 2 : 0,06 7 : 0,09 3 : 0,01 5 : 0,04 Langkah 3.3 2,7 : 0,15 3 ,5,6,1 : 0,2 0 : 0,25 4 : 0,4 2 : 0,06 7 : 0,09 3 ,5,6 : 0,1 1 : 0,1 3 ,5 : 0,05 6 : 0,05 3 : 0,01 5 : 0,04

  9. Langkah 3.4 0 : 0,25 2,7,3 ,5,6,1 : 0,35 4 : 0,4 2,7 : 0,15 3 ,5,6,1 : 0,2 2 : 0,06 7 : 0,09 3 ,5,6 : 0,1 1 : 0,1 3 ,5 : 0,05 6 : 0,05 3 : 0,01 5 : 0,04

  10. Langkah 3.5 4 : 0,4 0,2,7,3 ,5,6,1 : 0,6 0 : 0,25 2,7,3 ,5,6,1 : 0,35 2,7 : 0,15 3 ,5,6,1 : 0,2 2 : 0,06 7 : 0,09 3 ,5,6 : 0,1 1 : 0,1 3 ,5 : 0,05 6 : 0,05 3 : 0,01 5 : 0,04

  11. Langkah 3.6 4,0,2,7,3 ,5,6,1 : 1 4 : 0,4 0,2,7,3 ,5,6,1 : 0,6 0 : 0,25 2,7,3 ,5,6,1 : 0,35 2,7 : 0,15 3 ,5,6,1 : 0,2 2 : 0,06 7 : 0,09 3 ,5,6 : 0,1 1 : 0,1 3 ,5 : 0,05 6 : 0,05 3 : 0,01 5 : 0,04

  12. Langkah 4 4,0,2,7,3 ,5,6,1 : 1 0 1 4 : 0,4 0,2,7,3 ,5,6,1 : 0,6 0 1 0 : 0,25 2,7,3 ,5,6,1 : 0,35 0 1 2,7 : 0,15 3 ,5,6,1 : 0,2 0 1 0 1 2 : 0,06 7 : 0,09 3 ,5,6 : 0,1 1 : 0,1 0 1 3 ,5 : 0,05 6 : 0,05 0 1 3 : 0,01 5 : 0,04

  13. Langkah 5 4,0,2,7,3 ,5,6,1 : 1 Penelusuran dari akar ke daun : 4 = 0 0 1 0 = 10 2 = 1100 4 : 0,4 0,2,7,3 ,5,6,1 : 0,6 7 = 1101 3 = 111000 0 1 5 = 111001 6 = 11101 0 : 0,25 2,7,3 ,5,6,1 : 0,35 1 = 1111 0 1 2,7 : 0,15 3 ,5,6,1 : 0,2 0 1 0 1 2 : 0,06 7 : 0,09 3 ,5,6 : 0,1 1 : 0,1 0 1 3 ,5 : 0,05 6 : 0,05 0 1 3 : 0,01 5 : 0,04

  14. HASIL KOMPRESI • Ukuran citra sebelum kompresi • (kedalaman 3 bit = 8 warna) • = 100 x 100 x 3 bit • = 30.000 bit • Ukuran citra setelah kompresi • = 2500 x 2 + 1000 x 4 + 600 x 4 + • 100 x 6 + 4000 x 1 + 400 x 6 + • 500 x 5 + 900 x 4 • = 24.500 bit • Rasio kompresi • = 100% - 24.500/30.000 x 100% • = 18,3%

  15. ALGORITMA RUN LENGTH ENCODING (RLE) • Cocok digunakan untuk memampatkan citra yang memiliki kelompok-kelompok piksel berderajat keabuan yang sama • Seluruh citra dinyatakan sebagai sebuah baris run • Menghitung run-length untuk setiap derajat keabuan yang berurutan

  16. CONTOH Hasil Kompresi (2,2) (7,4) (2,4) (3,4) (7,4)(1,2) (5,4) (1,2) (6,4) (2,4) (0,4) (2,2) (4,4) (1,2) (5,4) (0,3) (3,5) (6,2) (6,2) (0,2) (7,3) (2,3) (6,10) (6,3) (3,2) (0,2) (5,3) (1,2) (7,3) (4,2) (2,3)

  17. HASIL PENGKODEAN • Pengkodean : 2 2 7 4 2 4 3 4 7 4 1 2 5 4 1 2 6 4 2 4 0 4 2 2 4 4 1 2 5 4 0 3 3 5 6 2 6 2 0 2 7 3 2 3 6 10 6 3 3 2 0 2 5 3 1 2 7 3 4 2 2 3 Total = 59 piksel • Ukuran citra sebelum dikompres = 10 x 10 x 3 bit = 300 bit • Ukuran citra setelah dikompres = 59 x 3 bit = 177 bit • Rasio kompresi = 100% - 177/300 x 100% = 41%

  18. METODE KUANTISASI • Mengurangi derajat keabuan sehingga jumlah bit yang dibutuhkan untuk merepresentasikan citra berkurang • Misal P adalah jumlah piksel citra sebelum dimampatkan • Buat histogram citra semula • Buat n kelompok sehingga setiap kelompok berjumlah kira-kira P/n • Ganti keabuan piksel dengan keabuan kelompok yang baru

  19. CONTOH • Citra 4 bit berukuran 10x10 piksel akan dimampatkan menjadi citra 2 bit berukuran 10x10 piksel

  20. LANGKAH 1

  21. LANGKAH 2

  22. LANGKAH 3 • Ukuran citra sebelum kompresi • = 10 x 10 x 4 bit • = 400 bit • Ukuran citra setelah kompresi • = 10 x 10 x 2 • = 200 bit • Rasio kompresi • = 100% - 200/400 x 100% • = 50%

More Related