You are on page 1of 78

BAB2 LANDASAN TEORI

2.1 Computer Vision Computer vision merupakan suatu bidang baru yang cukup terkena da am dunia i mu k!mputer. A an Turing" pencetus artificial intelligence dan sa a# satu penemu k!mputer digita " pema# mengatakan ba#$a sebua# k!mputer digita nantinya dapat memi iki kepintaran dan kemarnpuan untuk mengerti citra. Berdasarkan #a tersebut muncu a# computer vision sebagai %a$abannya. Computer vision &disebut%uga machine vision) ada a# suatu pembe a%aran dan pengap ikasian akan te!ri'te!ri dan a g!ritma yang mcmpcrb! c#kan k!mputer untuk mengekstraksi dan mengana isis in(!rmasi spesi(ik dari sebua# citra me a ui . pr!ses k!mputasi. Computer vision ber#ubungan erat dengan citra digita " baik secara indi)idua maupun secara sekuensia . Tu%uan daripada computer vision ada a# untuk membuat berbagai keputusan penting mengenai !b%ek'!b%ek (isik berdasarkan citra yang dimi iki &S#apir! dan St!ckman" 2**1+. ,ntuk membuat suatu keputusan mengenai !b%ek nyata" maka sebe umnya #arus dibuat

ter ebi# da#u u bentuk deskripsi dari citra tersebut. Sete a# diketa#ui bagaimana deskripsi citra" maka se an%utnya dapat diputuskan teknik computer vision apa yang dapat dipergunakan dida am citra tersebut. Bidang computer vision merupakan k!mbinasi antara peng! a#an citra (image processing) dan pengena an p! a (pattern recognition) dimana keduanya

ber#ubungan dengan pr!ses !t!matisasi interpretasi citra. .!nt!# ap ikasi dari computer vision ada a# sebagai berikut / a. O.R (Optical Character Recognition) O.R berguna da am mengk!n)ersi in(!rmasi dari bentuk

kertas men%adi bentuk digita . Da am pr!ses k!n)ersi tersebut" setiap bentuk karakter dapat dikena i dengan baik ! e# k!mputer. Bentuk ap ikasi ini dapat di i#at da am berbagai pera atan

e ektr!nik" seperti pada 0DA (Personal Digital Assistant). b. Object Detection Ap ikasi object detection berguna untuk mendeteksi keberadaan !b%ek da am .sc/bua# 1itru .kntuk ap ikasi ini sering

dipergunakan da am ana isis kese#atan" seperti pada 2RI ( agnetic Resonance !maging)" dimana dapat memberikan data citra yang ebi# akurat yang dapat mendukung pr!ses diagn!sis penyakit sendiri. c. !mage compression !mage compression berguna untuk mengeci kan ukuran citra tanpa mengurangi inti in(!rmasi yang terkandung dida amnya. te e)isi itu

Bentuk ap ikasi

ini biasanya dipergunakan pada siaran

dimana ter%adi pr!ses transmisi data citra dengan ukuran yang te a# dik!mpresi tanpa adanya ke#i angan data yang menyebabkan in(!rmasi dapat disampaikan dengan utu#.

2..2

Citra
.itra merupakan suatu bagian penting da am bidang computer vision. .itra berguna sebagai !b%ek utama yang diana isis da am computer vision. ,ntuk itu #arus diketa#ui ter ebi# da#u u apaka# arti dari citra itu sendiri. 0engertian dari citra secara umum ada a# suatu (ungsi intensitas ca#aya dua dimensi f#$"%) dimana $ dan % ada a# k!!rdinat p!sisi dan ni ai f pada k!!rdinat ($"%) disebut dengan brightness atau gra% level dari citra &4!n5a es dan 6!!ds" 2** I+. Bagian terkeci dari suatu citra disebut dengan pikse (pi$el& picture element) yang tersusun da am matriks dua dimensi pada ayar m!nit!r (x.y). Sebua# citra memi iki baik ni ai intensitas maupun ni ai R4B. .itra dapat direpresentasikan berdasarkan intensitasnya. Intensitas yang disebut sebagai brightness &tingkat kecera#an+ atau gra% level &tingkat keabuan+ biasanya memi iki ni ai integer p!siti( mu ai dari * sampai 277. .itra %uga dapat direpresentasikan dengan menggunakan three' chromatic dari peng i#atan manusia. dimana $ama yang timbu pada setiap bagian keci ca#aya dibentuk ! e# tiga angka. 8etiga angka tersebut terdiri dari $ama'$ama primer (Red (reen )lue) yang merupakan $ama dasar untuk membuat spektrum $ama. Ni ai dari $ama tersebut mu ai dari * sampai 277. Di uar dari ni ai tersebut maka akan dibu atkan ke ni ai terdekat sebab $ama yang muncu tidak akan beruba# agi.

7 t3 Pengolahan Citra (!mage Processing) 0eng! a#an citra (image processing) ber#ubungan dengan sega a bentuk pemr!sesan in(!rmasi dimana input dan !utputnya ada a# citra. 0r!ses ini bertu%uan untuk mendapatkan kua itas yang ebi# baik

da am bentuk yang e(isien. 8arena cakupan i mu peng! a#an citra cukup uas maka peng! a#an citra dapat dibagi'bagi men%adi beberapa sub kateg!ri seperti image enhancement" image compression" image filtering" image distortion" image displa%" dan image colouring. 0eng! a#an citra terdiri dari tiga ta#ap utama. Ta#ap pertama da am peng! a#an citra yaitu menentukan citra digita yang akan men%adi input untuk di! a# pada pr!ses berikutnya. Ta#ap kedua ada a# ta#ap pr!ses peng! a#an citra. Di ta#ap ini" input yang berupa citra digita tadi akan diana isis dan dimanipu asi sesuai dengan keinginan pemakai. 0ertama'tama akan di akukan ana isis dimana di akukan input. pr!ses La u

pengekstraksian in(!rmasi dan (itur'(itur pada citra

di akukan pr!ses manipu asi dimana di akukan pr!ses peruba#an ni ai dari bagian terkeci pada citra untuk suatu tu%uan tertentu seperti k!reksi $ama" penguba#an brightness dan contrast" penguba#an ukuran

(scaling)" dan penguba#an bentuk !b%ek (*arping). Ta#ap peng! a#an citra yang terak#ir ada a# membuat !utput berdasarkan peng! a#an yang te a# di akukan pada pr!ses sebe umnya men%adi bentuk citra digita kernba i.

II

Z.4

Kompresi Citra (!mage Compression) Seperti yang suda# disebutkan sebe umnya" sa a# satu sub kateg!ri dari i mu peng! a#an citra ada a# k!mpresi citra (image compression). Inti dan tu%uan utama dari pr!ses k!mpresi citra ada a# mengurangi %um a#

mem!ri yang dibutu#kan untuk menyimpan suatu citra. Biasanya k!mpresi citra di akukan dengan cara mengurangi pengu angan (redundanc%) Secara teknis k!mpresi. citra

in(!rmasi yang ada pada citra. ber#ubungan dengan

pr!ses meminimasi %um a# bit yang dibutu#kan

untuk merepresentasikan sebua# citra dimana se%um a# ni ai pikse ditrans(!rmasi ke da am ni ai yang ebi# keci tanpa adanya ke#i angan in(!rmasi yang berarti. 8!mpresi citra sangat berguna da am pru9'e9 !muru asi dimana dapat mempermuda# pr!ses transmisi penyimpanan suatu citra dikarenakan !utput k!mpresi citra meng#asi kan citra yang memi iki ukuran ebi# keci dibanding sebe umnya. .!nt!# %e as pr!ses k!mpresi citra ada a# sebagai berikut/ suatu citra yang memi iki res! usi :3*;3<* dan memi iki tipe $ama R4B dengan%arak $ama < bit membutu#kan =** +ilob%tes kapasitas penyimpanan. >ika citra tersebut dik!mpres dengan suatu a g!ritma tertentu yang memi iki rasi! 2*/I" maka kapasitas penyimpanan yang dibutu#kan #anya 37 +ilob%tes. 0ada c!nt!# diatas peng#ematan kapasitas penyimpanan yang ber#asi di akukan ada a# sebesar <77 +ilob%tes. Sampai saat ini" te a# banyak muncu met!de' met!de k!mpresi citra yang cukup baik" beberapa diantaranya ada a# 4I?" >0E4" B20" 0N4" T4A dan ,avelet.

0ada era in(!rmasi ini" kebutu#an akan kecepatan trans(er data dan peng#ematan kapasitas penyimpanan sangat a# penting ! e# karena itu peranan k!mpresi citra da am ap ikasi'ap ikasi nyata sangat a# dibutu#kan. .!nt!# ap ikasi'ap ikasi yang membutu#kan k!mpresi citra ada a# sebagai berikut

siaran t)" radar dan s!nar" teleconference"facsimile" medical image" dan multimedia.

..4.1 Teknik Kompresi Citra Teknik peng!mpresan secara umum dibagi men%adi 2 kateg!ri" yaitu loss% compression dan lossless compression. a. -oss% Compression 2ct 9>c/ >1mana A9aa data sumber di k!mpresi dan ketika di

dek!mpresi kemba i data #asi peng!mpresan tidak dapat dikemba ikan secara tepat sepeni data sumbemya. #anya mendekati data sumbemya.

,kuran (i e #asi dek!mpresi ebi# keci dari (i e sumber. b. -ossless compression 2et!de dimana saat data di k!mpresi dan ketika di dek!mpresi kemba i data #asi peng!mpresan dapat dikemba ikan secara tepat sama persis seperti data sumbemya. ,kuran (i e #asi dek!mpresi sama dengan (i e sumber. Da am peng!mpresan citra. yang biasa dipergunakan ada a# loss% compression dengan cara meng#i angkan se%um a# bit rate yang dipergunakan pada citra. Sayangnya teknik ini tidak dapat di akukan pada rasi! tinggi karena akan mengakibatkan penurunan kua itas citra.

<

Bang dapat di akukan untuk mengatasinya ada a# membuat citra lossless secara )isua " tetapi data sebenamya loss%. Teknik ini meman(aatkan ketidaksensiti(an mata kita se#ingga pengurangan kua itas da am rasi! tertentu masi# dapat dit! erir dan di i#at ! e# mata kita seperti citra as inya.

t.S t.S.l

Fractal Definisi Fractal .ractal ada a# !b%ek ge!metri yang bagian'bagiannya mempunyai persamaan bentuk yang me$aki i bentuk dasar !b%ek itu sendiri da am sega a ska a. Bentuk dari fractal ada a# irregular &tidak teratur+ dan k!mp eksitas fractal tidak pema# beruba#. .ractal memi iki dua ciri k#as" yaitu self'similarit% dan infinite detail. /elf'similarit% berarti setiap bagian darifractal memi iki bentuk dasar yang sama $a au di i#at menggunakan ska a apapun. Sedangkan infinite detail berarti setiap fractal memi iki bentuk dasar yang seakan'akan tidak #abis'#abis apabi a diper#atikan. Berbagai bentuk fractal yang terkena antara ain /ierpins+% 0riangle dan Von 1och /no*fla+e.

Gambar 2.1 C!n 8!c# Sn!$( ake 0er#atikan gambar 2.1. 0ada gambar tersebut dapat di i#at bah*afractal C!n 8!c# Sn!$( ake mempunyai tiga bua# !b%ek penting yaitu initiator" generator dan a2tractor. Bagian ber abe a disebut %uga sebagai initiator.

!nitiator dapat dianggap sebagai citra as i. ?ungsi dari initiator ada a# sebagai ba#an dasar untuk membuat fractal. Tanpa initiator suatu fractal tidak akan dapat terbentuk. Berdasarkan de(inisi diatas" initiator dapat dianggap sebagai bagian terkeci dari sebuahfractal. Bagian ber abe bl dan b3 biasa disebut %uga sebagai generator. (enerator berasa dari #asi trans(!rmasi p! a yang ada pada initiator ke da am bentuk dasar initiator itu sendiri. 0ada gambar" ter i#at %e as bagian bl terbentuk

1*

dari #asi pr!ses trans(!rmasi bagian a ke da am bagian a itu sendiri sedangkan bagian b3 terbentuk dari #asi pr!ses trans(!rmasi bagian bl ke bagian bl itu sendiri. Berdasarkan pen%e asan diatas" generator dapat dide(inisikan sebagai #asi dari trans(!rmasi initiator ke da am dirinya sendiri. Bagian terak#ir ada a# bagian c. bagian c dapat disebut %uga

sebagai a2tractor. Attractor merupakan basi ak#ir dari trans(!rmasi yang di akukan generator. O e# karena itu attractor sering disebut %uga sebagai fractal itu sendiri.

Gambar 2.2 /ierpins+% 0riangle

.5.2 Dimensi Fractal Dimensi.fractal ada a# suatu bi angan rea yang menun%ukkan dera%at ketidakteraturan bidang.fractal tersebut. Rumus dimensi.fractal ada a# /

11

Dimana D ada a# dimensifractal" 4 ada a# %um a# segmen garis pada generator" dan R ada a# pan%ang segmen garis pada generator dibagi %arak titik a$a dan ak#ir generator.

!.6

!S (Iterated Function System)

!.6.1 Pengertian !S I?S ada a# suatu (ungsi iterasi yang terdiri dari sekumpu an transformasi' affine yang dipi i# sedemikian rupa #ingga gabungan dari transformasi'affine tersebut mendekati citra target. Si(at dari I?S menyerupai si(at mesin (!t!k!pi" yaitu menya in kemba i suatu bentuk ke da am p!sisi dan ukuran yang dtinginkan. 0rinsip (contractive terpenting mapping) da am dimana I?S sete a# ada a# semua pemetaan k!ntrakti(

transformasi'affine

ditentukan" I?S dapat diterapkan dengan mengk!dekan semua k!e(isien trans(!rmasi. 0emetaan suatu (ungsi ke dirinya sendiri dikatakan k!ntrakti( bi a se isi# ni ai #asi (ungsi pada setiap iterasi semakin keci . Te!rema pemetaan k!ntrakti( menyatakan ba#$a setiap I?S memi iki suatu uni5ue fi$ed point pada pemetaan (ungsi f($) D $ dimana ni ai itu merupakan ni ai dari attractor sebua# I?S. Rumus dari uni5ue fi$ed point ada a# sebagai berikut / N

12 A=Uwn(A) n = l Dimana" A :Attract!r

1-

N ,

: >um a# iterasi / Trans(!rmasi A((ine

.6.2 Transformasi-Affine 0ransformasi'affine ada a# trans(!rmasi inier yang terdiri dari empat !perasi dasar yaitu r!tasi" pergeseran" trans asi" dan penyeka aan. Trans(!rmasi dinamakan affine karena terdapat a(initas &#ubungan+ antara )isua dan struktura antara bentuk ama dan bentuk yang baru.

D Kot ak

''....."F

.""\.

Rotasl

Pergeseran

(6l

"'\

b D
Translasl
Penyekalaan

Gam bar 2.3 Bentuk trans(!rmasi'a((ine dari segi empat Trans(!rmasi titik'titik da am bidang dapat dinyatakan dengan suatu perka ian matriks trans(!rmasi T dengan )ekt!r v yang me$aki i k!!rdinat titik tersebut. 8!!rdinat baru #asi trans(!rmasi (x2.Y2) didapatkan dengan me akukan !perasi perka ian antara T dan v. T D H/ " v D HIJ

G9

13

Beberapa bentuk trans(!rmasi dasar yaitu / a. R!tasi (rotation) Bentuk matrik trans(!rmasinya ada a# sebagai berikut. H
2

; H. s
J= 3

/;n 5q Cos .

/in7.8 $ y9$8
KKK KKK * *. **

/in 5 5 Cos5 Gam bar 2.4 /in 5 dan Cos .

.t

Cos.

'/in .

Dimana q ada a# besar sudut r!tasi ter#adap sumbu $ dengan ara# ber a$anan %arum %am" sedang . ada a# besar sudut r!tasi ter#adap sumbu % dengan ara# ber a$anan%arum%am. b. 0ergeseran (shearing) Bentuk dari trans(!m1asi ini ter i#at seperti LmenarikL sebagian sisi !b%ek ge!metri ke sebua# ara# yang para e dengan k!!rdinat sisi satunya. Bentuk

17 matriks s#earing ada a# sebagai berikut.

c. Trans asi (translation)

Titik ' titik sebua# !b%ek dapat dipinda#kan da am arab #!ris!nta sebesar t$
satuan dan da am arab verti+al sebesar t% satuan dengan !perasi pen%um a#an

sebagai berikut.

:3J = %<t% M
d. 0enyeka aan (scaling)

; H; t;J

0enyeka aan diatur ! e# c cmcn diag!na matrik" yaitu ni ai s$ dan s%. Bentuk matrik trans(!rmasinya ada a# sebagai berikut / H

B5 J = *

; 9s$ s% !J

Dari empat !perasi trans(!rmasi diatas. yang dipakai da am I?S #anya tiga !perasi" yaitu penyeka aan" r!tasi dan trans asi. Bentuk dari transformasi' affine da am I?S dinyatakan dengan /

;2 =a$<b%<t$ Y2 =c$<d%<t% Dimana a" b" c" d me$aki i !perasi penyeka aan dan r!tasi" sedangkan t$ dan t% me$aki i !perasi trans asi.

.6.3 Teorema Colla e 0r!ses pada I?S ada a# pr!ses untuk menggenerate suatu fractal dengan cara me akukan (ungsi iterasi secara k!ntrakti( dengan k!e(isien affine ke da am dirinya sendiri. 0r!ses I?S dapat dianggap sebagai pr!ses pembentukan attractor dari inilialor. La u muncu sebua# pertanyaan baru" LApaka# mungkin pr!ses itu diba ik" bisaka# attraclor dikemba ikan men%adi sebua# initiator>?. 2asa a# ini dikena dengan inverse problem"

bagaimana dari sebua# fractal kita dapat me acak inilialor yang mirip dengan fractal tersebut. Dan muncu a# te!rema collage sebagai s! usinya. Te!rema collage menyatakan ba#$a%ika ,(6) mendekati Emaka

uni5ue fi$ed point ,(l) D ,(,(, ..6f7(l)...)) %uga mendekati I. 4ambar 6& + tersusun dari semua gabungan dari W(J(/)).

"

Kompresi Citra Fractal 8!mpresi citra frac@al pertama ka i dikena kan ! e# 2ic#ae ?. Bams ey pada a$a ta#un 1=<*. La u dikembangkan ! e# Arnaud >acNuin yang ak#imya menciptakan k!mpresi citra fractal pertama" yaitu Partitioned

!terated .unction /%slem fractal da am met!de

&0I?S+.

8arena menggunakan karakteristik

1=

peng!mpresannya maka teknik k!mpresi ini sering disebut pu a sebagai k!mpresi citra fractal (fractal image compression) atau dapat disingkat men%adi +ompresifractal. 8!nsep dari k!mpresi fractal ada a# meruba# suatu citra as i men%adi k!e(isien fractal menggunakan te!rema collage dan meng#asi kan citra dek!mpresi dengan cara me akukan pr!ses I?S ter#adap k!e(isien fractal tersebut &Bams ey" 1==-+. Dengan #anya menyimpan.beberapa +oe sienfractal #asi dari transformasi'affine" maka secara !t!matis ukuran data citra akan ebi# keci dibanding menyimpan kese uru#an citra. Bams ey mengemukakan ba#$a sebua# fractal merupakan sa inan dari setiap initiatorn%a sendiri. 0ada kenyataannya suatu citra tidak benar'benar memi iki sebua# bagian keci (initiator) yang sama persis dengan dirinya seperti pada fractal. Tetapi kemungkinan ba#$a adanya kemiripan bagian keci dari suatu citra dengan bagian yang ainnya se a u ada. Ini berarti ba#$a kumpu an initiator yang memi iki si(at self'similarit% tidak dapat membentuk kese uru#an citra as i" namun dapat membentuk bagian tertentu dari citra as i.

2*

Gam bar 2.7 /elf'similarit% dari sebua# citra

21

0ada gambar 2.7 dapat ditemukan ba#$a bagian t!pi dari citra tersebut sama dengan bayangan t!pi yang terpantu di kaca. ni

menun%ukkan ba#$a sebenamya kemiripan (self'similarit%) da am sebua# citra sebenamya ada tetapi tidak disadari. Teknik mempartisi dan menemukan bagian'bagian citra terbaik yang sa ing terk!neksi tidak a# muda#. Sampai saat ini" banyak teknik partisi citra yang te a# dikembaFngkan. Diantaranya ada a# met!de partisi 5uadtree dan hori;ontal' vertical. @.1 Ta#apan 8!mpresi .itra .ractal 4ambaran umum ta#apan pr!ses pada k!mpresi citra fractal ada a# sebagai berikut / a. Skema 0artisi Skema partisi ada a# sa a# satu ta#apan yang sangat penting. 0emi i#an met!de skema partisi sangat mempengaru#i kua itas" rasi! dan $aktu peng!mpresan citra. 0ada ta#ap ini" suatu citra dipartisi ke da am kumpu an range dan d!main. Bentuk partisi dibagi men%adi dua %enis" yaitu/ I. Right angled partition scheme dimana bentuk partisinya sesuai dengan bentuk as i pikse dan membentuk sudut yang berp!t!ngan secara tegak urus. .!nt!#

22 met!de partisi ini ada a#.(i;ed bloc+" region'based dan 5uadtree. 2. 4ot'right angled partition scheme

2-

dimana bentuk partisinya tidak sesuai dengan bentuk as i pikse dan membentuk sudut yang berp!t!ngan diag!na . .!nt!# met!de partisinya
ada a# triangular dan de2auna% triangulation.

Region'based Auadtree

0riangular Gambar 2.: Bentuk partisi

De2auna%

0rian 2ation

b. Se eksi D!main

0enentuan pan%ang dan Iebar dari d!main mempengaru#i kua itas dan $aktu k!mpresi. Semakin keci ukuran d!main menyebabkan kua itas citra terk!mprcsi makinbaik namun $aktu k!mpresi akan semakin ama

dikarenakan banyaknya d!main yang dipr!ses" begitu %uga seba iknya. c. Trans(!rmasi B !k Trans(!rmasi b !k ada a# pr!ses penyeka aan ukuran d!main se#ingga sama dengan ukuran range. >enis pr!ses trans(!rmasi b !k sangat dipengaru#i ! e# skema partisi yang di akukan. ,ntuk skema partisi right'angled" pr!ses 1pengeci an1 d!main di akukan dengan cara menga ikan d!main dengan (akt!r ska a penga i. ,ntuk mendapatkan ni ai pikse maka di akukan teknik averaging pada pikse
tetangga. Sedangkan pada skema partisi not'right angled pr!ses trans(!rmasi

b !k ebi# rumit karena diper ukan k!n)ersi bentuk bagian dari bentuk pikse ke da am bentuk partisi p! ig!n yang diinginkan.

23 d. Bncoding

0ada ta#ap ini di akukan pr!ses penyimpanan dan penga !kasian k!e(isien transformasi'affine" !kasi d!main dan !kasi range men%adi bentuk bit. e. Decoding 0ada ta#ap dec!ding" pr!ses I?S di akukan ter#adap k!e(isien fractal yang disimpan se#ingga membentuk suatu citra #asi k!mpresi.

"@.2 Range" Domain# $an Domain Pool 0ada a$a nya sebua# citra dipartisi men%adi 2 bagian" yaitu range dan d!main. Range ada a# #asi partisi dari suatu citra dimana setiap bagiannya tidak b! e# sa ing menimpa (non'overlapped bloc+). Daiamfractal" range disebut %uga initiator yang diper ukan untuk membentuk sebua# attractor. Ri
R21

R1 2
R22

R R2-

R1 3
R23

R n
R2 n

Rm 1

Rm 2

Rm -

Rm 3

Rm n

4am bar 2.@ Segmentasi b !k range pada sebua# citra

Range pada umumnya berbentuk bu%ur sangkar" namun sesunggu#nya tidak ada ke#arusan mengenai bentuk dan ukuran range. 0emi i#an bentuk serta ukuran range yang tepat dapat meng#asi kan rasi! k!mpresi yang cukup tinggi" kua itas citra yang masi# dapat diperta#ankan dan $aktu k!mpresi yang cukup renda#. Bi a ukuran range ter a u besar" maka citra basi pr!ses k!mpresi akan menga ami penurunan kua itas yang besar" namun r Asi! k!mpresi yang dicapai akan tinggi. Demikian seba iknya %ika ukuran range ter a u keci " maka rasi! k!mpresi akan renda# namun kua itas citra semakin baik. Tidak seperti range" d!main ada a# basi dari partisi citra yang b! e# sa ing menimpa antara satu dengan yang ainnya (orerlapped bloc+&. D!main merupakan bagian dari citra yang mirip dengan range. D!main %uga sering disebut dengan codeboo+. ,kuran dari d!main #arus ebi# besar atau sama dengan range. Aturannya ada a# OGsG dimana s ada a# (akt!r ska a penga i. ?akt!r ska a penga i (s) dari d!main ke range pada umumnya dibagi men%adi empat ukuran" yaitu s E S DOI I 3"1I 2"-I 3"1P. D!main dikatakan 2 ka i ebi# besar dari range %ika s D :;" d!main dikatakan 3 ka i ebi# besar dari range %ika s
=

:." dan seterusnya. 0r!ses

k!mpresi di akukan dengan menemukan pemetaan transformasi'ajjine terbaik dari d!main ke range.

0ransformasi affine

B;B

2B;2B
Gambar 2.% 0ransformasi'affine memetakan d!main ke range 8arena d!main b! e# sa ing bertumpuk" maka %um a# d!main pada citra dipengaru#i ! e# step hori=ontal (,I/;) dan .C2rr 7??tical &:1Q+ yang ditentukan. Rum us per#itungan range dan d!main pada sebua# citra ada a# / a. Range suatu citra berukuran $ pikse dengan ukuran range )$) pikse akan

memi iki range sebanyak /

b. D!main >ika kita tentukan step d!main sebesar D pikse " maka t!ta d!main yang ada pada citra tersebut dapat diper! e# me a ui rumus berikut / &@EFG I 3) + I+ * ( 2B + I+

Berikut ada a# c!nt!# per#itungan range dan d!main.

Suatu citra gra%scale berukuran 27:;27: pikse dengan ukuran range ada a# <;< pikse . /tep hori;ontal (oh) dan step vertical (ov) sebesar 3 pikse . Range baik )ertika maupun #!ris!nta ber%um a# -2 bua#. >um a# range t!ta ada a# -2 ; -2 = 1*23 range. >um a# d!main b !k ada a# :1 ; :1 = -@21 d!main b !k. Dikarenakan ada < transformasi'ajjine &3 ara# r!tasi dan 3 ara# trans asi+ yang di akukan untuk mencari d!main terbaik dari suatu range" maka pada setiap range di akukan se%um a# < ; -@21 = 2=@:< pr!ses. Dengan %um a# range sebanyak ! H3I range" maka secara kese uru#an ada 2=@:< ; I *23 = -*3<23-2 pr!ses. Semakin banyak pr!ses yang di akukan berarti semakin ama $aktu k!mpresi yang dibutu#kan. 0cncarian d!main terbaik dengan cara membabi buta sangat a# tidak e(isicn dan memakan $aktu. ,ntuk itu dibutu#kan strategi untuk menge(isienkan pcncarian d!main terbaik. yaitu dengan cara mengurangi %um a# d!main yang dicari. 0r!ses ini disebut dengan domain pool. Domain pool atau virtual codeboo+ ada a# beberapa kumpu an d!main yang dekat dengan suatu range. Landasan pemikiran domain pool menyatakan ba#$a pada umumnya d!main terbaik dari suatu range ter etak tidak %au# dari range tersebut. 0ada domain pool" pemi i#an d!main terbaik tidak di akukan pada kese uru#an d!main yang ada pada citra" me ainkan #anya pada domain pool yang yang bersangkutan.

Range

- .w
I I I I

D!main &i& E " orR".

'' ' ' ' '''

TF II I

t=Ji=
K

no

L+ T 2B

I I

I I;

l ! /f--1.+2B.-.j
.andia/1te d!main b !ck

Gambar 2.' D!main dan domain pool pada suatu citra

.".3 Contrast $an "ri #tness Contrast menyatakan tingkat perbedaan antara suatu $ama dengan $ama ainnya" sedangkan br#ghtness menyatakan tingkat keterangan

dari $ama tersebut. Rumus peng#itungan ni ai contrast antara range dengan d!main ada a# sebagai berikut/

Rumus peng#itungan ni ai brightness antara range dengan d!main ada a#

sebagai berikut

(nrows-$ ncols-l

nrows-l nco%s-l

b=

(nro*s ncols)

() ()
j=O ptij iDO
iDO

p3ij'cJ

() ()
j=O

>

-2

Dimana"

c b pi p2

/ ni ai contrast / ni ai brightness / ni ai pikse pada sebua# d!main / ni ai pikse pada sebua# range. / %um a# kese uru#an pikse yang berada da am suatu range tertentu.

nro*s ! ncols

ukuran dari range atau d!main

.@.3 *ilai +rror D!main terbaik yang pa ing mirip dengan suatu ranARG >Kdap/tt b a ni ai err!r antara pasangan range'd!main tersebut merupakan yang terkeci . 2aksud dari ni ai err!r ada a# se uru# se isi# ni ai pikse yang ada antara pasangan range dengan d!main Rumus peng#itungan ni ai err!r (E) ada a# sebagai berikut/ B =?-9f(i" j)' .(i" j)f Dimana" f(i.j) .(i.j) Ni ai pikse range pada k!!rdinat i.j Ni ai pikse d!main pada k!!rdinat i.j

% Protot,ping

-Da am perancangan s!(t$are ap ikasi untuk e)a uasi digunakan m!de protot%ping di mana protot%ping merupakan sa a# satu met!d! !gi perancangan ap ikasi yang dapat digambarkan dengan gambar diba$a# ini.

-3

0erancangan

Ana isis kebutu#an

TestingEImp e mentasi

0r!t!typing 2!de

gam bar 2.1- Protot,ping .o$el 4ambar diatas men%e askan ba$a# da am protot%ping m!de #asi perancangan ap ikasi tidak a# se esai pada ta#ap testing dan imp ementasi" tetapi sete a# di testing dan diimp ementasikan akan di akukan ana isis kebutu#an

-7 apaka# ada kekurangan'kekurangan yang per u disempumakan dan kemudian akan di akukan perancangan kemba i untuk menyempumakan ap ikasi tersebut" dan pr!ses ini ter%adi sampai ap ikasi men%adi sempuma. Da am pene itian ini" perancangan s!(t$are ap ikasi pengu%ian

met!de yang dirancang digunakan m!de pr!t!typing seperti yang te a# di%e askan diatas. Berdasarkan ana isis ke ema#an diba$a# maka akan

dirancang met!de yang

ebi# e(ekti( dan dapat diimp ementasikan da am agi dengan mengana isis

bentuk pr!t!type yang masi# dapat dikembangkan

ke ema#an'ke ema#an yang ada pada pr!t!type #asi perancangan.

'''''''''''''''''''''''''''''''

-1

/.=

Kelemahan /eberapa .eto$e Partisi Dalam Kompresi Citra Fractal 8!mpresi citra (racta merupakan suatu bentuk k!mpresi yang kee(ekti(annya tergantung dari bentuk partisi yang dipakai. Bentuk partisi ini a# yang menentukan ukuran range dari citra. Bi a ukuran range ter a u besar" maka citra basi pr!ses k!mpresi akan menga ami penurunan

kua itas yang besar" namun rasi! k!mpresi yang dicapai akan tinggi. Demikian seba iknya %ika ukuran range ter a u keci " maka rasi! k!mpresi akan renda# namun kua itas citra semakin baik. Sampai saat ini te a# banyak met!de partisi yang te a# dikembangkan. Beberapa diantaranya yang sering dipergunakan ada a# fi$ed bloc+. pol%gonal" dan 5uadtree. 2et!de fi$ed bloc+ ada a# bentuk partisi yang pa ing seder#ana. Tekn%k ini mempartisi pikse citra keda am range'range berbentuk bu%ur sangkar yang memi iki ukuran yang sama satu dengan yang ain. >enis partisi ini sangat memb!r!skan $aktu pada saat pencarian d!main terbaik terutama pada citra yang berukuran besar. 8e ema#an ain dari teknik ini ada a# menyamakan semua bagian dari citra tanpa memper#itungkan karakteristik dari citra itu sendiri. 2et!de p! yg!na merupakan %enis bentuk partisi yang memi iki bentuk yang tidak biasa. Teknik ini mempartisi pikse citra keda am range' range yang berbentuk p! ig!n. Tetapi karena bentuk partisinya berbeda

dengan bentuk pikse (s5uare)" maka partisi ini tidak dapat dipergunakan sebe um bentuk pikse pada citra sesuai dengan bentuk partisinya. Disini a# ke ema#an utama dari met!de pol%gonal. ,ntuk menggunakan bentuk

partisi ini kita memer ukan suatu a at

-<

penangkap citra yang dim!di(ikasi se#ingga dapat membagi citra keda am pikse yang sesuai dengan bentuk partisi. 2et!de 5uadtree ada a# bentuk partisi #asi m!di(ikasi dari met!de fi$ed bloc+. Teknik a$a nya membagi citra keda am range'range berbentuk 3 bu%ur sangkar yang sama besar. Sete a# itu pada range yang memi iki err!r ebi# besar dari threshold akan di akukan partisi agi pada range tersebut. Begitu pu a dengan range dida amnya" apabi a masi# ebi# besar dari threshold akan dipartisi kemba i. Tetapi pada batasan maksimum" partisi akan ber#enti di akukan. >enis partisi ini cukup meng#emat $aktu pada saat pemetaan d!main ke range sebab tidak semua range memi iki ukuran keci . 8e ema#an dari partisi ini ada a# threshold yang dipergunakan sama untuk sega a e)e partisi. Sete a# dite iti" #a ini tidak e(ekti( dan #asi dari partisi meng#asi kan banyak range. Berdasarkan ana isis diatas" met!de 5uadtree memi iki keunggu an ebi#. Dengan

menggunakan a g!ritma adaptive threshold maka ke ema#an dari 5uadtree dapat diatasi.

-=

.1-

.eto$e Partisi Ada&ti'e (uadtree

.1-.1 Skema Partisi (uadtree


Inti met!de partisi 5uadtree ada a# mempartisi citra ke da am 3 sub n!de
berbentuk bu%ur sangkar yang berukuran sama.


0 / $
L
F
(j

u N 2 T s

. 3 , Q . 4

5 a 6 Gam bar 2.11 &a+ Bentuk representasi citra menggunakan met!de 5uadtree

3* 0er#atikan gambar 2. &a+. 0ada a$a nya citra A dibagi men%adi 3 sub n!de yaitu )" ." D" B kemudian n!de C dipartisi men%adi 3 sub n!de ."("K"l" n!de D dibagi men%adi 3 sub n!de 6. 1" -" " dan seterusnya.

Subungan da am met!de 5uadtree %uga dapat direpresentasikan me a ui sebua# tree. Setiap n!de dapat dibagi men%adi empat sub n!de. Sebua# 5uadtree membagi range ke da am beberapa e)e sesuai ukurannya.

31

''''''''Q'''''Q 2

R D T U

"

# $

Y t ''' 3

(b)

Gam bar 2.11 5b6 8!resp!ndensi da am suatu 5uadtree 0er#atikan gam bar 2. I &b+. N!de A sebagai root

menun%ukkan repre ente S re rti1i da am bentuk 5uadtree. Setiap n!de yang terbagi men%adi empat menggambarkan diba$a#nya. Representasi dari suatu citra menggunakan 5uadtree ditentukan ! e# dua parameter. yaitu e)e minimum dan e)e maksimum. ,kuran 5uadtree sub n!de baru memi iki e)e baru yang

tingkat keda aman partisinya. Begitu pu a dengan sub n!de

menentukan ba#$a suatu citra minima #arus dipartisi sampai e)e minimumnya

32 dan e)e partisi tidak b! e# me ebi#i e)e maksimurnnya. Le)e minimum ada a# e)e dimana pengk!dean 5uadtree dimu ai. sedangkan e)e maksimum ada a# batas maksima pengk!dean 5uadtree. 0engk!dean 5uadtree #anya di akukan di antara e)e minimum dan e)e maksimum. N!de yang memi iki e)e diba$a# e)e minimum dan diatas e)e maksimum tidak akan dik!dekan. N!de yang terpeca# memi iki ni ai I" sedangkan n!de yang tidak terpeca# memi iki ni ai *.

0er#atikan gambar 2.1A&b+" urutan pembacaan struktur 5uadtree menggunakan breadth first search dengan level minimum D 2 dan

level ma+simum = 3 ada a# sebagai berikut / 70/0C0D0+0!0G010l080K0)0.0*0-0P09020S0T-%-"-:040; 8!de 5uadtree yang di#asi kan ada a# / I-O-l-l-l-O-O-O-O-O-I-0-0-0-0-l-0-0-0-0-0-0-0-0-0 Tetapi karena sete a# mencapai e)e maksimum suda# pasti n!de tidak dapat dibagi agi men%adi sub n!de baru" maka kita dapat mengabaikan k!de di e)e maksimum. >adi k!de 5uadtree yang suda# dikurangi dengan e)e maksimumnya ada a# / l-0-1-l-l-0-0-0-0-0-l-O-O-O-O-l-O

.1-.2 Ada&ti'e Tit res%told 0ada a$a nya teknik 5uadtree menggunakan satu ni ai threshold err!r tetap (fi$ed threshold). Namun teknik ini memi iki ke ema#an karena satu ni ai threshold tetap tidak a# c!c!k untuk diap ikasikan ukuran range yang berbeda'beda. ter#adap

,ntuk itu dipergunakan adaptive ni ai threshold err!r

threshold dimana setiap e)e 5uadtree memi iki yang berbeda'beda sesuai dengan e)e nya. Teknik adaptive threshold sebe umnya

te a# dite iti

dan

dibuktikan ba#$a & ika kita memakai adaptive threshold pada e)e 5uadtree" maka kua itas pengk!dean citra akan ebi# baik daripada mengguna+anji$ed threshold pada bit rate yang sama &S#usterman dan ?eder" 1==3+.

Berikut ada a# ta#apan adaptive threshold dan penggunaannya da am partisi 5uadtree" a. ,ntuk setiap b !k range" cari k!e(isien.(racta terbaik yang memi iki minima err!r diantara domain pool'n%a. b. >ika err!r minima ebi# besar dari initial threshold dan e)e n!de masi#

diba$a# maksimum e)e " partisi b !k range men%adi empat bagian sama besar. c. !nitial threshold (e6) di e)e pertama men%adi men%adi sub threshold bagi e)e se an%utnya. Rumus dari adaptive threshold ada a# sebagai berikut /
I ' -

1 e.= +.e.

Dimana" ei + threshold dari e)e i.


ni ai threshold yang pas bagi k!ndisi e)e . Berdasarkan pene itian S#usterman dan ?eder" ni ai + yang pa ing tepat pada adaptive

threshold ada a# 3. d. , angi ta#ap a dan b sampai e)e n!de memenu#i batas maksimum e)e . 2et!de partisi ini kemudian adaptive 5uadtree dimana ebi# dikena dengan met!de

menggunakan

partisi 5uadtree dengan

menggunakan adaptive threshold. 11 Peran<angan Pen,impanan Data 0ada umumnya k!mpresi data pada citra berbentuk sekumpu an

in(!rmasi yang didapatkan dari citra yang disimpan ke da am bentuk bit'bit.

Symb! s

Setiap in(!rmasi terdiri dari serangkaian simb! 'simb! yang akan diuba# ke da am k!de. Semakin banyak simb! maka semakin banyak %um a# bit yang

('M

dibutu#kan. Apabi a met!de k!mpresi yang dipakai cukup e(ekti(" maka akan meng#asi kan kumpu an k!de yang ukurannya ebi# keci daripada ukuran as inya.

''D....

Read Input Symb! s

Enc!de Symb! s

Output .!de

.!de

Symb! s

(-.
Output Symb!

(3'
Dec!de
Symb! s

Read Input .!de

4am bar 2.12 8!mpresi dan dek!mpresi data secara umum

Sa a# satu met!de k!mpresi yang digunakan da am menyimpan data ada a# adaptive arithmetic coding. 2et!de ini cukup e(isien karena dapat me akukan k!mpresi dengan rasi! ebi# dari 3*T. Inti dari adaptive arithmetic coding ada a# meng!mpres data dengan

mengganti simb! dari k!de as i men%adi simb! representasi pr!babi itas kemuncu an simb! tersebut. Teknik adaptive arithmetic coding mengk!n)ersi kese uru#an simb! yang ada pacta suatu in(!rmasi berdasarkan ni ai

pe uang kemuncu an antara &*.* /S n ) 1.*+. Setiap simb! yang akan dik!n)ersi memi iki

38 per#itungan pr!babi itas masing'masing. Rumus dasar dari adaptive arithmetic coding ada a# / P($) = dimana.
p

4($) MI 4($)<4(%)<4(;)< jum

sim

= Ni ai pr!babi itas dari simb!

$.%.= N jumFsim

= Simb! 'simb! yang ada pada suatu in(!rmasi


=

>um a# dari simb! 'simb! yang suda# di encode

= >um a# %enis simb! yang ada

/ 7 /3 7*7) S S D7* P+27*C7*G7* K=.P2+S D7* D+K=.P2+S C T27

.1

7nalisis $an Peran<angan Kompresi Citra 8erangka umum dari k!mpresi citra menggunakmet!de adaptive 5uadtree dapat di i#at pada gambar -.1.

Partisi

.itra

Seleksi )omain

* o

4
+ncodin
?i e+ Kompresi

Transformasi

lok

r Ada&ti'e (uadtree

Ada&ti'e Arit#metic +ncodin

Gambar 3.1 Ta#apan k!mpresi citra met!de 5uadtree 0ada gambar diatas" terdapat tiga bagian utama pr!ses k!mpresi citra. 8etiga bagian tersebut ada a# E

a. 0artisi citra A$a nya citra dipartisi ke da am range'range menggunakan adaptive 5uadtree. La u tentukan parameter'parameter yang dipergunakan"

yaitu range" d!main" dan domain pool. b. Trans(!rmasi B !k

71

,ntuk

se uru#

d!main

akan

di akukan adaptive

trans(!rmasi 5uadtree.

b !k

menggunakan met!de

partisi

2u a'mu a

ukuran d!main dipr!ses se#ingga sama dengan ukuran range. Sete a# itu di akukan pr!ses pencarian d!main terbaik dari range yang ada menggunakan transformasi'affine. c. Bncodi ng 0ada pr!ses encoding" se uru# k!e(isien yang ada dik!n)er7i ke da am b%te yang ebi# keci menggunakan a g!rit +/ a adaptive 'arithmetic coding agar ebi# meng#emat kapasitas penyimpanan.

.1.1 7nalisis Partisi Citra Suatu citra T berukuran NxN akan dipartisi m./nggunakan mct!de adaptive 5uadtree. 0ertama'tama tentukan ter ebi# da#u u e)e minimum dan maksimum dari suatu citra. Sete a# parameter tersebut ditentukan" partisi citra sampai batas e)e minimumnya tercapai. Sasi partisi tersebut akan men%adi range dari citra. Se an%utnya akan dicari d!main dan domain pool dari setiap range. Bentuk dari d!main dan domain pool tersebut ada a# persegi. 0emi i#an bentuk persegi ini didasarkan pada bentuk dasar dari ' pikse sendiri agar mempermuda# pr!ses partisi. ,ntuk mencari d!main dan domain pool dari sebua# range" ter ebi# da#u u #arus ditentukan empat parameter pendukungnya" yaitu itu

72 l$" l%" step vertical" dan step hori;ontal. 0arameter l$ dan l% berguna untuk menentukan pan%ang dan vertical dan step hori;ontal Iebar domain pool. Sedangkan step

7-

berguna untuk menentukan angka# pergeseran pencarian d!main di da am domain pool. Secara kese uru#an" keempat parameter ini berguna da am menentukan %um ab d!main yang ada pada domain pool. .!nt!# per#itungan d!main dan domain pool ada a# sebagai berikut / %ika terdapat suatu range berukuran B ; B dan diketabui ni ai s sebesar :"" maka ukuran d!main ada ab 2B
; 2B dan didapatkan ukuran domain pool sebesar (3)<l$) ; (3)<l%).

Domain Pool Domain 3;3 l$

so so
H
&(l

so 49
!!!.>

47 47

48 49

I I

,,
-1"

" "

47 49 49 49

so
50 49 49
49

:*

51

47 7*

49 49

so

71 LH 50

?2
52 52 52

48
50 49 50

52 52

so

52

R a n g e3 $ 3

73

Gambar -.2 Bentuk citra sebe um partisi dengan range 2;2 yang memi iki d!main 3;3

.1.2 7nalisis Transformasi /lok Sete a# d!main dan domain pool didapat. maka akan di akukan pencarian range'd!main terbaik. 0ertama'tama tentukan ter ebi# dabu u parameter err!r yang akan dipergunakan saat pemi i#an d!main terbaik. Ada dua %enis ni ai err!r yang dipakai saat peng#itungan" yaitu ni ai err!r antara d!main'range dan ni ai initial error da+, threshold.

''''''''''

32 0emi i#an pasangan range'd!main dimu ai dengan mencari d!main terbaik dari domain pool. 0r!ses akan di akukan menggunakan step hori;ontal ke kanan sebanyak I pikse &sampai batas ak#ir l$) dan step vertical ke ba$a# sebanyak I pikse &sampai batas ak#ir ly). Sete a# itu" pr!ses pencarian d!main terbaik di akukan dengan cara meng#itung uminansi dan meng#itung err!r Q antara range dengan setiap d!main yang ada. 0asangan range'd!main terbaik ada a# pasangan yang memi iki ni ai err!r terkeci dari transformasi'affine
dengan 3 ara# r!tasi dan 3 ara# trans asi diantara se uru# d!main b !k yang ada
0 4
< I

5 = 1

2 : 1 1

3 @
I

1 1 1 1

< =

1
I

12 0 I 2 3 3
I I 1

: @

4 5

0 I

2 2 &a+3 R!tast 33 ara#

I @

1 1
:

<

3 2
I

@ :

I = <

5 I

4 0

5 4

1 1 1 1

1 1 0 4
I I 1

4 1 5 < = 1 1 1 @ I 1 0 I 4 5 = < 1 1 3 2
@

1 1 5 1 1 3 2 1 < 4 0

3 2
I

=
<

5 4 1 1
-

0 1 I
@

1
= 5 I

&b+ Trans ast 3 ara# 4am bar -.- &a+ Bentuk r!tasi 3 ara#" &b+ bentuk trans asi 3 ara# Sete a# di akukan pr!ses pencarian d!main terbaik maka akan didapatkan pasangan range'd!main terbaik. Sesuai dengan syarat partisi 5uadtree ba#$a %ika

ni ai error terkeci antara range'd!main ebi# besar dari initial threshold dan e)e n!de masi# diba$a# e)e maksimumb !k range a u dipartisi men%adi empat bagian sama besar.

''''''''''''''' '''

./

Domain Pool

Domain I$I l$
50 50 5 0
4 9 4 7 4 9 4 7 47 47 47 49 49 49 4 9 4 7
L H

H 50
51 51 5 2 5 0 50 50 50 5 1

4 7 4 8 4 7

4 8 5

4 9 4 9

50 50
4 8 4 8 4 9

4 9

5 0 5 2 52 52 52

5 2 5 1

5049 49
49

5 0

5 2

52 52 52

Ra ng e 2

x 2

Gambar -.3 Bentuk citra sesuda# partisi dengan range 2;2 yang memi iki d!main 3;3 Sete a# met!de partisi 5uadtree di akukan di se uru# bagian range maka akan didapatkan kumpu an range (B) dengan ukuran yang berbeda' beda. Ni ai 5uadtree code a u disimpan untuk dipergunakan saat pr!ses dek!mpresi &membentuk range+. 0emetaan range'd!main terbaik digabungkan dengan met!de partisi

5uadtree akan meng#asiAkan k!e(isien yang terdiri dari

simetri affine"

uminansi (contrast dan brightness)" p!sisi d!main" dan 5uadtree code. 1.3 7nalisis +ncodin Data k!e(isien dari pr!ses 5uadtree dan transformasi'ajjine masi# cukup besar. O e# karena itu untuk ebi# meng#emat kapasitas penyimpanan serta mempertinggi rasi! k!mpresi maka sebe um disimpan" data'data tersebut #arus

7=

diencode agi menggunakan a g!ritma tertentu. A g!ritma yang digunakan untuk mengencode data 5uadtree code ada a# adaptive arithmetic coding.
Tiga k!nsep utama da am adaptive arithmetic coding ada a# inter)a

pe uang" s%mbol occurrence pool dan *indo* si;e. /%mbol occurrence pool ada a# suatu $ada# untuk menampung simb! 'simb! yang suda# muncu da am suatu string saat pr!ses encode atau simb! 'simb! #asi dari pr!ses decode. ,indo* si;e ada a# banyaknB.a %um a# simb! yang dapat ditampung da am s%mbol occurrence pool. ,indo* si;e ditetapkan berdasarkan %um a# simb! pada string yang akan di encode. 8egunaan *indo* si;e sangat ter i#at%e as pada ta#ap decoding. Berikut ini ada a# c!nt!# pr!ses encv6mg mcnggunakan peng#itungan adaptive arithmetic coding. Suatu string bccb dimana setiap symb! nya merupakan angg!ta dari #impunan #a"b"cM akan di encode menggunakan teknik adaptive arithmetic coding" maka angka# angka# yang di akukan ada a# sebagai berikut / a. Inisia isasi s%mbol occurrence pool sebagai $ada# k!s!ng H D OP dan inisia isasi *indo* si;e sebesar 3 &sesuai %um a# simb! yang akan di

encode) sete a# itu pe uang kemuncu an set ap simb! angg!ta #impunan #a"b"cM akan di#itung menggunakan rumus berikut /
0'1'(a) + '
p(b!.=

4(a) + 4(b)<l 4(b) + 4(c) + -/

4(a) 4(b) M 4fc) M-L p( a) = 'I'/'/'/''''I''/1@.F/...@I"/'..".....''"

p(2)

iU1&c+

= 11U&LL1 a7)7< 4?7 (;,l:,;-) M1'F...".U1"c..&7')/'MQ1-

+'

Dimana p me ambangkan pe uang kemuncu an" N me ambangkan

:* %um a# symb! tertentu yang ada da am s%mbol occurrence pool. 0enamba#an angka

I pada pembi ang dan angka - pada penyebut berdasarkan rumus dasar pe uang" besamya penamba#an pada penyebut didasarkan pada %um a# simb! pada #impunan. 8etika meng'encode simb! b &simb! pertama da am string bccb)" karena s%mbol occurrence pool (3) masi# k!s!ng maka 4(a) D 4(b) D 4(c) D *" se#ingga didapatkan p(a) D p(b)= p(c)= GGN. Inter)a pe uang a$a &*"1+ akan terbagi men%adi tiga bagian sesuai dengan besar pe uang kemuncu an masing' masing simb! . Inter)a pe uang baru dibentuk berdasarkan pe uang kemuncu an simb! yang di encode ter#adap inter)a pe uang sebe umnya. 0ada ta#ap ini inter)a pe uang baru yang terbentuk berdasarkan pe uang ..c/muncuAan imb! b ada a# (lo*= *.----. high= *.:::@+. Saat ini" s%mbol occurrence pool &3) akan berisi simb! b dan din!tasikan sebagai berikut / O=#bM.

b. 8etika meng'encode simb! c &simb! kedua da am string bccb)" p(a)" p(b) dan p#c) akan di#itung u ang. 8arena saat ini pada s%mbol occurrence pool berisi satu simb! b maka 4(b) DI sedangkan ni ai 4(a) D 4(c) D * sete a# itu didapatkan p(a) = p(c) D 113 dan p(bM = 2E3. Se an%utnya peng#itungan interU1a pe uang baru di akukan berdasarkan pe uang simb! c . 8emudian simb! c dimasukkan ke da am s%mbol occurrence pool. Saat ini s%mbol sedangkan

occurrence pool (H) berisi 2 simb! yaitu b dan cE H = #b"cM

inter)a pe uang baru yang terbentuk ada a# lo* D *.7<-3" high = *.:::@.

c.

Simb! c &simb! ketiga da am string bccb) di encode. p(a)" p(b) dan p(c) akan di#itung u ang. 8arena saat ini pada s%mbol occurrence pool berisi dua simb! " yaitu b dan c maka 4(a) D* sedangkan ni ai 4(b) D 4(c) D I sete a# itu akan didapatkan p(a) D 1E7" p(b) D p(c) D 2E7. Se an%utnya peng#itungan inter)a pe uang baru di akukan berdasarkan pe uang simb! c kemudian simb! c dimasukkan ke da am s%mbol occurrence pool. Saat ini s%mbol occurrence pool berisi tiga simb! yaitu satu simb! b dan dua simb! c E H = #b"c"c) sedangkan inter)a pe uang baru yang terbentuk ada a# lo* = *.:--3" high D *.:::@.

d. Simb! b &simb! keempat da am string bccb) di encode. p(a)" p(b) danp(c) akan di#itung u ang. 8arena saat ini pada s%mbol occurrence pool berisi tiga simb! " yaitu satu simb! b dan dua symb! c ma+a 4(a) D* "ni ai 4(b) D 1" 4(c) D 2 sete a# itu akan didapatkan p(a) D GGD" p(b) D 2E: . p(c) D -E:. Se an%utnya peng#itungan inter)a pe uang baru di akukan berdasarkan pe uang simb! b kemudian simb! b dimasukkan ke da am s%mbol

occurrence pool. Saat ini s%mbol occurrence pool berisi empat simb! yaitu dua simb! b dan dua simb! c E H = #b"c"c"bM sedangkan inter)a pe uang baru yang terbentuk ada a# lo* D *.:-=*" high D *.:7* I. 8arena pada ta#ap ini %um a# symb! pada s%mbol occurrence pool sama dengan *indo* si;e" maka pr!ses encode di#entikan kemudian pemi i#an sembarang angka diantara *.:-=* (lo* terak#ir+ dan *.:7*1 (high terak#ir+ di akukan. 2isa angka decima *.:3 dipi i#" maka encoder akan mengirimkan simb! *.:3.

'''

''''

''''''''''''

47

LO

H.DDDO H.DDDO cD1E3


cD217 *.:7*1

cD-E:

H.DD DO *.----

bD2

=*

bD21:

*.*

aD 1E3

*.:--3 KD 1E:

4am bar -.7 0r!ses 0eng#itungan Adaptive Arithmetic Coding Ta#apan pr!ses encoding menggunakan adaptive arithmetic coding ada a# sebagai berikut / Langka# 1 Inisia isasi s%mbol occurrence pool * = 45, inisia isasi *indo* si;e sesuai dengan %um a# simb! yang akan di encode dan inisia isasi inter)a pe uang dengan lo* = * dan high D I. Langka# 2 Situng pe uang masing'masing simb! yang ada pada #impunan simb! yang ada. Langka# Situng ni ai p!sisi setiap simb! berdasarkan pe uangnya masing'masing Langka# 3 Bncode simb! a$a pada string dengan cara meminda#kan symb! tersebut ke da am s%mbol occurrence pool. Langka# 7 Buat inter)a pe uang yang baru dengan ni ai lo* dan high berdasarkan encode. Langka# : .ek apaka# %um a# symb! yang ada pada s%mbol occurrence pool te a# mencapai *indo* si;e. >ika suda#" pi i# dan simpan ni ai p!sisi lo* dan high pada simb! yang di pada inter)a pe uang

ni ai p!sisi antara lo* dan high pada inter)a pe uang terbaru

:7

kemudian ak#iri pr!sedur encoding. >ika be um" u angi angka# ke 2.

7nalisis $an Peran<angan Dekompresi Citra 8erangka umum dari dek!mpresi citra menggunakan met!de 5uadtree dapat di i#at pada gam bar -.:.

P<mbe nt@kan # i t r a Ada&tiw ($$odlru $ $ $ % & n .. . ,. rrt # tl. E n r o d

:: if f g

Gam bar -.: Ta#apan dek!mpresi citra met!de 5uadtree 0ada gambar diatas" terdapat dua bagian utama pr!ses dek!mpresi citra. 8edua bagian tersebut ada a# / a. Decoding Data #asi k!mpresi yang te a# di encode #arus dikemba ikan agi ke

da am bentuk as inya agar dapat digunakan untuk pembentukan citra. 0r!ses ini di akukan dengan menggunakan a g!ritma adaptive arithmetic coding. b. 0embentukan citra Dengan menggunakan berbagai parameter yang ada maka 5uadtree code akan disusun kemba i pada citra baru se#ingga meng#asi kan range dengan

:@

ukuran yang berbeda. Sete a# itu citra dibentuk dengan me akukan pr!ses I?S ke da am citra baru sesuai dengan%um a# iterasi yang ditentukan.

. 2.1 7nalisis Decoding Data yang didapat dari (i e k!mpresi #arus didecode agar kemba i ke bentuk semu a. A g!ritma yang dipakai untuk memenu#i #a ini ada a# adaptive arithmetic coding. 0r!ses decoding dari adaptive arithmetic coding merupakan bentuk terba ik dari pr!ses encoding. Berikut ini ada a# c!nt!# pr!ses decoding menggunakan peng#itungan adaptive arithmetic coding. SuI"tu sirnb! *.:3 akan di decode menggunakan teknik adaptive arithmetic "Puding. rnaka angka#' angka# yang di akukan ada a# sebagai berikut/ a. nisia isasi s%mbol occurrence pool sebagai $ada# k!s!ng H = {} dan inisia isasi *indo*s si;e sebesar 3 &sesuai dengan *indo*s si;e se$aktu encoding) sete a# itu pe uang kemuncu an setiap simb! #impunan #a"b"cM akan di#itung menggunakan rumus/
4(a) M 1 p&a) = D'/''''1!' 2'1'.'/'/'..."'''''" /U1&a+ <4ib@< Qi c)< -Q

angg!ta

IU1&c+M 1 M.ULic

N&b+M . . F 4(al<4(b)<4(c)<N? p(bl-

p(c) = D ' ' "' ' '' '


.C7 ( a ) < / < N? (b l

. '. ".I."./'D' '

dimana p

me ambangkan pe uang kemuncu an" N

me ambangkan

%um a# simb!

tertentu yang ada da am s%mbol occurrence pool.

:< .atatan/ penamba#an angka pada pembi ang dan angka - pada

penyebut berdasarkan rumus dasar pe uang" besamya penamba#an pada penyebut didasarkan pada %um a# simb! pada #impunan.

Decode simb! *.:3 yang pertama di akukan. 8arena s%mbol occurrence pool (H) masi# k!s!ng maka 4#a) D 4(b) D 4(c) D *" se#ingga didapatkanpOa+ D p#b)= p(c)= 11-. Inter)a pe uang a$a &*"1+ akan terbagi men%adi tiga bagian sesuai dengan besar pe uang kemuncu an masing'masing simb! . 0ada ta#ap ini *.:3 berada diantara ni ai p!sisi lo* D *.----" high D *.:::@ yang me$aki i simb! b. maka simb! b dimasukkan ke da am s%mbol occurrence pool (H) dan din!tasikan sebagai berikut / O=#bM sedangkan inter)a pe uangF baru yang terbentuk ada a# lo* D *.----" high D *.:::@. 8arena %um a# simb! pada s%mbol occurrence pool be um mencapai *indo* si;e" maka pr!ses decode simb! *.:3 akan terns diu angi

b. 0ada pr!ses decode simb! *.:3 yang ke dua" p(a)" p(b) dan p#c) akan di#itung u ang. 8arena saat ini pada s%mbol occurrence pool berisi satu simb! b maka 4(b) DA sedangkan ni ai 4(a) D 4(c) D * sete a# itu didapatkan p(a) D p(c) D 113 dan p#b) D 2E3. 0ada ta#ap ini *.:3 berada

diantara ni ai p!sisi lo* D *.7<-3" high D *.:::@ yang me$aki i simb! c. maka simb! c dimasukkan ke da am din!tasikan sebagai berikut / = {b!cM s%mbol occurrence pool (H) dan sedangkan .inter)a pe uang baru

yang terbentuk ada a# lo* D *.7<-3" high D *.:::@.

c. 0ada pr!ses decode simb!

*.:3 yang ke tiga" p(a)" p#b) dan p#c) akan

di#itung u ang. 8arena saat ini pada s%mbol occurrence pool berisi dua simb! " yaitu b dan c maka 4(a) D* sedangkan ni ai 4(b) D 4(c) D I sete a#

71

itu akan didapatkan p(a) = 117" p(b) = p(c) = 2E7. 0ada ta#ap ini *.:3 berada diantara ni ai p!sisi lo* = *.:--3" high = *.:::@ yang me$aki i simb! c. maka simb! c dimasukkan ke da am s%mbol occurrence pool (H) dan din!tasikan sebagai berikut / H

D #b.c"c)

sedangkan inter)a pe uang

baru yang terbentuk ada a# lo* = *.:--3" high = *.:::@.

d. 0ada pr!ses decode.. simb! *.:3 yapg ke empat" p(a)" p(b) dan p(c) akan di#itung u ang. 8arena saat ini pada s%mbol occurrence pool berisi tiga simb! " yaitu satu simb! b dan dua simb! c maka 4(a) D* "ni ai 4(b) D I" 4(c) = 2 sete a# itu akan didapatkan p(a) = 11:. p(b) D 2E: " p(c) D "#$. 0ada ta#ap ini *.:3 berada diantara ni ai p!sisi loGG *.:-=*. 2ugh*.:7*1 yang me$aki i simb! c. maka simb! c dimasukkan ke da am occurrence pool (H) s%mbol

dan din!tasikan sebagai berikut / H = #b.c"c"bM

sedangkan inter)a pe uang baru yang terbentuk ada a# lo* = *.:-=*" high = *.:7*I. 0ada saat ini %um a# symb! pada s%mbol occurrence pool sama dengan *indo* si;e" maka pr!ses decode di#entikan dan string yang di#asi kan ada a# kumpu an symb! yang ada pada 6%mbol occurrence pool yaitu string bccb.

Ta#apan pr!ses decoding menggunakan adaptive arithmetic coding ada a# sebagai berikut /

''''

'''''''''''''''''''''''''''

72 )angkah 1 Inisia isasi s%mbol occurrence pool * D #M" inisia isasi *indo* si;e sesuai dengan *indo* si;e yang ada pada pr!ses encoding dan inisia isasi inter)a pe uang dengan lo* = * dan high = I. )angkah 2 Situng pe uang masing'masing simb! yang ada pada #impunan simb! yang ada. )angkah pada Si tung ni ai p!sisi setiap simb! inter)a pe uang

berdasarkan pe uangnya masing' masing


)angkah 4 baru Decode simb! baru dengan cara memasukkan ni ai simb!

tersebut ke da am pe uang inter)a yang ada" masukkan simb! as i yang memi iki ni ai p!sisi yang mencakup ni ai dari simb! yanV di 6cco6"P ..c da am s%mbol occurrence pool. )angkah 7 Buat inten a pc uang yang baru dengan ni ai lo* dan high berdasarkan ni ai p!sisi lo* dan high pada

symb! as i yang terpi i#. )angkah : pool .ek apaka# %um a# simb! yang ada pada s%mbol occurrence Ie a# mencapai *indo* si;e. >ika suda#" ak#iri pr!sedur decoding. 0ada ada pada ta#ap ini kumpu an simb! yang

s%mbol occurrence pool ada a# representasi

dari kumpu an simb! as i. >ika be urn" u angi angka# ke 2.

3.2.2 7nalisis Pemb<nt@kan Citra 0r!ses pembentukan citra menggunakan pr!ses I?S " yaitu pr!ses yang di akukan beru ang'u ang sesuai %um a# iterasi yang ditentukan. ,ntuk setiap

@-

dimasukkan ke da am d!main kemudian di akukan transformasi'affine ter#adap d!main sesuai dengan simetri yang ada. In(!rmasi k!!rdinat d!main" ni ai uminansi" dan simetri affine untuk setiap range tersimpan pada +oefisien.fracta2 yang terbentuk saat pr!ses k!mpresi. Sasi dari pr!ses ini ada a# terbentuknya citra sementara pada iterasi saat ini. Sesuai dengan %um a# iterasi yang ditentukan" u angi pr!ses I?S ter#adap setiap range yang ada. Sete a# iterasi se esai di akukan akan terbentuk citra kese uru#an #asi dek!mpresi. .3 Penghit@ngan K@alitas Citra .itra #asi dek!mpresi akan menga ami penurunan kua itas

(loss%) dari citra as inya. ,ntuk meng#itung seberapa besar perbandingan penurunan kua itas citra &citra as i dengan citra #asi dek!mpresi+ maka di akukan pr!ses peng#itungan kua itas citra menggunakan 0SNR. 0ada dasarnya 0SNR (pea+ signal'to'noise ratio) berguna untuk meng#asi kan suatu angka yang dapat mencerminkan kua itas dari sebua# citra. Te!ri 0SNR mengatakan ba#$a semakin tinggi ni ai 0SNR berarti semakin baik kua itas citra #asi dek!mpresi. Namun dikarenakan angka' angka yang di pr!ses pada per#itungan 0SNR didapat dari k!mputasi ni ai pikse citra as i dan citra #asi dek!mpresi" rnaka sesunggu#nya ukuran 0SNR tidak a# sesuai dengan persepsi manusia akan kua itas citra. O e# karena itu ni ai 0SNR yang ebi# tinggi sesunggu#nya be um tentu memi iki kua itas citra yang ebi# baik. Saat ini" te a# banyak pene itian mengenai cara mengukur kua itas citra berdasarkan persepsi peng i#atan manusia" namun semuanya masi#

@3 merupakan

@7

per#itungan yang masi# su it diap ikasikan. O e# karena itu 0SNR masi# men%adi t! ak ukur peng#itungan kua itas citra da am dunia computer vision. 0en%e asan peng#itungan 0SNR ada a# sebagai berikut. Tersedia suatu citra as i yang di ambangkan sebagai f(i"j) yang memi iki 4$4 pikse dan citra #asi dek!mpresi yang di ambangkan sebagai .#ij). ,ntuk meng#itung ni ai 0SNR" >angka# pertama yang per u di akukan ada a# meng#itung ni ai dari 2SE (mean s5uared errHGE) Sete a# itu di akukan peng#itungan bit rate dan 2AW1. Sete a# mendapatkan semua k!e(isien yang dibutu#kan" maka peng#itungan 0SNR dapat di akukan. Adapun rumus'rumus untuk peng#itungan 2SE" 2AW1 dan 0SNR ada a# sebagai berikut / %&E= L{'(l.JI()(l.(!JL* 4$4 ) D 6umlah Fbit 6umlah F p$l AQ # =3?'6

P/4R = 2* !g

1*&

Dimana" f(i.j) .(i.j) 6um2ah bit / Ni ai pikse citra as i pada k!!rdinat i.j / Ni ai pikse citra #asi dek!mpresi pada k!!rdinat i.j / >um a# bit

6umlahFp$l / >um a# pikse )


/ >um a# bit per pikse

@: 4
/ Res! usi citra

@@

/B %A+I

/ Ni ai err!r kese uru#an citra / Ni ai pikse maksimum pada citra 0SNR biasanya memi iki ni ai yang berkisar diantara 2* sampai 3* dan

biasanya ditu is menggunakan (!rmat desima dengan 2 angka dibe akang k!ma &c!nt!#/ -7.3:+ dengan satuan db (decibel). Namun untuk menampi kan data yang sesunggu#nya" maka da am pene itian ini ni ai 0SNR ditu is dengan engkap sesuai dengan tipe data yang digunakan da am pr!gram yang dirancang.

You might also like