Pemampatan Imej (Image compression)

1. Pemampatan Imej (Image compression) nazlita@fsktm.um.edu.my

2. Pemampatan Imej • Ia merupakan salah satu faktor yang penting dalam pemprosesan imej. • Ini adalah kerana perkembangan yang mendadak dalam teknologi komputer • Ia melibatkan pengurangan saiz imej iaitu dengan lebih tepat pengurangan bilangan data perwakilan sesuatu imej nazlita@fsktm.um.edu.my

3. Model Sistem Pemampatan • Sistem Pemampatan mempunyai 2 bahagian iaitu Pemampat dan Penyahmampat. • Pemampat mempunyai peringkat pra-pemprosesan dan pengkodan. • Pra-pemprosesan dilakukan ke atas imej untuk menyediakan imej tersebut kepada proses pengkodan. nazlita@fsktm.um.edu.my

4. Pemampatan • Penyahmampatan nazlita@fsktm.um.edu.my

5. Pemampat nazlita@fsktm.um.edu.my

6. Pemampat • Pemampat boleh dipecahkan kepada beberapa proses seperti dalam rajah pemampat. • Peringkat pertama dalam pra pemprosesan adalah pengurangan data yang mana boleh dilakukan dengan menggunakan pengkuantiti ruang dan/atau tahap kelabu ataupun dilakukan peningkatan imej nazlita@fsktm.um.edu.my

7. Peringkat yang kedua dalam pra-pemprosesan adalah peringkat pemetaan yang mana dalam proses ini pemetaan data imej asal kepada perwakilan matematik yang lain bagi membolehkan pemampatan dilakukan dengan senang • Seterusnya peringkat pengkuantiti akan dilakukan yang mana pada peringkat ini data yang bersambungan yang didapati daripada peringkat pemetaan ditukar kepada bentuk diskrit nazlita@fsktm.um.edu.my

8. Akhir sekali proses pengkodan data yang didapati tersebut. • Proses pemetaan data diskrit kepada bentuk yang optima nazlita@fsktm.um.edu.my

9. Penyahmampat • Proses penyahkod boleh dibahagikan kepada 2 peringkat. Pertama imej yang telah termampat akan disonsangkan kepada epngkodan asal dengan melakukan pemetaan kod untuk mendapatkan nilai yang dikuantitikan. • Seterusnya data ini akan diproses dengan melakukan penyonsangan terhadap proses pemetaan asal. • Akhir sekali akan di post pemprosesan untuk meningkat mutu imej tersebut nazlita@fsktm.um.edu.my

10. Penyahmampatan nazlita@fsktm.um.edu.my

11. Kaedah Pemampatan “Lossless” • Kaedah pemampatan ini kebanyakan digunakan ke atas imej-imej perubatan. • Ini kerana dengan menggunakan kaedah ini ciri-ciri data sebenar masih dikekalkan • Ianya juga dipanggil Pemadatan Data • Beberapa kaedah yang akan dibincangkan adalah • Huffman Coding • Run Length Coding nazlita@fsktm.um.edu.my

12. (i) Huffman Coding • Ianya dibina oleh D. Huffman pada tahun 1952 • dalam kaedah ini, data akan cuba diwakilkan minimun kod • ini dilakukan dengan mewakilkan statistik taburan tahap kelabu sesuatu imej kepada kod yang paling terdekat dengan sempadan terkecil yang nazlita@fsktm.um.edu.my

13. Algoritma Huffman • Carikan kebarangkalian tahap kelabu untuk sesuatu imej dengan mencari histogramnya • Atur kebarangkalian tersebut dari yang terkecil sehingga yang terbesar • Gabungkan 2 yang terkecil dengan mencampurkan kedua-duanya • Ulangi langkah (2) - (3) sehingga hanya tinggal 2 kebarangkalian sahaja • Dengan melakukan secara penyonsang pada pepohon, janakan kod dengan mengumpuk 0 dan 1 nazlita@fsktm.um.edu.my

14. (ii) Run-Length Coding • Ianya berfungsi dengan mengira bilangan piksel yang bersebelahan yang mempunyai nilai tahap kelabu yang sama • pengiraan ini dipanggil Run-Length • terdapat 2 cara iaitu pengiraan secara mendatar ataupun secara menegak • bilang bit yang digunakan untuk pengkodan adalah bergantung kepada bilangan piksel dalam baris matrik • iaitu jika terdapat 2n piksel dalam baris matriks maka bit yang diperlukan adalah sebanyak n nazlita@fsktm.um.edu.my

15. Kaedah Pemampatan “Lossy” • Digunakan untuk mendapat nisbah pemampatan yang tinggi • perlu mengorbankan kualiti imej dalam proses untuk mendapatkan darjah pemampatan yang besar • teknik yang ada adalah • Pengkodan Run-Length Tahap Kelabu • Pengkodan Pangkasan Blok nazlita@fsktm.um.edu.my

16. (i) Pengkodan Run-Length Tahap Kelabu • Dilakukan dengan mengurangkan perwakilan tahap kelabu kemudian barulah dijalan cara run-length coding • antara kaedah yang digunakan adalah penggunaan dynamic windows based nazlita@fsktm.um.edu.my

17. (ii) Pengkodan Pangkasan Blok • Berfungsi dengan memecahkan imej kepada sub imej yang kecil dan mengurangkan bilangan tahap kelabu dalam blok tersebut. • pengurangan ini dilakukan dengan menggunakan pengkuantiti yang diubahsuai kepada statistik imej tempatan • Peringkat dalam pengkuantiti dipilih untuk mengurangkan kriteria kesalahan yang telah dikenalpastikan • Seterusnya nilai piksel akan dipetakan kepada peringkat pengkuantiti tersebut. nazlita@fsktm.um.edu.my