1Jurusan Teknik Elektro, Universitas Diponegoro Semarang, Indonesia
2Jalan Prof. Sudharto, SH., Kampus UNDIP Tembalang, Semarang 50275, Indonesia, Indonesia
BibTex Citation Data :
@article{Transient7185, author = {Faizal M and Achmad Hidayatno and Ajub Zahra}, title = {KOMPRESI CITRA DIGITAL ARAS KEABUAN (GRAYSCALE) MENGGUNAKAN METODE EMBEDDED ZEROTREE WAVELET (EZW)}, journal = {Transient: Jurnal Ilmiah Teknik Elektro}, volume = {3}, number = {4}, year = {2014}, keywords = {}, abstract = { Abstrak Kompresi citra sangat penting untuk banyak aplikasi. Khususnya untuk mempercepat pengiriman dan pengaksesan sebuah citra dalam berbagai media. Sebuah citra biasanya mengandung jumlah data yang besar untuk kualitas gambar yang bagus, sehingga membutuhkan memori yang besar juga untuk menyimpannya. Salah satu cara untuk mengurangi pemborosan memori adalah dengan melakukan kompresi citra. Salah satu kompresi yang digunakan adalah algoritma Embedded Zerotree Wavelet (EZW). Sistem kompresi citra digital dengan menggunakan EZW dirancang untuk mengkompresi citra asli bitmap aras-keabuan menjadi citra yang terkompresi dengan ukuran data citra sekecil mungkin. Proses kompresi citra dimulai dengan proses Discrette Wavelet Transform (DWT) agar diperoleh aproksimasi dan koefisien detail matriks citra yang digunakan untuk masukan proses EZW. Proses selanjutnya adalah proses kompresi EZW untuk mengkompresi matriks citra menjadi citra yang terkompresi. Pengujian aplikasi kompresi ini menggunakan 4 citra aras-keabuan berformat berkas .bmp, yang memiliki resolusi 256 × 256 piksel dan 512 × 512 piksel dengan variasi threshold. Berdasarkan hasil pengujian terhadap citra uji diperoleh rasio kompresi citra maksimal sebesar 99,39 % dan minimal 62,16%, nilai PSNR rata-rata 28,5 dan MSE 174,41 dengan menggunakan variasi threshold 5 ,10, 30, 50, 80. Untuk kualitas citra yang terkompres, semakin kecil nilai threshold semakin baik kualitas citra terkompresinya. Kata kunci: citra bitmap , kompresi citra, threshold, Embedded Zerotree Wavelet Abstract Image compresion is very important for many aplications. In particular to speed up the delivery and accesing an image in a variety of media. An image usually contains a large amount of data for good picture quality, thus requiring large memory to store them as well. One solution for reduce the waste of memory with the image compression. One of the compression used the Embedded Zerotree Wavelet (EZW) algorithm. The system digital image compression using EZW is designed to compress the original bitmap grayscale image into a compressed image with image data size as small as possible. The process begins by Discrette Wavelet Transform (DWT) to obtain the approximation and detail coefficient matrix for input EZW process. The next process is the EZW compression to compress the image matrix into a compressed image. This compression testing applications using a 4 grayscale image with file format .Bmp, which has a resolution of 256 × 256 pixels and 512 × 512 pixels with variation threshold. Based on the test results of the test images obtained by the image compression rate of 99.39% and a maximum of at least 62,16%, the average PSNR 174,41 and MSE 28,5 with a variation threshold 5, 10, 30, 50, 80. Quality of the compressed image, the smaller the threshold value the better quality of image compressed Keyword: Bitmap image, Image compresion, threshold, Embedded Zerotree Wavelet }, issn = {2685-0206}, pages = {460--466} doi = {10.14710/transient.v3i4.460-466}, url = {https://ejournal3.undip.ac.id/index.php/transient/article/view/7185} }
Refworks Citation Data :
Abstrak
Kompresi citra sangat penting untuk banyak aplikasi. Khususnya untuk mempercepat pengiriman dan pengaksesan sebuah citra dalam berbagai media. Sebuah citra biasanya mengandung jumlah data yang besar untuk kualitas gambar yang bagus, sehingga membutuhkan memori yang besar juga untuk menyimpannya. Salah satu cara untuk mengurangi pemborosan memori adalah dengan melakukan kompresi citra. Salah satu kompresi yang digunakan adalah algoritma Embedded Zerotree Wavelet (EZW). Sistem kompresi citra digital dengan menggunakan EZW dirancang untuk mengkompresi citra asli bitmap aras-keabuan menjadi citra yang terkompresi dengan ukuran data citra sekecil mungkin. Proses kompresi citra dimulai dengan proses Discrette Wavelet Transform (DWT) agar diperoleh aproksimasi dan koefisien detail matriks citra yang digunakan untuk masukan proses EZW. Proses selanjutnya adalah proses kompresi EZW untuk mengkompresi matriks citra menjadi citra yang terkompresi. Pengujian aplikasi kompresi ini menggunakan 4 citra aras-keabuan berformat berkas .bmp, yang memiliki resolusi 256 × 256 piksel dan 512 × 512 piksel dengan variasi threshold. Berdasarkan hasil pengujian terhadap citra uji diperoleh rasio kompresi citra maksimal sebesar 99,39 % dan minimal 62,16%, nilai PSNR rata-rata 28,5 dan MSE 174,41 dengan menggunakan variasi threshold 5 ,10, 30, 50, 80. Untuk kualitas citra yang terkompres, semakin kecil nilai threshold semakin baik kualitas citra terkompresinya.
Kata kunci: citra bitmap, kompresi citra, threshold, Embedded Zerotree Wavelet
Abstract
Image compresion is very important for many aplications. In particular to speed up the delivery and accesing an image in a variety of media. An image usually contains a large amount of data for good picture quality, thus requiring large memory to store them as well. One solution for reduce the waste of memory with the image compression. One of the compression used the Embedded Zerotree Wavelet (EZW) algorithm. The system digital image compression using EZW is designed to compress the original bitmap grayscale image into a compressed image with image data size as small as possible. The process begins by Discrette Wavelet Transform (DWT) to obtain the approximation and detail coefficient matrix for input EZW process. The next process is the EZW compression to compress the image matrix into a compressed image. This compression testing applications using a 4 grayscale image with file format .Bmp, which has a resolution of 256 × 256 pixels and 512 × 512 pixels with variation threshold. Based on the test results of the test images obtained by the image compression rate of 99.39% and a maximum of at least 62,16%, the average PSNR 174,41 and MSE 28,5 with a variation threshold 5, 10, 30, 50, 80. Quality of the compressed image, the smaller the threshold value the better quality of image compressed
Article Metrics:
Last update:
Penulis yang menyerahkan naskah perlu menyetujui bahwa hak cipta dari artikel tersebut akan diserahkan ke TRANSIENT: Jurnal Ilmiah Teknik Elektro dan Departemen Teknik Elektro, Universitas Diponegoro sebagai penerbit jurnal. Hak cipta mencakup hak untuk mereproduksi dan mengirimkan artikel dalam semua bentuk dan media, termasuk cetak ulang, foto, mikrofilm, dan reproduksi serupa lainnya, serta terjemahannya.
TRANSIENT: Jurnal Ilmiah Teknik Elektro dan Departemen Teknik Elektro, Universitas Diponegoro dan Editor berusaha keras untuk memastikan bahwa tidak ada data, pendapat, atau pernyataan yang salah atau menyesatkan dipublikasikan di jurnal. Dengan cara apa pun, isi artikel dan iklan yang diterbitkan dalam TRANSIENT: Jurnal Ilmiah Teknik Elektro adalah tanggung jawab tunggal dan eksklusif masing-masing penulis dan pengiklan.
Formulir Transfer Hak Cipta dapat diunduh di sini: [Formulir Transfer Hak Cipta Transient]. Formulir hak cipta harus ditandatangani dan dikirim ke Editor dalam bentuk surat asli, dokumen pindaian atau faks:
Dr. Wahyudi (Ketua Editor)Departemen Teknik Elektro, Universitas Diponegoro, IndonesiaJl. Prof. Sudharto, Tembalang, Semarang 50275 IndonesiaTelepon/Facs: 62-24-7460057Email: transient@elektro.undip.ac.id