Jadi kemarin kelompok saya mendapat tugas untuk mempresentasikan tentang kompresi lossy. Apa sih itu kompresi lossy? Kemarin udah lossless, sekarang lossy. Membingungkan.. Sabaaaar,,sebentar lagi kita bakal tau kok. Yuuk langsung aja. Kalo mau baca tentang kompresi lossless bisa kesini :D
Kompresi
Lossy adalah teknik kompresi dimana file yang di
kompres akan menjadi jauh lebih kecil karena pada data yang di kompres akan ada
bagian yang dihilangkan. Oleh karena itu, data yang sudah dikompres belum tentu
dapat di decompress untuk mengembalikan datanya kembali ke seperti semula.
Gambar 1 Deskripsi Kompresi Lossy
1.1 Perbedaan Lossless dan Lossy
Loseless
|
Lossy
|
Hasil akhir/output dari data sebelum dan sesudah kompresi SAMA
|
Hasil akhir/output dari data sebelum dan
sesudah kompresi TIDAK SAMA
|
Ukuran data hasil kompresi >= data
sebelumnya
|
Ukuran data hasil kompresi < data
sebelumnya
|
Berguna ketika data yang dikompresi
berupa file/teks dan image
|
Berguna ketika data yang
dikompresi berupa audio dan video
|
Tabel 1 Perbedaan Lossless dan Lossy
1.2 Metode Kompresi Lossy
Ada
beberapa metode yang biasa digunakan pada kompersi lossy :
·
Kuantisasi
Inti
dari kompresi lossy. Yaitu untuk menentukan data apa saja yang akan
dihilangkan.
Gambar 2 Penggambaran Kuantisasi
·
Transform
Coding
-
Digunakan untuk mengkonversi data,
sehingga menjadi lebih kecil ukurannya.
-
Misalnya data input x0, x1, …, x(n-1)
akan menghasilkan data output c0, c1, …, c(n-1), dimana data output memiliki
data yang nilainya lebih kecil dari nilai sebelumnya.
-
Biasa digunakan pada audio dan image
o
Discrete Cosine Transform
-
Digunakan untuk mengubah sinyal menjadi
komponen frekuensi dasar
-
Sifat utama DCT pada kompresi citra dan
video adalah :
§ energy
compaction
§ decorrelation
-
DCT biasa digunakan pada kompresi JPEG.
o
Karhunen-Loeve Transform
-
Digunakan untuk transfer data yang
memiliki dimensi besar pada sub-ruang dimensi kecil
-
Ringkasan
utk mendapatkan transformasi [F]:
– Cari covariance matrix Cov([f])
– Cari eigenvalue dan eigenvector dari Cov([f]) dan
dapatkan matrix transformasi T dari
normalized eigen vector
– Cari vektor transformasi [F]
·
Wavelet
Based Coding
-
Digunakan untuk menganilisis gerakan
sinyal suatu sinyal digital dari data , sehingga didapatkan informasi spectrum
frekuensi dan waktu.
-
Sebuah transformasi matematika yang
digunakan untuk menganalisis sinyal bergerak. Dari sinyal ini didapatkan
informasi spektrum frekuensi dan waktu disaat bersamaan.
Gambar 3 Penggambaran Gelombang
o
Continuos Wavelet Transform
-
Digunakan untuk dekompresi
waktu-frekuensi sehingga bisa menkarakterisasi respon pergerakan suatu
frekuensi.
-
Menggunakan metode “Fast Fouhrier
Transform”.
o
Discrete Wavelet Transform
-
Menggunakan konsep “High Pass Filtering”
dan “Low Pass Filtering”
-
High Pass Filtering, filtering untuk
menguatkan frekuensi
-
Low Pass Filtering, filetering untuk
melemahkan frekuensi
Gambar 4 Low Pass Filtering dan High
Pass Filtering
1.3 Proses Encoding dan Decoding
- Encoding
Gambar Asli => Sampling =>
Kuantisasi => Coding Entropy
- Decoding
Input => Unpack =>
Rekonstruksi => Transform => Output
1.4 Kesimpulan
Setelah
mengetahui perbedaan antara Lossless dan Lossy, maka kita dapat mengetahui
algoritma mana yang kita perlukan. Masing-masing memiliki kelebihan dan
kekurangan. Agar kita dapat menggunakan
kelebihannya dalam kondisi yang kita hadapi.
Naaah, jadi udah tau kan ya? Sekian dulu dari saya,
Wassalamu'alaikum :D
No comments:
Post a Comment