SlideShare a Scribd company logo
1 of 19
PEMAMPATAN CITRA TUJUAN:  meminimalkankebutuhanmemoriutkmerepresentasikancitra digital. Semakinbesarukurancitrasemakinbesarmemoriyangdibutuhkan. Kebanyakancitramengandungduplikasidataygdptberarti: 1. besarkemungkinansuatupixeldgnpixeltetangganyamemilikiintensitasygsama,   shgpenyimpanansetiappixelmemboroskantempat. 2. Citrabykmengandungbagianygsama, shgtdkperludikodekanberulang Ada 2 prosesutamadlmpemampatancitra: Pemampatancitra (imagecompression) contohcitrablmdimampatkandlmformatbitmapdanygsudahdimampatkandisimpandlmformat  JPG dan GIF 2.   Penirmampatancitra (imagedecompression) Mengembalikancitraygtermampatkanmenjddatabitmap
AplikasiPemampatanCitra Data transmission, wktpengirimandatalebihcepat. contoh:  pengirimangbrlwt fax, videoconferencing, downloadgbrdrinternet Data storing, butuhmemorilebihkecil Contoh: aplikasibasisdatagambar, videostoragesprti VCD dll.	 Kriteriapemampatancitra: Wktcompressiondandecompressionsebaiknyacepat Kebutuhanmemori Memoriygdibutuhkanutkmerepresentasikancitrasehrusnyaberkurangsecaraberarti. Pdbbrpmetodeukuranmemorihasilpemampatanbergtungpdcitraitusendiri. Citradgnelemenduplikasiygbyk, misallangitcerahtanpaawan, lantaikeramik, umumnydptdimampatkandgnmemorilebihsedikitdibandingcitraygmengandung objek, misalpemdanganalam. Kualitas Informasiyghilangakibatpemampatanseminimalmgkiagarkualitasttpdiperthankan kualitascitrabersifatsubyektifdanrelatif, tergantungpenilaianseseorg. ukurankualitashasilpemampatancitramenjadiukurankuantitatifmggnakan  PSNR,  mngukurperbedaancitrasemuladgnhasilpemampatan
dB b: nilaisinyalterbesar (u htamputih, b=255) Rms: akarpangkatduadrselisihantaracitrasemuladgncitrahasilpemampatan f:nilai fixelsemula f´: nilaifixelstlhpemampatan Sbrpbesar PSNR  ygbagus? Tdkbisadinyatakansecaraeksplisit, trgtngcitraygdimampatkan, namunbisadiketahui Jkdilakukanpengujiandgnmencobaberbgikombinasiparameterpemampatanygdigunakan. Jknilai PSNR semakinbesar, berartiparameterpemampatanygdigunakansdhmenujunilaibaik. Parameter pemampatancitratergtgmetodeygdigunakan. 4. Format keluaran      Format citrahasilpemampatansebaiknyacocok u pengirimandanpenyimpanandata. Pembacaancitrabergtgpdbagaimanacitratsbdirepresentasikanataudisimpan.
JenisPemampatanCitra: Ada 4 pendekatan: Pendekatanstatistik, ygdidasarkanpdfrekkemunculanderajatkeabuanpixelpd Seluruhbagiangambar, contohmetodeHuffmanCoding Pendekatanruang, didasarkanpd hub spasialantara pixel2 dlmsuatukelompokyg memilikiderajatkeabuanygsama di dlmsuatudaerah di dlmgambar,  contohmetodeRun-LengthEncoding Pendekatankuantisasi, pemampatancitradilakukandgnmengurangijumlahderajat keabuanygtersedia, contohmetodepemampatankuantisasi Pend fraktal, didsarkanpdkenyataanbhwkemiripan bagian2 dlmcitradptdieksploitasi dgnsuatumatrikstransformasi, contohmetodeFractal Image Compression MetodePemampatanHuffman Menggunakanprinsipnilaiatauderajatkeabuanygseringmunculdikodekandgnjmlbit Lebihsedikitdanygfrekkemunculannyasedikitdikodekandgnjlhbityglebihpanjang. AlgoritmametodeHuffman: Urutkansecaraascending nilai2 keabuanberdasarkanfrekkemunculanataupeluang Kemunculan, Pkyaitufrekkemunculannkdibagidgnjlhpixeldlmcitra (n).  Setiapnilaikeabuandinyatakansebagaipohonbersimpultunggal. Setiapsimpulditandai dgnfrekkemunculannilaikeabuantsb.
2. Gabung 2 buahpohonygmempyaifrekkemunculanpalingkecilpdsebuahakar. Akar      Akar mempyaifrekygmerupakanjlhdrfrek 2 buahpohonpenyusunnya Ulangilangkah 2 sampaitersisahysatupohonbiner. Berilabelsetiapsisipohonbiner. Sisikiridilabelidgn 0 dansisikanandilabeli 1. Telusuripohonbinerdrakarkedaun. Barisan label2 sisidrakarkedaunmenyatakan kodeHuffman u derajatkeabuanygbersesuain. Contoh: Misalcitraberukuran 32 x 32 dgn  8 derjatkeabuan (k)
TahapanpembentukanpohonHuffman 4:0.04 6:0.05 1:0.12 5:0.10 7:0.08 3:0.16 0:0.19 2:0.27 1. 46:0.09 46:0.09 7:0.08 1:0.12 5:0.10 3:0.16 0:0.19 2:0.27 2. 6:0.05 4:0.04 6:0.05 4:0.04 746:0.17 3. 1:0.12 5:0.10 3:0.16 0:0.19 2:0.27 46:0.09 7:0.08 6:0.05 4:0.04
51:0.22 0:0.19 2:0.27 3:0.16 4. 5:0.10 1:0.12 746:0.17 46:0.09 7:0.08 6:0.05 4:0.04
5. 51:0.22 0:0.19 2:0.27 5:0.10 1:0.12 746:0.17 3746:0.33 46:0.09 7:0.08 3:0.16 6:0.05 4:0.04
51:0.22 6. 2:0.27 5:0.10 1:0.12 746:0.17 051:0.41 3746:0.33 46:0.09 7:0.08 0:0.19 3:0.16 6:0.05 4:0.04
051:0.41 7. 23746:0.60 51:0.22 2:0.27 0:0.19 5:0.10 1:0.12 746:0.17 3746:0.33 46:0.09 7:0.08 3:0.16 6:0.05 4:0.04
05123746:1 8. 051:0.41 1 51:0.22 0 23746:0.60 0:0.19 1 1 0 0 5:0.10 1:0.12 2:0.27 0 0 1 1 746:0.17 3746:0.33 1 0 46:0.09 7:0.08 3:0.16 0 = 00                            5 = 010 1 = 011		    6 = 11111 2 = 10                            7 = 1110 3 = 110 4 = 11110  0 1 6:0.05 4:0.04
DrpohonHuffmandiperolehkodeuntuksetiapderajatkeabuansbb: 0 = 00                         4 = 11110  1 = 011	               	 5 = 010 2 = 10                         6 = 11111 3 = 110                       7 = 1110 Ukurancitrasebelumpemampatan (1 derajatkeabuan = 3 bit) yaitu 1024 x 3 bit = 3072 bit. Sedangukurancitrasetelahpemampatan: (190*2)+(120*3)+(275*2)+(165*3)+(45*5)+(100*3)+(50*5)+(79*4)= 2879 bit Jdkebutuhanmemoritelahdikurangidr 3072 bitmenjadi 2879 bit, initidakbykmenghemat,  Tetapijikamenggunakanderajatkeabuan 256 penghematanmemoridptlebihbesar. Nisbahpemampatan = (100%-(2879/3072)x100%)=6%
MetodePemampatan Run-LengthEncoding (RLE) Cocokdigunakanutkmemampatkancitraygmemiliki klpök2 pixelberderajatkeabuansama. Cara: membuatpasangannilai (p,q) utksetiapbarispixel            p: derajatkeabuan            q: jumlahpixelberurutandgnderajatkeabuantsb (runlength) Contoh: citraukuran 10 x 8 pixeldgn 8 derjatkeabuanberikut:                 1    1    1    1    1     1     1     1                 2    2    2    1    1     1     1     1                 2    2    2    2     1    1     1     1                 1    1    1    1     1    1     2     2                 3    3    1    1     1    1     7     7                 3    3    3    1     1    1     1     1                 1    1    6    6     6    6     6     6                 6    6    6    6     4    4     4     4                 5    5    5    5     4    4     0     0                 0    0    0    0     0    7     7     7       Total pixel = 80 nilai
Pasangannilaiutksetiapbarisrun (1, 8) (2, 3),(1,5) (2, 4), (1, 4) (1, 6), (2, 2) (3, 2), (1, 4), (7, 2) (3, 3), (1, 5) (1, 2), (6, 6) (6, 4), (4, 4) (5, 4), (4, 2), (0, 0) (0, 5), (7, 3) Semuanyaada 21 pasangnilaiatau 21 x 2 = 42 nilai. Ukurancitrasebelumpemampatan (1 derajatkeabuan = 3 bit) yaitu 80 x 3 = 240 bit. SedangukuranCitrasetelahpemampatan (derajat Keabuan = 3 bit, runlength ==4 bit) yaitu (21 x 3) + (21 x 4) = 147 bit. Nisbahpemampatan = (100%-(126/240)x100%)=38,75%  ygartinya 38,75 % drcitrasemulatelahdimampatkan
Versilainmetode RLE : menyatakanseluruhbariscitramenjadisebuahbarisrun, lalu Menghitungrun-lengthutksetiapderajatkeabuanygberurutan. Contoh: 1   2   2   2   2   3   3   3   4   4 3   4   4   1   1 6   6   6   6   6    Barisannilaiderajatkeabuan: 1  2  2  2  2  3  3  3  4  4  3  4  4  1  1  6  6  6  6  6 Semuanyaada 20 nilai. Pasangannilaidarirunygdihasilkandgnmetode RLE: (1, 1) (2, 4) (3, 3) (4, 2) (3, 1) (4, 2) (1, 1) (6, 5) Hasilpengkodean: 1 1 2  4  3  3  4  2  3  1  4  2  1  1  6  5 semuanyaada 16 nilaijdhemat 4 buahnilai. Metode RLE dptdikombinasikandgnmetodeHuffmanutkmengkodekannilai- nilaihasilpemampatan RLE utkmeningkatkannisbahpemampatan, mula-mula Dilakukanpemampatan RLE, laluhasilnyadimampatkandenganmetodeHuffman.
MetodePemampatanKuantisasi (QuantizingCompression) Metodeinimengurangijlhkeabuan, misal 256 menjd 16 ygmengurangijumlahbitygdibutuhkanutkrepresentasicitra. Misalkan m adalahjlhpixel di dlmcitrasemula, akandimampatkanmjd n derajatkeabuan, algoritmasbb: Buathistogramcitrasemula identifikasinbuahklp di dlmhistogramsedemikianshgtiapklpmempunyai kira-kira m/nbuahpixel 3.    Nyatakantipklpdgnderajatkeabuan 0 sampai n-1. Tiappixel di dlmklpdikodekankembalidgnnilaiderajatkeabuanygbaru. Contoh: Citradgnukuran 5 x 8 pixel:                    2  9  9  1  1   8  9  4                       3  3  8  7  7   6  6  1                    8  0  1  9  2   5  5  8                    2  0  2  1  1   2  4   1                    5  4  1  6  2   6  7   8    Ygakandimampatkanmenjadicitradgn 4 derajatkeabuan (0 sampai 3), shgtiapderajatkeabuandirepresentasikandn 2 bit
Histogramcitrasemula: 0   ** 1   ******** ****** ** *** *** **** *** ***** **** Ada 40 pixel, dikelompokkanmenjd  4 klpderajatkeabuan. Tiapklpadasbyk rata2  40/4 = 10 pixel per klp:
         0  **         1   ********         2  ******         3   **         4  ***         5  ***         6  ****         7  ***          8  *****          9  ****    10 0 11 1 10 2 9 3 Citrasebelumdimampatkan:                          Citrasetelahdimampatkan:                    2  9  9  1  1   8  9  4                           1  3  3  0  0  3  3  1                    3  3  8  7  7   6  6  1                           1  1  3  2  2  2  2  0                    8  0  1  9  2   5  5  8                           3  0  0  3  1  2  2  3                    2  0  2  1  1   2  4   1                          1  0  1  0  0  1  1  0                    5  4  1  6  2   6  7   8                          2  1  0  2  1  2  2  3
Ukurancitrasebelumpemampatan (1 derajatkeabuan = 4 bit):     40 x 4 bit = 160 bit Ukurancitrasetelahpemampatan (1 derajatkeabuan = 2 bit):     40  x 2 bit = 80 bit Nisbahpemampatan = (100%-80/160X100%) = 50%  Kelemahan: banyakinformasiyghilang, tetapikehilanganinformasidptdiminimalkan dgnmenjaminsetiapklpmempunyaijumlahpixelyghampirsama

More Related Content

Similar to Vii. pemampatan citra

Kriptografi - Advanced Encryption Standard
Kriptografi - Advanced Encryption StandardKriptografi - Advanced Encryption Standard
Kriptografi - Advanced Encryption StandardKuliahKita
 
04a_Analisis Cluster untuk Kemiripan.pdf
04a_Analisis Cluster untuk Kemiripan.pdf04a_Analisis Cluster untuk Kemiripan.pdf
04a_Analisis Cluster untuk Kemiripan.pdfEdizonJambormas
 
Kriptografi - Data Encryption Standard
Kriptografi - Data Encryption StandardKriptografi - Data Encryption Standard
Kriptografi - Data Encryption StandardKuliahKita
 
04-Digitalisasi-citra.pptx
04-Digitalisasi-citra.pptx04-Digitalisasi-citra.pptx
04-Digitalisasi-citra.pptxnyomans1
 
Part 3 dasar sistem komputer
Part 3 dasar sistem komputerPart 3 dasar sistem komputer
Part 3 dasar sistem komputerDermawan12
 
Part 3 Dasar Sistem Komputer
Part 3 Dasar Sistem KomputerPart 3 Dasar Sistem Komputer
Part 3 Dasar Sistem Komputereka pandu cynthia
 

Similar to Vii. pemampatan citra (11)

Kriptografi - Advanced Encryption Standard
Kriptografi - Advanced Encryption StandardKriptografi - Advanced Encryption Standard
Kriptografi - Advanced Encryption Standard
 
Des
DesDes
Des
 
19.advanced encryption standard (aes)
19.advanced encryption standard (aes)19.advanced encryption standard (aes)
19.advanced encryption standard (aes)
 
04a_Analisis Cluster untuk Kemiripan.pdf
04a_Analisis Cluster untuk Kemiripan.pdf04a_Analisis Cluster untuk Kemiripan.pdf
04a_Analisis Cluster untuk Kemiripan.pdf
 
Kriptografi - Data Encryption Standard
Kriptografi - Data Encryption StandardKriptografi - Data Encryption Standard
Kriptografi - Data Encryption Standard
 
Thinning belajar
Thinning belajarThinning belajar
Thinning belajar
 
Mat kelas-6
Mat kelas-6Mat kelas-6
Mat kelas-6
 
04-Digitalisasi-citra.pptx
04-Digitalisasi-citra.pptx04-Digitalisasi-citra.pptx
04-Digitalisasi-citra.pptx
 
207 p06
207 p06207 p06
207 p06
 
Part 3 dasar sistem komputer
Part 3 dasar sistem komputerPart 3 dasar sistem komputer
Part 3 dasar sistem komputer
 
Part 3 Dasar Sistem Komputer
Part 3 Dasar Sistem KomputerPart 3 Dasar Sistem Komputer
Part 3 Dasar Sistem Komputer
 

More from khaerul azmi

If1282 notasi fungsional
If1282 notasi fungsionalIf1282 notasi fungsional
If1282 notasi fungsionalkhaerul azmi
 
Cn if2261 intro tooo
Cn if2261 intro toooCn if2261 intro tooo
Cn if2261 intro toookhaerul azmi
 
Cn 5011 kelemahan sistem relasional
Cn 5011 kelemahan sistem relasionalCn 5011 kelemahan sistem relasional
Cn 5011 kelemahan sistem relasionalkhaerul azmi
 
Design logic&sistem pengkodean
Design logic&sistem pengkodeanDesign logic&sistem pengkodean
Design logic&sistem pengkodeankhaerul azmi
 
Bab 1.1 dan 1.2 pertemuan 1 ke 1 dan 2 ke 3 (1)
Bab 1.1 dan 1.2  pertemuan  1 ke 1 dan 2 ke 3 (1)Bab 1.1 dan 1.2  pertemuan  1 ke 1 dan 2 ke 3 (1)
Bab 1.1 dan 1.2 pertemuan 1 ke 1 dan 2 ke 3 (1)khaerul azmi
 
Arsitektur komputer
Arsitektur komputerArsitektur komputer
Arsitektur komputerkhaerul azmi
 
Bab vi perbaikan kualitas citra
Bab vi perbaikan kualitas citraBab vi perbaikan kualitas citra
Bab vi perbaikan kualitas citrakhaerul azmi
 
Pengembangan teknologi
Pengembangan teknologiPengembangan teknologi
Pengembangan teknologikhaerul azmi
 
Bab iv konvolusi & tf
Bab iv konvolusi & tfBab iv konvolusi & tf
Bab iv konvolusi & tfkhaerul azmi
 
pembentukan citra (pengolahan citra digital)
pembentukan citra (pengolahan citra digital)pembentukan citra (pengolahan citra digital)
pembentukan citra (pengolahan citra digital)khaerul azmi
 
operasi dasar citra (iii) (pengolahan citra digital)
operasi dasar citra (iii) (pengolahan citra digital)operasi dasar citra (iii) (pengolahan citra digital)
operasi dasar citra (iii) (pengolahan citra digital)khaerul azmi
 
pengantar pengolahan citra
pengantar pengolahan citrapengantar pengolahan citra
pengantar pengolahan citrakhaerul azmi
 

More from khaerul azmi (13)

If1282 notasi fungsional
If1282 notasi fungsionalIf1282 notasi fungsional
If1282 notasi fungsional
 
Cn if2261 intro tooo
Cn if2261 intro toooCn if2261 intro tooo
Cn if2261 intro tooo
 
Cn 5011 kelemahan sistem relasional
Cn 5011 kelemahan sistem relasionalCn 5011 kelemahan sistem relasional
Cn 5011 kelemahan sistem relasional
 
Design logic&sistem pengkodean
Design logic&sistem pengkodeanDesign logic&sistem pengkodean
Design logic&sistem pengkodean
 
Bab 1.1 dan 1.2 pertemuan 1 ke 1 dan 2 ke 3 (1)
Bab 1.1 dan 1.2  pertemuan  1 ke 1 dan 2 ke 3 (1)Bab 1.1 dan 1.2  pertemuan  1 ke 1 dan 2 ke 3 (1)
Bab 1.1 dan 1.2 pertemuan 1 ke 1 dan 2 ke 3 (1)
 
Arsitektur komputer
Arsitektur komputerArsitektur komputer
Arsitektur komputer
 
Bab vi perbaikan kualitas citra
Bab vi perbaikan kualitas citraBab vi perbaikan kualitas citra
Bab vi perbaikan kualitas citra
 
Pengembangan teknologi
Pengembangan teknologiPengembangan teknologi
Pengembangan teknologi
 
Bab v histogram
Bab v histogramBab v histogram
Bab v histogram
 
Bab iv konvolusi & tf
Bab iv konvolusi & tfBab iv konvolusi & tf
Bab iv konvolusi & tf
 
pembentukan citra (pengolahan citra digital)
pembentukan citra (pengolahan citra digital)pembentukan citra (pengolahan citra digital)
pembentukan citra (pengolahan citra digital)
 
operasi dasar citra (iii) (pengolahan citra digital)
operasi dasar citra (iii) (pengolahan citra digital)operasi dasar citra (iii) (pengolahan citra digital)
operasi dasar citra (iii) (pengolahan citra digital)
 
pengantar pengolahan citra
pengantar pengolahan citrapengantar pengolahan citra
pengantar pengolahan citra
 

Recently uploaded

5. HAK DAN KEWAJIBAN JEMAAH indonesia.pdf
5. HAK DAN KEWAJIBAN JEMAAH indonesia.pdf5. HAK DAN KEWAJIBAN JEMAAH indonesia.pdf
5. HAK DAN KEWAJIBAN JEMAAH indonesia.pdfWahyudinST
 
slide presentation bab 2 sain form 2.pdf
slide presentation bab 2 sain form 2.pdfslide presentation bab 2 sain form 2.pdf
slide presentation bab 2 sain form 2.pdfNURAFIFAHBINTIJAMALU
 
PPT kecerdasan emosi dan pengendalian diri.pptx
PPT kecerdasan emosi dan pengendalian diri.pptxPPT kecerdasan emosi dan pengendalian diri.pptx
PPT kecerdasan emosi dan pengendalian diri.pptxINyomanAgusSeputraSP
 
Teknik Menjawab Kertas P.Moral SPM 2024.pptx
Teknik Menjawab Kertas P.Moral SPM  2024.pptxTeknik Menjawab Kertas P.Moral SPM  2024.pptx
Teknik Menjawab Kertas P.Moral SPM 2024.pptxwongcp2
 
LATIHAN SOAL SISTEM PENCERNAAN KELAS 11pptx
LATIHAN SOAL SISTEM PENCERNAAN KELAS 11pptxLATIHAN SOAL SISTEM PENCERNAAN KELAS 11pptx
LATIHAN SOAL SISTEM PENCERNAAN KELAS 11pptxnataliadwiasty
 
Pertemuan 3-bioavailabilitas-dan-bioekivalensi.ppt
Pertemuan 3-bioavailabilitas-dan-bioekivalensi.pptPertemuan 3-bioavailabilitas-dan-bioekivalensi.ppt
Pertemuan 3-bioavailabilitas-dan-bioekivalensi.pptNabilahKhairunnisa6
 
Keberagaman-Peserta-Didik-dalam-Psikologi-Pendidikan.pptx
Keberagaman-Peserta-Didik-dalam-Psikologi-Pendidikan.pptxKeberagaman-Peserta-Didik-dalam-Psikologi-Pendidikan.pptx
Keberagaman-Peserta-Didik-dalam-Psikologi-Pendidikan.pptxLeniMawarti1
 
Sejarah Perkembangan Teori Manajemen.ppt
Sejarah Perkembangan Teori Manajemen.pptSejarah Perkembangan Teori Manajemen.ppt
Sejarah Perkembangan Teori Manajemen.pptssuser940815
 
SKPM Kualiti @ Sekolah 23 Feb 22222023.pptx
SKPM Kualiti @ Sekolah 23 Feb 22222023.pptxSKPM Kualiti @ Sekolah 23 Feb 22222023.pptx
SKPM Kualiti @ Sekolah 23 Feb 22222023.pptxg66527130
 
aksi nyata pendidikan inklusif.pelatihan mandiri pmm
aksi nyata pendidikan inklusif.pelatihan mandiri pmmaksi nyata pendidikan inklusif.pelatihan mandiri pmm
aksi nyata pendidikan inklusif.pelatihan mandiri pmmeunikekambe10
 
P_E_R_I_L_A_K_U__K_O_N_S_E_L_O_R__v.1.ppt
P_E_R_I_L_A_K_U__K_O_N_S_E_L_O_R__v.1.pptP_E_R_I_L_A_K_U__K_O_N_S_E_L_O_R__v.1.ppt
P_E_R_I_L_A_K_U__K_O_N_S_E_L_O_R__v.1.pptAfifFikri11
 
MATERI 1_ Modul 1 dan 2 Konsep Dasar IPA SD jadi.pptx
MATERI 1_ Modul 1 dan 2 Konsep Dasar IPA SD jadi.pptxMATERI 1_ Modul 1 dan 2 Konsep Dasar IPA SD jadi.pptx
MATERI 1_ Modul 1 dan 2 Konsep Dasar IPA SD jadi.pptxrofikpriyanto2
 
MTK BAB 5 PENGOLAHAN DATA (Materi 2).pptx
MTK BAB 5 PENGOLAHAN DATA (Materi 2).pptxMTK BAB 5 PENGOLAHAN DATA (Materi 2).pptx
MTK BAB 5 PENGOLAHAN DATA (Materi 2).pptxssuser0239c1
 
Teks ucapan Majlis Perpisahan Lambaian Kasih
Teks ucapan Majlis Perpisahan Lambaian KasihTeks ucapan Majlis Perpisahan Lambaian Kasih
Teks ucapan Majlis Perpisahan Lambaian Kasihssuserfcb9e3
 
PRESENTASI PEMBELAJARAN IPA PGSD UT MODUL 2
PRESENTASI PEMBELAJARAN IPA PGSD UT MODUL 2PRESENTASI PEMBELAJARAN IPA PGSD UT MODUL 2
PRESENTASI PEMBELAJARAN IPA PGSD UT MODUL 2noviamaiyanti
 
Materi Kelas Online Ministry Learning Center - Bedah Kitab 1 Tesalonika
Materi Kelas Online Ministry Learning Center - Bedah Kitab 1 TesalonikaMateri Kelas Online Ministry Learning Center - Bedah Kitab 1 Tesalonika
Materi Kelas Online Ministry Learning Center - Bedah Kitab 1 TesalonikaSABDA
 
Pembuktian rumus volume dan luas permukaan bangung ruang Tabung, Limas, Keruc...
Pembuktian rumus volume dan luas permukaan bangung ruang Tabung, Limas, Keruc...Pembuktian rumus volume dan luas permukaan bangung ruang Tabung, Limas, Keruc...
Pembuktian rumus volume dan luas permukaan bangung ruang Tabung, Limas, Keruc...NiswatuzZahroh
 
modul 1.2 guru penggerak angkatan x Bintan
modul 1.2 guru penggerak angkatan x Bintanmodul 1.2 guru penggerak angkatan x Bintan
modul 1.2 guru penggerak angkatan x BintanVenyHandayani2
 
1.2.a.6 Dekon modul 1.2. DINI FITRIANI.pdf
1.2.a.6 Dekon modul 1.2. DINI FITRIANI.pdf1.2.a.6 Dekon modul 1.2. DINI FITRIANI.pdf
1.2.a.6 Dekon modul 1.2. DINI FITRIANI.pdfsandi625870
 
UNGGAH PEGANGAN LOKAKARYA DAN PENDAMPINGAN INDIVIDU DALAM KEGIATAN PEMBEKALAN...
UNGGAH PEGANGAN LOKAKARYA DAN PENDAMPINGAN INDIVIDU DALAM KEGIATAN PEMBEKALAN...UNGGAH PEGANGAN LOKAKARYA DAN PENDAMPINGAN INDIVIDU DALAM KEGIATAN PEMBEKALAN...
UNGGAH PEGANGAN LOKAKARYA DAN PENDAMPINGAN INDIVIDU DALAM KEGIATAN PEMBEKALAN...jumadsmanesi
 

Recently uploaded (20)

5. HAK DAN KEWAJIBAN JEMAAH indonesia.pdf
5. HAK DAN KEWAJIBAN JEMAAH indonesia.pdf5. HAK DAN KEWAJIBAN JEMAAH indonesia.pdf
5. HAK DAN KEWAJIBAN JEMAAH indonesia.pdf
 
slide presentation bab 2 sain form 2.pdf
slide presentation bab 2 sain form 2.pdfslide presentation bab 2 sain form 2.pdf
slide presentation bab 2 sain form 2.pdf
 
PPT kecerdasan emosi dan pengendalian diri.pptx
PPT kecerdasan emosi dan pengendalian diri.pptxPPT kecerdasan emosi dan pengendalian diri.pptx
PPT kecerdasan emosi dan pengendalian diri.pptx
 
Teknik Menjawab Kertas P.Moral SPM 2024.pptx
Teknik Menjawab Kertas P.Moral SPM  2024.pptxTeknik Menjawab Kertas P.Moral SPM  2024.pptx
Teknik Menjawab Kertas P.Moral SPM 2024.pptx
 
LATIHAN SOAL SISTEM PENCERNAAN KELAS 11pptx
LATIHAN SOAL SISTEM PENCERNAAN KELAS 11pptxLATIHAN SOAL SISTEM PENCERNAAN KELAS 11pptx
LATIHAN SOAL SISTEM PENCERNAAN KELAS 11pptx
 
Pertemuan 3-bioavailabilitas-dan-bioekivalensi.ppt
Pertemuan 3-bioavailabilitas-dan-bioekivalensi.pptPertemuan 3-bioavailabilitas-dan-bioekivalensi.ppt
Pertemuan 3-bioavailabilitas-dan-bioekivalensi.ppt
 
Keberagaman-Peserta-Didik-dalam-Psikologi-Pendidikan.pptx
Keberagaman-Peserta-Didik-dalam-Psikologi-Pendidikan.pptxKeberagaman-Peserta-Didik-dalam-Psikologi-Pendidikan.pptx
Keberagaman-Peserta-Didik-dalam-Psikologi-Pendidikan.pptx
 
Sejarah Perkembangan Teori Manajemen.ppt
Sejarah Perkembangan Teori Manajemen.pptSejarah Perkembangan Teori Manajemen.ppt
Sejarah Perkembangan Teori Manajemen.ppt
 
SKPM Kualiti @ Sekolah 23 Feb 22222023.pptx
SKPM Kualiti @ Sekolah 23 Feb 22222023.pptxSKPM Kualiti @ Sekolah 23 Feb 22222023.pptx
SKPM Kualiti @ Sekolah 23 Feb 22222023.pptx
 
aksi nyata pendidikan inklusif.pelatihan mandiri pmm
aksi nyata pendidikan inklusif.pelatihan mandiri pmmaksi nyata pendidikan inklusif.pelatihan mandiri pmm
aksi nyata pendidikan inklusif.pelatihan mandiri pmm
 
P_E_R_I_L_A_K_U__K_O_N_S_E_L_O_R__v.1.ppt
P_E_R_I_L_A_K_U__K_O_N_S_E_L_O_R__v.1.pptP_E_R_I_L_A_K_U__K_O_N_S_E_L_O_R__v.1.ppt
P_E_R_I_L_A_K_U__K_O_N_S_E_L_O_R__v.1.ppt
 
MATERI 1_ Modul 1 dan 2 Konsep Dasar IPA SD jadi.pptx
MATERI 1_ Modul 1 dan 2 Konsep Dasar IPA SD jadi.pptxMATERI 1_ Modul 1 dan 2 Konsep Dasar IPA SD jadi.pptx
MATERI 1_ Modul 1 dan 2 Konsep Dasar IPA SD jadi.pptx
 
MTK BAB 5 PENGOLAHAN DATA (Materi 2).pptx
MTK BAB 5 PENGOLAHAN DATA (Materi 2).pptxMTK BAB 5 PENGOLAHAN DATA (Materi 2).pptx
MTK BAB 5 PENGOLAHAN DATA (Materi 2).pptx
 
Teks ucapan Majlis Perpisahan Lambaian Kasih
Teks ucapan Majlis Perpisahan Lambaian KasihTeks ucapan Majlis Perpisahan Lambaian Kasih
Teks ucapan Majlis Perpisahan Lambaian Kasih
 
PRESENTASI PEMBELAJARAN IPA PGSD UT MODUL 2
PRESENTASI PEMBELAJARAN IPA PGSD UT MODUL 2PRESENTASI PEMBELAJARAN IPA PGSD UT MODUL 2
PRESENTASI PEMBELAJARAN IPA PGSD UT MODUL 2
 
Materi Kelas Online Ministry Learning Center - Bedah Kitab 1 Tesalonika
Materi Kelas Online Ministry Learning Center - Bedah Kitab 1 TesalonikaMateri Kelas Online Ministry Learning Center - Bedah Kitab 1 Tesalonika
Materi Kelas Online Ministry Learning Center - Bedah Kitab 1 Tesalonika
 
Pembuktian rumus volume dan luas permukaan bangung ruang Tabung, Limas, Keruc...
Pembuktian rumus volume dan luas permukaan bangung ruang Tabung, Limas, Keruc...Pembuktian rumus volume dan luas permukaan bangung ruang Tabung, Limas, Keruc...
Pembuktian rumus volume dan luas permukaan bangung ruang Tabung, Limas, Keruc...
 
modul 1.2 guru penggerak angkatan x Bintan
modul 1.2 guru penggerak angkatan x Bintanmodul 1.2 guru penggerak angkatan x Bintan
modul 1.2 guru penggerak angkatan x Bintan
 
1.2.a.6 Dekon modul 1.2. DINI FITRIANI.pdf
1.2.a.6 Dekon modul 1.2. DINI FITRIANI.pdf1.2.a.6 Dekon modul 1.2. DINI FITRIANI.pdf
1.2.a.6 Dekon modul 1.2. DINI FITRIANI.pdf
 
UNGGAH PEGANGAN LOKAKARYA DAN PENDAMPINGAN INDIVIDU DALAM KEGIATAN PEMBEKALAN...
UNGGAH PEGANGAN LOKAKARYA DAN PENDAMPINGAN INDIVIDU DALAM KEGIATAN PEMBEKALAN...UNGGAH PEGANGAN LOKAKARYA DAN PENDAMPINGAN INDIVIDU DALAM KEGIATAN PEMBEKALAN...
UNGGAH PEGANGAN LOKAKARYA DAN PENDAMPINGAN INDIVIDU DALAM KEGIATAN PEMBEKALAN...
 

Vii. pemampatan citra

  • 1. PEMAMPATAN CITRA TUJUAN: meminimalkankebutuhanmemoriutkmerepresentasikancitra digital. Semakinbesarukurancitrasemakinbesarmemoriyangdibutuhkan. Kebanyakancitramengandungduplikasidataygdptberarti: 1. besarkemungkinansuatupixeldgnpixeltetangganyamemilikiintensitasygsama, shgpenyimpanansetiappixelmemboroskantempat. 2. Citrabykmengandungbagianygsama, shgtdkperludikodekanberulang Ada 2 prosesutamadlmpemampatancitra: Pemampatancitra (imagecompression) contohcitrablmdimampatkandlmformatbitmapdanygsudahdimampatkandisimpandlmformat JPG dan GIF 2. Penirmampatancitra (imagedecompression) Mengembalikancitraygtermampatkanmenjddatabitmap
  • 2. AplikasiPemampatanCitra Data transmission, wktpengirimandatalebihcepat. contoh: pengirimangbrlwt fax, videoconferencing, downloadgbrdrinternet Data storing, butuhmemorilebihkecil Contoh: aplikasibasisdatagambar, videostoragesprti VCD dll. Kriteriapemampatancitra: Wktcompressiondandecompressionsebaiknyacepat Kebutuhanmemori Memoriygdibutuhkanutkmerepresentasikancitrasehrusnyaberkurangsecaraberarti. Pdbbrpmetodeukuranmemorihasilpemampatanbergtungpdcitraitusendiri. Citradgnelemenduplikasiygbyk, misallangitcerahtanpaawan, lantaikeramik, umumnydptdimampatkandgnmemorilebihsedikitdibandingcitraygmengandung objek, misalpemdanganalam. Kualitas Informasiyghilangakibatpemampatanseminimalmgkiagarkualitasttpdiperthankan kualitascitrabersifatsubyektifdanrelatif, tergantungpenilaianseseorg. ukurankualitashasilpemampatancitramenjadiukurankuantitatifmggnakan PSNR, mngukurperbedaancitrasemuladgnhasilpemampatan
  • 3. dB b: nilaisinyalterbesar (u htamputih, b=255) Rms: akarpangkatduadrselisihantaracitrasemuladgncitrahasilpemampatan f:nilai fixelsemula f´: nilaifixelstlhpemampatan Sbrpbesar PSNR ygbagus? Tdkbisadinyatakansecaraeksplisit, trgtngcitraygdimampatkan, namunbisadiketahui Jkdilakukanpengujiandgnmencobaberbgikombinasiparameterpemampatanygdigunakan. Jknilai PSNR semakinbesar, berartiparameterpemampatanygdigunakansdhmenujunilaibaik. Parameter pemampatancitratergtgmetodeygdigunakan. 4. Format keluaran Format citrahasilpemampatansebaiknyacocok u pengirimandanpenyimpanandata. Pembacaancitrabergtgpdbagaimanacitratsbdirepresentasikanataudisimpan.
  • 4. JenisPemampatanCitra: Ada 4 pendekatan: Pendekatanstatistik, ygdidasarkanpdfrekkemunculanderajatkeabuanpixelpd Seluruhbagiangambar, contohmetodeHuffmanCoding Pendekatanruang, didasarkanpd hub spasialantara pixel2 dlmsuatukelompokyg memilikiderajatkeabuanygsama di dlmsuatudaerah di dlmgambar, contohmetodeRun-LengthEncoding Pendekatankuantisasi, pemampatancitradilakukandgnmengurangijumlahderajat keabuanygtersedia, contohmetodepemampatankuantisasi Pend fraktal, didsarkanpdkenyataanbhwkemiripan bagian2 dlmcitradptdieksploitasi dgnsuatumatrikstransformasi, contohmetodeFractal Image Compression MetodePemampatanHuffman Menggunakanprinsipnilaiatauderajatkeabuanygseringmunculdikodekandgnjmlbit Lebihsedikitdanygfrekkemunculannyasedikitdikodekandgnjlhbityglebihpanjang. AlgoritmametodeHuffman: Urutkansecaraascending nilai2 keabuanberdasarkanfrekkemunculanataupeluang Kemunculan, Pkyaitufrekkemunculannkdibagidgnjlhpixeldlmcitra (n). Setiapnilaikeabuandinyatakansebagaipohonbersimpultunggal. Setiapsimpulditandai dgnfrekkemunculannilaikeabuantsb.
  • 5. 2. Gabung 2 buahpohonygmempyaifrekkemunculanpalingkecilpdsebuahakar. Akar Akar mempyaifrekygmerupakanjlhdrfrek 2 buahpohonpenyusunnya Ulangilangkah 2 sampaitersisahysatupohonbiner. Berilabelsetiapsisipohonbiner. Sisikiridilabelidgn 0 dansisikanandilabeli 1. Telusuripohonbinerdrakarkedaun. Barisan label2 sisidrakarkedaunmenyatakan kodeHuffman u derajatkeabuanygbersesuain. Contoh: Misalcitraberukuran 32 x 32 dgn 8 derjatkeabuan (k)
  • 6. TahapanpembentukanpohonHuffman 4:0.04 6:0.05 1:0.12 5:0.10 7:0.08 3:0.16 0:0.19 2:0.27 1. 46:0.09 46:0.09 7:0.08 1:0.12 5:0.10 3:0.16 0:0.19 2:0.27 2. 6:0.05 4:0.04 6:0.05 4:0.04 746:0.17 3. 1:0.12 5:0.10 3:0.16 0:0.19 2:0.27 46:0.09 7:0.08 6:0.05 4:0.04
  • 7. 51:0.22 0:0.19 2:0.27 3:0.16 4. 5:0.10 1:0.12 746:0.17 46:0.09 7:0.08 6:0.05 4:0.04
  • 8. 5. 51:0.22 0:0.19 2:0.27 5:0.10 1:0.12 746:0.17 3746:0.33 46:0.09 7:0.08 3:0.16 6:0.05 4:0.04
  • 9. 51:0.22 6. 2:0.27 5:0.10 1:0.12 746:0.17 051:0.41 3746:0.33 46:0.09 7:0.08 0:0.19 3:0.16 6:0.05 4:0.04
  • 10. 051:0.41 7. 23746:0.60 51:0.22 2:0.27 0:0.19 5:0.10 1:0.12 746:0.17 3746:0.33 46:0.09 7:0.08 3:0.16 6:0.05 4:0.04
  • 11. 05123746:1 8. 051:0.41 1 51:0.22 0 23746:0.60 0:0.19 1 1 0 0 5:0.10 1:0.12 2:0.27 0 0 1 1 746:0.17 3746:0.33 1 0 46:0.09 7:0.08 3:0.16 0 = 00 5 = 010 1 = 011 6 = 11111 2 = 10 7 = 1110 3 = 110 4 = 11110 0 1 6:0.05 4:0.04
  • 12. DrpohonHuffmandiperolehkodeuntuksetiapderajatkeabuansbb: 0 = 00 4 = 11110 1 = 011 5 = 010 2 = 10 6 = 11111 3 = 110 7 = 1110 Ukurancitrasebelumpemampatan (1 derajatkeabuan = 3 bit) yaitu 1024 x 3 bit = 3072 bit. Sedangukurancitrasetelahpemampatan: (190*2)+(120*3)+(275*2)+(165*3)+(45*5)+(100*3)+(50*5)+(79*4)= 2879 bit Jdkebutuhanmemoritelahdikurangidr 3072 bitmenjadi 2879 bit, initidakbykmenghemat, Tetapijikamenggunakanderajatkeabuan 256 penghematanmemoridptlebihbesar. Nisbahpemampatan = (100%-(2879/3072)x100%)=6%
  • 13. MetodePemampatan Run-LengthEncoding (RLE) Cocokdigunakanutkmemampatkancitraygmemiliki klpök2 pixelberderajatkeabuansama. Cara: membuatpasangannilai (p,q) utksetiapbarispixel p: derajatkeabuan q: jumlahpixelberurutandgnderajatkeabuantsb (runlength) Contoh: citraukuran 10 x 8 pixeldgn 8 derjatkeabuanberikut: 1 1 1 1 1 1 1 1 2 2 2 1 1 1 1 1 2 2 2 2 1 1 1 1 1 1 1 1 1 1 2 2 3 3 1 1 1 1 7 7 3 3 3 1 1 1 1 1 1 1 6 6 6 6 6 6 6 6 6 6 4 4 4 4 5 5 5 5 4 4 0 0 0 0 0 0 0 7 7 7 Total pixel = 80 nilai
  • 14. Pasangannilaiutksetiapbarisrun (1, 8) (2, 3),(1,5) (2, 4), (1, 4) (1, 6), (2, 2) (3, 2), (1, 4), (7, 2) (3, 3), (1, 5) (1, 2), (6, 6) (6, 4), (4, 4) (5, 4), (4, 2), (0, 0) (0, 5), (7, 3) Semuanyaada 21 pasangnilaiatau 21 x 2 = 42 nilai. Ukurancitrasebelumpemampatan (1 derajatkeabuan = 3 bit) yaitu 80 x 3 = 240 bit. SedangukuranCitrasetelahpemampatan (derajat Keabuan = 3 bit, runlength ==4 bit) yaitu (21 x 3) + (21 x 4) = 147 bit. Nisbahpemampatan = (100%-(126/240)x100%)=38,75% ygartinya 38,75 % drcitrasemulatelahdimampatkan
  • 15. Versilainmetode RLE : menyatakanseluruhbariscitramenjadisebuahbarisrun, lalu Menghitungrun-lengthutksetiapderajatkeabuanygberurutan. Contoh: 1 2 2 2 2 3 3 3 4 4 3 4 4 1 1 6 6 6 6 6 Barisannilaiderajatkeabuan: 1 2 2 2 2 3 3 3 4 4 3 4 4 1 1 6 6 6 6 6 Semuanyaada 20 nilai. Pasangannilaidarirunygdihasilkandgnmetode RLE: (1, 1) (2, 4) (3, 3) (4, 2) (3, 1) (4, 2) (1, 1) (6, 5) Hasilpengkodean: 1 1 2 4 3 3 4 2 3 1 4 2 1 1 6 5 semuanyaada 16 nilaijdhemat 4 buahnilai. Metode RLE dptdikombinasikandgnmetodeHuffmanutkmengkodekannilai- nilaihasilpemampatan RLE utkmeningkatkannisbahpemampatan, mula-mula Dilakukanpemampatan RLE, laluhasilnyadimampatkandenganmetodeHuffman.
  • 16. MetodePemampatanKuantisasi (QuantizingCompression) Metodeinimengurangijlhkeabuan, misal 256 menjd 16 ygmengurangijumlahbitygdibutuhkanutkrepresentasicitra. Misalkan m adalahjlhpixel di dlmcitrasemula, akandimampatkanmjd n derajatkeabuan, algoritmasbb: Buathistogramcitrasemula identifikasinbuahklp di dlmhistogramsedemikianshgtiapklpmempunyai kira-kira m/nbuahpixel 3. Nyatakantipklpdgnderajatkeabuan 0 sampai n-1. Tiappixel di dlmklpdikodekankembalidgnnilaiderajatkeabuanygbaru. Contoh: Citradgnukuran 5 x 8 pixel: 2 9 9 1 1 8 9 4 3 3 8 7 7 6 6 1 8 0 1 9 2 5 5 8 2 0 2 1 1 2 4 1 5 4 1 6 2 6 7 8 Ygakandimampatkanmenjadicitradgn 4 derajatkeabuan (0 sampai 3), shgtiapderajatkeabuandirepresentasikandn 2 bit
  • 17. Histogramcitrasemula: 0 ** 1 ******** ****** ** *** *** **** *** ***** **** Ada 40 pixel, dikelompokkanmenjd 4 klpderajatkeabuan. Tiapklpadasbyk rata2 40/4 = 10 pixel per klp:
  • 18. 0 ** 1 ******** 2 ****** 3 ** 4 *** 5 *** 6 **** 7 *** 8 ***** 9 **** 10 0 11 1 10 2 9 3 Citrasebelumdimampatkan: Citrasetelahdimampatkan: 2 9 9 1 1 8 9 4 1 3 3 0 0 3 3 1 3 3 8 7 7 6 6 1 1 1 3 2 2 2 2 0 8 0 1 9 2 5 5 8 3 0 0 3 1 2 2 3 2 0 2 1 1 2 4 1 1 0 1 0 0 1 1 0 5 4 1 6 2 6 7 8 2 1 0 2 1 2 2 3
  • 19. Ukurancitrasebelumpemampatan (1 derajatkeabuan = 4 bit): 40 x 4 bit = 160 bit Ukurancitrasetelahpemampatan (1 derajatkeabuan = 2 bit): 40 x 2 bit = 80 bit Nisbahpemampatan = (100%-80/160X100%) = 50% Kelemahan: banyakinformasiyghilang, tetapikehilanganinformasidptdiminimalkan dgnmenjaminsetiapklpmempunyaijumlahpixelyghampirsama