KOMPRESI CITRA RGB DENGAN METODE KUANTISASI ...

75

KOMPRESI CITRA RGB DENGAN METODE KUANTISASI

Krisnawati Dosen STMIK AMIKOM Yogyakarta

Abstraksi Pada masa sekarang ini penggunaan citra RGB sudah merupakan suatu kebutuhan dalam berbagai bidang. Akan tetapi penggunaannya terkendala dengan kapasitas file yang besar, tetapi sangat dimungkinkan untuk melakukan kompresi terhadap citra yang dimiliki sesuai dengan kebutuhan. Citra RGB merupakan suatu matrik 3 dimensi, yakni dimensi panjang, dimensi lebar dan dimensi RGB. Jika diurai lebih lanjut, akan didapat tiga matrik dua dimensi, sebut saja matrik R, matrik G, matrik B. Masing-masing matrik akan berisi tingkat R(Red), G(Green) atau B(Blue) dari masing-masing piksel penyusul citra. Dengan metode kuantisasi, matrik R, matrik G maupun matrik B akan dikurangi tingkatannya, sehingga jumlah bit yang digunakan untuk merepresentasikan citra menjadi berkurang. Oleh karena jumlah bit berkurang maka ukuran file menjadi lebih kecil. Metode kuantisasi termasuk dalam kategori Lossy Compression, sehingga citra yang sudah dikompresi tidak dapat didekompresi kembaliseperti semula karena ada informasi yang hilang. Kata Kunci: kompresi, citra RGB, kuantisasi Pendahuluan

Perkembangan media penyimpan berkapasitas besar mengakibatkan orang tidak lagi menemui masalah jika mempunyai file dengan ukuran yang besar. Lebih-lebih jika file yang kita punya merupakan file image. Walaupun demikian, adakalanya ukuran file

76

yang besar tersebut terasa mengganggu jika kita harus memanage media penyimpan yang kita punya untuk bermacam-macam data. Apalagi jika file tersebut akan akan kita kirim secara elektronik, tentunya kapasitas file menjadi masalah tersendiri.

Kompresi citra (image compression) adalah proses untuk meminimalkan jumlah bit yang merepresentasikan suatu citra sehingga ukuran citra menjadi lebih kecil. Pada dasarnya teknik kompresi citra digunakan untuk proses transmisi data (data transmission) dan penyimpanan data (storage). Kompresi citra banyak diaplikasikan pada penyiaran televisi, penginderaan jarak jauh (remote sensing), komunikasi militer, radar dan lain-lain. Pembahasan Teknik Kompresi Citra

Ada beberapa teknik kompresi yang dapat dikategorikan ke dalam Lossless maupun Lossy Compression, antara lain:

1. Kompresi berbasis Statistik (Lossless) Merepresentasikan citra dengan frekuensi kemunculan nilai intensitas tertentu.

2. Kompresi berbasis Kuantisasi (Lossy) Mengurangi jumlah intensitas warna.

3. Kompresi berbasis Transformasi (Lossless/Lossy) Mengoptimalkan kinerja kompresi berbasis statistik dan kuantisasi dengan cara melakukan transformasi terlebih dahulu sebelum menerapkan salah satu teknik tersebut. Sehingga kompresi bersifat lossy atau lossles tergantung teknik mana yang digunakan setelah transformasi apakah itu statistik (lossless) atau kuantisasi (lossy).

4. Kompresi berbasis fraktal (Lossy) Fraktal merupakan bentuk rekursif yang merepresentasikan komponen dasar objek. Dalam konsep kompresi, data direpresentasikan sebagai pasangan antar elemen fraktal, pola umum konfigurasi yang membentuk objek secara

77

keseluruhan, dan koefisien transformasi spasial (affine) untuk masing-masing fraktal sesuai dengan posisinya dalam konfigurasi pembentuk objek.

Metode kuantisasi bekerja dengan mengurangi jumlah intensitas warna, sehingga jumlah bit yang digunakan untuk merepresentasikan citra menjadi berkurang. Oleh karena jumlah bit berkurang maka ukuran file menjadi lebih kecil. Dengan berkurangnya intensitas warna tentu saja ada informasi yang hilang dari citra asal. Oleh karena itu metode ini termasuk dalam loossy compression, sehingga citra yang sudah dikompresi sulit didekompresi kembali karena adanya informasi yang hilang. Proses kompresi tentunya akan berdampak kepada banyak hal. Yang pertama adalah ukuran citra hasil kompresi. Ukuran citra diharapkan lebih kecil dari citra asal. Kedua adalah kualitas citra untuk input terhadap proses berikutnya. Sampai berapa persenkah citra asli bisa dikompresi ? Rasio kompresi dapat dihitung dengan formula sebagai berikut:

Rasio kompresi = ⎟⎠⎞

⎜⎝⎛− x100%

aSemulaUkuranCitrresiaHasilKompUkuranCitr100%

Proses Kompresi

Kompresi berbasis kuantisasi menggunakan metode pengurangan jumlah intensitas warna, sehingga dapat mengurangi jumlah bit yang digunakan untuk merepresentasikan citra. Kompresi ini bersifat lossy, karena intensitas warna berkurang, sehingga kualitas gambar hasil kompresi menjadi kurang baik.

Contoh: Diketahui citra berukuran 6x6 piksel, dengan 8 derajat R, 8 derajat G dan 8 derajat B (3 bit) sebagai berikut :

78

Matrik R : 1 1 3 7 1 2 4 4 6 1 2 2 7 7 7 5 5 1 6 4 4 4 2 2 5 5 2 2 2 1 2 2 3 3 0 0 Matrik G: 4 4 6 1 2 2 7 7 7 5 5 1 6 4 4 4 2 2 5 5 2 2 2 1 2 2 3 3 0 0 1 1 3 7 1 2 Matrik B: 7 7 7 5 5 1 6 4 4 4 2 2 5 5 2 2 2 1 2 2 3 3 0 0 1 1 3 7 1 2 Citra diatas akan dikompresi menjadi 4 derajat R, 4 derajat G dan 4 derajat B (2 bit), sehingga masing-masing derajat R/G/B akan diubah dengan menggunakan tabel berikut ini. Tabel 1 Perubahan derajat RGB lama menjadi RGB baru

Derajat R/G/B lama 8 tingkat (0-7)

Derajat R/G/B baru 4 tingkat (0-3)

0 0 1 0 2 1 3 1 4 2 5 2 6 3 7 3

79

Matrik citra hasil kompresi didapatkan sebagai berikut: Matrik R: 0 0 1 3 0 1 2 2 3 0 1 1 3 3 3 2 2 0 3 2 2 2 1 1 2 2 1 1 1 0 1 1 1 1 0 0 Matrik G: 2 2 3 0 1 1 3 3 3 2 2 0 3 2 2 2 1 1 2 2 1 1 1 0 1 1 1 1 0 0 0 0 1 3 0 1 Matrik B 3 3 3 2 2 0 3 2 2 2 1 1 2 2 1 1 1 0 1 1 1 1 0 0 0 0 1 3 0 1 2 2 3 0 1 1 Implementasi

Metode diatas diimplementasikan dengan MatLab 6.5. Gambar lama yang semula mempunyai 256 derajat R, G, B (8 bit), dikompresi menjadi 128 derajat R, G, B (7 bit).

Langkah pertama adalah melakukan pembacaan terhadap file citra, yang disimpan ke variabel gblama. Berikutnya dicari ukuran matrik citra. Ukuran ini nantinya akan digunakan sebagai indek perulangan dalam proses selanjutnya. Nilai derajat R, G, B citra diubah menjadi double. Setelah itu siapkan array kosong sebagai tempat citra baru hasil kompresi.

80

Proses kompresinya dijelaskan sebagai berikut :

Program 1: Proses Kompresi Citra

Hasil pada saat program dijalankan dengan beberapa sampel gambar yang berbeda adalah sbb: Tabel 2 Hasil kompresi citra terhadap 10 sampel

No

Ukuran file sebelum kompresi (KB)

Ukuran file setelah kompresi

(KB)

Rasio Kompresi (%)

1 20 5 75.00 2 49 12 75.51 3 87 24 72.41 4 167 39 76.65 5 395 89 77.47 6 407 91 77.64 7 517 103 80.08 8 701 195 72.18 9 926 268 71.06 10 1015 300 70.44

Rerata rasio kompresi didapat sebesar 74.16 %

gblama =imread('famili.jpg'); [m,n,o]=size(gblama); array=double(gblama); gbbaru=zeros(m,n,3); for k=1:o for i=1:m for j=1:n if (mod(array(i,j,k),2)==0) gbbaru(i,j,k)=(array(i,j,k)+1)/2; else gbbaru(i,j,k)=(array(i,j,k))/2; end end end end

81

Kesimpulan

Kompresi terhadap citra RGB dilakukan dengan cara menurunkan intensitas tingkat R, G dan B secara seragam. Penurunan tersebut mengakibatkan bit yang merepresentasikan citrapun menjadi berkurang. Karena bit yang merepresentasikan citra berkurang, maka besar file citra pun akan semakin kecil. Daftar Pustaka

Paul Wintz, 2000, Digital Image Processing, Prentice-Hall. MatLab 6 Help. William J Palm, 2004, Introduction to MatLab 6 for Engineers, The

McGraw-Hill Companies, Inc. www.iprg.ee.itb.ac.id/lectures.html, 15 Desember 2007 www.datacompression.info/Quantization.shtml, 31 Desember 2007 www.cbloom.com/src/index_im.html, 16 Desember 2007