1 of 48

- tempat ngobrolin dunia pendidikan -

2 of 48

Sistem Multimedia

Day – 4

Condro Wibawa

3 of 48

Media Representation : Image (Part 2)

4 of 48

Jenis Image

Berdasarkan Ukuran Bit

5 of 48

1-Bit Image

6 of 48

1-Bit Image

7 of 48

1-Bit Image

8 of 48

1-Bit Image

9 of 48

8-Bit Image

10 of 48

8-Bit Image

11 of 48

8-Bit Image

12 of 48

8-Bit Image

13 of 48

8-Bit Color Image

14 of 48

24-Bit Color Image

15 of 48

24-Bit Color Image

16 of 48

24-Bit Color Image

17 of 48

8-Bit Color Image

18 of 48

Raster vs Vector

19 of 48

Raster vs Vector Image

20 of 48

Raster vs Vector Image

21 of 48

Raster vs Vector Image

22 of 48

Raster vs Vector Image

23 of 48

Raster vs Vector Image

24 of 48

Raster vs Vector Image

25 of 48

Raster vs Vector Image

26 of 48

Kompresi Citra

27 of 48

Kompresi Citra

Pada umumnya, representasi citra digital

membutuhkan memori yang cukup besar.

Sebagagi contoh,�sebuah citra berukuran 512x512 pixel dengan depth 8-bit,�membutuhkan sektiar 256 KB memori.

Bagaimana jika resolusinya dan depth nya diperbesar ?

Padahal,�besar resolusi dan depth sebuah citra merupakan

hal pokok dalam pengolahan citra

yang tidak bisa dihindari di era saat ini

28 of 48

Kompresi Citra

Mana yang akan kalian dipilih ?

29 of 48

Kompresi Citra

Di sisi lain,�untuk mempercepat proses pengolahan citra,

maupun transmisi citra,��citra dituntut memiliki ukuran sekecil mungkin,�akan tetapi dengan kualitas semaksimal mungkin,�

Bagaimana solusinya ?

30 of 48

Kompresi Citra

Solusi untuk masalah tersebut adalah dengan �Pemampatan Citra atau Kompresi Citra

31 of 48

Kompresi Citra

Faktanya ...

Pertama,

besar kemungkinan suatu pixel dengan pixel tetanggganya memiliki initensitas yang sama, sehingga penyimpanan setiap pixel memboroskan tempat.

�Kedua,

citra banyak mengandung bagian (region) yang sama, sehingga bagian yang sama ini tidak perlu dikodekan berulang kali karena mubazir atau redundan.

32 of 48

Kompresi Citra

Sehingga,�Prinsip umum pemampatan citra adalah

mengurangi duplikasi data di dalam citra sehingga memori yang dibutuhkan menjadi lebih sedikit,

akan tetapi memastikan bahwa kualitas citra tetap baik.

33 of 48

Kompresi Citra

Ada dua isu utama dalam kompresi data

Pertama : Pemampatan Citra (Image Compression)

Citra yang tidak/kurang mampat (biasanya dalam format BMP) dimampatkan dengan representasi yang meminimalkan memori.

Contoh format nya adalah : JPG, GIF, dll

Kedua : Penirmampatan Citra (Image Decompression)

Mengembalikan citra yang sudah dimampatkan menjadi bentuk citra yang tidak dimampatkan. Proses ini diperlukan saat ditampilkan ke layar atau jika ingin diolah kembali.

Contoh nya adalah format BMP.

34 of 48

Kompresi Citra

Aplikasi Pemampatan Citra

Data Storing

Pada umumnya ukuran storage disk terbatas, sehingga semakin kecil ukuran file (dalam hal ini citra), maka storage akan mampu menyimpan lebih banyak file.

Data Transmission

Di era saat ini, dimana pertukaran data melalui internet menjadi hal yang wajar,�maka semakin kecl ukuran file/citra, maka menjadikan pertukaran data semakin cepat.

Contoh : transmisi data lewat email, media sosial, messenger, pengiriman data rekam medis, pengiriman data dari luar angkasa, dll.

35 of 48

Kompresi Citra

Kriteria Pemampatan Citra

Ukuran File

Tujuan utama dari pemampatan adalah ukuran file, sehingga file/citra hasil pemampatan haruslah lebih kecil dari file aslinya.

Waktu Pemampatan

Proses pemampatan dan penirmampatan (compressin dan decompression), sebaiknya cepat. Beberapa metode memiliki proses pemampatan cepat dan penirmampatan lambat, ada pula sebaliknya.

36 of 48

Kompresi Citra

Kriteria Pemampatan Citra

Kualitas Citra

Citra yang sudah dimampatkan sebaiknya memiliki kualitas yang bagus. Akan tetapi biasanya kualitas citra berbanding lurus dengan ukurannya. Sehingga, semakin kecil ukuran file, biasanya akan memiliki kualitas yang juga rendah.

Kita dapat membuat ukuran kualitas hasil pemampatan citra dengan ukuran kuantitatif dengan menggunakan besarran PSNR (Peak Signal to Noise Ratio). PNSR dihitung dengan mengukur perbedaan antara citra semula dengan citra hasil pemampatan.

37 of 48

Klasifikasi Metode Pemampatan

  1. Metode Lossless
  2. Metode Lossy

Kompresi Citra

38 of 48

Klasifikasi Metode Pemampatan

  1. Metode Lossless

Metode lossless selalu menghasilkan citra hasil penirmampatan yang tepat sama dengan citra semula, pixel per pixel. Tidak ada informasi yang hilang akibat pemampatan. Sayangnya nisbah (ratio) pemampatan citra metode lossless sangat rendah.

Metode lossless cocok untuk memampatkan citra yang mengandung informasi penting yang tidak boleh rusak akibat pemampatan. Misalnya memampatkan gambar hasil diagnosa medis.

Contoh : Metode Huffman.

Kompresi Citra

39 of 48

Klasifikasi Metode Pemampatan

2. Metode Lossy

Metode lossy menghasilkan citra hasil pemampatan yang hampir sama dengan citra semula. Ada informasi yang hilang akibat pemampatan, tetapi dapat ditolerir oleh persepsi mata. Mata tidak dapat membedakan perubahan kecil pada gambar.

Metode pemampatan lossy menghasilkan nisbah pemampatan yang tinggi daripada metode lossless.

Contoh metode lossy adalah metode JPEG, PNG, TIFF, dll.

Kompresi Citra

40 of 48

41 of 48

Popular Image

File Format

42 of 48

File Format

43 of 48

File Format

44 of 48

File Format

45 of 48

File Format

46 of 48

File Format

47 of 48

Jika Anda tertarik mempelajari lebih lanjut mengenai teknologi citra dan pengolahan citra,�silahkan pelajari materi pada Mata Kuliah : Pengolahan Citra

Materi bisa didownload di : pakcondro.blogspot.com

48 of 48

- tempat ngobrolin dunia pendidikan -