Kompresi Citra dan Reduksi Data Prof Dr Aniati

  • Slides: 18
Download presentation
Kompresi Citra dan Reduksi Data Prof. Dr. Aniati Murni (R 1202) Dina Chahyati, MKom

Kompresi Citra dan Reduksi Data Prof. Dr. Aniati Murni (R 1202) Dina Chahyati, MKom (R 1226) Fakultas Ilmu Komputer Universitas Indonesia

Kendala Data Citra Dijital n Mengapa perlu kompresi dan reduksi data? n n n

Kendala Data Citra Dijital n Mengapa perlu kompresi dan reduksi data? n n n Data citra umumnya berukuran besar Tidak praktis dalam aspek penyimpanan, proses dan transmisi Perlu reduksi atau pemampatan data dengan mengurangi redundancy atau duplikasi data n Data redundancy: n adalah bagian data yang tidak mengandung informasi terkait atau merupakan pengulangan dari informasi yang sudah dinyatakan sebelumnya atau sudah diketahui 2

Contoh Aplikasi n Aplikasi yang membutuhkan image compression: dimana perkembangannya ditentukan oleh efisiensi pada

Contoh Aplikasi n Aplikasi yang membutuhkan image compression: dimana perkembangannya ditentukan oleh efisiensi pada manipulasi data, penyimpanan, dan transmisi citra biner / monokrom / berwarna: n Televideo-conferencing n Remote sensing n Telemedical / Medical imaging n Facsimile transmission 3

Data dan Informasi n Pengertian data dan informasi: n n n Berita ‘pembinaan’ mahasiswa

Data dan Informasi n Pengertian data dan informasi: n n n Berita ‘pembinaan’ mahasiswa STPDN di muat di koran. Kata-kata yang membentuk berita tersebut disebut data. Informasi diturunkan dari data. Isi berita tentang ‘pembinaan’ tersebut merupakan suatu informasi. Informasi yang sama dapat direpresentasi dalam bentuk data yang berbeda. Bandingkan antara informasi ‘pembinaan’ tersebut yang ditulis di koran dan yang ditayangkan di TV. 4

2 Kategori Teknik Kompresi Citra n n Information preserving (lossless compression): teknik yang memproses

2 Kategori Teknik Kompresi Citra n n Information preserving (lossless compression): teknik yang memproses data asli menjadi bentuk yang lebih ringkas tanpa hilangnya informasi. Contoh: Aplikasi biomedis. Lossy compression: teknik mendapatkan data yang lebih ringkas dengan melalui suatu proses penghampiran (approksimasi) dari data asli dengan tingkat error yang dapat diterima. Contoh: TV broadcast. 5

Konsep Data Redundancy n n Tidak abstrak dan dapat dinyatakan dalam entitas besaran matematis

Konsep Data Redundancy n n Tidak abstrak dan dapat dinyatakan dalam entitas besaran matematis Relative data redundancy RD: RD = 1 - 1/CR dan CR = n 1/n 2 n 1 dan n 2: jumlah satuan informasi yang dibawa data set 1 dan data set 2. Bila n 1 = n 2, maka CR = 1 dan RD = 0 (tidak ada redundancy). Bila n 2 << n 1, maka CR mendekati tak terhingga dan RD mendekati 1 (terjadi redundancy yang tinggi). Bila n 2 >> n 1, maka CR mendekati 0 dan RD mendekati minus tak terhingga (informasi yang dibawa data set 2 jauh lebih besar dari data set 1) Bila 0 < CR < 1 dan RD rendah ( tingkat redundancy rendah). 6

Coding redundancy (1) n Terjadi bila suatu kode simbol yang digunakan terdiri dari sejumlah

Coding redundancy (1) n Terjadi bila suatu kode simbol yang digunakan terdiri dari sejumlah bit yang melebihi jumlah bit yang diperlukan untuk representasi setiap simbol (dalam hal ini: tingkat keabuan piksel citra). 7

Coding redundancy (2) n Fixed-length versus variable-length coding: r. K p(r. K)fixed 0 1/7

Coding redundancy (2) n Fixed-length versus variable-length coding: r. K p(r. K)fixed 0 1/7 2/7 3/7 4/7 5/7 6/7 1 0. 19 0. 25 0. 21 0. 16 0. 08 0. 06 0. 03 0. 02 L(r. K) 000 001 010 011 100 101 110 111 variable 3 3 3 3 11 01 10 001 00001 000000 L(r. K) 2 2 2 3 4 5 5 6 8

Coding redundancy (3) n n n Tingkat keabuan yang probabilitas terjadinya tinggi diberi panjang

Coding redundancy (3) n n n Tingkat keabuan yang probabilitas terjadinya tinggi diberi panjang kode yang pendek, dan bila sebaliknya diberi kode yang panjang. Bila digunakan variable-length coding, panjang kode rata-rata: Bila digunakan fixed-length coding 3 bits, tingkat redundancy-nya adalah: RD = 1 – 1/CR = 1 – 1/(3/2. 7) = 0. 099 (sekitar 10%) 9

Interpixel Redundancy (1) Histogram distribusi tingkat keabuan sama untuk kedua citra. Pada gambar nilai

Interpixel Redundancy (1) Histogram distribusi tingkat keabuan sama untuk kedua citra. Pada gambar nilai autocorrelation tinggi pada dan pada gambar (b) juga tinggi pada dan 90. 10

Interpixel Redundancy (2) n n Sering disebut juga sebagai spatial redundancy, geometric redundancy, atau

Interpixel Redundancy (2) n n Sering disebut juga sebagai spatial redundancy, geometric redundancy, atau interframe redundancy. Normalized autocorrelation coefficient: dimana N adalah jumlah piksel pada baris x dan Nilai tinggi (berkorelasi tinggi) pada atau 90 (b) dimana ada spasi garis vertikal. Juga piksel yang berdekatan mempunyai korelasi tinggi, yaitu dengan dimana nilai adalah 0. 9922 dan 0. 9928 masing-masing untuk gambar (a) dan (b). 11

Interpixel Redundancy (3) Artinya: data redundancy dinyatakan dengan korelasi antar piksel dimana intensitas suatu

Interpixel Redundancy (3) Artinya: data redundancy dinyatakan dengan korelasi antar piksel dimana intensitas suatu piksel dapat diperkirakan dari intensitas piksel-piksel tetangganya. n Artinya: informasi yang dibawa oleh setiap piksel relatif tidak besar atau kontribusi setiap piksel kepada gambar secara keseluruhan adalah redundan. n 12

Interpixel Redundancy (4) n n Citra yang mengandung interpixel redundancy dapat direpresentasi ke dalam

Interpixel Redundancy (4) n n Citra yang mengandung interpixel redundancy dapat direpresentasi ke dalam bentuk yang lebih efisien (nonvisual format). Dimana citra tidak dinyatakan dalam bentuk matriks dari intensitas piksel-pikselnya, akan tetapi dipetakan (mapping) dalam bentuk perbedaan intensitas antar piksel yang bersebelahan. Bentuk data yang dimampatkan ini bersifat reversible, artinya dapat direkonstruksi kembali menjadi citra asalnya. Run-Length Coding: (g 1, R 1), (g 2, R 2) … gi menyatakan tingkat keabuan dan Ri menyatakan jumlah piksel bersebelahan pada baris bersangkutan yang mempunyai intensitas gi. 13

Interpixel Redundancy (5) n Contoh Citra: 0 0 0 0 n 0 0 0

Interpixel Redundancy (5) n Contoh Citra: 0 0 0 0 n 0 0 0 1 1 0 0 1 1 1 1 0 0 Run-Length Code Representation: 0 1 1 0 0 0 (0, 4), (1, 2), (0, 2) (0, 3), (1, 4), (0, 1) (0, 2), (1, 5), (0, 1) (0, 3), (1, 3), (0, 3) (0, 4), (1, 1), (0, 3) (0, 8) Informasi Yang Disimpan: 22 pairs of integers 14

Psychovisual Redundancy (1) n Mach Band: n Suatu fenomena dimana intensitas keabuan yang bervariasi

Psychovisual Redundancy (1) n Mach Band: n Suatu fenomena dimana intensitas keabuan yang bervariasi dilihat sebagai intensitas konstan, artinya: mata tidak mempunyai sensitivitas yang sama terhadap semua informasi yang dianggap penting dan tidak penting. Hal tersebut diatas dapat dikatakan sebagai psychovisual redundancy, yang bila dihilangkan tidak mengganggu persepsi kwalitas citra. 15

Psychovisual Redundancy (2) n Quantization: n n n Eliminasi psychovisual redundancy mengakibatkan kerugian informasi

Psychovisual Redundancy (2) n Quantization: n n n Eliminasi psychovisual redundancy mengakibatkan kerugian informasi bersifat kwalitas. Teknik ini disebut quantization, yaitu pemetaan dari daerah intensitas yang lebar menjadi daerah intensitas terbatas (batas kemampuan visual manusia) Mata sangat sensitif terhadap informasi edge / garis batas / patahan. Proses kwantisasi dapat disesuaikan untuk kepentingan mempertahankan informasi edge seperti yang dilakukan pada Improved Gray Scale (IGS) Quantization. Irreversible Operation: n Quantization mengakibatkan hilangnya sebagian informasi visual, dengan demikian teknik ini termasuk pada kategori lossy data compression. 16

Psychovisual Redundancy (3) n IGS (Improved Gray Scale) Quantization Pixel i-1 i i+1 i+2

Psychovisual Redundancy (3) n IGS (Improved Gray Scale) Quantization Pixel i-1 i i+1 i+2 i+3 n Gray Level NA 0110 1100 1011 1000 0111 1111 0100 Sum 0000 0110 1100 1001 0111 1000 1010 1111 1110 IGS Code NA 0110 1001 1000 1111 Subjective Fidelity Criteria: Excellent, Fine, Passable, Marginal, Inferior, Unusable 17

Psychovisual Redundancy (4) n Kesalahan akibat hilangnya informasi: f(x, y) adalah citra asli dan

Psychovisual Redundancy (4) n Kesalahan akibat hilangnya informasi: f(x, y) adalah citra asli dan f’(x, y) adalah citra approksimasi Total Error: Root-Mean-Square Error: Mean-square Signal-to-Ratio: 18