Kompresi Citra Bag I

Pemampatan citra atau kompresi citra bertujuan meminimalkan kebutuhan memori untuk merepresentasikan citra digital dengan mengurangi duplikasi data di dalam citra sehingga memo yang dibutuhkan menjadi lebih sedikit daripada representasi citra semula.

PEMAMPATAN CITRA

1. Semakin besar ukuran citra maka semakin besar memori yang dibutuhkan.
2. Namun kebanyakan citra mengandung duplikasi data, yaitu : Suatu piksel memiliki intensitas yang sama dengan dengan piksel tetangganya, sehingga penyimpanan setiap piksel memboroskan tempat.
3. Citra banyak mengandung bagian (region) yang sama, sehingga bagian yang sama ini tidak perlu dikodekan berulangkali karena mubazir atau redundan . 
4. Contoh : citra langit biru dengan beberapa awan putih banyak intensitas piksel dan region yang sama.

PENDEKATAN PEMAMPATAN CITRA

1. Pendekatan Statistik

Berdasarkan frekuensi kemunculan derajat keabuan pixel didalam seluruh bagian gambar. Contoh: Metode Huffman Coding

2. Pendekatan Ruangan

Berdasarkan pada hubungan spasial antara pixel-pixel di dalam suatu kelompok yang memiliki derajat keabuan yang sama didalam suatu daerah didalam gambar. Contoh: Metode Run-Length Encoding. 

3. Pendekatan Kuantisasi

Dengan mengurangi jumlah derajat keabuan yang tersedia.Contoh: Metode Pemampatan Kuantisasi 

4. Pendekatan Fraktal

Berdasarkan kenyataan bahwa kemiripan bagian-bagian didalam citra dapat tereksploitasi dengan suatu matriks tranformasi. Contoh: Metode Fractal Image Compression

METODE PEMAMPATAN CITRA

1. Metode Lossless
Selalu menghasilkan citra hasil penirmampatan yang tepat sama dengan citra semula, pixel per pixel. Contoh: Metode Huffman. Misalnya, memampatkan gambar hasil diagnosa.

2. Metode Lossy
Menghasilkan citra hasil pemampatan yang hampir sama.

STATISTICAL COMPRESSION (METODE PEMAMPATAN HUFFMAN)

1. Termasuk metode lossless compression
2. Pengkodean citra berdasarkan pada derajat keabuan (gray level) dari piksel-piksel dalam keseluruhan image.

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 sisi dari akar ke daunmenyatakan kode Huffman untuk derajat keabuan yang bersesuaian.

Demikian artikel mengenai Kompresi Citra Bag I, semoga informasi yang diberikan bermanfaat.