Terakreditasi SINTA Peringkat 2 Surat Keputusan Dirjen Penguatan Riset dan Pengembangan Ristek Dikti No.
10/E/KPT/2019
masa berlaku mulai Vol.
1 No.
1 tahun 2017 s.
d Vol.
5 No.
3 tahun 2021 Terbit online pada laman web jurnal: http://jurnal.
JURNAL RESTI
(Rekayasa Sistem dan Teknologi Informas.
Vol.
4 No.
155 - 162
ISSN Media Elektronik: 2580-0760 Teknik Kompresi Citra Medis dengan Transformasi Diskrit Wavelet dan Pengkodean Entropy I Dewa Gede Hardi Rastama1.
I Made Oka Widyantara2.
Linawati3
1,2,3
Program Studi Magister Teknik Elektro.
Universitas Udayana dewarastama@gmail.
com, 2oka.
widyantara@unud.
id, 3linawati@unud.
Abstract Medical imaging is a presentment of human organ parts.
Medical imaging is saved on a film.
therefore, it needs a big saving Compressing is a process to remove redundancy from a piece of information without reducing its quality.
This study recommended compressed medical image with DWT (Discrete Wavelet Transfor.
with adaptive threshold added and entropy copying with the Run Length Encoding (RLE) coding.
This study is comparing several parameters, such as compressed ratio and compressed image file size, and PSNR (Peak Signal to Noise Rati.
for analyzing the quality of reconstructive image.
The study showed that the comparison of rate, compressed ratio, and PSNR tracing of Haar and Daubechies doesnAot have a significant difference.
Comparison of rate, compressed ratio, and PSNR tracing on the hard and soft threshold is the rate of the sold threshold is lower than the hard threshold.
The optimal outcome of this study is to use a soft threshold.
Keywords: medical images, discrete wavelet transform, adaptive threshold Abstrak Citra medis adalah suatu penggambaran bagian-bagian organ tubuh manusia.
Citra medis disimpan dalam bentuk film sehingga memerlukan tempat penyimpanan yang besar.
Kompresi merupakan proses untuk menghilangkan berbagai redundansi dari suatu informasi, tetapi tetap dapat menjaga kualitas penggambaran dari informasi tersebut.
Pada penelitian ini diusulkan kompresi citra medis menggunakan DWT (Discrete Wavelet Transfor.
serta penambahan threshold yang bersifat adaptive dan pengkodean entropy menggunakan pengkodean Run Length Encoding (RLE).
Penelitian ini membandingkan parameter-parameter : rasio kompresi dan ukuran file citra terkompres, serta PSNR (Peak Signal to Noise Rasi.
untuk analisa kualitas citra rekonstruksi.
Pada bagian hasil diperoleh, perbandingan rate, rasio kompresi dan PSNR tracing pada Haar dan Daubechies tidak terdapat perbedaan yang signifikan.
Perbandingan rate, rasio kompresi dan PSNR tracing pada hard dan soft threshold adalah rate dari soft threshold lebih rendah dari hard threshold.
Hasil optimal pada penelitian ini adalah menggunakan soft threshold.
Kata kunci: citra medis, discrete wavelet transform, adaptive threshold.
A 2020 Jurnal RESTI Semakin besar ukuran file citra medis maka akan berpengaruh pada waktu transfer data dan penggunaan Citra medis pada dasarnya adalah suatu proses Salah satu solusi untuk memperkecil ukuran penggambaran bagian-bagian organ tubuh manusia file citra medis adalah dengan melakukan kompresi dengan tujuan untuk mengetahui kerusakan yang Kompresi terdapat pada organ tubuh tersebut.
Citra medis yang menghilangkan berbagai redundansi dari suatu banyak ditemui adalah CT (Computed Tomograph.
informasi, tetapi tetap dapat menjaga kualitas Scanning.
MRI (Magnetic Resonance Imagin.
USG penggambaran dari informasi tersebut.
Dalam (Ultrasonograf.
X-Ray.
PET (Positron Emission mengompres sebuah citra, ada 2 parameter utama yang Tomograph.
Sebelum adanya teknologi informasi akan diukur yaitu rasio kompresi dan kualitas citra.
citra medis disimpan dalam bentuk film sehingga Sebuah metode yang baik adalah metode yang mampu disimpan dalam jumlah yang besar dan data citra menghasilkan rasio kompresi yang tinggi, namun tersebut memerlukan tempat penyimpanan yang besar.
Pendahuluan Diterima Redaksi : 11-12-2019 | Selesai Revisi : 17-12-2020 | Diterbitkan Online : 20-02-2020 I Dewa Gede Hardi Rastama.
I Made Oka Widyantara.
Linawati Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
155 Ae 162 penurunan kualitas citra masih bisa ditoleransi oleh kualitas citra dekompresi.
Metode yang baik adalah mata manusia.
Terdapat dua teknik kompresi citra, metode yang mampu menghasilkan rasio kompresi yakni lossy compression dan lossless compression.
yang tinggi, tetapi penurunan kualitas citra yang Teknik kompresi lossless digunakan untuk mereduksi dihasilkan masih mampu ditoleransi oleh mata ukuran data citra dengan memberikan hasil citra manusia.
Di samping itu, ketika metode kompresi kompresi yang tepat sama dengan citra aslinya.
Teknik diterapkan maka proses dekompresi juga tidak bisa kita kompresi lossy digunakan untuk mereduksi ukuran data lepaskan.
Citra medis merupakan citra yang nantinya dengan menghilangkan beberapa informasi pada citra, akan dianalisa dan digunakan oleh dokter, dengan tetapi dapat memberikan hasil visual yang mirip dengan demikian kualitas dari citra medis hasil rekonstruksi citra asli .
harusnya tidak menurun dan masih dapat diterima.
Terdapat beberapa penelitian .
yang berkaitan Digital Imaging and Communication in Medicine dengan kompresi citra medis, seperti yang dilakukan (DICOM) merupakan standar komunikasi dan oleh J.
Agrawal dkk .
dalam melakukan pencitraan yang digunakan sebagai dasar acuan dalam kompresi citra medis dengan transformasi wavelet, dari pengembangan aplikasi medis.
Beberapa kompresi citra hasil yang diperoleh wavelet Biorthogonal mempunyai medis yang mengacu pada DICOM diantaranya : DCT kinerja paling baik.
Penelitian yang di lakukan oleh (Discrete Cosine Transfor.
JPEG LS.
DWT (Discrete Ruchika dkk .
Kumar dkk .
melakukan Wavelet Transfor.
, dll.
Pada perkembangannya, kompresi citra medis dengan Transformasi Wavelet transformasi wavelet telah digunakan secara luas dalam menunjukkan bahwa wavelet mampu memberikan pengolahan sinyal, dan secara khusus pada riset kualitas citra hasil kompresi yang baik dengan rasio kompresi citra.
Di beberapa aplikasi, skema berbasis yang cukup tinggi.
Jumlah penelitian pada kompresi wavelet mencapai hasil melebihi yang diharapkan pada citra medis saat ini menunjukkan bahwa permasalahan skema coding lainnya seperti DCT.
Transformasi tersebut menjadi perhatian dari banyak peneliti di wavelet menghasilkan rasio kompresi yang tinggi tanpa Berdasarkan pada data tersebut, maka sebuah metode kompresi yang baik sangat dibutuhkan, mempercayakan redudansi dalam citra dan kesamaan sehingga penulis melakukan penelitian mengenai teknik karakteristik dengan sistem pengelihatan manusia.
kompresi citra medis dengan transformasi diskrit Pada citra kompresi juga diterapkan metode soft dan wavelet dan pengkodean entropy RLE untuk menjaga hard threshold, dimana hard threshold memiliki fungsi kualitas citra tetap baik.
yang tidak continuous sehingga citra yang Kerangka sistem kompresi yang akan diusulkan terdiri terekonstruksi terdapat goyangan, sedangkan untuk soft atas Proses transformasi untuk pemetaan citra domain threshold memiliki fungsi continuous sehingga dapat frekuensi menggunakan teknik Tranformasi Wavelet, mengatasi kelemahan hard threshold.
Proses transformasi untuk meningkatkan rasio Teknik kompresi Run Length Encoding (RLE) telah kompresi menggunakan teknik Universal Threshold, banyak digunakan.
Metode ini memanfaatkan dan proses pengkodean menggunakan algoritma Run kemunculan nilai piksel secara berulang pada lokasi Length Encoding (RLE).
Penggunaan RLE diharapkan yang berderetan.
Metode ini bekerja sangat baik pada mampu memperkecil ukuran citra hasil dekompresi data dengan perulangan nilai yang banyak.
Mengingat namun tetap mempertahankan kualitasnya, tentu saja bahwa metode ini merupakan metode kompresi lossless karena sifat lossless dari RLE yang tetap menjaga kualitas asli data sebelum dan sesudah dikompresi, maka metode ini cocok diterapkan 2.
Metode Penelitian pada data hasil transformasi wavelet citra medis.
Skema Umum Penelitian sehingga tidak ada informasi yang hilang dan menghasilkan rasio yang baik dengan kualitas citra Citra Asli Tranformasi Uniform dekompresi yang terekonstruksi dengan sempurna.
Entropy coding Threshold Penelitian yang pernah dilakukan untuk kompresi citra dengan RLE, dilakukan oleh Chakraborty and Benerjee Hasil Rekonstruksi Decode/ Data Hasil .
yang menggunakan Enhanced RLE, dengan Citra Inverse wavelet Kompresi Entropy Coding Kompresi memodifikasi RLE biasa, yang bertujuan menghasilkan rasio rekonstruksi citra yang sempurna.
Penelitian lain Gambar 1.
Blok diagram skema umum penelitian juga dilakukan oleh Ulfa LuAoluilmaknun dan Nilza Humaira Salsabila .
dimana metode RLE kurang Pada gambar 1 menunjukkan skema umum dari efektif diterapkan pada citra RGB dan citra grayscale penelitian yang diawali dengan memindai citra dalam yang memiliki derajat keabuan berurutan yang tidak bentuk matriks yang mewakili derajat keabuan tiap piksel dan setelah itu dilakukan preprocessing.
Setelah dilakukan preprocessing citra, matriks tersebut Ketika mengkompres sebuah citra terdapat dua didekomposisikan dengan melakukan downsampling parameter yang harus diukur, yaitu rasio kompresi dan yang kemudian dilewatkan pada dua jenis filter digital.
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
155 Ae 162 I Dewa Gede Hardi Rastama.
I Made Oka Widyantara.
Linawati Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
155 Ae 162 Low pass filter digunakan untuk menganalisa data 2.
Universal Threshold berfrekuensi rendah, sedangkan high pass filter Pada penelitian Xiaofeng Wu dkk .
tujuan menganalisa data berfrekuensi tinggi.
Dari proses penerapan threshold adalah untuk menghilangkan filterisasi tersebut dihasilkan sebuah matriks pixel-pixel yang memiliki kandungan informasi yang transformasi baru sesuai dengan wavelet filter yang tidak diinginkan.
Pemilihan nilai threshold sangat digunakan dan selanjutnya diberikan threshold.
penting karena menentukan rasio kompresi dan kualitas Thresholding atau penentuan batas, merupakan salah citra terekonstruksi.
Untuk threshold yang memiliki satu teknik untuk mengurangi jumlah bit yang nilai terlalu tinggi menyebabkan bit-bit pada citra diperlukan untuk menyimpan data gambar.
Proses ini tertransformasi banyak yang tidak dilewatkan sehingga diterapkan pada keluaran hasil transformasi.
Langkah memberi nilai rasio kompresi yang tinggi namun yang dilakukan adalah dengan menentukan suatu nilai kualitas citra terekonstruksi rendah.
Sebaliknya jika .
yang disebut AothresholdAo, nilai ini yang nantinya nilai threshold terlalu rendah maka banyak informasi dipakai untuk menentukan koefisien yang akan diambil yang dapat dilewatkan sehingga menyebabkan dari matriks hasil transformasi.
Pada penelitian ini rendahnya rasio kompresi.
digunakan metode universal threshold yang nilainya ditentukan dari koefisien wavelet.
Penggunaan metode Berikut adalah cara memperoleh threshold untuk ini bermaksud untuk mengetahui pengaruh threshold kompresi wavelet 2d menggunakan program Matlab, yang bersifat adaptive terhadap rasio kompresi.
Hasil nilainya bersifat global pada seluruh subband :
pemberlakukan threshold akan dikodekan dengan RLE yang bersifat lossless dengan harapan representasi data t thrmngr( d dcomp L , sqrt sn , , ) bisa lebih singkat sehingga rasio kompresi bisa dimana C dan S adalah hasil dari transformasi wavelet ditingkatkan tanpa mengurangi nilai PSNR.
Dengan yang menyatakan koefisien wavelet dalam bentuk pemberian threshold akan terdapat beberapa nilai yang vektor dan ukuran matrik koefisien pada tiap level menjadi nol.
Kumpulan nilai nol yang sama jika dekomposisi.
dikodekan dengan RLE akan sangat memperkecil Jika tidak ada pengkodean RLE, maka Nilai threshold .
yang diperoleh dapat diterapkan pada ukuran citra dengan atau tanpa threshold akan menjadi 2 metode, yaitu hard thresholding dan soft thresholding sama saja, sehingga pemberian nilai threshold dalam .
hal ini tidak akan mengurangi ukuran file citra a.
Hard threshold : jika x merupakan sekelompok Kode RLE yang telah terbentuk, akan koefisien wavelet, kemudian nilai threshold t disimpan pada sebuah file biner.
File biner inilah yang ditentukan, untuk semua nilai x yang kurang dari merupakan data hasil kompresi.
Untuk langkah threshold akan menjadi nol.
citra, maka langkah pertama yang harus dilakukan adalah membuka file biner yang C { | | .
| | berisi kode RLE.
Pembacaan data mulai dilakukan untuk mendekodekan data dengan pendekodean RLE.
Soft threshold : pada keadaan ini, seluruh koefisien Data hasil decoding RLE selanjutnya akan x yang lebih kecil dari threshold t akan dipetakan direkonstruksi dengan filter inverse DWT.
Hasil menjadi nol, jika koefisien x lebih besar dari rekonstruksi inilah yang akan ditampilkan kepada threshold t maka nilai koefisien x akan dikurangi pengguna sebagai citra hasil dekompresi dengan t, berikut persamaan dari soft threshold.
Discrete Wavelet Transform
( )(| |
)| |
C {
Kompresi citra dengan Discrete Wavelet Transform (DWT) dengan mother wavelet Haar memiliki atau operator signum dapat dijelaskan sebagai karakteristik koefisien low pass filter (L) [-0.
12940952255092145, 0.
836516303737469, 0.
dan koefisien high pass filter (H) [-0.
48296291314469025, 0.
836516303737469, 0.
22414386804185735, -0.
| |
Entropy Coding Entropy coding yang akan digunakan pada penelitan ini Dekomposisi dilakukan dengan cara mengkonvolusikan adalah metode Run Length Encoding (RLE).
semua nilai matriks pada baris dan kolom dengan Algoritma ini cocok untuk memampatkan citra yang koefisien filter secara horizontal dan vertikal memiliki kelompok-kelompok piksel berderajat Dekomposisi terjadi pada dua tingkat sehingga keabuan yang sama .
menghasilkan empat sub-band yakni LL.
LH.
HL dan HH.
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
155 Ae 162 I Dewa Gede Hardi Rastama.
I Made Oka Widyantara.
Linawati Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
155 Ae 162 Dasar metode ini adalah dengan mengganti sejumlah .
48296291314469025, 0.
informasi yang sama dengan sebuah bilangan untuk 22414386804185735, -0.
jumlah perulangan dan kode dari data yang berulang Berkas kompresi akan berisi nilai dan jumlah sedangkan invers high pass filter disimbolkan dengan Untuk nilai yang tidak berulang.
HAo dengan nilai rekonstruksi penggunaan RLE malah akan meperbesar ukuran file.
[-0.
12940952255092145, -0.
Untuk menangani hal tersebut, maka RLE dibentuk dalam format 3 byte yang terdiri dari 1 byte karakter 0.
836516303737469, -0.
control yang merupakan penanda kompresi, 1 byte 2.
Parameter Pengukuran Kualitas Kompresi Citra count yang merupakan jumlah perulangan data pada berkas, dan 1 byte char merupakan data yang berulang.
Parameter pengukuran kualitas kompresi citra Dengan format 3 byte tersebut, maka kompresi berdasarkan referensi yang digunakan pada penelitian diperlakukan pada deretan 4 perulangan atau lebih, agar ini, merujuk pada dua parameter utama yakni PSNR kompresi menjadi efisien.
Proses dekoding RLE sangat dan rasio kompresi Jika tidak ada karakter kontrol, maka data Rasio Kompresi, yaitu membandingkan ukuran citra tersebut akan langsung disalin, sebaliknya jika terdapat asli terhadap citra hasil kompresi.
Sebagai contoh karakter kontrol, maka data akan disalin sebanyak kapasitas citra asli sebesar 10MB dan citra hasil jumlah pada count.
Misalnya terdapat citra dengan kompresi sebesar 2MB maka rasio kompresinya adalah ukuran 8x8 yang ditunjukkan pada Gambar 2.
Data 10/2 = 5 setiap piksel tersebut bisa dideretkan sehingga menjadi data 1 dimensi, agar lebih mudah melakukan Peak Signal to Noise Ratio (PSNR), yaitu mengukur kualitas citra rekonstruksi.
Sebelum menghitung PSNR perlu diketahui nilai Mean Square Error (MSE) yaitu 3 5 5 5 4 4 4 4 4 4 5 5 1 1 1 1 2 2 2 2 2 2 2 2 1 1 2 3 3 3 sigma dari jumlah error antara citra asli dan citra 3 3 3 3 3 3 3 3 3 3 5 5 5 5 5 1 4 4 4 4 4 4 5 5 5 5 5 6 7 7 rekonstruksi Oc [ MSE = (Oc ] ) .
E b E E mse E PSNR = 20 x log10 E Hasil dan Pembahasan Dalam rangka mengikuti skenario pengujian yang telah disebutkan sebelumnya, maka dalam hal ini digunakan lima buah citra medis.
Dimana citra medis yang Langkah pertama dalam pengkodean RLE adalah digunakan mewakili jenis citra medis hasil rontgen.
menghitung jumlah kemunculan setiap nilai, seperti Kelima citra yang digunakan ditunjukkan pada gambar Setelah melalui tahap pengujian maka diperoleh hasil pengujian masing-masing.
Basis wavelet yang Gambar 2.
Nilai piksel citra ukuran 8x8 Tanda dalam kurung menunjukkan jumlah kemuculan digunakan adalah Haar dan Daubechies .
, nilai de depannya.
Misalnya 3 muncul 1 kali, 5 muncul maksimum level dekomposisi 4, dan menggunakan 3 kali dan seterusnya.
Maka nilai-nilai tersebut entropy coding RLE (Run Length Encodin.
Setiap citra uji menghasilkan 2 tabel yaitu berdasarkan basis direpresentasikan sebagai berikut :
wavelet yang digunakan dalam penelitian (Haar, db.
3 5 4 5 1 2 1 2 3 5 1 4 5 6 7 3 1 3 6 2 4 8 2 1 11 5 1 6 1 Dari setiap tabel menampilkan analisa proses kompresi Sehingga diperoleh panjang total adalah 31 byte.
pengelompokan grid citra, nilai threshold adaptive yang Ukuran citra keabuan 8x8 awalnya adalah 64 byte.
Hal terbentuk, kemudian hasil kompresi dari parameternya tersebut berarti hampir setengah dari citra terkompresi.
masing-masing yang terdiri dari Rate .
B).
Rasio Kompresi (%).
PSNR .
B).
Rekontruksi Citra Rekonstruksi citra merupakan proses kebalikan dari dekomposisi yaitu meliputi tahap-tahap upsampling dan Parameter yang digunakan: invers low pass filter disimbolkan dengan LAo dengan nilai Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
155 Ae 162 I Dewa Gede Hardi Rastama.
I Made Oka Widyantara.
Linawati Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
155 Ae 162 1 Analisa Rate dan PSNR Trace pada Wavelet Haar dan Daubechies .
Citra uji 1 .
Citra Uji 2 Grafik berikut merupakan grafik rate tracing citra uji menggunakan basis wavelet haar dan daubechies secara berurutan diterapkan pada soft threshold dan entropy coding RLE.
Sumbu x menyatakan citra uji dan sumbu y merupakan rate .
kuran data hasil pengkodea.
Perbandingan yang digunakan dengan membuat grafik rate tracing, rasio kompresi, dan PSNR tracing.
Rate Tracing Basis Wavelet dengan RLE dan Soft Threshold Citra Uji 1 Citra Uji 2 Citra Uji 3 Citra Uji 4 Daubechies Haar Daubechies Haar Daubechies Haar Daubechies Haar Daubechies .
Citra Uji 4
Haar
Citra Uji 3
4,00
3,50
3,00
2,50
2,00
1,50
1,00
0,50
0,00
Citra Uji 5 Gambar 4.
Grafik rate tracing basis wavelet dengan RLE dan Soft Threshold .
Citra Uji 5 Gambar 3.
Citra Uji Tabel 2.
Uji coba kompresi basis Wavelet Daubechies dengan Pengkoden Entropy RLE dan Soft Threshold Daubechies Citra Uji Threshold Rate .
Rasio (%) PSNR .
Citra Uji 1
22,87
1,66
99,78
76,24
Citra Uji 2
18,58
3,62
99,53
76,78
Citra Uji 3
11,57
3,71
99,52
74,85
Citra Uji 4
10,53
2,78
99,64
76,05
Citra Uji 5
99,69
76,18
Tabel 3.
Uji coba Kompresi dengan Basis Wavelet Haar dengan Pengkodean Entropy RLE dan Hard Threshold
99,50
99,40
Citra Uji 1 Citra Uji 2 Citra Uji 3 Citra Uji 4 Daubechies Haar Daubechies Haar Daubechies Haar Daubechies Haar Daubechies 99,30 Citra Uji 5 Gambar 5.
Grafik rasio kompresi basis wavelet dengan RLE dan Soft
Threshold
PSNR Tracing Basis Wavelet dengan RLE dan Soft
Threshold
78,00
77,00
76,00
75,00
Tabel 4.
Uji coba Kompresi dengan Basis Wavelet Daubechies dengan Pengkodean Entropy RLE dan Hard Threshold Daubechies Citra Uji Threshold Rate .
Rasio (%) PSNR .
Citra Uji 1
22,87
2,30
99,70
76,18
Citra Uji 2
18,58
3,91
99,49
75,36
Citra Uji 3
11,57
4,39
99,43
74,89
Citra Uji 4
10,53
2,99
99,61
76,09
Citra Uji 5
21,10
3,32
99,57
74,79
74,00
Citra Uji 1 Citra Uji 2 Citra Uji 3 Citra Uji 4 Daubechies Haar Daubechies Haar Daubechies 73,00 Haar PSNR .
76,88 79,04 75,84 76,78 76,77 Daubechies Rate .
2,11 2,01 3,82 2,93 1,26 99,60 Haar
11,54
8,73
8,34
8,99
11,45
99,70
Daubechies Citra Uji 1
Citra Uji 2
Citra Uji 3
Citra Uji 4
Citra Uji 5
Threshold
99,80
Haar Citra Uji Haar Rasio (%) 99,73 99,74 99,50 99,62 99,84 99,90 Haar Tabel 1.
Uji coba kompresi basis wavelet Haar dengan Pengkoden Entropy RLE dan Soft Threshold Haar Citra Uji Threshold Rate .
Rasio (%) PSNR .
Citra Uji 1
11,54
1,72
99,78
76,96
Citra Uji 2
8,73
1,81
99,76
77,72
Citra Uji 3
8,34
3,31
99,57
75,65
Citra Uji 4
8,99
2,63
99,66
76,53
Citra Uji 5
11,45
1,19
99,85
75,78
Rasio Kompresi Basis Wavelet dengan RLE dan Soft Threshold Citra Uji 5 Gambar 6.
Grafik PSNR tracing basis wavelet dengan RLE dan Soft Threshold Gambar 4 merupakan grafik rate tracing berdasarkan basis wavelet pada entropy coding RLE dan diterapkan pada soft threshold.
Apabila diperhatikan secara keseluruhan grafik, perbandingan rate antara wavelet Haar dan Daubhicies nilai perbedaannya tidak terlalu Kemudian apabila diperhatikan lebih detail, citra Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
155 Ae 162 I Dewa Gede Hardi Rastama.
I Made Oka Widyantara.
Linawati Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
155 Ae 162 uji yang memiliki perbedaan nilai paling besar adalah nilai perbedaannya tidak terlalu tinggi.
Kemudian citra uji 2 dan citra uji 5.
Kondisi tersebut disebabkan apabila diperhatikan lebih detail, citra uji yang oleh faktor karakteristik citra uji sesuai histogramnya.
memiliki perbedaan nilai paling besar adalah citra uji 2 Gambar 5 merupakan grafik rasio kompresi, terlihat dan citra uji 5.
Tidak jauh berbeda dengan rate tracing bahwa grafik memiliki pola kebalikan dari grafik rate basis wavelet pada soft threshod.
Gambar 8 merupakan tracing karena semakin besar rasio kompresi maka grafik rasio kompresi, terlihat bahwa grafik memiliki semakin kecil ukuran citra yang terkompres.
pola kebalikan dari grafik rate tracing karena semakin Selanjutnya pada gambar 6, grafik PSNR tracing besar rasio kompresi maka semakin kecil ukuran citra terlihat pada citra uji 1, 2, 3 dan 4 nilai PSNR pada yang terkompres.
Selanjutnya pada gambar 6, grafik wavelet Haar lebih tinggi dari Daubechies, hal ini PSNR tracing terlihat pada citra uji 1, 2, 3 dan 4 nilai berhubungan dengan rate dan rasio kompresi yang PSNR pada wavelet Haar lebih tinggi dari Daubechies, hal ini berhubungan dengan rate dan rasio kompresi yang dicapai.
Rate Tracing Basis Wavelet dengan RLE dan Hard
Threshold
Citra Uji 1
Citra Uji 2
Citra Uji 3
Citra Uji 4
Daubechies Haar
Daubechies Haar
Daubechies Haar
Daubechies Haar
Daubechies Haar
5,00
4,50
4,00
3,50
3,00
2,50
2,00
1,50
1,00
0,50
0,00
Citra Uji 5 Gambar 7.
Grafik rate tracing basis wavelet dengan RLE dan Hard
Threshold
Rasio Kompresi Basis Wavelet dengan RLE dan Hard Threshold
99,900
99,800
99,700
99,600
99,500
99,400
99,300
99,200
Dari hasil pengujian perbandingan basis wavelet Haar
dan Daubechies dengan selisih nilai rate tracing, rasio
PSNR
perbandingan yang tidak terlalu jauh.
Kondisi tersebut dapat disebabkan oleh faktor karakteristik citra uji sesuai histogram, kemudian juga faktor threshold yang bersifat adaptive baik diterapkan pada soft ataupun hard threshold yang dapat mempengaruhi selisih nilai rate, rasio kompresi dan PSNR diantara kedua basis wavelet.
2 Analisa Rate dan PSNR Trace pada Soft dan Hard Threshold Pada penelitian ini digunakan threshold adaptive yang bersifat global.
Selanjutnya penerapan threshold dapat dilakukan dengan dua metode yaitu hard dan soft Analisa yang dilakukan juga berdasarkan rate tracing, rasio kompresi dan PSNR tracing yang Citra Uji 1 Citra Uji 2 Citra Uji 3 Citra Uji 4 Daubechies Haar Daubechies Haar Daubechies Haar Daubechies Haar Daubechies Haar Rate Tracing Treshold pada Wavelet Haar dengan RLE Citra Uji 5 Gambar 8.
Grafik rasio kompresi basis wavelet dengan RLE dan Hard Threshold
4,50
4,00
3,50
3,00
2,50
2,00
1,50
1,00
0,50
Daubechies Haar
Daubechies Haar
Daubechies Haar
Daubechies Haar
Daubechies Citra Uji 2
Citra Uji 3
Citra Uji 4
Hard Threshold
Soft Threshold
Hard Threshold
Soft Threshold
Hard Threshold
Soft Threshold
Hard Threshold
Soft Threshold
Hard Threshold
Soft Threshold
0,00
Citra Uji 1
Haar
80,000
79,000
78,000
77,000
76,000
75,000
74,000
73,000
72,000
PSNR Tracing Basis Wavelet dengan RLE dan Hard Threshold Citra Uji 5 Gambar 10.
Grafik rate tracing treshold pada wavelet Haar dengan RLE Analisa rate dan PSNR threshold pada wavelet Haar dengan RLE dari hasil pengamatan bahwa nilai rate Gambar 9.
Grafik PSNR tracing basis wavelet dengan RLE dan Hard pada soft threshold lebih rendah dibanding hard threshold pada seluruh citra uji.
Hal ini dapat Threshold disebabkan sifat dari soft threshold yang continue Gambar 7 merupakan grafik rate tracing berdasarkan terhadap koefisien wavelet.
Rasio kompresi memiliki basis wavelet pada entropy coding RLE dan diterapkan pola kebalikan dari grafik rate tracing karena apabila pada hard threshold.
Secara keseluruhan grafik, semakin besar rasio kompresi maka semakin kecil hasil perbandingan rate antara wavelet Haar dan Daubhicies Citra Uji 1 Citra Uji 2 Citra Uji 3 Citra Uji 4 Citra Uji 5 Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
155 Ae 162 I Dewa Gede Hardi Rastama.
I Made Oka Widyantara.
Linawati Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
155 Ae 162 data yang terkompres.
Kemudian untuk PSNR tracing dapat diamati bahwa rata-rata nilai dari soft threshold lebih rendah dari hard threshold pada citra uji 2, citra uji 3, citra uji 4, dan citra uji 5 hal ini sebagai timbal balik dari lebih rendahnya nilai rate yang dicapai pada soft threshold.
Rasio Kompresi Treshold pada Wavelet Daubechies dengan RLE
99,900
99,800
99,700
99,600
Rasio Kompresi Treshold pada Wavelet Haar dengan RLE
99,500
99,900
99,400
99,800
99,500
Citra Uji 1
99,400
Citra Uji 2
Citra Uji 3
Citra Uji 4
Hard Threshold
Soft Threshold
Hard Threshold
Soft Threshold
Hard Threshold
Soft Threshold
Hard Threshold
Soft Threshold
99,600
Hard Threshold
Soft Threshold
99,300
99,700
Citra Uji 5 Gambar 14.
Grafik rasio kompresi treshold pada wavelet Daubechies dengan RLE
80,000
Citra Uji 5
79,000
Gambar 11.
Grafik rasio kompresi treshold pada wavelet Haar
dengan RLE
78,000
PSNR Tracing Treshold pada Wavelet Haar dengan RLE
76,000
76,000
Hard Threshold
77,000
Soft Threshold
73,000
Hard Threshold
78,000
Soft Threshold
74,000
Hard Threshold
79,000
Soft Threshold
75,000
Soft Threshold
80,000
Hard Threshold
77,000
Soft Threshold
Soft Threshold
Citra Uji 4
PSNR Tracing Treshold pada Wavelet Daubechies dengan RLE
Hard Threshold
Citra Uji 3
Hard Threshold
Soft Threshold
Hard Threshold
Soft Threshold
Hard Threshold
Citra Uji 2
Hard Threshold
Citra Uji 1
Soft Threshold
Hard Threshold
Soft Threshold
99,300
75,000
Citra Uji 1
74,000
Hard Threshold
Soft Threshold
Hard Threshold
Soft Threshold
Hard Threshold
Soft Threshold
Hard Threshold
Soft Threshold
Hard Threshold
Soft Threshold
73,000
Citra Uji 2 Citra Uji 3 Citra Uji 4 Citra Uji 5 Gambar 15.
Grafik PSNR tracing treshold pada wavelet Daubechies dengan RLE Analisa rate dan PSNR threshold pada wavelet Daubechies dengan RLE dari hasil pengamatan tidak jauh berbeda dengan wavelet Haar, yaitu nilai rate Citra Uji 1 Citra Uji 2 Citra Uji 3 Citra Uji 4 Citra Uji 5 pada soft threshold lebih rendah dibanding hard Gambar 12.
Grafik PSNR tracing treshold pada wavelet Haar dengan threshold pada seluruh citra uji.
RLE
Kesimpulan Citra Uji 1
Citra Uji 2
Citra Uji 3
Citra Uji 4
Perbandingan rate, rasio kompresi dan PSNR tracing pada Haar dan Daubechies tidak terdapat perbedaan yang signifikan, hal tersebut disebabkan berbagai faktor, antara lain karakterisktik citra uji sesuai histogramnya, kemudian faktor threshold yang bersifat Hard Threshold
Soft Threshold
Hard Threshold
Soft Threshold
Hard Threshold
Soft Threshold
Hard Threshold
Soft Threshold
Hard Threshold
Soft Threshold
4,50
4,00
3,50
3,00
2,50
2,00
1,50
1,00
0,50
0,00
Rate Tracing Treshold pada Wavelet Daubechies dengan RLE Citra Uji 5 Gambar 13.
Grafik rate tracing treshold pada wavelet Daubechies dengan RLE Perbandingan rate, rasio kompresi dan PSNR tracing pada hard dan soft threshold, hasil yang diperoleh adalah rate dari soft threshold lebih rendah dari hard threshold namun diikuti dengan lebih rendah PSNR dari soft threshold, hal ini disebabkan sifat dari soft threshold yang continue terhadap koefisien wavelet.
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
155 Ae 162 I Dewa Gede Hardi Rastama.
I Made Oka Widyantara.
Linawati Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
155 Ae 162 .
Ramesh.
, & Shanmugam.
Medical image compression using wavelet Decomposition for prediction .
Arief Budiman.
Kompresi Citra Medis Menggunakan International Journal of Computer Science and Metode Wavelet.
Agri-tek Volume 14 Nomor 2 September 2013 Information Security, 7.
, 262-265 .
Chakraborty.
& Banerjee.
Efficient lossless colour .
Xiaofeng Wu.
Shigang Hu.
Zhiming Li.
Zhijun Tang.
Jin Li.
Jin image compression using run length encoding and special Zhao.
Comparisons of Threshold EZW and SPIHT character replacement.
International Journal on Computer Wavelets Based Image Compression Methods.
School of Science and Engineering, 3.
, 2719-2725.
Information Science and Engineering.
University of Jinan.
Jinan .
Ulfa L.
& Salsabila.
Penggunaan metode run length 250022.
China, pp.
encoding untuk kompresi data.
Seminar Matematika dan .
Ji-Sang Bae.
Oh-Young Lee.
Jong-Ok Kim.
Image Pendidikan Matematika UNY.
Interpolation Using Gabor Filter.
School of Electrical .
Agrawal.
& Vijay.
Wavelet compression of CT Engineering Korea University.
Seoul.
Korea medical images.
International Journal of Scientific Research .
Tuagus Mardeka.
Sistem kompresi citra medis sinar x Engineering & Technology, 1.
, 045-051 berbasis transformasi Wavelet menggunakan filter daubechies x.
Ruchika.
Singh.
& Singh.
Compression of ray medical image Compression system base on wavelet medical images using wavelet transforms.
International Journal transformation using Daubechies filter.
Teknik Informatika, of Soft Computing and Engineering, 2.
, 339-343 Fakultas Teknik Informatika.
Universitas Telkom .
Kumar.
& Sumithra.
Medical image .
Veni.
Narayanankutty.
Image Enhancement of Medical compression using integer multi wavelets transform for Images using Gabor Filter Bank on Hexagonal Sampled Grids.
telemedicine applications.
International Journal Of Engineering World Academy of Science.
Engineering and Technology And Computer Science, 2.
, 1663-1669 International Journal of Electrical.
Computer.
Energetic, .
Bairagi.
& Sapkal.
ROI-based DICOM Electronic and Communication Engineering.
image compression for telemedicine.
SAdhanA, 38.
, 1 3Ae131 Daftar Rujukan Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
155 Ae 162