Pemampatan citra dengan menggunakan metode pemampatan kuantisasi
SKRIPSI
Oleh : Sumitomo Fajar Nugroho M 0104062
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET
BAB I PENDAHULUAN
1.1Latar Belakang Masalah
Akhir-akhir ini telah terjadi perubahan besar dalam kehidupan yaitu dalam perkembangan komputer dan teknologi komunikasi. Industri telekomunikasi telah berpindah dari analog ke digital yang disebabkan pesatnya perkembangan internet. Internet dapat membuat komunikasi ke seluruh penjuru dunia hanya dalam waktu sekejap. Dengan internet memungkinkan untuk mendapatkan data apapun dari seluruh dunia. Internet dapat digunakan untuk melakukan transaksi jual beli barang dari seluruh dunia.
Kecepatan perpindahan data dalam internet sangat ditentukan oleh besarnya bandwith dan data yang dipindahkan. Data yang dipindahkan di dalam internet biasanya berupa suatu halaman web. Dalam membuka sebuah halaman web, akan terbuka dengan sangat cepat jika ukuran halaman web tersebut sangat kecil. Ukuran besar kecilnya halaman web sangat ditentukan dengan isinya. Jika isinya hanya berupa teks saja tentu ukurannya sangat kecil. Jika isinya banyak terdapat gambar atau foto atau citra beresolusi tinggi, tentu ukuran halaman web menjadi besar.
Oleh karena itu citra beresolusi tinggi tersebut perlu diperkecil ukurannya agar halaman web menjadi kecil sehingga cepat dalam proses membukanya. Ukurannya tersebut dapat diperkecil dengan menggunakan salah satu bagian dari pengolahan citra yaitu pemampatan citra. Dengan pemampatan citra maka citra beresolusi tinggi dapat diperkecil ukurannya tanpa mengurangi kualitasnya. Menurut Sianipar dan Muliani (2003) karakteristik dari kebanyakan citra adalah korelasi yang erat antara satu piksel dengan piksel tetangganya.
Pemampatan suatu citra tidak selalu menghasilkan rasio pemampatan yang maksimal. Kadang kala menghasilkan citra yang sangat mampat dengan hasil yang minimal, tetapi kadang menghasilkan citra yang kurang mampat dengan hasil yang maksimal. Oleh karena itu akan dicari level pemampatan yang menghasilkan ukuran dan hasil yang memuaskan.
Setiap metode pemampatan pasti mempunyai kelebihan dan kekurangan. Metode pemampatan kuantisasi akan dibandingkan dengan metode pemampatan Jpeg untuk mengetahui kelebihan dan kekurangannya. Pada metode jpeg menurut Acharya dan Tsai (2005) piksel yang berdekatan pada sebuah image berhubungan erat sehingga memungkinkan mengambil informasi tentang sebuah piksel dari nilai piksel tetangganya.
1.2Perumusan Masalah
Berdasarkan latar belakang masalah, dapat dirumuskan permasalahan sebagai berikut:
1. bagaimana memampatkan citra dengan ukuran yang minimal dan dengan derajat keabuan yang maksimal menggunakan metode pemampatan kuantisasi?
2. bagaimana hasil metode pemampatan kuantisasi dibandingkan metode pemampatan jpeg?
1.3Batasan Masalah
Pada penulisan skripsi ini, masalah hanya terbatas pada obyek masukan berupa citra yang bertipe bmp dan berformat 24 bit.
1.4Tujuan Penulisan
Tujuan yang ingin diperoleh dari penulisan skripsi ini adalah:
1. dapat memampatkan citra dengan ukuran yang minimal dan dengan derajat keabuan yang maksimal menggunakan metode pemampatan kuantisasi, 2. dapat membandingkan metode pemampatan kuantisasi dengan metode
1.5Manfaat Penulisan
Manfaat yang diharapkan dari penulisan skripsi ini adalah:
1. mengaplikasikan pengolahan citra khususnya tentang pemampatan citra dalam kehidupan nyata,
2. menambah wawasan mengenai pemampatan citra khususnya tentang metode pemampatan kuantisasi.
BAB II
LANDASAN TEORI
2.1. Tinjauan Pustaka
Pada bagian ini akan dijelaskan mengenai citra, pengolahan citra, pemampatan citra, dan metode pemampatan kuantisasi.
2.1.1 Citra
Menurut Munir (2004), citra (image) adalah gambar pada bidang dwimarta (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinu dari intensitas cahaya pada bidang dwimarta. Sumber cahaya menerangi objek, objek memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh alat-alat optik, misalnya mata pada manusia, kamera, pemindai (scanner), dan sebagainya, sehingga bayangan objek yang disebut citra tersebut terekam.
Citra yang dimaksudkan dalam skripsi ini adalah “citra diam” (still images). Menurut Munir (2004), citra diam adalah citra tunggal yang tidak
Citra ada dua macam yaitu citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit dihasilkan melalui proses digitalisasi terhadap citra kontinu. Beberapa sistem optik dilengkapi dengan fungsi digitalisasi sehingga ia mampu menghasilkan citra diskrit, misalnya kamera digital dan scanner. Citra diskrit disebut juga citra digital. Komputer digital yang umum
dipakai saat ini hanya dapat mengolah citra digital.
2.1.2 Citra Digital
Menurut Balza dan Firdausy (2005), setiap citra digital memiliki beberapa karakteristik, antara lain ukuran citra, resolusi, dan format nilainya. Umumnya citra digital berbentuk persegi panjang yang memiliki lebar dan tinggi tertentu. Ukuran ini biasanya dinyatakan dalam banyaknya titik atau piksel, sehingga ukuran citra selalu bernilai bulat.
Ukuran citra dapat juga dinyatakan secara fisik dalam satuan panjang (misalnya mm atau inchi). Dalam hal ini tentu saja harus ada hubungan antara ukuran titik penyusun citra dengan satuan panjang. Hal tersebut dinyatakan dengan resolusi yang merupakan ukuran banyaknya piksel untuk setiap satuan panjang. Biasanya satuan yang digunakan adalah dpi (dot per inchi). Makin besar resolusi makin banyak titik yang terkandung dalam citra dengan ukuran fisik yang sama. Hal ini memberikan efek penampakan citra menjadi semakin halus.
kebanyakan sistem pencitraan, nilai ini biasanya berupa bilangan bulat positif juga. Format nilai piksel sama dengan format citra keseluruhan. Format citra digital yang banyak dipakai adalah citra biner, skala keabuan, warna dan warna berindeks.
2.1.3 Pengolahan Citra
Meskipun sebuah citra kaya informasi, namun seringkali citra yang kita miliki mengalami penurunan mutu (degradasi), misalnya mengandung cacat atau derau (noise), warnanya terlalu kontras, kurang tajam, kabur (blurring), dan sebagainya. Tentu saja citra semacam ini menjadi lebih sulit diinterpretasi karena informasi yang disampaikan oleh citra tersebut menjadi berkurang. Agar citra yang mengalami gangguan mudah diinterpretasi (baik oleh manusia maupun mesin), maka citra tersebut perlu dimanipulasi menjadi citra lain yang kualitasnya lebih baik. Bidang studi yang menyangkut hal ini adalah pengolahan citra (image processing). Menurut Munir (2004), pengolahan citra adalah pemrosesan citra,
khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih baik.
Menurut Munir (2004), pengolahan citra bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau mesin (dalam hal ini komputer). Teknik-teknik pengolahan citra mentransformasikan citra menjadi citra lain. Jadi, masukannya adalah citra dan keluarannya juga citra, namun citra keluaran mempunyai kualitas lebih baik daripada citra masukan. Termasuk ke dalam bidang ini juga adalah pemampatan citra (image compression).
Beberapa jenis operasi pengolahan citra menurut Munir (2004). 1. Perbaikan kualitas citra (image enhancement).
Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri khusus yang terdapat di dalam citra lebih ditonjolkan.
Operasi ini bertujuan menghilangkan/meminimumkan cacat pada citra. Tujuan pemugaran citra hampir sama dengan operasi perbaikan citra. Bedanya, pada pemugaran citra penyebab degradasi gambar diketahui.
3. Pemampatan citra (image compression).
Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk yang lebih kompak sehingga memerlukan memori yang lebih sedikit. Hal penting yang harus diperhatikan dalam pemampatan adalah citra yang dimampatkan harus tetap mempunyai kualitas gambar yang bagus.
4. Segmentasi citra (image segmentation).
Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu.
5. Pengorakan citra (image analysis).
Jenis operasi ini bertujuan menghitung besaran kuantitif dari citra untuk menghasilkan deskripsinya. Teknik pengorakan citra mengekstraksi ciri-ciri tertentu yang membantu dalam identifikasi objek.
6. Rekonstruksi citra (image reconstruction).
Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi.
Beberapa jenis operasi pengolahan citra menurut Wijaya dan Prijono (2007).
1.Perbaikan citra (image restoration)
2.Peningkatan kualitas citra (image enhancement) 3.Registrasi citra (image registration)
4.Pemampatan data citra (image data compaction) 5.Pemilahan citra (image segmentation)
2.1.4 Pemampatan Citra
Menurut Munir (2004), pemampatan citra atau kompresi citra (image
merepresentasikan citra digital. Prinsip umum yang digunakan pada proses pemampatan citra adalah mengurangi duplikasi data di dalam citra sehingga memori yang dibutuhkan untuk merepresentasikan citra menjadi lebih sedikit daripada representasi citra semula. Ada dua proses utama dalam persoalan pemampatan citra.
1. Pemampatan citra (image compression).
Pada proses ini, citra dalam representasi tidak mampat dikodekan dengan representasi yang meminimumkan kebutuhan memori. Citra yang sudah dimampatkan disimpan ke dalam arsip dengan format tertentu.
2. Penirmampatan citra (image decompression).
Pada proses ini, citra yang sudah dimampatkan harus dapat dikembalikan lagi (decoding) menjadi representasi yang tidak mampat. Proses ini diperlukan jika citra tersebut ditampilkan ke layar atau disimpan ke dalam arsip dengan format tidak mampat.
Metode pemampatan citra dapat diklasifikasikan ke dalam dua kelompok besar. 1. Metode lossless.
Metode lossless selalu menghasilkan citra hasil penirmampatan yang tepat sama dengan citra semula, pixel per pixel. Tidak ada informasi yang hilang akibat pemampatan. Sayangnya nisbah (ratio) pemampatan citra metode lossless sangat rendah. Metode lossless cocok untuk memampatkan citra yang
mengandung informasi penting yang tidak boleh rusak akibat pemampatan. Misalnya memampatkan gambar hasil diagnosa medis.
2. Metode lossy.
2.1.5 Kuantisasi
Menurut Gray dan Neuhoff (1998) kuantisasi mengubah analog ke digital. Kuantisasi dapat dikembangkan dan dicoba pada audio, citra dan video. Kuantisasi dalam pengolahan citra adalah salah satu teknik pemampatan lossy. Dalam skema pemampatan, pemampatan diperoleh dari membuang beberapa data dengan pemilahan. Kuantisasi adalah proses memetakan nilai kontinu ke dalam himpunan nilai diskrit atau bulat yang relatif kecil atau terbatas. Sebagai contoh membulatkan bilangan real dalam interval [0,100] ke bilangan bulat 0, 1, 2, …., 100. Dengan kata lain, kuantisasi dapat didefinisikan sebagai pemetaan sebuah interval kontinu terbatas I = [a,b], dengan sebuah nilai c, yang berada dalam interval tersebut. Sebagai contoh, membulatkan nilai terdekat dengan menggantikan interval [c-0.5, c+0.5) dengan nilai bilangan bulat c.
2.1.6 Metode Pemampatan Kuantisasi
Menurut Munir (2004), metode ini mengurangi jumlah derajat keabuan, yang tentu saja mengurangi jumlah bit yang dibutuhkan untuk merepresentasikan citra. Misalkan P adalah jumlah piksel dalam citra semula, akan dimampatkan menjadi n derajat keabuan. Algoritmanya adalah sebagai berikut.
1. Buat histogram citra semula (citra yang akan dimampatkan).
2. Identifikasi n buah kelompok di dalam histogram sedemikian sehingga setiap kelompok mempunyai kira-kira P/n buah piksel.
3. Nyatakan setiap kelompok dengan derajat keabuan 0 sampai n-1. Setiap piksel di dalam kelompok dikodekan kembali dengan nilai derajat keabuan yang baru.
menggunakan pf4bit pada level 1, pf8bit pada level 2, pf15bit pada level 3. Setelah pemampatan langsung diperoleh hasil pemampatan berupa citra dengan ukuran berbeda.
2.2.Kerangka Pemikiran
Berdasarkan latar belakang masalah dan mengacu pada tinjauan pustaka di atas, maka dapat dibuat kerangka pemikiran yang memungkinkan sebagai tuntunan untuk memecahkan masalah penulisan skripsi.
Citra dimampatkan dengan menggunakan aplikasi pemampatan citra yang telah dibuat sesuai algoritma metode pemampatan kuantisasi dengan menggunakan bahasa pemrograman Delphi 7. Mencari nilai level pemampatan yang menghasilkan citra yang memiliki ukuran yang minimal dan dengan derajat keabuan yang maksimal. Selanjutnya membandingkan citra hasil pemampatan yang memiliki ukuran yang minimal dan dengan derajat keabuan yang maksimal dari metode pemampatan kuantisasi dengan metode pemampatan jpeg.
BAB II
LANDASAN TEORI
2.3. Tinjauan Pustaka
Pada bagian ini akan dijelaskan mengenai citra, pengolahan citra, pemampatan citra, dan metode pemampatan kuantisasi.
2.1.8 Citra
Citra yang dimaksudkan dalam skripsi ini adalah “citra diam” (still images). Menurut Munir (2004), citra diam adalah citra tunggal yang tidak
bergerak. Untuk selanjutnya, citra diam kita sebut citra saja. Citra bergerak (moving images) adalah rangkaian citra diam yang ditampilkan secara beruntun (sekuensial) sehingga memberi kesan pada mata kita sebagai gambar yang bergerak. Setiap citra di dalam rangkaian itu disebut frame. Gambar-gambar yang tampak pada film layar lebar atau televisi pada hakikatnya terdiri atas ratusan sampai ribuan frame.
Citra ada dua macam yaitu citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit dihasilkan melalui proses digitalisasi terhadap citra kontinu. Beberapa sistem optik dilengkapi dengan fungsi digitalisasi sehingga ia mampu menghasilkan citra diskrit, misalnya kamera digital dan scanner. Citra diskrit disebut juga citra digital. Komputer digital yang umum
dipakai saat ini hanya dapat mengolah citra digital.
2.1.9 Citra Digital
Menurut Balza dan Firdausy (2005), setiap citra digital memiliki beberapa karakteristik, antara lain ukuran citra, resolusi, dan format nilainya. Umumnya citra digital berbentuk persegi panjang yang memiliki lebar dan tinggi tertentu. Ukuran ini biasanya dinyatakan dalam banyaknya titik atau piksel, sehingga ukuran citra selalu bernilai bulat.
Ukuran citra dapat juga dinyatakan secara fisik dalam satuan panjang (misalnya mm atau inchi). Dalam hal ini tentu saja harus ada hubungan antara ukuran titik penyusun citra dengan satuan panjang. Hal tersebut dinyatakan dengan resolusi yang merupakan ukuran banyaknya piksel untuk setiap satuan panjang. Biasanya satuan yang digunakan adalah dpi (dot per inchi). Makin besar resolusi makin banyak titik yang terkandung dalam citra dengan ukuran fisik yang sama. Hal ini memberikan efek penampakan citra menjadi semakin halus.
digital tersusun atas titik-titik yang biasanya berbentuk persegi panjang atau bujur sangkar (pada beberapa sistem pencitraan, piksel-piksel penyusun citra ada pula yang berbentuk segienam) yang secara beraturan membentuk baris-baris dan kolom-kolom. Setiap titik memiliki koordinat sesuai dengan posisinya dalam citra. Koordinat ini biasanya dinyatakan dalam bilangan bulat positif, yang dapat dimulai dari 0 dan 1 bergantung pada sistem yang digunakan (dalam delphi koordinat titik dalam citra dimulai dari 0). Setiap titik juga memiliki nilai berupa angka digital yang merepresentasikan informasi yang diwakili titik tersebut. Pada kebanyakan sistem pencitraan, nilai ini biasanya berupa bilangan bulat positif juga. Format nilai piksel sama dengan format citra keseluruhan. Format citra digital yang banyak dipakai adalah citra biner, skala keabuan, warna dan warna berindeks.
2.1.10 Pengolahan Citra
Meskipun sebuah citra kaya informasi, namun seringkali citra yang kita miliki mengalami penurunan mutu (degradasi), misalnya mengandung cacat atau derau (noise), warnanya terlalu kontras, kurang tajam, kabur (blurring), dan sebagainya. Tentu saja citra semacam ini menjadi lebih sulit diinterpretasi karena informasi yang disampaikan oleh citra tersebut menjadi berkurang. Agar citra yang mengalami gangguan mudah diinterpretasi (baik oleh manusia maupun mesin), maka citra tersebut perlu dimanipulasi menjadi citra lain yang kualitasnya lebih baik. Bidang studi yang menyangkut hal ini adalah pengolahan citra (image processing). Menurut Munir (2004), pengolahan citra adalah pemrosesan citra,
khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih baik.
Beberapa jenis operasi pengolahan citra menurut Munir (2004). 1. Perbaikan kualitas citra (image enhancement).
Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri khusus yang terdapat di dalam citra lebih ditonjolkan.
2. Pemugaran citra (image restoration).
Operasi ini bertujuan menghilangkan/meminimumkan cacat pada citra. Tujuan pemugaran citra hampir sama dengan operasi perbaikan citra. Bedanya, pada pemugaran citra penyebab degradasi gambar diketahui.
3. Pemampatan citra (image compression).
Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk yang lebih kompak sehingga memerlukan memori yang lebih sedikit. Hal penting yang harus diperhatikan dalam pemampatan adalah citra yang dimampatkan harus tetap mempunyai kualitas gambar yang bagus.
4. Segmentasi citra (image segmentation).
Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu.
5. Pengorakan citra (image analysis).
Jenis operasi ini bertujuan menghitung besaran kuantitif dari citra untuk menghasilkan deskripsinya. Teknik pengorakan citra mengekstraksi ciri-ciri tertentu yang membantu dalam identifikasi objek.
6. Rekonstruksi citra (image reconstruction).
Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi.
Beberapa jenis operasi pengolahan citra menurut Wijaya dan Prijono (2007).
6.Perbaikan citra (image restoration)
9.Pemampatan data citra (image data compaction) 10. Pemilahan citra (image segmentation)
2.1.11 Pemampatan Citra
Menurut Munir (2004), pemampatan citra atau kompresi citra (image
compression) bertujuan meminimalkan kebutuhan memori untuk
merepresentasikan citra digital. Prinsip umum yang digunakan pada proses pemampatan citra adalah mengurangi duplikasi data di dalam citra sehingga memori yang dibutuhkan untuk merepresentasikan citra menjadi lebih sedikit daripada representasi citra semula. Ada dua proses utama dalam persoalan pemampatan citra.
1. Pemampatan citra (image compression).
Pada proses ini, citra dalam representasi tidak mampat dikodekan dengan representasi yang meminimumkan kebutuhan memori. Citra yang sudah dimampatkan disimpan ke dalam arsip dengan format tertentu.
2. Penirmampatan citra (image decompression).
Pada proses ini, citra yang sudah dimampatkan harus dapat dikembalikan lagi (decoding) menjadi representasi yang tidak mampat. Proses ini diperlukan jika citra tersebut ditampilkan ke layar atau disimpan ke dalam arsip dengan format tidak mampat.
Metode pemampatan citra dapat diklasifikasikan ke dalam dua kelompok besar. 1. Metode lossless.
Metode lossless selalu menghasilkan citra hasil penirmampatan yang tepat sama dengan citra semula, pixel per pixel. Tidak ada informasi yang hilang akibat pemampatan. Sayangnya nisbah (ratio) pemampatan citra metode lossless sangat rendah. Metode lossless cocok untuk memampatkan citra yang
mengandung informasi penting yang tidak boleh rusak akibat pemampatan. Misalnya memampatkan gambar hasil diagnosa medis.
Metode lossy menghasilkan citra hasil pemampatan yang hampir sama dengan citra semula. Ada informasi yang hilang akibat pemampatan, tetapi dapat ditolelir oleh persepsi mata. Mata tidak dapat membedakan perubahan kecil pada gambar. Metode pemampatan lossy menghasilkan nisbah pemampatan yang tinggi daripada metode lossless.
2.1.12 Kuantisasi
Menurut Gray dan Neuhoff (1998) kuantisasi mengubah analog ke digital. Kuantisasi dapat dikembangkan dan dicoba pada audio, citra dan video. Kuantisasi dalam pengolahan citra adalah salah satu teknik pemampatan lossy. Dalam skema pemampatan, pemampatan diperoleh dari membuang beberapa data dengan pemilahan. Kuantisasi adalah proses memetakan nilai kontinu ke dalam himpunan nilai diskrit atau bulat yang relatif kecil atau terbatas. Sebagai contoh membulatkan bilangan real dalam interval [0,100] ke bilangan bulat 0, 1, 2, …., 100. Dengan kata lain, kuantisasi dapat didefinisikan sebagai pemetaan sebuah interval kontinu terbatas I = [a,b], dengan sebuah nilai c, yang berada dalam interval tersebut. Sebagai contoh, membulatkan nilai terdekat dengan menggantikan interval [c-0.5, c+0.5) dengan nilai bilangan bulat c.
2.1.13 Metode Pemampatan Kuantisasi
Menurut Munir (2004), metode ini mengurangi jumlah derajat keabuan, yang tentu saja mengurangi jumlah bit yang dibutuhkan untuk merepresentasikan citra. Misalkan P adalah jumlah piksel dalam citra semula, akan dimampatkan menjadi n derajat keabuan. Algoritmanya adalah sebagai berikut.
1. Buat histogram citra semula (citra yang akan dimampatkan).
2. Identifikasi n buah kelompok di dalam histogram sedemikian sehingga setiap kelompok mempunyai kira-kira P/n buah piksel.
3. Nyatakan setiap kelompok dengan derajat keabuan 0 sampai n-1. Setiap piksel di dalam kelompok dikodekan kembali dengan nilai derajat keabuan yang baru.
Menurut Fadlisyah dkk. (2008), di dalam Delphi 7, memampatan citra dengan menggunakan metode pemampatan kuantisasi telah terdapat sintaks yang mendukungnya. Pemampatan tersebut telah include di dalam Delphi 7 sehingga hanya dengan menuliskannya bisa langsung didapatkan hasilnya. Sintaks tersebut adalah dengan menuliskan pf…bit. Pada titik-titik bisa diisi dengan angka yang dikehendaki yang didukung oleh Delphi 7. Misalnya pada skripsi ini saya menggunakan pf4bit pada level 1, pf8bit pada level 2, pf15bit pada level 3. Setelah pemampatan langsung diperoleh hasil pemampatan berupa citra dengan ukuran berbeda.
2.4.Kerangka Pemikiran
Berdasarkan latar belakang masalah dan mengacu pada tinjauan pustaka di atas, maka dapat dibuat kerangka pemikiran yang memungkinkan sebagai tuntunan untuk memecahkan masalah penulisan skripsi.
Citra dimampatkan dengan menggunakan aplikasi pemampatan citra yang telah dibuat sesuai algoritma metode pemampatan kuantisasi dengan menggunakan bahasa pemrograman Delphi 7. Mencari nilai level pemampatan yang menghasilkan citra yang memiliki ukuran yang minimal dan dengan derajat keabuan yang maksimal. Selanjutnya membandingkan citra hasil pemampatan yang memiliki ukuran yang minimal dan dengan derajat keabuan yang maksimal dari metode pemampatan kuantisasi dengan metode pemampatan jpeg.
BAB IV PEMBAHASAN
4.1.Nisbah Pemampatan
Ukuran citra hasil pemampatan
Ukuran citra semula
berarti semakin buruk kualitas citra. Besarnya nisbah pemampatan citra dihitung dengan rumus.
Nisbah Pemampatan = 100 % - ( x 100 % )
4.2. Derajat Keabuan
Citra pada setiap pikselnya terdapat nilai tingkat hitam putihnya antara 0 sampai 255. Terdapat sejumlah piksel yang memiliki nilai tingkat hitam putih yang sama. Nilai-nilai yang ada antara 0 sampai 255 disebut derajat keabuan. Jika semua nilai antara 0 sampai 255 ada pada piksel-piksel citra berarti citra tersebut memiliki derajat keabuan 256.
4.3.Citra Uji
Citra uji adalah citra yang akan dimampatkan menggunakan aplikasi yang dibuat dengan menggunakan bahasa pemrograman Delphi 7. Semua citra uji bertipe bmp dan berformat 24 bit. Citra uji dipilih berdasarkan besarnya ukuran piksel dan ukuran file. Ukuran file dan piksel dipilih dari ukuran kecil hingga ukuran besar agar setiap tingkat ukuran file dan piksel terwakili oleh satu file citra. Dipilih lima citra uji dengan berbagai ukuran file dan piksel yang berbeda-beda. Diharapkan dari diambilnya citra dengan berbagai ukuran dari kecil ke besar dapat memberikan hasil yang beragam. Diharapkan setiap citra yang dipilih dapat mewakili ukuran file dan piksel dari citra yang memiliki ukuran file dan piksel yang hampir sama. Citra uji yang dipilih adalah sebagai berikut.
Gambar 4.1. Citra Bliss
Citra Bliss merupakan citra terkecil dengan ukuran file 202.554 bytes dan ukuran piksel 300 x 225. Citra ini mewakili citra ukuran kecil yaitu citra yang berada pada ukuran di sekitar 200 kb.
2. Citra Kabut
Gambar 4.2. Citra Kabut
Citra Kabut merupakan citra terkecil kedua setelah citra Bliss. Citra ini memiliki ukuran file 921.654 bytes dan ukuran piksel 640 x 480. Citra ini mewakili citra ukuran file di sekitar 900 kb.
3. Citra Milan
Gambar 4.3. Citra Milan 4. Citra Img1
Gambar 4.4. Citra Img1
Citra Img1 memiliki ukuran file 8.294.454 bytes dan ukuran piksel 1920 x 1440. Citra ini mewakili citra yang memiliki ukuran di sekitar 8 mb.
5. Citra Candi
Gambar 4.5. Citra Candi
ukuran file 15.116.598 bytes dan ukuran piksel 2592 x 1944. Citra ini mewakili citra yang ukuran filenya di sekitar 15 mb. Perbandingan citra uji bisa dilihat pada Tabel 4.1.
Tabel 4.1. Citra uji
Citra Ukuran file (bytes) Ukuran piksel Bliss 202.554 300 x 225 diskrit. Di dalam pemampatan citra, kuantisasi mengubah nilai intensitas citra awal yang telah dibuat dalam suatu interval ke satu nilai pada setiap interval. Algoritma yang digunakan untuk memampatkan citra adalah sebagai berikut. 1. Mengambil citra yang akan dimampatkan.
2. Membaca setiap piksel dalam citra tersebut. 3. Membuat histogram intensitas red green blue. 4. Mengelompokkan intensitas piksel-piksel.
a. Level 1 dibagi 4 kelompok, setiap kelompok terdiri dari 64 nilai. b. Level 2 dibagi 16 kelompok, setiap kelompok terdiri dari 16 nilai. c. Level 3 dibagi 32 kelompok, setiap kelompok terdiri dari 8 nilai. 5. Menentukan nilai intensitas baru pada setiap kelompok
a. Level 1 dimulai dari 0 kemudian pada setiap kelompok berikutnya naik 85 nilai sampai nilai terakhir 255.
b. Level 2 dimulai dari 0 kemudian pada setiap kelompok berikutnya naik 17 nilai sampai nilai terakhir 255.
6. Nilai intensitas baru tersebut dituliskan kembali ke dalam citra sehingga diperoleh citra baru yang lebih mampat.
4.5. Aplikasi Pemampatan Citra
Gambar 4.6. Tampilan awal aplikasi pemampatan citra.
Aplikasi pemampatan citra ini dibuat dengan menggunakan bahasa pemrograman Delphi 7. Kode program dapat dilihat pada Lampiran 3. Pada tampilan awal seperti terlihat pada Gambar 4.6, hanya satu tombol saja yang dapat diakses yaitu tombol ambil citra, karena pada awalnya memang kita harus mengambil suatu citra yang berformat bmp yang akan kita mampatkan dengan menggunakan aplikasi pemampatan citra ini.
Setelah mengambil citra yang akan dimampatkan maka tombol pemampatan menjadi dapat diakses untuk melakukan pemampatan. Citra akan muncul pada kotak Citra Sebelum Pemampatan seperti tampak pada Gambar 4.7. Dan juga akan muncul ukuran file dalam bytes dan derajat keabuan citra.
menggunakan metode pemampatan kuantisasi yang telah include di dalam Delphi 7. Setelah mengambil citra, mode secara otomatis akan terpilih ke mode otomatis.
Gambar 4.7. Tampilan aplikasi pemampatan citra setelah mengambil citra. Tombol pemampatan terbagi menjadi tiga level. Ini dikarenakan citra ketika dimampatkan bisa dihasilkan citra hasil pemampatan yang berbeda-beda tergantung level pemampatan yang digunakan. Level pemampatan citra bisa sangat mampat bisa juga kurang mampat dan tentu juga menghasilkan citra hasil pemampatan yang berbeda-beda. Jika suatu citra dimampatkan sangat mampat sekali tentu hasil citra yang diperoleh juga jelek. Tapi sebaliknya jika diperoleh citra hasil yang sangat baik maka rasio atau nisbah pemampatannya sangat rendah. Maka akan dibahas dalam skripsi ini mendapatkan citra yang baik tapi juga mampat.
4.6.Derajat Keabuan Citra Uji Sebelum Pemampatan
Tabel 4.2. Derajat keabuan citra uji sebelum pemampatan. Citra Derajat Keabuan
Bliss 248 Kabut 256 Milan 256 Img1 249 Candi 255
4.7. Cara Kerja Program
Untuk mengetahui cara kerja program akan diambil citra uji Bliss. Agar dapat dimampatkan secara manual maka citra uji Bliss diperkecil ukurannya menjadi 10 x 13 dengan menggunakan software ACD See Pro. Diperoleh nilai red, green dan blue pada setiap piksel sebagai berikut.
Red
Green Histogram citra sebelum pemampatan bisa dilihat pada Lampiran 1.
Citra setelah dimampatkan memiliki intensitas baru. Intensitas baru pada setiap pikselnya setelah dimampatkan menjadi sebagai berikut.
Red
74 90 99 74 57 66 107 156 90 33 49 165 165 90 82 66 90 82 49 49 90 82 33 24 41 66 115 115 132 115 90 74 82 82 49 90 132 49 90 140 140 165 140 107 107 156 156 123 165 222 173 99 165 156 140 132 132 123 115 123 173 165 173 189 181 140 140 132 115 107 99 90 82 90 99 115 123 123 82 90 99 99 107 107 107 107 99 90 82 66 66 33 41 41 49 57 57 66 74 82 82 90 82 82 41 49 49 49 49 57 49 49 49 49 41 41 41 49 49 49 49 49 49 49 49 49 49 49 49 49
Green
140 148 148 123 115 123 148 181 132 90 107 189 189 148 140 132 140 132 115 107 132 123 99 90 107 123 165 165 173 156 148 132 140 132 115 140 165 115 140 189 181 198 181 156 156 181 189 156 189 231 198 148 198 198 181 165 165 156 148 156 189 189 198 206 206 181 173 165 148 140 132 123 115 115 115 132 140 140 115 123 132 140 140 148 148 148 140 132 115 99 99
Blue
247 247 247 239 239 239 239 247 239 231 231 247 247 247 247 247 247 239 239 239 239 239 239 239 239 239 247 247 247 239 239 239 239 239 239 239 247 239 247 247 255 255 255 255 255 247 247 239 239 247 239 239 239 222 206 198 198 206 222 239 247 255 255 255 255 49 33 24 24 24 24 41 57 74 99 132 156 173 16 16 16 16 16 24 24 24 16 16 8 8 16 16 24 24 24 16 16 16 24 24 24 24 33 33 16 16 16 16 16 16 16 16 16 16 16 16 16
8 8 8 8 8 8 8 8 8 8 8 8 8
4.8.Pemampatan Terhadap Citra Uji 4.8.1. Citra Uji Bliss
Pemampatan dilakukan terhadap citra Bliss yang merupakan citra terkecil. Pemampatan dilakukan secara urut dari citra berukuran kecil lebih dahulu ke citra berukuran besar. Citra hasil pemampatan pada level 1 seperti terlihat pada Gambar 4.8. terlihat cukup jelek dan terdapat banyak noise atau gangguan dalam citra. Sedangkan pada level 2 Gambar 4.9. hasil pemampatan terlihat lebih bagus daripada level 1, noisenya telah berkurang hanya terlihat sedikit yang berarti masih terlihat ada noisenya. Citra hasil pemampatan pada level 3 Gambar 4.10. terlihat sangat bagus mendekati gambar aslinya.
Gambar 4.9. Citra hasil pemampatan Bliss pada level 2.
Gambar 4.10. Citra hasil pemampatan Bliss pada level 3.
Tabel 4.3. Hasil pemampatan pada citra Bliss. Level
Pemampatan
Derajat Keabuan
Persentase Derajat Keabuan ( % )
Nisbah Pemampatan ( % )
1 44 17,18 83,057
2 72 28,12 66,143
3 196 76,56 33,318
derajat keabuan dan nisbah pemampatan pada ketiga level tersebut menunjukkan bahwa pemampatan terbaik berada pada level 3.
4.8.2. Citra Uji Kabut
Gambar 4.11. Citra hasil pemampatan Kabut pada level 1.
Gambar 4.12. Citra hasil pemampatan Kabut pada level 2.
Pada citra Kabut dilihat sekilas ketiga foto pada Gambar 4.11., Gambar 4.12. dan Gambar 4.13. memberikan hasil yang sama seperti pada citra Bliss yaitu pada level 1 terlihat jelek, level 2 terdapat sedikit noise dan level 3 tidak terlihat adanya noise.
Tabel 4.4. Hasil pemampatan pada citra Kabut. Level
Pemampatan
Derajat Keabuan
Persentase Derajat Keabuan ( % )
Nisbah Pemampatan ( % )
1 54 21,09 83,321
2 61 23,82 66,551
3 254 99,22 33,330
Dilihat dari hasil pemampatan pada citra Kabut Tabel 4.4. derajat keabuan pada level 3 sangat tinggi hampir mendekati sempurna yaitu hanya terpaut 2 nilai dari derajat keabuan tertinggi yaitu 256. Berarti derajat keabuannya hanya berkurang 0,78 % tetapi nisbah pemampatannya berkurang 33 %. Dibandingkan dengan citra Bliss pada level 3 mempunyai nilai nisbah pemampatan yang sama yaitu 33 % tetapi derajat keabuannya jauh lebih tinggi citra Kabut yaitu 196 pada citra Bliss dan 254 pada citra Kabut.
4.8.3. Citra Uji Milan
Gambar 4.15. Citra hasil pemampatan Milan pada level 2.
Gambar 4.16. Citra hasil pemampatan Milan pada level 3.
Tabel 4.5. Hasil pemampatan pada citra Milan. Level
Pemampatan
Derajat Keabuan
Persentase Derajat Keabuan ( % )
Nisbah Pemampatan ( % )
1 83 32,42 83,328
2 124 48,43 66,619
3 254 99,22 33,331
sama nilainya dengan citra Kabut dan Candi yang merupakan nilai tertinggi pada level 3 yaitu 254, citra hasil bisa dilihat pada Gambar 4.16.
4.8.4. Citra Uji Img1
Gambar 4.17. Citra hasil pemampatan Img1 pada level 1.
Gambar 4.18. Citra hasil pemampatan Img1 pada level 2.
Tabel 4.6. Hasil pemampatan pada citra Img1. Level
Pemampatan
Derajat Keabuan
Persentase Derajat Keabuan ( % )
Nisbah Pemampatan ( % )
1 10 3,91 83,332
2 27 10,54 66,653
3 48 18,75 33,332
Citra Img1 memiliki derajat keabuan yang paling rendah diantara citra uji lainnya pada masing-masing level seperti terlihat pada Tabel 4.6. Tetapi nisbah pemampatannya sama pada masing-masing level. Citra Img1 memiliki derajat keabuan yang sangat rendah karena merupakan citra hitam putih. Gambar hasil pemampatan bisa dilihat pada Gambar 4.17, Gambar 4.18 dan Gambar 4.19.
4.8.5. Citra Uji Candi
Gambar 4.20. Citra hasil pemampatan Candi pada level 1.
Gambar 4.22. Citra hasil pemampatan Candi pada level 3.
Pada citra Candi level 2, Gambar 4.21, terlihat paling bagus dibandingkan citra level 2 pada citra uji lainnya. Noisenya terlihat paling sedikit diantara citra uji level 2 lainnya. Tetapi citra terbaiknya tetap citra level 3, Gambar 4.22, hanya terlihat sedikit perbedaan. Sedangkan pada level 1, Gambar 4.20 sama seperti citra lainnya. Derajat keabuan citra Candi level 3 pada Tabel 4.7 sebesar 254 atau hanya turun satu nilai dari derajat keabuan citra sebelum pemampatan yaitu 255.
Tabel 4.7. Hasil pemampatan pada citra Candi. Level
Pemampatan
Derajat Keabuan
Persentase Derajat Keabuan ( % )
Nisbah Pemampatan ( % )
1 62 24,21 83,332
2 98 38,28 66,659
3 254 99,22 33,333
4.9.Metode Pemampatan Jpeg
Metode pemampatan kuantisasi yang menghasilkan pemampatan yang terbaik akan dibandingkan dengan metode pemampatan jpeg. Metode pemampatan jpeg merupakan standar pemampatan citra saat ini. Metode pemampatan jpeg merupakan metode pemampatan lossy. Menurut Smith (2003), Metode pemampatan jpeg menggunakan Discrete Cosine Transform dalam memampatkan citra. Sedangkan metode pemampatan kuantisasi menggunakan Red Green Blue atau derajat keabuan dalam memampatkan citra. Citra uji yang akan digunakan untuk dibandingkan dengan metode pemampatan jpeg adalah citra hasil pemampatan metode pemampatan kuantisasi yang terbaik yaitu citra Milan.
Tabel 4.8. Perbandingan metode kuantisasi dengan metode jpeg berdasarkan ukuran file.
Metode pemampatan Ukuran (bytes) Nisbah pemampatan ( % ) Kuantisasi 1.493.058 33,33
Jpeg 336.272 84,98
Pengamatan dilakukan terhadap ukuran file dan nisbah pemampatan yang dihasilkan dari masing-masing metode pemampatan. Dari Tabel 4.8. menunjukkan bahwa metode pemampatan jpeg lebih unggul dari pada metode pemampatan kuantisasi. Pengujian terhadap citra Milan menunjukkan bahwa pemampatan citra menggunakan metode pemampatan kuantisasi belum bisa menggantikan metode pemampatan jpeg sebagai standar pemampatan saat ini. Dilihat dari nisbah pemampatan yang dihasilkan, pemampatan citra menggunakan metode pemampatan kuantisasi masih berada di bawah metode pemampatan jpeg.
Tabel 4.9. Perbandingan metode kuantisasi dengan metode jpeg berdasarkan kecepatan proses pemampatan.
Metode Kuantisasi (seconds) Citra Uji Metode Jpeg
(seconds) Level 1 Level 2 Level 3
Bliss 0,032 0,015 0,010 0,005 Kabut 0,141 0,057 0,021 0,015 Milan 0,375 0,172 0,046 0,031
Img1 1,265 0,609 0,140 0,125
Candi 2,453 1,187 0,344 0,265
Pada Tabel 4.9. terlihat bahwa metode pemampatan kuantisasi lebih unggul dibandingkan metode jpeg dalam hal kecepatan proses pemampatan. Pada citra Bliss yaitu citra yang memiliki ukuran yang paling kecil telah terlihat perbedaannya, seiring dengan bertambahnya ukuran citra maka semakin lama proses pemampatannya. Metode kuantisasi pada level 1 yaitu level yang memiliki kecepatan paling lambat lebih cepat setengahnya dibandingkan dengan metode jpeg. Sedangkan pada level pemampatan terbaik pada metode pemampatan kuantisasi yaitu level 3 memiliki kecepatan yang lebih baik dari metode jpeg. Jika dilihat pada citra Candi metode jpeg jauh tertinggal dibandingkan pemampatan terbaik pada metode kuantisasi yaitu level 3. Dapat dilihat dari Tabel 4.9. bahwa semakin besar ukuran file, metode jpeg dibandingkan dengan metode kuantisasi level 3 maka metode jpeg akan semakin jauh tertinggal.
tersebut semakin mendekati aslinya. Sebagaimana terlihat dalam Tabel 4.10. berikut ini.
Tabel 4.10. Perbandingan metode kuantisasi dengan metode jpeg berdasarkan selisih piksel antara citra asli dengan citra hasil pemampatan.
Metode Kuantisasi pemampatan metode pemampatan kuantisasi lebih unggul dibandingkan metode jpeg. Semakin besar ukuran gambar metode pemampatan kuantisasi semakin terlihat unggul dibandingkan metode jpeg. Dimulai dari citra terkecil ukurannya yaitu citra Bliss metode pemampatan kuantisasi hanya unggul pada level 3 saja, tetapi semakin besar ukurannya metode pemampatan kuantisasi semakin mendominasi, yaitu dimulai dari citra Kabut yang mulai unggul pada 2 level yaitu level 2 dan 3, hal yang sama terjadi pada citra Milan yang juga unggul pada level 2 dan 3, sedangkan pada citra Img1 dan citra Candi metode pemampatan kuantisasi unggul pada semua level. Jadi meskipun metode pemampatan kuantisasi kalah dalam hal ukuran file tetapi metode pemampatan kuantisasi unggul dalam hal kecepatan proses pemampatan dan juga citra hasil pemampatan.
BAB V PENUTUP
5.1.Kesimpulan
1. Diperoleh hasil pemampatan citra dengan ukuran yang minimal dan derajat keabuan yang maksimal dengan metode pemampatan kuantisasi pada level 3. 2. Metode pemampatan jpeg lebih baik dibandingkan metode pemampatan
kuantisasi berdasarkan pada ukuran file, metode pemampatan kuantisasi lebih baik dibandingkan metode jpeg berdasarkan pada kecepatan proses pemampatan dan kualitas citra hasil pemampatan yang diketahui dengan cara dihitung selisih piksel antara citra asli dan citra hasil pemampatan.
5.2.Saran
Dalam skripsi ini penulis membahas pemampatan citra yang menghasilkan citra yang mampat dan juga berderajat keabuan tinggi dengan metode pemampatan kuantisasi. Untuk pembahasan selanjutnya dapat digunakan metode pemampatan lainnya.
DAFTAR PUSTAKA
Acharya, Tinku dan Tsai, Ping-Sing. (2005). JPEG2000 Standard for Image Compression concepts, Algorithms and VLSI Architectures.
Wiley-Interscience, Hoboken.
Achmad, Balza dan Firdausy, Kartika. (2005). Teknik Pengolahan Citra Digital Menggunakan Delphi. Ardhi Publishing, Yogyakarta.
Fadlisyah., Taufiq., Zulfikar., dan Fauzan. (2008). Pengolahan Citra Menggunakan Delphi. Graha Ilmu, Yogyakarta.
Gray, Robert dan Neuhoff, David. (1998). Quantization. IEEE Transactions On Information Theory, Vol. 44, No. 6, October 1998.
Munir, Rinaldi. (2004). Pengolahan Citra Digital dengan Pendekatan Algoritmik. Informatika, Bandung.
Sianipar, Rismon Hasiholan, dan Muliani, Sri. (2003). Kompresi Citra Digital Berbasis Wavelet : Tinjauan PSNR dan Laju Bit.
Smith, Steven W. (2003). Digital Signal Processing - A Practical Guide for Engineers and Scientists. Newnes, New York.
