Pengolahan Citra

anyezchubby — Thu, 27 Nov 2008 05:04:48 +0000

Pengolahan Citra Digital

Citra digital dapat didefinisikan sebagai fungsi dua variabel,

f(x,y), dimana x dan y adalah

koordinat spasial dan nilai

f(x,y)

adalah intensitas citra pada koordinat tersebut, hal tersebut

diilustrasikan pada gambar 2.1. Teknologi dasar untuk menciptakan dan menampilkan warna

pada citra digital berdasarkan pada penelitian bahwa sebuah warna merupakan kombinasi dari

tiga warna dasar, yaitu merah, hijau, dan biru (

Red, Green, Blue

- RGB). Komposisi warna

RGB tersebut dapat dijelaskan pada 2.2.

f(x1,y1)

Gambar 2.1. Citra Digital

Sebuah citra diubah ke bentuk digital agar dapat disimpan dalam memori komputer atau media

lain. Proses mengubah citra ke bentuk digital bisa dilakukan dengan beberapa perangkat,

misalnya

scanner, kamera digital, dan handycam

. Ketika sebuah citra sudah diubah ke dalam

bentuk digital (selanjutnya disebut citra digital), bermacam-macam proses pengolahan citra

dapat diperlakukan terhadap citra tersebut.

Komponen Merah (Red)

Komponen Hijau (Green)

Komponen Biru (Blue)

Warna Komposisi RGB

Gambar 2.2. Komposisi Warna RGB

Pengolahan citra digital dapat dilakukan dengan cara-cara sebagai berikut :

Representasi dan permodelan citra

Peningkatan kualitas citra

Restorasi citra

Analisis citra

Rekonstruksi citra

Kompresi citra

Dalam tugas akhir ini, pengolahan citra digital difokuskan pada teknik kompresi citra.

2.2.

Kompresi Citra

Kompresi citra bertujuan untuk meminimalkan jumlah bit yang diperlukan untuk merepresentasikan

citra. Apabila sebuah foto berwarna berukuran 3 inci x 4 inci diubah ke bentuk

digital dengan tingkat resolusi sebesar 500

dot per inch

(dpi), maka diperlukan 3 x 4 x 500 x

500 = 3.000.000 dot ( piksel). Setiap piksel terdiri dari 3

byte dimana masing-masing

byte

merepresentasikan warna merah, hijau, dan biru. sehingga citra digital tersebut memerlukan

volume

penyimpanan sebesar 3.000.000 x 3 byte +1080 = 9.001.080 byte

setelah ditambahkan

jumlah

byte yang diperlukan untuk menyimpan format (header

) citra.

Citra tersebut tidak bisa disimpan ke dalam disket yang berukuran 1.4 MB. Selain itu, pengiriman

citra berukuran 9 MB memerlukan waktu lebih lama. Untuk koneksi internet

dial-up

(56 kbps), pengiriman citra berukuran 9 MB memerlukan waktu 21 menit. Untuk itulah

diperlukan kompresi citra sehingga ukuran citra tersebut menjadi lebih kecil dan waktu pengiriman

citra menjadi lebih cepat. Citra yang belum dikompres disebut citra mentah (

raw image)

Sementara citra hasil kompresi disebut citra terkompresi(

compressed image)

. Proses

pengiriman dan penyimpanan citra tersebut diilustrasikan pada gambar 2.3.

foto berwarna

3 x 4

scanner

500 dpi

Citra

Analog

Citra Digital

3 MegaPiksel

Dial Up 56 kbps

= 21 menit

= Rp. 3150,-

Citra Digital

9 MB

STOP

Disket

1.44 MB

Gambar 2.3 Proses Konversi citra analog ke citra digital beserta pengirimannya

Kompresi citra dikembangkan untuk memudahkan penyimpanan dan pengiriman citra. Teknik

kompresi yang ada sekarang memungkinkan citra dikompresi sehingga ukurannya menjadi

jauh lebih kecil daripada ukuran asli. Ada dua tipe utama kompresi data, yaitu kompresi tipe

lossless

dan kompresi tipe lossy. Kompresi tipe lossy

adalah kompresi dimana terdapat data

yang hilang selama proses kompresi. Akibatnya kualitas data yang dihasilkan jauh lebih rendah

daripada kualitas data asli. Sementara itu, kompresi tipe

lossless

tidak menghilangkan

informasi setelah proses kompresi terjadi, akibatnya kualitas citra hasil kompresi tidak

menurun. Namun demikian, rasio kompresi yang digunakan untuk kompresi tipe

lossless

lebih kecil daripada rasio kompresi pada kompresi tipe

lossy

Parameter-parameter citra yang penting dalam proses kompresi diantaranya adalah sebagai

berikut :

2.2.1.

Resolusi

Resolusi citra menyatakan ukuran panjang kali lebar dari sebuah citra. Resolusi citra

biasanya dinyatakan dalam satuan piksel . piksel. Semakin tinggi resolusi sebuah

citra, semakin baik kualitas citra tersebut. Namun, tingginya resolusi menyebabkan

semakin banyaknya jumlah bit yang diperlukan untuk menyimpan dan mentransmisikan

data citra tersebut.

2.2.2.

Kedalaman Bit

Kedalaman bit menyatakan jumlah bit yang dipelukan untuk mrepresentasikan tiap

piksel citra pada sebuah

frame. Kedalaman bit biasanya dinyatakan dalam satuan

bit/

piksel. Semakin banyak jumlah

bit

yang digunakan untuk merepresentasikan sebuah

citra, maka semakin baik kualitas citra tersebut.

2.2.3.

Konsep Redundansi

Redundansi merupakan suatu keadaan dimana representasi suatu elemen data tidak

bernilai signifikan dalam merepresentasikan keseluruhan data. Keadaan ini menyebabkan

data keseluruhan dapat direpresentasikan secara lebih kompak dengan cara

menghilangkan representasi dari sebuah elemen data yang redundan. Redundansi

yang terdapat pada citra statik adalah redundansi spasial.

Metode kompresi citra berdasarkan redundansi spasial diantaranya adalah sebagai

berikut :

Subsampling

merupakan metode kompresi dengan mengurangi jumlah piksel yang

diperlukan untuk merepresentasikan suatu citra.

Subsampling

dapat dilakukan dengan

dua cara. Cara pertama adalah mengambil piksel-piksel tertentu dari citra, misal

piksel-piksel pada baris dan kolom saja. Cara kedua adalah dengan mengambil ratarata

dari kelompok piksel dan menggunakan nilai tersebut sebagai ganti nilai kelom-

pok piksel ini. Cara ini lebih kompleks, tetapi menghasilkan kualitas yang lebih baik.

Subsampling

sebanding dengan pengurangan resolusi.

Pengurangan kedalaman bit

Metode ini dilakukan dengan mengurangi jumlah bit yang digunakan untuk mrerepresentasikan

suatu piksel. Misalnya dengan mengurangi kedalaman bit dari 16 bit/

piksel menjadi 8 bit/piksel. Metode ini mengurangi kualitas citra.

Transformation Coding

Transformation coding

merupakan transformasi data dari domain ruang ke domain

frekuensi.Cara ini menghasilkan data yang lebih mudah diproses untuk kompresi

lebih lanjut. Transformasi yang populer digunakan antara lain

Discrete Cosine

Transform

Discrete Wavelet

Transform

Sekarang ini, kompresi citra yang sering digunakan adalah

dikembangkan oleh Joint Photographic Expert Group

pada akhir tahun 80an dan kemudian dikenal karena teknik

kompresi-nya yang bagus. Kompresi

JPEG berdasarkan pada Discrete Cosine Transfor

Pada tahun 1997, komite

JPEG

memutuskan untuk mengembangkan standar baru untuk kompresi

citra. Sejak saat itulah

JPEG

-2000 mulai dikembangkan.

Berikut ini adalah contoh format citra baik yang

lossless maupun

lossy

Tabel 2.1. Macam-macam Format Citra

Ekstensi Nama Keterangan

bmp Windows Bitmap Biasanya digunakan oleh aplikasi dan

sistem opeasi Microsoft Windows.

Merupakan kompresi tipe

lossless

gif Graphics Interchange

Format

Gif biasanya digunakan di website.

Format gif mendukung citra bergerak.

Namun format gif hanya mendukung

255 warna tiap frame. Format gif juga

mendukung citra transparan. Format

gif merupakan kompresi tipe

lossy

Ekstensi Nama Keterangan

jpg/jpeg Joint Photographic Experts

Group

JPEG biasanya digunakan untuk foto

atau citra di website. JPEG menggunakan

kompresi tipe

lossy

. Kualitas

JPEG 2000 bisa bervariasi tergantung

setting kompresi yang digunakan.

Kompresi JPEG berbasis DCT(

Discreete

Cosine Transform

)

jp2/jpg2/j2k Joint Photographic Experts

Group 2000

Merupakan pengembangan dari JPEG

yang berbasis transformasi wavelet.

Format ini mendukung kompresi tipe

lossless

dan lossy

. Namun, support

JPEG 2000 dalam berbagai aplikasi

masih kurang, disebabkan kebutuhan

hardware yang tangguh dan paten.

pbm Portable Bitmap Format Merupakan format citra hitam putih

yang sederhana. PBM memerlukan 1

bit tiap pixel. Tidak seperti format citra

lainnya, format PBM merupakan

plain

text

yang bisa diolah dengan menggunakan

pengolah text. Format PBM

merupakan bagian dari PNM (Portable

Pixmap File Format).

pgm Portable Graymap Format Merupakan format citra abu-abu yang

sederhana. Format PGM memerlukan

8 bit tiap pixel. PGM merupakan citra

mentah dengan kompresi tipe

lossless

. Format PGM merupakan

bagian dari PNM (Portable Pixmap

File Format).

ppm Portable Pixmap Format Merupakan format citra berwarna

yang sederhana. PPM memerlukan 24

bit tiap pixel. PPM merupakan citra

mentah dengan kompresi tipe

lossless

. Format PPM merupakan

bagian dari PNM (Portable Pixmap

File Format).

Ekstensi Nama Keterangan

png Portable Network Graphics

PNG adalah format citra dengan kompresi

tipe

lossless

dengan kedalaman

bit berkisar antara 1 sampai dengan

32. PNG didesain untuk menggantikan

format citra GIF untuk diimplementasikan

di website. Algoritma kompresi

PNG tidak memerlukan paten karena

sudah menjadi

public domain

sejak

tahun 2003.

tiff Tagged Image File Format Merupakan format citra yang sudah

digunakan sejak dulu. Mendukung

kompresi tipe

lossless dan

lossy.

2.3. JPEG-2000

JPEG-2000 merupakan pengkodean citra baru yang dikembangkan oleh ITU (

International

Telecomunication Union

) dan ISO (International Organization for Standardization

). JPEG

2000 menawarkan beberapa kelebihan dibandingkan JPEG. Satu kelebihan utama dari JPEG

2000 adalah mendukung kompresi

lossless dan lossy

pada file yang sama. Beberapa keunggulan

JPEG 2000 adalah sebagai berikut :

Mendukung kompresi

lossless dan

lossy

Memiliki

performance

yang bagus pada kompresi dengan bit rate rendah

Memiliki transmisi yang bersifat progresif pada kualitas, resolusi, komponen, dan lokasi

spasial

Memiliki akses ke

bitstream

secara acak

Mampu melakukan pemrosesan pada

domain

yang terkompres

Mendukung peningkatan kualitas progresif pada ROI (

Region Of Interest

)

Memiliki kebutuhan memori yang kecil.

Proses

encoding

pada JPEG 2000 diilustrasikan pada gambar 2.4. Gambar 2.5 menampilkan

beberapa pengolahan

bitstream

JPEG 2000.

2.1 Component Transform

The component transform provides decorrelation among

image components (typically R, G, B). This improves the

compression and allows for visually relevant quantization.

When the reversible path is used, the Reversible

Component Transform (RCT) is used, which maps integers

to integers. When the irreversible path is used the YCbCr

transform is used as is common with the original JPEG.

2.2 Wavelet Transform

There are two wavelet transforms possible in the standard.

Both provide lower resolution images and spatial

decorrelation of the images to improve compression. The

9×7 filter provides the highest compression, while the 5×3

filter provides lower complexity and allows lossless

compression.

2.3 Quantization

The trade-off between rate and distortion is obtained by

quantization. Wavelet coefficients can be divided by a

different value for each subband (similar to JPEG).

Alternatively, portions of the coded data can be discarded

(decreasing rate and quality). This discarding of data can be

done in a variety of creative ways, see [2].

2.4 Context Model

The context model divides the bits of the quantized wavelet

coefficients into groups with similar statistics so the

arithmetic coder can efficiently compress them. Each

bitplane of a coefficient is processed by one of three coding

passes as described in [1].

2.5 Arithmetic Coder

JPEG 2000 uses the MQ binary arithmetic coder to provide

lossless compression of each coding pass of quantized

wavelet coefficients.

2.6 Bitstream Ordering

Portions of coded data (output from the arithmetic coder)

are collected into packets. These packets have a

compressed header.

While the codestream syntax allows data to be accessed in

almost any order, there must be some order to the data.

Various orders are possible to allow progression by

resolution, or quality, or location, or some combination of

these.

2.7 Codestream syntax

The codestream consists of marker segments and coded

data. The marker segments allow the determination of the

location of the coded data corresponding to a given spatial

location, resolution, and quality in the image.

2.8 File format

Any data which is related to the image, but is not needed to

reconstruct samples of “color” components of the image, is

stored in the file format. The optional file format is

provided to prevent the proliferation of non-standard

proprietary formats as happened with the original JPEG

standard. The file format begins with a unique signature,

has a profile indicator, and repeats the width, height, and

depth information from the codestream. Optionally the file

format may contain a limited color specification, capture

and display resolution, intellectual property rights

information, and some additional meta-data [4].

3. JPEG 2000 PARTS

There will actually be many parts of the JPEG-2000

standard released separately. While most people will be

interested in the “Core Coding System” of Part I, the

reasons for all the parts are described in this section.

Figure 1 -

JPEG 2000 Encoder Block Diagram

Coefficient

bit modeling

(Annex D)

Codestream syntax (Annex A)

Quantization

(Annex E)

Wavelet

transform

(Annex F)

Component

transform

(Annex G)

Data

ordering

(Annex B)

File format (Annex I)

Arithmetic

entropy

coding

(Annex C)

Encode

Preferences

ROI

(Annex H)

JPEG 2000

bitstream

Image

Source

Gambar 2.4. Blok Diagram

Encoding JPEG 200010

trellis coded quantization and non-mallat decompositions

(from Part II), JPEG 2000 will compress satellite imagery

at low bitrates far better than any current products.

5. CONCLUSIONS

The definition of JPEG-2000 is of course the standard. ISO

will sell copies of this specification but only after the

“International Standard” stage is reached. Free software

should soon be available so the features can be tested by

anyone.

JPEG-2000 should be a welcome standard for applications

requiring either higher quality or lower bitrates, or any of

the new features provided. JPEG will likely continue to be

used in low complexity applications for bitrates at which

JPEG was tuned.

6. REFERENCES

1. D. Taubman, E. Ordentlich, M. Weinberger, G. Seroussi,

I. Ueno, F. Ono, “Embedded Block Coding in JPEG

2000,” Proceedings ICIP-2000, Sept. 2000.

2. W. Zeng, S. Daly, and S. Lei, “Visual Optimization

Tools in JPEG 2000,” Proceedings ICIP-2000, Sept.

2000.

3. Charilaos Christopoulos, Joel Askelof and Mathias

Larsson, “Efficient Regions of Interest Coding Techniques

in the upcoming JPEG2000 still image coding

5. D. Santa Cruz, T. Ebrahimi, “An analytical study of

JPEG2000 functionalities,” Proceedings ICIP-2000,

Sept. 2000.

6. M. D. Adams, and F. Kossentini, “JasPer: A Software-

Based JPEG-2000 Codec Implementation,” Proceedings

ICIP-2000, Sept. 2000.

7. T. Fukuhara, “Motion-JPEG2000 standardization and

markets,” Proceedings ICIP-2000, Sept. 2000.

8. M. Marcellin, M. Gormish, A. Bilgin, M. Boliek, “An

Overview of JPEG-2000,”

Proc. Data Compression

Conference

, J. A. Storer and M. Cohn, eds., Snowbird,

Utah, Mar. 28-Mar. 30, 2000, p. 523-541.

Figure 2 -

Images available from a JPEG 2000 bitstream

Choice of Resolution

JPEG 2000 bitstream

Choice of Quality

(including lossless)

Choice of Spatial

Region

Choice of Color

Components

Gambar 2.5. Citra Hasil Pengolahan

bitstream JPEG 200010

2.4. Transformasi Wavelet Diskrit (

Discrete Wavelet Transform)

Transformasi

wavelet diskrit secara umum merupakan dekomposisi citra pada frekuensi

subband

citra tersebut. Komponen

subband transformasi wavelet

dihasilkan dengan cara penurunan

level dekomposisi. Implementasi transformasi

wavelet

diskrit dapat dilakukan dengan

cara melewatkan sinyal melalui sebuah tapis lolos rendah (

low pass filter/LPF)

dan tapis

lolos tinggi (

high pass filter/HPF) dan melakukan downsampling

pada keluaran masingmasing

filter. Proses tersebut dapat diilustrasikan pada gambar 2.6.

Gambar 2.6. Dekomposisi Wavelet diskrit Pada Sinyal Satu Dimensi

Output filter

yang memiliki respon impulse h(n) dan input

x(n) adalah :

∑

∞

−∞

−

∗

k n h k x n h n x

) ( ) ( ) ( ) (

(2.1)

Sehingga

output dari LPF dan HPF setelah downsampling

adalah :

∑

−

HPF

n k g n x k y

) 2 ( ) ( ) (

(2.2)

∑

−

LPF

n k h n x k y

) 2 ( ) ( ) (

(2.3)

dimana g(n) dan h(n) adalah respon

impulse

dari HPF dan LPF.

Setelah operasi penambahan, bisa ditentukan masing-masing

output untuk setiap level

rekontruksi

adalah sebagai berikut :

∑ ∞

−∞

− + + −

∧

k n h k LPF y k n g k HPF y n x

) 2 ( ) ( ) 2 ( ) ( ) (

(2.4)

Proses rekonstruksi citra tersebut diilustrasikan pada gambar 2.7.

Gambar 2.7. Rekonstruksi Transformassi

Wavelet Level n Pada Sinyal Satu Dimensi1

Untuk citra dua dimensi, prosedur dekomposisi

level

tunggal terdiri dari citra satu dimensi

yang di-

filter pada arah mendatar kemudian diikuti oleh citra satu dimensi yang di-filter

pada

arah tegak yang diutilisasi dengan menggunakan

filter tapis rendah dan filter

tapis tinggi.

Proses dekomposisi transformasi

wavelet

untuk citra dua dimensi dapat dijelaskan pada gambar

2.8 . Contoh transformasi

wavelet

diilustrasikan pada gambar 2.9.

HL1

LH1 HH1

HL2

LH2 HH2

HL3

LH3 HH3

LL3

LL1

LL2

Gambar 2.8. Transformasi

Wavelet Untuk Citra Dua Dimensi1

(a). Citra Asli

(b). Dekomposisi Wavelet 1 Level

(c). Dekomposisi

Wavelet 2 Level

Gambar 2.9. Contoh Transformasi

Wavelet

Untuk Citra Dua Dimensi

2.5. Implementasi Encoder dan Decoder JPEG 2000 oleh ISO

Implementasi

encoder dan decoder

JPEG 2000 dengan menggunakan Java™ dikembangkan

oleh

Work Group (WG) dari ISO-IEC

Joint Technical Committee (ISO/IEC/JTC1/SC29/

WG1).

Proyek penelitian yang dilakukan oleh work group tersebut diberi nama JJ2000.

Work-

group

tersebut merupakan kolaborasi dari Canon Research Centre France (CRF),

the Swiss

Federal Institute of Technology

(EPFL), dan Ericsson.

JJ2000 memiliki beberapa keunggulan, diantaranya

Mendukung kompresi tipe

lossless

Mendukung beberapa format citra, diantaranya : PGM (raw – Portable GrayMap), PPM

(raw – Portable PixMap), PGX

Format PGM dan PPM sudah banyak didukung oleh software pengolah citra yang

umum dipakai. Untuk tugas akhir kali ini, format yang digunakan adalah PGM. Format

PGM mendukung kedalaman bit lebih dari 31 bpp.

Arsitektur yang digunakan oleh JJ2000 digambarkan pada diagram blok pada gambar 2.10.

(a). Diagram Blok Proses Encoding JJ2000

(b). Diagram Blok Proses Decoding JJ2000

Gambar 2.10. Diagram Blok Proses Encoding dan Decoding JJ2000

2.6. Komputasi Secara Terdistribusi

Komputasi secara terdistribusi (

distributed computing

) adalah aplikasi yang komponennya

berjalan pada komputer yang berbeda secara bersamaan. Komponen-komponen tersebut harus

mampu saling berkomunikasi dan didesain untuk beroperasi secara mandiri

. Untuk mengubah

sebuah aplikasi menjadi terdistribusi, perlu ada perubahan radikal pada aplikasi tersebut.

Komputasi secara terdistribusi sangat menarik karena operasi masing-masing komponen

menyebabkan komputer-komputer yang terlibat seringkali tidak aktif.

Tujuan dari komputasi secara terdistribusi adalah untuk menghubungkan pengguna dan

resource

pada sebuah proses yang terbuka, transparan, dan

scalable

. Idealnya, komputasi secara

terdistribusi mampu mengatur

fault tolerant dan lebih powerful

dibandingkan beberapa kombinasi

komputer

stand-alone

Sistem

scalable

adalah sebuah sistem yang dengan mudah diubah untuk mengakomodasi perubahan

pengguna,

resource, dan komputasi yang terlibat. Scalability

bisa diukur dalam tiga

dimensi

Scalability

Beban : Sebuah sistem yang terdistribusi harus dengan mudah diperbesar

untuk mengakomodasi pertambahan beban

Scalability

Geografi : Sebuah sistem yang mampu mengelola kegunaan dan kemampuannya,

tanpa peduli seberapa jauh pengguna dan

resource

berada

Scalability

Administratif : Berapapun jumlah berbeda yang mengelola sebuah sistem

terdistribusi, sistem terdistribusi tersebut tetap mudah dikelola dan digunakan

Sistem terdistribusi biasanya dikembangkan dalam

routing-routine sebagai berikut9

Corba (

Common Object Request Broker Architecture

)

Java™ RMI (

Java™ Remote Method Invocation

)

DCOM (

Distributed Component Object Model

)

RPC (

Remote Procedure Call

)

SOAP (

Simple Object Access Protocol

)

PVM (

Parallel Virtual Access

)

MPI (

Message Passing Interface

)

Pemrograman Soket (

Socket Programming

)

Pada tugas akhir kali ini, digunakan bahasa pemrograman Java™ dengan memanfaatkan

Java™ RMI dan Pemrograman soket pada Java™ dengan pertimbangan bahasa Java™ adalah

bahasa pemrograman yang multiplatform. Diantara semua

routine

yang dikembangkan untuk

sistem terdistribusi di atas, hanya Java™ RMI dan pemrograman soket yang mendukung

Java™.

JPEG. JPEG

(DWT) yang digunakan dalam kompresi JPEG 2000.

(DCT) yang diadopsi dalam standar kompresi JPEG dan

Anyezchubby's Blog

Pengolahan Citra

UG Community

TERMS & CONDITIONS UG Community

Policy penggunaan layanan UG Community

Hello world!