Pemampatan citra

kompresi gambar untuk mengurangi biaya penyimpanan dan transmisi
Revisi sejak 17 Juli 2022 10.05 oleh Hysocc (bicara | kontrib) (Dibuat dengan menerjemahkan halaman "Image compression")
(beda) ← Revisi sebelumnya | Revisi terkini (beda) | Revisi selanjutnya → (beda)

Pemampatan citra, kompresi citra, atau kompresi gambar adalah suatu jenis kompresi data yang diterapkan pada gambar digital, untuk mengurangi beban penyimpanan atau transmisi gambar. Algoritma dapat memanfaatkan persepsi visual dan sifat statistik data gambar untuk memberikan hasil yang lebih baik dibandingkan dengan metode kompresi data umum yang digunakan untuk data digital lainnya.[1]

Perbandingan gambar JPEG yang disimpan oleh Adobe Photoshop pada tingkat kualitas yang berbeda dan dengan atau tanpa "save for web"

Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum. Pengkodean entropi dimulai pada tahun 1940-an dengan diperkenalkannya pengkodean Shannon–Fano,[2] dasar pengkodean Huffman yang dikembangkan pada tahun 1950.[3] Pengkodean transformasi dimulai pada akhir 1960-an, dengan diperkenalkannya pengkodean transformasi Fourier cepat (FFT) pada tahun 1968 dan transformasi Hadamard pada tahun 1969.[4]

Perkembangan penting dalam kompresi data gambar adalah transformasi kosinus diskrit (DCT), teknik kompresi lossy yang pertama kali diusulkan oleh Nasir Ahmed pada tahun 1972.[5] Kompresi DCT menjadi dasar untuk JPEG, yang diperkenalkan oleh Joint Photographic Experts Group (JPEG) pada tahun 1992.[6] JPEG mengompresi gambar ke ukuran file yang jauh lebih kecil, dan telah menjadi format file gambar yang paling banyak digunakan.[7] Algoritma kompresi DCT yang sangat efisien adalah penyebab utama penggunaan secara luas gambar digital dan foto digital,[8] dengan beberapa miliar gambar berformat JPEG diproduksi setiap hari pada tahun 2015.[9]

Lempel–Ziv–Welch (LZW) adalah algoritma kompresi lossless yang dikembangkan oleh Abraham Lempel, Jacob Ziv dan Terry Welch pada tahun 1984. Algoritma ini digunakan dalam format GIF, dan diperkenalkan pada tahun 1987.[10] DEFLATE, algoritma kompresi lossless yang dikembangkan oleh Phil Katz dan dispesifikasikan pada tahun 1996, digunakan dalam format Portable Network Graphics (PNG).[11]

Pengkodean wavelet, penggunaan transformasi wavelet dalam kompresi gambar, dimulai setelah pengembangan pengkodean DCT.[12] Pengenalan DCT mengarah pada pengembangan pengkodean wavelet, varian pengkodean DCT yang menggunakan wavelet alih-alih algoritma berbasis blok DCT.[12] Standar JPEG 2000 dikembangkan dari tahun 1997 hingga 2000 oleh komite JPEG yang diketuai oleh Touradj Ebrahimi (kemudian menjadi presiden JPEG).[13] Berbeda dengan algoritma DCT yang digunakan oleh format JPEG asli, JPEG 2000 malah menggunakan algoritma discrete wavelet transform (DWT). JPEG 2000 ini menggunakan transformasi wavelet CDF 9/7 (dikembangkan oleh Ingrid Daubechies pada tahun 1992) untuk algoritma kompresi lossy,[14] dan transformasi wavelet Le Gall–Tabatabai (LGT) 5/3[15][16] (dikembangkan oleh Didier Le Gall dan Ali J. Tabatabai pada tahun 1988)[17] untuk algoritma kompresi lossless-nya.[14] Teknologi JPEG 2000, yang mencakup ekstensi Motion JPEG 2000, dipilih sebagai standar pengkodean video untuk sinema digital pada tahun 2004.[18]

Sed ut perspiciatis, unde omnis iste natus error sit voluptatem accusantium doloremque laudantium, totam rem aperiam eaque ipsa, quae ab illo inventore veritatis et quasi architecto beatae vitae dicta sunt, explicabo. Nemo enim ipsam voluptatem, quia voluptas sit, aspernatur aut odit aut fugit, sed quia consequuntur magni dolores eos, qui ratione voluptatem sequi nesciunt, neque porro quisquam est, qui dolorem ipsum, quia dolor sit amet consectetur adipisci[ng] velit, sed quia non numquam [do] eius modi tempora inci[di]dunt, ut labore et dolore magnam aliquam quaerat voluptatem. Ut enim ad minima veniam, quis nostrum[d] exercitationem ullam corporis suscipit laboriosam, nisi ut aliquid ex ea commodi consequatur? [D]Quis autem vel eum iure reprehenderit, qui in ea voluptate velit esse, quam nihil molestiae consequatur, vel illum, qui dolorem eum fugiat, quo voluptas nulla pariatur? [33] At vero eos et accusamus et iusto odio dignissimos ducimus, qui blanditiis praesentium voluptatum deleniti atque corrupti, quos dolores et quas molestias excepturi sint, obcaecati cupiditate non provident, similique sunt in culpa, qui officia deserunt mollitia animi, id est laborum et dolorum fuga. Et harum quidem rerum facilis est et expedita distinctio. Nam libero tempore, cum soluta nobis est eligendi optio, cumque nihil impedit, quo minus id, quod maxime placeat, facere possimus, omnis voluptas assumenda est, omnis dolor repellendus. Temporibus autem quibusdam et aut officiis debitis aut rerum necessitatibus saepe eveniet, ut et voluptates repudiandae sint et molestiae non recusandae. Itaque earum rerum hic tenetur a sapiente delectus, ut aut reiciendis voluptatibus maiores alias consequatur aut perferendis doloribus asperiores repellat.

Catatan dan referensi

  1. ^ "Image Data Compression". 
  2. ^ Claude Elwood Shannon (1948). "A Mathematical Theory of Communication" (PDF). Bell System Technical Journal. 27 (3–4): 379–423, 623–656. doi:10.1002/j.1538-7305.1948.tb01338.x. Diakses tanggal 2019-04-21. 
  3. ^ David Albert Huffman (September 1952), "A method for the construction of minimum-redundancy codes" (PDF), Proceedings of the IRE, 40 (9): 1098–1101, doi:10.1109/JRPROC.1952.273898 
  4. ^ William K. Pratt, Julius Kane, Harry C. Andrews: "Hadamard transform image coding", in Proceedings of the IEEE 57.1 (1969): Seiten 58–68
  5. ^ Ahmed, Nasir (January 1991). "How I Came Up With the Discrete Cosine Transform". Digital Signal Processing. 1 (1): 4–5. doi:10.1016/1051-2004(91)90086-Z. 
  6. ^ "T.81 – DIGITAL COMPRESSION AND CODING OF CONTINUOUS-TONE STILL IMAGES – REQUIREMENTS AND GUIDELINES" (PDF). CCITT. September 1992. Diakses tanggal 12 July 2019. 
  7. ^ "The JPEG image format explained". BT.com. BT Group. 31 May 2018. Diakses tanggal 5 August 2019. 
  8. ^ "What Is a JPEG? The Invisible Object You See Every Day". The Atlantic. 24 September 2013. Diakses tanggal 13 September 2019. 
  9. ^ Baraniuk, Chris (15 October 2015). "Copy protections could come to JPEGs". BBC News. BBC. Diakses tanggal 13 September 2019. 
  10. ^ "The GIF Controversy: A Software Developer's Perspective". Diakses tanggal 26 May 2015. 
  11. ^ DEFLATE Compressed Data Format Specification version 1.3. 
  12. ^ a b Hoffman, Roy (2012). Data Compression in Digital Systems. Springer Science & Business Media. hlm. 124. ISBN 9781461560319. Basically, wavelet coding is a variant on DCT-based transform coding that reduces or eliminates some of its limitations. (...) Another advantage is that rather than working with 8 × 8 blocks of pixels, as do JPEG and other block-based DCT techniques, wavelet coding can simultaneously compress the entire image. 
  13. ^ Taubman, David; Marcellin, Michael (2012). JPEG2000 Image Compression Fundamentals, Standards and Practice: Image Compression Fundamentals, Standards and Practice. Springer Science & Business Media. ISBN 9781461507994. 
  14. ^ a b Unser, M.; Blu, T. (2003). "Mathematical properties of the JPEG2000 wavelet filters" (PDF). IEEE Transactions on Image Processing. 12 (9): 1080–1090. Bibcode:2003ITIP...12.1080U. doi:10.1109/TIP.2003.812329. PMID 18237979. Diarsipkan dari versi asli (PDF) tanggal 2019-10-13. 
  15. ^ Sullivan, Gary (8–12 December 2003). "General characteristics and design considerations for temporal subband video coding". ITU-T. Video Coding Experts Group. Diakses tanggal 13 September 2019. 
  16. ^ Bovik, Alan C. (2009). The Essential Guide to Video Processing. Academic Press. hlm. 355. ISBN 9780080922508. 
  17. ^ Le Gall, Didier; Tabatabai, Ali J. (1988). "Sub-band coding of digital images using symmetric short kernel filters and arithmetic coding techniques". ICASSP-88., International Conference on Acoustics, Speech, and Signal Processing: 761–764 vol.2. doi:10.1109/ICASSP.1988.196696. 
  18. ^ Swartz, Charles S. (2005). Understanding Digital Cinema: A Professional Handbook. Taylor & Francis. hlm. 147. ISBN 9780240806174. 

Pranala luar