Hasil Pencarian  ::  Simpan CSV :: Kembali

"Visual communications services are now making a significant impact on modern society. Videoconferencing, HDTV and Multimedia are just examples where this technology is being used to good effect. Communicating using video signals does, however, require a large volume of data to be transmitted, and even with modern high-bandwidth communication links this can be expensive. This requires the implementation of efficient image or video coding and compression schemes. This paper presents image compression schemes using wavelet transform. This paper also highlights the importance of the four most desirable characteristics for use in digital signal processing, namely orthonormality, compactness, regularity or smoothness and symmetry or anti-symmetry. Some of these characteristics are mutually exclusive and require design compromise. From the simulation results it can be seen that for equal total length of the analysis (decomposition) and synthesis (reconstruction) filters, biorthonormal wavelets performs much better than the ortlionormal wavelet (i.e. asymmetrical wavelets). This performance is not only in terms of a higher WPSNR but also in terms of the quality of reconstructed image."

"Kompresi citra menjadi salah satu pokok bahasan dalam pengolahan citra karena menjadi penting saat ukuran citra yang besar diperkecil untuk menghemat media penyimpanan dan mempercepat transmisi citra itu sendiri. Menggunakan citra hasil kompresi dengan nilai informasi yang terkandung didalamnya tidak banyak berubah atau hilang dari informasi citra sebelum dikompresi menjadi target yang akan dicapai dengan metode kompresi JPEG dan Wavelet. Kompresi teknik JPEG dengan variasi variabel faktor kualitas citra dan kompresi citra dengan metode Wavelet dengan variasi variable jenis Wavelet yang digunakan. Dengan variasi nilai varaibel tersebut akan menemukan nilai yang optimum dari masing teknik kompresi. Nilai optimum akan ditinjau dari hasil keluaran seperti rasio kompresi, PSNR dan waktu komputasi dari masing-masing teknik kompresi JPEG dan Wavelet. Hasil simulasi menunjukkan tingkat kompresi pada Wavelet lebih baik dari JPEG, yakni berkisar 65-70 kali pemampatan sementara pada JPEG hanya 20-25 untuk nilai PSNR yang sama yaitu berkisar 35-45 db.

---

Image compression becomes one subject in image processing because it important when a large image size reduced to save on storage media and transmission speed up the image itself. Using image compression results with the value of the information contained therein is not much change or disappear from the image information before it is compressed into a target to be achieved by the method of JPEG and Wavelet compression. Using JPEG compression techniques with variable variation image quality and image compression with Wavelet method with a variation of the variable type of Wavelet used. By variation of the value varaibel will find the optimum value of each compression technique. The optimum value of the output will be reviewed such as compression ratio, PSNR and computation time of each JPEG and Wavelet compression techniques. The simulation results show the level of Wavelet compression is better than JPEG, which ranges from 65-70 times, the JPEG compression while only 20-25 for the same PSNR value which ranges from 35-45 db."

"Permasalahan utama dalam kompresi gambar adalah bagaimana mendapatkan PSNR (Peak Signal to Noise Ratio) dan Rasio Kompresi (RK) yang baik (tinggi) secara bersamaan serta gambar hasil kompresi yang masih dikenali oleh manusia serta waktu pemrosesan yang relatif cepat. Rasio kompresi yang tinggi menunjukkan penurunan nilai derajat keabuan (grayscale) dalam bit per piksel dan PSNR yang tinggi berhubungan dengan kwalitas gambar rekonstruksi yang diperoleh pada penerima. Proses kompresi dilakukan dengan mengkuantisasi koefisien-koefisien wavelet yang sangat beragam menjadi nilai dan tingkat tertentu. Nilai ini ditentukan oleh proses iterasi untuk mendapatkan distorsi minimal. Pemrosesan dengan ukuran sel yang sering digunakan yaitu 4x4 walaupun mempunyai PSNR yang tinggi namun mempunyai kelemahan rasio kompresi yang rendah serta waktu pengalahan yang relatif lama. Untuk itu digunakn ukuran sel (N) lain yaitu 8x8, 16x16 dan 32x32 kemudian dilakukan proses iterasi (k) untuk mencari distorsi minimum dan penambahan jumlah tingkat kwantisasi (M). Kedua hal terakhir ini adalah untuk menaikkan PSNR, sehingga walaupun ukuran sel diperbesar namun PSNRnya masih dapat dipertahankan. Dari nilai PSNR dan rasio kompresi yang diperoleh serta karakteristiknya diperoleh titik optimal yaitu pada ukuran sel ditambah proses iterasi don jumlah tingkat kwantisasi. Hasilnya adalah sel ukuran 32x32 dapat digunakan untuk mendapatkan rasio kompresi tertinggi dengan M=4, k=0 atau M=2, k=0 atau sel ukuran 16x16 untuk mendapatkan PSNR yang baik.

---

The main problem on image compression is how to achieve value both Compression Ratio (CR) and Peak Signal to Noise Ratio (PSNR) simultaneously high, a recognized reconstructed image and relatively small time processing. Compression ratio deals with decreasing grayscale value of an original image and PSNR deals with the quality of an image. In short word, the compression process is conducted by quantizing the various values to certain values and levels of wavelet coefficients. These values are determined by adding on iteration process to get minimum distortion in a cell. The cell size used is usually 4x4 that has the high PSNR, low compression ratio and high time processing. To dissolve such things, 8x8, 16x16 and 32x32 (N) of cell sizes are in use, iterate (k) and add of quantization level (M). The last two things are to enhance PSNR but to decrease compression ratio in contrast as well. From value of PSNR and CR as well as the characteristic, the optimum point is then to find out. The result is that 32x32 cell size is suitable to achieve the highest compression ratio with combining M=4 with k=O or M=2, k=O or 16x16 cell size to achieve good PSNR."

"Pada dasarnya, tujuan kompresi gambar adalah bagaimana mendapatkan nilai rasio kompresi rasio yang tinggi, tepat dan gambar rekonstruksi masih dapat dikenali oleh visual manusia. Penentuan rasio kompresi secara tepat adalah hal yang penting dilakukan karena nilai rasio kompresi berhubungan dengan media penyimpanan serta waktu pengiriman gambar. Dengan menggunakan metoda klasifikasi kuantisasi vektor, nilai rasio kompresi yang diinginkan mempunyai range (sebaran) yang besar dan dapat diperkirakan sehingga dijadikan masukan simulasi.Metoda klasifikasi kuantisasi vektor adalah metoda kuantisasi vektor dengan membagi data kedalam blok-blok (sel) ukuran tertentu dan menghasilkan kode yang mewakili blok-blok tersebut dengan cara mengambil data dengan jarak atau distorsi terkecil menurut klasifikasi orientasi subband horizontal, vertikal dan diagonal. Kode itu disebut dengan codebook.Dengan menggunakan metoda klasifikasi kuantisasi vektor, sebagai masukan simulasi adalah nilai variabel rasio kompresi 4,8,16,32 dan 64 maka diperoleh hasilnya adalah gambar rekonstruksi masih dapat dikenali dengan baik pada nilai rasio kompresi 4, 8, 16 dan 32 dimana nilai PSNR masih > 30 dB. Sedangkan nilai rasio kompresi 64, gambar rekonstruksi sudah tidak dapat dikenali lagi karena nilai PSNR sudah < 30 dB sehingga gambar rekonstruksinya mengalami penurunan kontras yang menyebabkan kabur dan bertambahnya efek blocking.

---

Basically, the image compression is to achieve high compression ratio, accurate and recognized image reconstruction. Achieving compression ratio accurately is somewhat important to accomplish. Normally, compression ratio is defined by determining PSNR. By using classification of quantization vector method, getting the compression ratio is likely to do. The unique of this method is that this method can be arranged from 4 up to 64 of compression ratio.The classification of quantization vector method is one of vector quantization methods that classify image data to specified block and process the blocks to produce the representative block by taking minimum distance or distortion according to horizontal, vertical and diagonal energy. Those codes are codebooks.By using the classification of quantization vector method combining with the compression ratio value as an input variable of 4,8,16,32 and 64, the outcome is that reconstructed images of the compression ratio ranged 4, 8,16 and 32 is good with PSNR > 30 dB whereas the compression ratio of 64 is not recommended (PSNR value < 30 dB) for any images particularly for textures images."

"Kemajuan yang pesat di bidang telekomunikasi dewasa ini menyebabkan timbulnya berbagai jenis teknik kompresi yang dimanfaatkan dalam berbagai aplikasi. Teknik kompresi yang sangat dikenal saat ini adalah teknik kompresi DCT (discrete cosine transform) dengan metode scanning zig-zagnya.Teknik kompresi yang sedang dikembangkan saat ini adalah teknik kompresi dengan menggunakan transformasi wavelet. Dari perhitungan lama proses, nilai PSNR dan SNR, ternyata teknik kompresi transformasi wavelet memberikan hasil yang lebih bagus dibanding teknik kompresi dengan menggunakan DCT.Sampai saat ini belum ada pembakuan metode scanning yang cocok untuk diterapkan pada transformasi wavelet. Tesis ini membahas simufasi penerapan metode scanning vertikal, horisontal, zig-zag, dan diagonal pada kompresi gambar diam dengan menggunakan transformasi wavelet.Dengan membandingkan kinerja rasing-masing metode scanning, dalam hal ini parameter yang diperbandingkan adalah lama proses, jumlah koefisien yang di-scan, perhitungan RMSE temyata diperoleh bahwa metode scanning yang cocok untuk transformasi Wavelet adalah metode scanning zig-zag.

---

Image compression is a process to reduce bit information of an image. The purpose of image compression is to obtain fewer amount of data and it can be reconstructed as a new image without decreasing its quality significantly. Image compression could be done in spatial domain or transformation domain.Wavelet transform is the effective methods for image compression process since its ability to localize the bit information contained of the image. One of the important steps in transformation image using wavelet transform is scanning step.To increase performance wavelet transform, choosing scanning method i.e. vertical, horizontal, zig-zag, and diagonal will be done. From analysis view depends on the composition of coefficient and time processing, it can be said that scanning method zig-zag give the best performance. ;Image compression is a process to reduce bit information of an image. The purpose of image compression is to obtain fewer amount of data and it can be reconstructed as a new image without decreasing its quality significantly. Image compression could be done in spatial domain or transformation domain.Wavelet transform is the effective methods for image compression process since its ability to localize the bit information contained of the image. One of the important steps in transformation image using wavelet transform is scanning step.To increase performance wavelet transform, choosing scanning method i.e. vertical, horizontal, zig-zag, and diagonal will be done. From analysis view depends on the composition of coefficient and time processing, it can be said that scanning method zig-zag give the best performance."

"Alkalinitas memegang peranan penting dalam keseimbangan pH dalam air. Strip uji air sebagai instrumen pengukuran kadar alkalinitas total yang murah dan praktis digunakan tidak dapat memberikan hasil yang optimal karena perubahan warna dilihat dengan mata telanjang. Pada penelitian ini, dikembangkan sistem pembacaan perubahan warna barcode uji menggunakan analisis citra berbasis kamera ponsel pintar. Barcode uji merupakan pengembangan strip uji air yang terdiri dari tiga bagian sehingga berbentuk kotak menyerupai barcode. Pengaruh kompresi citra terhadap kualitasnya beserta tipe file citra sebagai input sistem yang dibangun juga akan dibahas lebih dalam pada penelitian ini. Barcode uji diambil menggunakan kamera ponsel pintar Samsung Galaxy A72, Huawei Nova 5T, dan RealMe 3Pro. Kompresi kualitas citra dilakukan dengan metode DCT dari kualitas 10% – 100% untuk memperkecil ukuran file citra tanpa mereduksi banyaknya informasi serta mempermudah proses transmisi data. Citra disegmentasi dan dikoreksi warnanya menggunakan metode Polynomial Color Correction (PCC) untuk kemudian dijadikan input dalam membangun sistem pengklasifikasi dan pengukuran kadar alkalinitas total air dengan arsitektur AlexNet. Metode segmentasi dan koreksi warna yang dibangun berhasil dilakukan pada tipe file citra JPG, PNG, BMP, dan TIF, namun dengan memerhatikan ukuran file dan nilai koreksi warna (Delta E), maka tipe file JPG dipilih sebagai tipe file input citra. Kinerja metode kompresi DCT dievaluasi menggunakan parameter PSNR, dimana kualitas maksimum yang masih mampu dijadikan sebagai input sistem yang dibangun adalah kualitas 80%. Arsitektur AlexNet sebagai model klasifikasi memiliki akurasi sebesar 99,5% dan model regresi memiliki nilai R2 = 0,995 dan RMSE = 4,249. Validasi model menggunakan air minum, air PAM sebagai air kebutuhan sanitasi, dan air kolam renang dengan arsitektur AlexNet menghasilkan nilai R2 = 0,906 dan RMSE = 8,861 untuk model regresi dan akurasi sebesar 90,8% untuk model klasifikasi.

---

Alkalinity plays important role in pH balance in the water. Water test strips an instrument for measuring total alkalinity levels, which are less expensive and easy to use, unfortunately cannot provide the optimal results because the color changes seen with the naked eye. In this study, a test barcode color change reading system was developed using a smartphone-based image analysis. The test barcode is the development of water test strip that consisting of three parts so that it is in the form of a square looks like barcode. The effect of image compression quality and the type of image file as input on system will be discussed. The test barcode image was taken using smartphone Samsung Galaxy A72, Huawei Nova 5T, and RealMe 3Pro. Image quality compression using DCT method from quality 10% – 100% to reduce image file size without reducing more of information and simplifying the data transmission process. The image will be segmented and color corrected applied using the Polynomial Color Correction (PCC) method to then be used as input on total alkalinity classification system and measurement system in water using AlexNet architecture. The segmentation and color correction methods has been successfully tested on JPG, PNG, BMP, and TIF image type files, but based on the file size and corrected value (Delta E), the JPG type file is chosen as the image input type file. The performance of DCT compression method is evaluated using PSNR, where the maximum quality that can still be used as input of system is 80%. AlexNet architecture as a classification model has an accuracy of 99,5% and the regression model has value of R2 = 0,995 and RMSE = 4,249. Model validation using drinking water, pool water, and PAM water as hygiene and sanitation water with AlexNet architecture resulted value of R2 = 0,906 and RMSE = 8,861 for the regression model and an accuracy of 90,8% for the classification model. "

"Teknik kompresi citra merupakan jawaban atas kebutuhan ruang memori yang cukup besar dalam penyimpanan data citra digital. Citra fraktal merupakan citra yang bersifat self-similarity. Hal ini berarti citra fraktal tersebut tersusun atas bagian-bagian yang tampak sama dengan citra awal sendiri. Skripsi ini bertujuan melakukan kompresi citra dengan metode fraktal tersebut. Prinsip kompresi citra metode fraktal ialah melakukan pencarian domain block yang paling mirip dengan range block pada citra lalu dilakukan transformasi afinitas terhadap domain block tadi. Partisi quadtree diterapkan dalam kompresi citra metode fraktal untuk menggeneralisasikan ukuran range block secara tetap yaitu 2n×2n, sedangkan penerapan Huffman code bertujuan agar menghasilkan citra dengan kualitas yang baik.

---

Image compression is an answer of the need of large memory space in saving digital image data. Fractal image is a self-similarity image. This means fractal is composed of images similar to the original one. This mini thesis discussed about fractal image compression. The main idea of the fractal image compression is to search the most similar domain block to range block then use the affine transform to the domain block. A quadtree partition is applied to generalize the size of range block, 2n×2n, while the Huffman code is applied to get good image quality."

"Citra MODIS bersifat multispektral sehingga memiliki kapasitas data yang besar. Kesamaan antara kanal citra pada data MODIS disebut korelasi citra. Korelasi citra antar band dalam data MODIS dapat dijadikan acuan dalam melakukan kompresi secara spektral. Kompresi spektral dengan metode Linear Interband Prediction dilakukan berdasarkan korelasi citra sebagai acuan dalam menentukan citra referensi dan citra hasil prediksi. Kanal citra hasil kompresi dengan linear interband prediction memiliki kapasitas kecil dan kualitas yang hampir sama dengan aslinya. Hasil kompresi dengan Linear Interband Prediction dikompresi lagi secara spasial dengan metode Wavelet. Beberapa variasi Wavelet diterapkan, yakni Haar, Daubechies, Coiflet, Symlet dan Biorthogonal. Diharapkan rasio kompresi pada kompresi ini akan lebih besar, tetap menjaga kualitas citra yakni PSNR > 40dB, dan waktu komputasi yang cepat.

---

MODIS is a multispectral satellite data, which has ultra high data size to store these data. It has to be compressed with spectrally and spatially. Image correlation used as a reference in spectral compression using Linear Interband Prediction method. Spectral compression results are compressed again using wavelet transform. Several family of Wavelet transform applied namely Haar, Daubhecies, Coiflet, Symlet, and Biorthogonal. Experimental results show in compression ratio while maintaining the image quality (PSNR > 40dB) and fast computation time are expected."