seluruh warna yang dapat dilihat penglihatan manusia. Penglihatan manusia dipercaya hanya dapat membedakan hingga 10 juta warna saja.
Setiap poin informasi pixel RGB disimpan kkedalam 1 byte data. 8 bit pertama menyimpan nilai biru, kemudian diikuti dengan nilai hijau pada 8 bit
kedua dan pada 8 bit terakhir merupakan warna merah. Gambar berikut adalah contoh citra warna :
Gambar 2.4 Contoh Citra Warna
2.2 Kompresi Citra
Proses kompresi merupakan proses mereduksi ukuran suatu data untuk menghasilkan representase citra digital yang padat atau mampat namun tetap dapat mewakili
kuantitas informasi yang terkandung pada data tersebut. Pada citra, video, dan audio, kompresi mengarah pada minimisasi jumlah bit rate untuk representase digital. Pada
beberapa literature, istilah kompresi sering disebut juga source coding, data compression, bandwith compression, dan signal compression.
Data dan informasi adalah dua hal yang berbeda. Pada data terkandung suatu informasi. Namun tidak semua bagian data terkait dengan informasi tersebut atau pada
suatu data terdapat bagian-bagian data yang berulang untuk mewakili informasi yang sama. Bagian data yang tidak terkait atau bagian data yang berulang tersebut disebut
dengan data berlebihan redundancy data. Tujuan daripada kompresi data tiada lain adalah untuk mengurangi data berlebihan tersebut sehingga ukuran data menjadi lebih
kecil dan lebih ringan dalam proses transmisi.
Universitas Sumatera Utara
Kompresi citra images compression mempunyai tujuan meminimalkan kebutuhan memori untuk merepresentasikan sebuah citra digital. Prinsip umum yang
digunakan pada proses kompresi citra digital adalah mengurangi duplikasi data di dalam citra sehingga memori yang dibutuhkan untuk merepresentasikan citra menjadi
lebih sedikit dari pada citra digital aslinya. Terdapat dua proses utama dalam permasalahan kompresi citra digital.
a. Kompresi citra images compression
Pada proses ini citra digital dalam representasinya yang asli belum dikompres dikodekan dengan representasi yang meminimumkan kebutuhan memori. Citra
dengan format bitmap pada umumnya tidak dalam bentuk kompresan. Citra yang sudah dikompres disimpan ke dalam arsip dengan menggunakan format tertentu.
Kompresi berbasis transformasi citra merupakan kompresi yang bersifat lossy. Bagian ini menjelaskan model umum kompresi citra berbasis transformasi. Putra, 2010.
Citra input citra
ukuran N x N terkompresi
Citra Hasil Citra
terkompresi a
b
Gambar 2.5 kompresi citra berbasis transformasi a proses kompresi b proses dekompresi
Bentuk subimage ukuran n x n
Transformasi maju
kuantisasi
Pengkodean decode
Transformasi balik
Gabung n x n subimage
Universitas Sumatera Utara
Seperti ditunjukkan pada gambar 2.6 a, tahap pertama proses kompresi diawali dengan proses pembagian citra N x N menjadi beberapa subimage berukuran n x n,
sehingga diperoleh Nn
2
larik subimage ukuran n x n. tujuan pembagian ini adalah untuk melakukan dekorelasi pixel pada setiap subimage tau dengan kata lain
mengurangi korelasi pixel antar sub-image berurutan. Nilai n merupakan nilai bilangan integer dengan pangkat 2. Tidak ada ketentuan berapa nilai n yang harus
digunakan. Akan tetapi ukuran n yang paling sering digunakan adalah 8x8 atau 16x16 pixel. Pemilihan nilai n akan mempengaruhi kompleksitas komputasi proses kompresi.
Tentu n juga bias bernilai sama dengan N. dalam kasus ini hanya terdapat 1 subimage yaitu sama dengan citra semula.
Tahap kedua adalah melakukan transformasi pada setiap subimage. Seperti transformasi affine, fourier, cosines, dan lainnya. Hasil tahap ini tentu koefisien-
koefisien hasil proses transformasi. Tahap ketiga adalah kuantisasi. Proses kuantisasi akan menghilangkan koefisien-
koefisien yang mengandung informasi yang tidak signifikan. Koefisien-koefisien ini tidak memiliki pengaruh yang besar pada hasil citra rekonstruksi.
Tahap terakhir adalah proses pengkodean decoding.
c. Dekompresi citra images decompression
