Teknik Kompresi - Lossy

·         Teknik kompresi lossy adalah suatu metode pengkodean (encoding) yang mengkompres bagian dari data, tanpa dapat mengembalikannya lagi ke bentuk semula. Teknik ini membuang bagian-bagian data yang sebenarnya tidak begitu berguna, tidak begitu dirasakan, tidak begitu dilihat oleh manusia. Hal ini dikarenakan cara algoritma lossy  yang mengeliminasikan beberapa data dari suatu berkas. Namun data yang dieliminasikan biasanya adalah data yang kurang diperhatikan atau diluar jangkauan manusia, sehingga pengeliminasian data tersebut kemungkinan besar tidak akan mempengaruhi manusia yang berinteraksi dengan berkas tersebut. Keuntungan dari algoritma ini adalah bahwa rasio kompresi cukup tinggi, tapi masih dalam tahap dapat digunakan.

Perbandingan Lossless vs Lossy

Skema Kompresi

   

 Kuantisasi

• Pemetaan dari daerah intensitas yang lebar menjadi daerah intensitas yang lebih kecil
• Kuantisasi merupakan sumber kehilangan pada lossy

Transform Coding

• Biasanya digunakan pada audio dan image
• Tujuan dari transformation coding adalah untuk mengkonversi data menjadi sebuah bentuk data yang lebih ringan (ringan dalam ukuran)
• Hasil konversi pada transform coding akan mengubah data menjadi ukuran yang lebih kecil dari pada data sebelumnya
• Transformasi input data x0, x1, x2, ..., x(n-1) menjadi c0, c1, c2, ..., c(n-1) yang nilainya lebih kecil dari pada nilai sebelumnya

  

 

Transform Coding – Discrete Cosine Transform

•       Discrete Cosine Transform (DCT) biasa digunakan untuk mengubah sebuah sinyal menjadi komponen frekuensi dasarnya.

•       DCT mempunyai dua sifat utama untuk kompresi citra dan video yaitu :

–      Mengkonsentrasikan energi citra ke  dalam sejumlah kecil koefisien (energi compaction).

–      Meminimalkan saling ketergantungan diantara koefisien-koefisien (decorrelation).

–      DCT biasanya digunakan pada kompresi image JPEG

 

Transform Coding – Karhunen-Loève Transform

• Metode yang digunakan untuk mentransfer sejumlah besar data yang berdimensi besar pada suatu sub-ruang berdimensi 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

• Konsep gelombang pada pemrosesan sinyal digital yang dihasilkan suatu data.
• Sebuah transformasi matematika yang digunakan untuk menganalisis sinyal bergerak. Dari sinyal ini didapatkan informasi spektrum frekuensi dan waktu disaat bersamaan.

 

WBC – Continous Transform

•  Metode dekomposisi waktu-frekuensi yang ditujukan untuk mengkarakterisasi respon pergerakan pada frekuensi tertentu.
• Menggunakan metode Fast Fouhrier Transform dari setiap window waktu secara terus menerus sehingga diperoleh gambaran kisaran frekuensi

 

WBC – Discrete Transform

• Menggunakan high pass filtering dan low pass filtering
• High pass filtering adalah konsep filtering yang meninggikan frekuensi, sedangkan low pass filtering adalah konsep yang melemahkan frekuensi

Low Pass Filter

High Pass Filter

 

Thresholding dan Quantization

• Proses untuk menentukan apakah koefisien hasil dari transformation(ex= DCT) harus dipertahankan atau tidak.
• Proses mempertahankan atau menghilangkan nilai koefisien yang disebut dengan proses quantization.
• Proses quantization adalah inti dari proses kompresi lossy.

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.