2.7 Pengertian Pengolahan Citra
Pengolahan citra adalah pemrosesan citra, khususnya dengan menggunakan komputer, menjadikan kualitas citra lebih baik dari sebelumnya. Umumnya
operasi-operasi pada pengolahan citra diterapkan pada citra apabila : a. Perbaikan atau memodifikasi citra perlu dilakukan untuk meningkatkan
kualitas penampakan atau untuk menonjolkan beberapa aspek informasi yang terkandung di dalam citra.
b. Elemen di dalam citra perlu dikelompokkan, dicocokkan, atau diukur. c. Sebagian citra perlu digabung dengan bagian citra yang lain [2].
Pengolahan citra bertujuan untuk memperbaiki kualitas citra agar mudah diartikan oleh manusia atau mesin dalam hal ini komputer. Teknik-teknik
pengolahan citra merubah citra menjadi citra lain, contohnya kompresi citra image compression. Dalam proses kompresi citra masukkannya adalah citra
dan keluarannya juga citra, namun citra keluaran yang dihasilkan mempunyai ukuran yang lebih kecil dari citra masukannya. Salah satu operasi yang
dilakukan dalam pengolahan citra adalah kompresi citra image compression [2].
2.8 Kompresi Citra
Pemampatan citra atau Kompresi citra image compression adalah proses untuk meminimalkan jumlah bit yang mewakili sebuah citra sehingga ukuran
citra menjadi lebih kecil dari ukuran yang semula [6]. Secara umum kompresi citra bertujuan untuk meminimalkan kebutuhan memori dalam
merepresentasikan citra digital dengan mengurangi duplikasi data di dalam citra sehingga memori yang dibutuhkan menjadi lebih sedikit daripada
representasi semula [1].
Proses kompresi dan dekompresi citra dapat dilihat pada gambar di bawah ini : Citra Asli
Citra Hasil Kompresi
Universitas Sumatera Utara
Gambar 2.8 Alur kompresi citra dan dekompresi citra
2.8.1 Manfaat Kompresi Citra
Manfaat kompresi citra antara lain : 1. Meminimalkan waktu pengiriman data pada saluran komunikasi.
Contohnya pengiriman gambar menjadi lebih singkat , download dari internet, pengiriman data medis, dan lain-lain.
2. Membutuhkan ruang memori yang lebih sedikit dibandingkan dengan citra yang tidak dimampatkan [1].
3. Mengurangi redundancy data sebuah citra agar dapat mengurangi ukuran byte dari sebuah citra [13]
2.8.2 Jenis Kompresi Citra
1. Pendekatan Statistik Bekerja dengan cara mengkodekan suatu simbol atau data yang
sering muncul dengan jumlah bit yang lebih kecil dibandingkan dengan simbol yang memiliki intensitas kemunculan yang lebih
rendah. [15] Contoh : metode huffman
2. Pendekatan Ruang Melihat hubungan antar piksel yang mempunyai derajat keabuan
yang sama pada wilayah dalam citra.[2] Contoh : metode Run-Length Encoding
3. Pendekatan Kuantisasi Bekerja dengan cara mengurangi intensitas warna yang dimiliki
sebuah citra, sehingga menyebabkan ukuran bit yang mewakili citra akan berkurang.
Contoh : metode Kuantisasi 4. Pendekatan Fraktal
Bekerja dengan cara menghilangkan bagian-bagian citra yang memiliki kemiripan. Biasanya citra yang dikompresi dengan metode
pendekatan fractal akan kehilangan resolusi citra aslinya. Contoh : Metode Fraktal [13]
Universitas Sumatera Utara
2.8.3 Teknik Kompresi Citra
1. Lossy Compression Teknik kompresi dimana data hasil dekompresi tidak tepat sama
dengan data asli sebelum dikompresi[16]. Namun hasilnya sudah “cukup” untuk digunakan [7]. Contoh: metode kuantisasi, fraktal ,
FFT Fast Fourier Transform. Pada lossy compression rasio kompresi yang dihasilkan lebih tinggi dari lossless compression[16].
Kelebihan dari lossy compression adalah ukuran file lebih kecil dibanding loseless namun masih tetap memenuhi syarat untuk
digunakan. Biasanya teknik ini membuang bagian-bagian data yang sebenarnya tidak begitu berguna, tidak begitu dilihat oleh manusia
sehingga manusia masih beranggapan bahwa data tersebut masih bisa digunakan walaupun sudah dikompresi. Diagram lossy compression
seperti yang terlihat pada gambar 2.9
Input image Source encoder
quantizer
entropy encoder
Compressed image
Gambar 2.9 diagram lossy compression [16]
2. Loseless Compression Teknik kompresi dimana data hasil kompresi dapat didekompresi lagi
dan hasilnya tepat sama seperti data sebelum proses kompresi [7]. Contoh : Arithmetic coding, Shanon fano coding , RLE Run Length
Encoding. Teknik ini digunakan jika dibutuhkan data setelah dikompresi harus dapat diekstrakdekompresi lagi tepat sama.
Kadangkala ada data-data yang setelah dikompresi dengan teknik ini
Universitas Sumatera Utara
ukurannya menjadi lebih besar atau sama. Pada lossless compression citra yang telah dikompresi memiliki kesamaan secara numerik yang
identik dengan citra aslinya.
Keuntungan dari metode lossy atas lossless adalah dalam beberapa kasus metode lossy menghasilkan file kompresi yang lebih kecil
dibandingkan dengan metode lossless. Metode lossy sering digunakan untuk mengkompresi suara, gambar dan video karena data tersebut
dimaksudkan kepada human interpretation dimana pikiran dapat dengan mudah “mengisi bagian-bagian yang kosong” atau melihat
kesalahan yang sangat kecil. Sedangkan lossless digunakan untuk mengkompresi data untuk diterima dalam kondisi asli seperti
dokumen teks. Lossy akan mengalami generation loss pada data sedangkan pada lossless tidak terjadi karena data yang hasil
dekompresi sama dengan data asli [9]. Diagram lossless seperti yang terlihat pada gambar 2.10
Lossless encoder Table
specification
Entropy encoder
Compressed image
predictor Source
image
Gambar 2.10 diagram lossless compression [16]
2.8.4 Rasio Kompresi Citra
Rasio kompresi citra adalah ukuran presentase citra yang telah berhasil dimampatkan. Secara matematis rasio pemampatan citra
dituliskan sebagai berikut : Rasio =
100 − �
������ ����� ℎ���� �������� ������ ����� ����
× 100 �
Universitas Sumatera Utara
Misalkan hasil rasio adalah 35 , artinya 35 dari citra semula telah dimampatkan [1].
Contoh : dimisalkan ukuran citra asli = 144 bit Ukuran citra hasil kompresi = 72 bit
Rasio = 100
− �
������ ����� ℎ���� �������� ������ ����� ����
× 100 �
Rasio = 100
− �
72 144
× 100 �
Rasio = 100
− [50 ] Rasio =
50
Hasil rasio = 50. Artinya, 50 dari citra semula telah berhasil dimampatkan.
Gambar 2.11 Contoh citra sebelum dikompresi
Universitas Sumatera Utara
Gambar 2.12 Contoh citra sesudah dikompresi
2.7 Dekompresi Citra
Pada proses dekompresi, citra yang sudah dikompresi harus dapat dikembalikan lagi menjadi representasi citra seperti citra aslinya. Proses ini
diperlukan jika citra ingin ditampilkan ke layar atau disimpan ke dalam arsip dengan format yang tidak terkompresi [6].
Pada metode kuantisasi, dekompresi dilakukan melalui proses dekuantisasi. Proses dekuantisasi adalah proses sebaliknya dari kuantisasi, yaitu
mengembalikan nilai hasil kuantisasi ke nilai awal sebelum proses kuantisasi. Sesuai prinsip metode kuantisasi yaitu membagi-bagi intensitas
warna sebuah citra. Maka, proses dekuantisasi dilakukan dengan cara proses perkalian [11].
2.8 Metode Kuantisasi
Sesuai dengan prinsip kerja dari lossy compression yang menghilangkan beberapa bagian dari sebuah citra yang dianggap tidak begitu penting,
maka metode kuantisasi bekerja dengan mengurangi derajat keabuan sehingga jumlah bit yang dibutuhkan untuk merepresentasikan citra
berkurang [1]. Metode kuantisasi bekerja dengan mengurangi jumlah intensitas warna sebuah citra, sehingga jumlah bit yang digunakan untuk
merepresentasikan citra menjadi berkurang [8]. Oleh karena jumlah bit berkurang maka ukuran file menjadi lebih kecil. Dengan berkurangnya
intensitas warna tentu saja ada informasi yang hilang dari citra asal. Oleh karena itu metode ini termasuk dalam lossy compression, sehingga citra
yang sudah dikompresi sulit didekompresi kembali karena adanya informasi yang hilang. Proses kompresi tentunya akan berdampak kepada
banyak hal. Yang pertama adalah ukuran citra hasil kompresi. Ukuran citra diharapkan lebih kecil dari citra asal. Kedua adalah kualitas citra untuk
input terhadap proses berikutnya.
Universitas Sumatera Utara
Proses kuantisasi adalah proses membagi-bagi warna kontinu menjadi G buah warna. Biasanya G diambil dari perpangkatan 2.
G= 2
m
............................ 1 [2]. Keterangan :
G = jumlah warna derajat keabuan
m = bilangan bulat positif
Tabel 1. Kedalaman Piksel G
Rentang Nilai Kedalaman Piksel
2
1
0 ~ 1 1 bit
2
8
0 ~ 255 8 bit1 byte
2
16
0 ~ 65535 16 bit 2 byte
Semakin besar kedalaman piksel yang dipakai untuk merepresentasikan suatu
gambar, semakin bagus gambar digital yang akan dihasilkan karena jumlah
warna yang dapat direpresentasikan semakin banyak. Pada umumnya, gambar grayscale memiliki 256 level dan membutuhkan kapasitas 8 bit 1 byte untuk
tiap pikselnya [2].
2.9 Mean Square Error MSE
Kategori