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."

"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."

"Pada skripsi ini akan disimulasikan pengkompresian gambar diam dengan menggunakan baseline JPEG sequential encoding, yang merupakan dasar dan pengkompresian gambar dengan manggunakan JPEG. Juga dibandingkan besarnya rasio kompresi dan RMS Error antara JPEG standar (subgambar berukuran 8x8 piksel) dengan subgambar berukuran 4x4 piksel dan 16x16 piksel. Gambar yang diujicoba adalah gambar tes standar skala keabuan (greyscale) "Lenna", "Coifman" dan "Canalett" dengan ukuran 160x160 piksel dan mempunyai kedalaman 8 bit. Simulasi dibuat dalam lingkungan Matlab, dalam hal ini Matlab versi 4.2.Dari hasil simulasi diperoleh bahwa besar rasio kompresi berkisar antara 5,5 sampal dengan 6,5, balk menggunakan tabel kuantisasi skalar, vektor (1), maupun vektor (2). Penggunaan subgambar beruluran 4x4 piksel memberikan hasil terbaik dibandingkan dengan menggunakan subgambar berukuran 8x8 dan 16x16 piksel."

"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."

"Pada tugas skripsi akan dibahas mengenai teknik pengkompresian dengan suatu standar yang telah dispesifikasikan oleh JPEG. Dari beberapa mode operasi yang dipakai oleh JPEG. Mode operasi Sequential Encoding seringkali menjadi standar tersendiri, dimana setiap komponen image akan dikodekan secara urut dari kiri ke kanan, dan dari atas kebawah.Mode operasi Sequential Encoding menjadi syarat minimum penerapan spesifikasi JPEG yang harus didukung oleh perangkat lunak penulisan atau pembacaan image JPEG. Dari mode operasi Sequential Encoding terdapat beberapa kelas skening yang dipakai untuk mengkodekan suatu data. Dari beberapa macam ini terdapat kelas skening yang paling efisien untuk diterapkan pads standar JPEG dengan kompensasi pada faktor lainnya.Dari hasil simulasi untuk beberapa kelas skening diperoleh bahwa kelas skening zigzag menunjukan hasil yang paling baik dengan melihat jumlah koefisien data yang perlu disken dan rasio kompresinya."

"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."

"Kompresi adalah suatu proses pengurangan ukuran dari suatu data, dimana akan terjadi sedikit atau tidak ada sama sekah losses dari data itu sendiri. Dengan adanya teknik kompresi ini, maka waktu transmisi, dan tempat penyimpanan data akan semakin praktis. Gambar-gambar fraktal tidak didasarkan atas pikseI, maka gambar ash dapat direkonstruksi secara balk atau sempurna pads segala resolusi, maka gambar-gambar fraktal dikenal dengan resolution independent, yang berarti gambar-gambar itu dapat ditampilkan pada resolusi yang lebih tinggi/rendah dari gambar aslinya. Kompresi gambar dengan menggunakan metode fraktal, adalah salah satu teknik kompresi yang didasarkan atas visually losses compression, yaitu suatu teknik kompresi dimana data yang tidak dibutuhkan dapat dihilangkan, dan karma keterbatasan mata manusia, losses itu dapat ditolerir. Kompresi dengan metode fiaktal ini menjanjikan suatu performansi kerja yang jauh lebih balk dari teknik kompresi manapun, dimana kompresi rasionya dapat mencapai 100:1 bahkan 1000:1."

"ITU and ISO/IEC standards are now widely accepted in the picture/video coding field. This book gives an authoritative explanation of picture and video coding algorithms, working from basic principles through to the advanced video compression systems now being developed. One of its main objectives is to describe the reasons behind the introduction of a standard codec for a specific application and its chosen parameter. This book will enable readers to appreciate the fundamentals needed to design a video codec for any given application and should prove to be a valuable resource for engineers working in this field."

"Kompresi citra medis telah lama menjadi suatu penerapan teknologi kompresi yang kontroversial. Terdapat dua jenis kompresi citra: lossless dan lossy. Nilai rasio kompresi pada lossless compression tidak terlalu besar sehinga lossy compression diterapkan. Perhatian utama pada kompresi citra medis adalah penentuan visually lossless threshold dimana ditentukan nilai batas kuantisasi sehingga kompresi terhadap citra medis dapat dilakukan sebelum terjadi distorsi yang tertangkap oleh sistem visual manusia. Pada skripsi ini dilakukan simulasi kompresi citra medis berdasarkan contrast threshold dan visual masking yang diujikan pada modality computed tomography, mammography, dan X-ray. Evaluasi subjektif dilakukan untuk menilai kualitas citra medis hasil dekompresi dengan melibatkan dokter spesialis radiologi sebagai penguji. Tingkat kejelasan algoritma yang digunakan pada citra medis pada modality X-ray, mammography, dan computed tomography masing-masing adalah 90,00%, 85,00%, dan 89,1666667%. Rasio kompresi dan waktu yang diperlukan untuk melakukan kompresi dan dekompresi bervariasi pada setiap citra medis yang diujikan.

---

Medical image compression has been a controversial application of compression technology. There are two types of image compression: lossless and lossy. The value of compression ratio in the lossless compression is not too big so that lossy compression is applied. The main concern in the medical image compression is the determination of visually lossless threshold limit of quantitation where values are determined so that the compression of medical images can be applied before the distortion is captured by the human visual system. In this thesis, a simulation of medical image compression based on contrast threshold and visual masking is tested on modalities: computed tomography, mammography, and X-ray. Subjective evaluation was conducted to assess the quality of medical image decompression results involving radiologist as testers. The degree of clarity of the algorithms used in medical image on the modality of X-rays, mammography, and computed tomography, respectively are 90,00%, 85,00%, and 89,1666667%. Compression ratio and time required to perform compression and decompression vary on each medical image tested."