1

Penerapan Region of Interest (ROI) pada Metode Kompresi
JPEG2000

Agustina Linda S.

Departemen Teknik Informatika
Institut Teknologi Bandung
Jalan Ganesha 10 Bandung 40132

E-mail : lyn_on_line@yahoo.com


Abstrak
Metode kompresi dengan performansi tinggi dirasakan makin penting keberadaannya. Salah satu teknik
kompresi baru, yang merupakan pengembangan dari metode kompresi JPEG adalah metode kompresi
JPEG2000. Metode kompresi ini dikembangkan sebagai upaya untuk mengatasi keterbatasan teknik kompresi
JPEG. Sehingga JPEG2000 mempunyai berbagai fitur yang sebelumnya tidak terdapat pada teknik kompresi
JPEG, seperti Region of Interest (ROI), Error Resilience, robustness to bit-errors, dan Progression Order dalam
berbagai dimensi.

Fitur Region of Interest (ROI) pada metode kompresi JPEG2000 ini memungkinkan dilakukannya kompresi
secara berbeda pada area tertentu dari citra dijital, sehingga area yang dipilih akan mempunyai kualitas citra
lebih baik daripada area sekitarnya. ROI akan optimal jika luas area yang dipilih mempunyai ukuran tertentu dari
total luas citra dijital yang dikompresi. Namun, secara keseluruhan, ROI lebih tepat dikatakan sebagai upaya
menurunkan kualitas citra dijital yang berada diluar area yang dipilih. Metode kompresi JPEG2000 ini
mempunyai performansi yang baik pada rata-rata bit per piksel yang rendah.

Kata kunci: kompresi, dekompresi, JPEG2000, ROI, PSNR
1. Pendahuluan
Berbagai teknologi pengolahan citra dijital telah banyak berkembang dewasa ini, salah satunya
adalah teknologi kompresi. Teknik pengompresian citra dijital tersebut semakin berkembang, seiring
dengan makin dibutuhkannya kemampuan melakukan kompresi dengan performansi tinggi untuk
diterapkan pada berbagai bidang.

Kompresi pada citra dijital merupakan upaya untuk melakukan transformasi terhadap data atau
simbol penyusun citra dijital menjadi data atau simbol lain, tanpa menimbulkan perubahan yang
signifikan atas citra dijital tersebut bagi mata manusia yang mengamatinya. Kompresi haruslah
dilakukan secara efektif, sehingga citra dijital yang dihasilkan setelah proses kompresi mempunyai
ukuran yang lebih kecil dibandingkan sebelum menjalani proses kompresi
22)
. Tujuan akhir dari
kompresi adalah untuk mengurangi pemanfaatan memori dalam penyimpanan atau pengolahan citra
dijital tersebut.

Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 2
Metode kompresi yang sudah cukup dikenal oleh sebagian pengguna aplikasi dan telah menjadi
salah satu standar dalam pengolahan citra dijital adalah metode kompresi JPEG (Joint Photographic
Experts Group), yang dikembangkan oleh ITU (International Telecomunication Union) bekerja sama
dengan ISO (International Standard Organization). Karena semakin beragamnya kebutuhan akan
pengolahan citra dijital, khususnya di bidang kompresi, metode kompresi JPEG dirasakan masih
memiliki banyak kekurangan. Untuk mengatasi keterbatasan tersebut, dibuatlah sebuah standar baru
yaitu metode kompresi JPEG2000. Metode kompresi ini diluncurkan tidak untuk menggantikan
metode kompresi JPEG yang sudah ada, tetapi lebih dimaksudkan untuk mengatasi keterbatasan pada
metode kompresi JPEG tersebut.

Metode kompresi JPEG2000 menyediakan berbagai kelebihan yang tidak dimiliki standar kompresi
yang sudah ada sebelumnya. Fitur-fitur khusus yang disediakan oleh metode kompresi JPEG2000 ini
antara lain penyempurnaan kedua macam kompresinya yaitu lossy dan lossless compression, error
resilience, robustness to bit-errors, random codestream access and processing, dan pengkodean
Region of Iinterest (ROI).

Region of Interest (ROI) memungkinkan pengguna untuk mengakses bagian tertentu dari sebuah
citra dijital untuk diolah secara berbeda. Fitur ini menjadi sangat penting, apabila terdapat bagian atau
area tertentu dari citra dijital yang dianggap lebih penting dari area yang lainnya
17)
. Dengan
pengkodean ROI ini, area khusus tersebut akan nampak mempunyai kualitas citra lebih baik daripada
area sekitarnya (background) pada citra dijital tersebut.

2. Kompresi
Informasi yang dirasakan redundan dapat dikompresi untuk meminimalisasi redundansi tersebut.
Hal ini dapat pula dilakukan pada citra dijital yang beragam tipenya, dengan menerapkan berbagai
metode kompresi yang ada. Tujuan utama dari kompresi pada citra dijital adalah untuk mengurangi
penggunaan memori, sehingga akan memudahkan penyimpanan, pengolahan serta pengiriman citra
dijital tersebut. Dapat disimpulkan bahwa kompresi merupakan proses untuk menghilangkan berbagai
kerumitan yang tidak penting (redundansi) dari suatu informasi, dengan memaksimalkan
kesederhanaannya dan tetap menjaga kualitas penggambaran dari informasi tersebut
10)
.

3. Kompresi pada JPEG2000
JPEG2000 merupakan salah satu metode standard dan terbaru dalam melakukan kompresi terhadap
citra dijital, yang dihasilkan oleh ISO (International Standard Organization) bekerja sama dengan ITU
(International Telecommunication Union). JPEG2000 tersebut dikembangkan, karena standar metode
kompresi yang sudah ada, yaitu JPEG, dirasakan masih belum dapat memenuhi kebutuhan kompresi
citra dijital.

Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 3
Teknik kompresi pada JPEG2000 termasuk metode kompresi yang simetris, yaitu proses kompresi
dan dekompresinya menggunakan dasar algoritma yang sama, tetapi mempunyai arah yang
berlawanan. Berikut ini skema proses kompresi pada JPEG2000:

Gambar 1 Skema Proses Kompresi JPEG2000

3.2 Pre-Processing
Pada Pre-Processing dilakukan transformasi atas data-data piksel penyusun komponen citra dijital
menjadi bentukan lain untuk memudahkan perhitungan. Pada Gambar 2 di bawah ini dapat dilihat
tahapan-tahapan dalam Pre-Processing.

Gambar 2 Skema Pre-Processing


3.2.1 Tiling
Tiling (pengubinan) dibutuhkan untuk mengatasi permasalahan keterbatasan sumber daya memori
yang tersedia selama proses kompresi. Dalam tiling ini dilakukan pembagian area citra dijital menjadi
persegi panjang dengan ukuran yang sama dan tidak saling tumpang tindih. Perbedaan ukuran dapat
terjadi pada bagian tepi dari citra dijital. Ukuran dari tile atau ubin yang dibentuk adalah bebas.
Sebuah citra dijital dapat saja hanya terbagi menjadi sebuah tile, yaitu dengan ukuran yang sama
dengan citra dijital itu sendiri.


3.2.2 DC Level Shifting
Data yang diolah hendaknya merupakan bilangan yang berkisar pada nol. Jika penyusun dari
masing-masing komponen pada citra dijital merupakan tipe non-negatif (unsigned), maka perlu
dilakukan DC Level Shifting untuk masing-masing penyusun komponen tersebut. Pada DC Level
Shifting, akan dilakukan penambahan sebuah bilangan penyeimbang yaitu -2
B-1
, sehingga penyusun
komponen citra dijital akan berada pada kisaran -2
B-1
= x[n] < 2
B-1
. B menyatakan kedalaman dari bit
penyusun masing-masing komponen pada citra dijital, dan x[n] menyatakan bilangan penyusun yang
berkisar pada nol. Sedangkan apabila penyusun komponen citra dijital merupakan bilangan bertipe
signed, maka proses ini tidak perlu dilakukan.
Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 4

3.2.3 Irreversible Component Transformation (ICT)
Irreversible Component Transformation (ICT) merupakan transformasi komponen untuk tipe
kompresi lossy. Sedangkan pada kompresi lossless, transformasi yang dilakukan disebut dengan
Reversible Component Transformation (RCT).

Dalam ICT ini, akan dilakukan transformasi dari format RCB menjadi Luminance (Y), dan
Chrominnce (Cr dan Cb). Rumus yang digunakan untuk melakukan transformasi tersebut adalah
sebagai berikut:

]
]
]
]
]

]
]
]
]
]

− −
− − ·
]
]
]
]
]

B
G
R
Cr
Cb
Y
08131 , 0 41869 , 0 5 , 0
5 , 0 33126 , 0 16875 , 0
114 , 0 587 , 0 299 , 0
(1)


3.3 Discrete Wavelet Transform (DWT)
Pada transformasi wavelet, dilakukan penyaringan data menjadi low pass dan high pass. Low pass
merepresentasikan bagian penting dari data dalam resolusi yang rendah, sedangkan high pass
menyatakan detail dari data yang ditransformasikan.

Pada JPEG2000, dilakukan DWT dua dimensi, yaitu DWT terhadap baris (horizontal), dan
terhadap kolom (vertikal). Suatu tahapan DWT dua dimensi akan menghasilkan empat buah kuadran,
yaitu:
LL: sub-kelompok low dari hasil transformasi pada baris dan kolom.
HL: sub-kelompok high dari hasil transformasi pada baris, dan sub-kelompok low dari
transformasi kolomnya.
LH: sub-kelompok low dari hasil transformasi pada baris, dan sub-kelompok high dari
transformasi kolomnya.
HH: sub-kelompok high dari hasil transformasi baris dan kolom.


Gambar 3 Transformasi Wavelet Dua Dimensi
Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 5
Salah satu metode transformasi wavelet yang cukup sederhana adalah dengan menggunakan
pendekatan Lifting. Dengan metode ini, konstanta wavelet filter seperti konstanta filter Daubechies
(9,7) yang banyak digunakan, difaktorkan menjadi konstanta lainnya yang menyatakan lifting steps.
Berikut ini beberapa konstanta yang digunakan untuk perhitungan dengan pendekatan Lifting ini:
a = -1.586 b = -0.052 c = 0.883 d = 0.444


3.4 Quantization
Quantization merupakan proses untuk membulatkan koefisien yang dihasilkan dari proses
transformasi. Operasi ini bersifat lossy, kecuali jika nilai pembulatannya 1 dan koefisien hasil
transformasi merupakan bilangan bulat, sebagai hasil yang diperoleh dari Reversible Component
Transformation (RCT). Masing-masing koefisien dari hasil transformasi yaitu a
b
(u,v), dari sub
kelompok b, dibulatkan dan menghasilkan q
b
(u,v), berdasarkan rumus berikut:

]
]
]


·
b
b
b b
v u a
v u a sign v u q
) , (
)) , ( ( ) , ( (2)

?
b
menyatakan ukuran dari langkah pembulatan yang dilakukan terhadap koefisien, sign(a
b
(u,v))
menyatakan tanda dari koefisien (a
b
(u,v)), dan operasi +
X
+digunakan untuk mendapatkan bilangan
bulat terbesar yang kurang dari atau sama dengan x.


3.5 Entropy Coding
Metode yang digunakan dalam melakukan Entropy Coding adalah Embedded Block Coding with
Optimised Truncation, atau yang disingkat sebagai EBCOT. EBCOT terdiri atas dua tahapan (Tier).
Tier 1 bertanggung jawab dalam pemodelan pada data yang dikompresi, serta entropy coding yang
dilakukan untuk membentuk bit stream, sedangkan Tier 2 mengatur data keluarannya membentuk
paket-paket bit stream hasil kompresi.

Dalam EBCOT, dilakukan pengelompokan koefisien yang diperoleh dari transformasi Wavelet
menjadi persegi dengan ukuran yang lebih kecil, untuk dikodekan secara independen. Standar ukuran
yang digunakan adalah 2
n
, tetapi tidak boleh kurang dari 4x4. EBCOT dilakukan pada masing-masing
lapisan bit penyusun citra dijital yang disebut sebagai bitplane, dengan perhitungan yang dimulai dari
lapisan bit yang paling signifikan (Most Significant Bit) atau MSB, ke bit yang kurang signifikan
(Least Significant Bit) atau LSB. Lapisan MSB yang dipilih sebagai bitplane pertama yang dikode,
setidaknya harus mengandung sebuah bit 1.
Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 6

Gambar 4 EBCOT pada Code Block yang Diuraikan menjadi bitplane
Proses perhitungan pada masing-masing code block, dilakukan dengan urutan perhitungan yang
khusus. Dimulai dari pojok kiri code block, dengan melakukan perhitungan terhadap empat baris
koefisien pada kolom pertama, kemudian diikuti dengan perhitungan pada empat baris data pertama di
kolom kedua, hal tersebut dilakukan hingga mencapai kolom yang paling kanan. Proses tersebut
kemudian diulangi untuk empat baris data yang kedua, dari kolom yang paling kiri sampai paling
kanan. Proses tersebut dilakukan hingga mencapai bagian bawah code block. Pola perhitungan tersebut
dapat dilihat pada Gambar 5 di bawah ini:


Gambar 5 Pola Perhitungan Koefisien Bit dalam Code Block

3.5.1 Tier 1
Skema Tier 1 pada EBCOT dapat dilihat pada Gambar 6 di bawah ini:

Gambar 6 Skema EBCOT Tier 1


Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 7
Context Formation

Context vector menyatakan significance state dari kedelapan koefisien bit yang menjadi tetangga
dari sebuah bit seperti tampak pada Gambar 7 di bawah ini. Jika koefisien dari masing-masing
tetangga tersebut signifikan, maka tetangga-tetangga tersebut akan bernilai 1, etapi jika sebaliknya
akan bernilai 0.

Gambar 7 Bit-bit dalam Perhitungan Context Vector
Terdapat empat pengkodean yang dilakukan dalam entropy coding ini, yaitu significant coding,
sign coding, magnitude refinement, dan cleanup coding. Keempat pengkodean tersebut dilakukan
dalam tiga buah tahapan, yaitu:
1. Significance dan sign coding dalam significance propagation pass.
2. Magnitude refinement coding dalam magnitude refinement pass.
3. Cleanup dan sign coding dalam cleanup pass.

Masing-masing koefisien bit akan dikodekan dengan salah satu dari ketiga tahapan tersebut,
berdasarkan kondisi dari bit yang sesuai dengan salah satu tahapan. Skema dari ketiga tahapan tersebut
dapat dilihat pada Gambar 8 berikut ini:

New coefficient
Significant?
Magnitude
Refinement
Significant
Propagation
Cleanup Pass
Preffered
Neighbourhood
yes
yes
no
no

Gambar 8 Skema Entropy Coding
Arithmatic Coding

Pengkodean yang digunakan dalam arithmatic coding ini adalah MQ-Coder. MQ-Coder tidak
hanya menggunakan simbol dari bit masukan, tetapi lebih mengindikasikan jenis bit yang diolah,
apakah bit tersebut termasuk bit yang kemungkinan munculnya lebih sering (Most Probable Symbol),
disingkat dengan MPS; atau sebaliknya, yaitu lebih jarang muncul (Less Probable Symbol), disebut
sebagai LPS.

Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 8
Masing-masing kemungkinan tersebut mempunyai nilai terbatas dalam sebuah interval, yang
terbagi menjadi dua buah sub interval. Dalam interval tersebut, MPS berada pada bagian atas dari LPS,
dengan prosentase lebih besar. Penggambaran, serta pembagian dari interval tersebut dapat dilihat
pada Gambar 9 di bawah ini:

0 A x Qe A
MPS
A x Qe A - A x Qe
LPS

Gambar 9 Pembagian Interval pada MQ-Coder
Pada Gambar 9 di atas, A menyatakan panjang interval, dan Qe menyatakan perkiraan probabilitas
dari LPS, sedangkan basis, atau batas bawah interval dinyatakan dengan C. Panjang interval dibatasi
dalam jangkauan 0.75 = A < 1.5. Jika nilai A berada di bawah batasan minimum, maka A akan
digandakan, hingga berada dalam batasan yang seharusnya. Proses ini dinamakan dengan
renormalization. Jika nilai A berubah, maka C juga harus diubah dengan proses yang sama. Karena
nilai A yang selalu berada dalam batasan tersebut, maka nilai A akan selalu dianggap sebanding
dengan 1 (A ≈ 1). Sebuah kondisi dimana sub interval MPS kurang dari LPS dapat terjadi jika Qe
mendekati 0.5 dengan nilai A yang kecil. Apabila kondisi tersebut terjadi, maka harus dilakukan
pembalikan nilai antara MPS dengan LPS, yang disebut sebagai Conditional exchange.


3.5.2 Tier 2
MQ Coder yang dilakukan pada masing-masing code block, seperti yang telah dijelaskan di atas,
akan menghasilkan bit stream, berupa byte-byte data mentah yang telah terkompresi. Pada Tier 2
dalam tahapan EBCOT ini, akan dilakukan pengaturan terhadap bit stream tersebut, sehingga
representasi akhir dari citra dijital yang telah dikompresi dapat lebih terstruktur, yaitu dengan
membentuk layer.

Layer menyatakan kumpulan dari urutan tahapan pengkodean yang dilakukan oleh code block yang
terdapat dalam subband dan juga komponen. Kontribusi dari masing-masing code block terhadap layer
berubah-ubah, tergantung bit plane yang diperhitungkan dalam coding pass. Setiap pertambahan layer,
akan menambah kualitas citra dijital hasil kompresi yang dihasilkan.


3.6 Rate Control
Rate Control merupakan proses pengaturan code stream, dalam rangka pencapaian bit rate yang
diiginkan (target bit rate). Dalam penentuan target bit rate ini, akan dilakukan perhitungan terhadap
titik-titik potong optimal dari bit stream yang telah dihasilkan.

Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 9
3.7 Bit Stream Organization
Dalam tahapan ini, akan dilakukan pengelompokan dari bit stream hasil kompresi, menjadi paket-
paket data. Paket-paket tersebut, dihasilkan dari code block-code block yang berada pada subband-
subband dalam level resolusi yang sama. Masing-masing paket yang terbentuk akan memiliki paket
header, yang antara lain berisi informasi mengenai layer, resolusi, komponen, serta posisi.
Pengorganisasian dari bit stream dapat dilihat pada Gambar 10 berikut:


Gambar 10 Organisasi Code Stream

4. Region of Interest
Region of Interest (ROI) merupakan salah satu fitur yang tersedia dalam JPEG2000. ROI
memungkinkan dilakukannya pengkodean secara berbeda pada area tertentu dari citra dijital, sehingga
mempunyai kualitas yang lebih baik dari area sekitarnya (background). Fitur ini menjadi sangat
penting, bila terdapat bagian tertentu dari citra dijital yang dirasakan lebih penting dari bagian yang
lainnya.

Metode yang digunakan untuk pengkodean ROI ini adalah Metode Maxshift. Prinsip utama pada
pengkodean ROI ini adalah dengan menggeser bitplane dari koefisien yang dipilih sebagai ROI,
sehingga menempati posisi yang lebih tinggi daripada bitplane sekitarnya (background). Karena
menggunakan metode Maxshift, pergeserannya dilakukan sampai batas maksimal, sehingga seluruh
bitplane dari koefisien ROI berada di atas bitplane dari area sekitarnya. Hal ini menyebabkan,
pengkodean pada ROI akan menghasilkan area dengan kualitas maksimal dibandingkan area
sekitarnya. Pada tahapan pengkodean Entropy, koefisien yang dipilih untuk ROI, akan dikodekan
terlebih dahulu, daripada koefisien yang lainnya (background).
Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 10

Gambar 11 Pergeseran bitplane untuk ROI dengan metode Maxshift

Untuk melakukan ROI, perlu diidentifikasi koefisien-koefisien yang termasuk dalam ROI. Hal
tersebut dimaksudkan untuk menghasilkan sebuah ROI mask, yang merupakan indikator dari koefisien
yang termasuk ROI atau bukan. Umumnya yang digunakan sebagai penanda merupakan sebuah angka
biner, yang dimiliki oleh piksel-piksel yang termasuk area ROI. Penanda tersebut berperan sebagai
pemetaan area dari citra dijital yang termasuk ROI. Pada proses DWT pun, mask tersebut akan
berubah, mengikuti transformasi yang dilakukan pada citra dijital. Sehingga pada akhirnya akan
diperoleh informasi mengenai koefisien yang termasuk ROI.


Gambar 12 Pengidentifikasian ROI mask pada DWT
5. Perhitungan Kualitas Citra
Perhitungan kualitas citra dijital yang merupakan hasil modifikasi, terhadap citra dijital yang asli,
dapat dilakukan dengan menghitung nilai MSE (Mean Square Error) dan juga nilai PSNR (Peak
Signal-to-noise ratio). Perhitungan nilai MSE dari citra dijital berukuran N x M, dilakukan sesuai
dengan rumus berikut:

[ ]
∑∑

·

·
− ·
1
0
2
1
0
) , ( ' ) , (
.
1
N
i
M
j
j i f j i f
M N
MSE (3)

Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 11
f(i,j) menyatakan citra dijital yang asli sebelum dikompresi, sedangkan f’(i,j), merupakan citra dijital
hasil kompresi. Nilai MSE yang besar, menyatakan bahwa penyimpangan atau selisih antara citra hasil
modifikasi dengan citra aslinya cukup besar.

Sedangkan untuk perhitungan nilai PSNR, dapat dilakukan dengan rumus berikut:

( )

,
`

.
|
·
MSE
PSNR
2
255
log 10 (4)

Semakin besar PSNR, maka kualitas citra hasil modifikasi akan semakin baik, sebab tidak banyak
data yang mengalami perubahan, dibandingkan aslinya.

6. Pengembangan Perangkat Lunak
Terkait dengan topik yang tengah dibahas, penulis telah mengembangkan sebuah perangkat lunak
yang menerapkan metode kompresi JPEG2000 dengan dilengkapi fitur Region of Interest (ROI).
Perangkat lunak ini dikembangkan dari program standar JPEG2000
8)
, dengan kebutuhan fungsional
utamanya berupa:
1. Mampu menampilkan dan melakukan kompresi pada citra berformat bitmap (24 bpp), dan juga
menyediakan fasilitas dilakukannya ROI pada saat kompresi.
2. Mampu menghasilkan citra hasil kompresi dengan rata-rata bit per piksel, sesuai dengan
keinginan pengguna.
3. Melakukan dekompresi pada citra hasil kompresi.
4. Menghitung nilai PSNR dari citra hasil kompresi dengan citra aslinya.
Nama dari perangkat lunak ini adalah JPEG2000 Image Compressor.

Performansi dari kompresi yang dilakukan, dihitung dengan memanfaatkan fasilitas perhitungan
nilai PSNR yang tersedia dalam perangkat lunak. Tiga buah skenario pengujian yang telah dilakukan
terhadap perangkat lunak ini, berupa:
1. Melakukan perbandingan nilai PSNR dari hasil kompresi pada berbagai rata-rata bit per piksel,
tanpa ROI.
2. Melakukan perbandingan nilai PSNR dari hasil kompresi pada berbagai rata-rata bit per piksel,
dengan berbagai ukuran luas area ROI.
3. Melakukan perbandingan ukuran berkas citra hasil kompresi dengan metode kompresi JPEG.

Dari hasil pengujian terhadap perangkat lunak, dengan menerapkan beberapa skenario pengujian
yang telah dirancang tersebut, diketahui bahwa rata-rata bit per piksel dari citra hasil kompresi, ikut
menentukan ukuran citra dijital hasil kompresi. Selain itu, dapat diketahui bahwa metode kompresi
JPEG2000 masih lebih unggul dibandingkan metode kompresi JPEG, karena dapat menghasilkan
kualitas citra yang lebih baik pada rata-rata bit per piksel yang rendah. Adanya ROI pada saat
kompresi, ternyata tidak berpengeruh besar pada ukuran citra hasil kompresi. Dan dengan semakin
Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 12
luasnya ukuran ROI, maka nilai PSNR akan semakin besar, walaupun pada titik tertentu, nilai PSNR
kemudian akan turun.

7. Kesimpulan
Metode kompresi JPEG2000 merupakan metode kompresi dengan teknik kompresi dan dekompresi
yang kompleks karena menggunakan perhitungan matematis yang yang rumit. Akan tetapi metode
kompresi JPEG2000 ini mempunyai sebuah fitur baru yang cukup bermanfaat, yang dikenal dengan
Region of Interest (ROI), yang memungkinkan pengguna untuk melakukan kompresi secara berbeda
pada area yang telah dipilihnya. ROI dapat menghasilkan kualitas PSNR yang maksimal, jika ukuran
dari area yang dipilih ukurannya optimal, kurang lebih setengah dari total luas area citra yang
dikompresi.

ROI lebih sesuai jika dinyatakan sebagai upaya penurunan kualitas citra yang berada di luar area
yang dipilih, sehingga berdasarkan pengamatan secara visual, area yang dipilih akan mempunyai
kualitas citra yang lebih baik. Syarat agar ROI dapat dilihat secara visual adalah dengan melakukan
kompresi pada citra dijital dengan menampilkan hasil kompresinya pada rata-rata bit per piksel yang
rendah.

8. Daftar Pustaka
[1] Arizona State University (ASU), JPEG 2000, Arizona State University, EEE 508 – Lecture 18,
2000
[2] Charilaos Christopoulos, Athanassios Skodras, and Touradj Ebrahimi, The JPEG2000 Still
Image Coding System: An Overview, IEEE Transactions on Consumer Electronics, 2000
[3] Karen L. Gray, The JPEG2000 Standard, Techniche Universitat Munchen, 2002
[4] Huang W.B., The Embedded Block Coding with Optimized Truncation (EBCOT) in JPEG2000,
2000
[5] Gaetano Impoco, JPEG2000 – A Short Tutorial, Visual Computing Lab – ISTI CNR Pisa,
Italia, 2004
[6] ISO and ITU, Information Technology, JPEG 2000 Image Coding System, JPEG 2000 Final
Committee Draft Version 1.0. ISO/IEC, 2000
[7] Jin Li, Image Compression – The Mechanics of The JPEG2000, Microsoft Research, Signal
Processing, One Microsoft Way, Redmond, 2002
[8] ---, http://www.jpeg.org/jpeg2000/+jpeg2000&hl=en, 2004
[9] Majid Rabbani and Diego Santa Cruz, The JPEG2000 Still-Image Compression Standard,
Eastman Kodak Research Laboratories; Swiss Federal Institute of Technology, Laussane, 2000
[10] David Salomon, Data Compression; The Complete Reference (Second Edition), Springer-
Verlag, 2000
[11] Prof. Edward Aboufadel, JPEG2000: The Next Compression Standard Using Wavelet
Technology, Grand Valley State University,
http://www.gvsu.edu/math/wavelets/student_work/EF/, 2001
Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 13
[12] Michael D. Adams and Faouzi Kossentini, JPEG 2000: The Next Generation Still Image
Compression Standar, Departement of Electrical and Computer Engineering, University of
British Columbia, 2000
[13] Michael D. Adams, The JPEG-2000 Still Image Compression Standar, Dept. of Electrical and
Computer Engineering, University of Victoria, 2002
[14] Kishore Andra, Chaitali Chakrabarti, and Tinku Acharya, A High-Performance JPEG2000
Architecture, IEEE Transaction on Circuits and Systems for Video Technology, 2003
[15] Andrew P. Bradley and Fred W.M. Stentiford, Visual Attention for Region od Interest Coding
in JPEG 2000, Cooperative Research Centre for Sensor Signal Information Processing
(CSSIP), Scool if Information Technology and Electrical Engineering, The University of
Queensland, 2003
[16] Andrew P. Bradley and Fred W.M. Stentiford, JPEG2000 and Region of Interest Coding,
DICTA2002: Digital Image Computing Technique and Applications, Melbourne, Australia,
2002
[17] Charilaos Christopoulos, Joel Askelöf and Mathias Larsson, Efficient Methods for Encoding
Regions of Interest in The Upcoming JPEG2000 Still Image Coding Standard, IEEE Signal
Processing Letters, 2000
[18] Christos Chrysafis, David Taubman, and Alex Drukarev, Overview of JPEG2000, Hewlett
Packard Laboratories, 2000
[19] Touradj Ebrahimi and Charilaos Christopoulos, The JPEG2000 The Next Generation Still
Image, Signal Processing Laboratory, Swiss Federal Institute of Technology, Lausanne, 2001
[20] Drew Li, Fundamental of Multimedia, Chapter 9; Image Compression Standard, Prentice
Hall, 2003
[21] Michael W. Marcellin, Michael J. Gormish, Ali Bilgin, and Martin P. Boliek, An Overview of
JPEG-2000, Proc. of IEEE Data Compression Conference, 2000
[22] Mark Nelson, and Jean-Loup Gailly, The Data Compression Book (Second Edition), M&T
Books, 1996
[23] Majid Rabbani and Rajan Joshi, An Overview of the JPEG2000 Still Image Compression
Standard, Eastman Kodak Company, USA, 2003
[24] Shanty Meliani Hendrawan, Robust dan Non Blind Watermarking pada Citra Dijital dengan
Teknik Spread Spectrum, Departemen Teknik Informatika, Institut Teknologi Bandung, 2003
[25] Spring, Introduction to Data Compression: Wavelet Transform Coding SPHIT, 2003
[26] David Taubman, High Performance Scalable Image Compression with EBCOT, IEEE
Transaction on Image Processing, 2000
[27] David S. Taubman and Michael W. Marcellin, JPEG2000: Standard for Interactive Imaging,
Proceedings of the IEEE, 2002
[28] David Taubman, Erik Ordentlich, Marcelo Weinberger, Gadiel Seroussi, Ikuro Ueno, and
Fumitako Ono, Embedded Block Coding in JPEG2000, The University of NSW, Sydney; HP
Labs, Palo Alto; Mitsubishi Electric Corp., Tokyo, 2000
[29] Ulil Hamida, Penggunaan Teknik Fuzzy Untuk Perbaikan Kontras, Pelembutan dan
Pendeteksian Tepi Pada Citra Dijital, Departemen Teknik Informatika, Institut Teknologi
Bandung, 2003
[30] Bryan E. Usevitch, A Tutorial on Modern Lossy Wavelet Image Compression: Foundations of
JPEG 2000, IEEE Signal Processing Magazine, 2001
Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 14
[31] Mona Vajihollahi and Roozbeh Farahbod, JPEG-2000, -, 2000
[32] Shufang Wu, Embedded Block Coding with Optimized Truncation-An Image Compression
Algorithm, http://www.sfu.ca/~vswu, 2002

JPEG2000 tersebut dikembangkan. Kompresi pada JPEG2000 JPEG2000 merupakan salah satu metode standard dan terbaru dalam melakukan kompresi terhadap citra dijital. Untuk mengatasi keterbatasan tersebut. yang dihasilkan oleh ISO (International Standard Organization) bekerja sama dengan ITU (International Telecommunication Union). Metode kompresi JPEG2000 menyediakan berbagai kelebihan yang tidak dimiliki standar kompresi yang sudah ada sebelumnya. Karena semakin beragamnya kebutuhan akan pengolahan citra dijital. 3. dengan memaksimalkan kesederhanaannya dan tetap menjaga kualitas penggambaran dari informasi tersebut10). Kompresi Informasi yang dirasakan redundan dapat dikompresi untuk meminimalisasi redundansi tersebut. yang dikembangkan oleh ITU (International Telecomunication Union) bekerja sama dengan ISO (International Standard Organization). apabila terdapat bagian atau area tertentu dari citra dijital yang dianggap lebih penting dari area yang lainnya 17). Dengan pengkodean ROI ini. dirasakan masih belum dapat memenuhi kebutuhan kompresi citra dijital. dan pengkodean Region of Iinterest (ROI). robustness to bit-errors. Hal ini dapat pula dilakukan pada citra dijital yang beragam tipenya. Fitur ini menjadi sangat penting. error resilience. metode kompresi JPEG dirasakan masih memiliki banyak kekurangan. 2. Dapat disimpulkan bahwa kompresi merupakan proses untuk menghilangkan berbagai kerumitan yang tidak penting (redundansi) dari suatu informasi. karena standar metode kompresi yang sudah ada. area khusus tersebut akan nampak mempunyai kualitas citra lebih baik daripada area sekitarnya (background) pada citra dijital tersebut. dengan menerapkan berbagai metode kompresi yang ada. sehingga akan memudahkan penyimpanan. pengolahan serta pengiriman citra dijital tersebut. Tujuan utama dari kompresi pada citra dijital adalah untuk mengurangi penggunaan memori. khususnya di bidang kompresi. . dibuatlah sebuah standar baru yaitu metode kompresi JPEG2000. Region of Interest (ROI) memungkinkan pengguna untuk mengakses bagian tertentu dari sebuah citra dijital untuk diolah secara berbeda. random codestream access and processing. Metode kompresi ini diluncurkan tidak untuk menggantikan metode kompresi JPEG yang sudah ada. Fitur-fitur khusus yang disediakan oleh metode kompresi JPEG2000 ini antara lain penyempurnaan kedua macam kompresinya yaitu lossy dan lossless compression. yaitu JPEG. tetapi lebih dimaksudkan untuk mengatasi keterbatasan pada metode kompresi JPEG tersebut.Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 2 Metode kompresi yang sudah cukup dikenal oleh sebagian pengguna aplikasi dan telah menjadi salah satu standar dalam pengolahan citra dijital adalah metode kompresi JPEG (Joint Photographic Experts Group).

2 Pre-Processing Pada Pre-Processing dilakukan transformasi atas data-data piksel penyusun komponen citra dijital menjadi bentukan lain untuk memudahkan perhitungan. Pada Gambar 2 di bawah ini dapat dilihat tahapan-tahapan dalam Pre-Processing. Berikut ini skema proses kompresi pada JPEG2000: Gambar 1 Skema Proses Kompresi JPEG2 000 3. Sebuah citra dijital dapat saja hanya t rbagi menjadi sebuah tile. 3.1 Tiling Tiling (pengubinan) dibutuhkan untuk mengatasi permasalahan keterbatasan sumber daya memori yang tersedia selama proses kompresi.2. maka perlu dilakukan DC Level Shifting untuk masing-masing penyusun komponen tersebut. yaitu proses kompresi dan dekompresinya menggunakan dasar algoritma yang sama. Ukuran dari tile atau ubin yang dibentuk adalah bebas. Jika penyusun dari masing-masing komponen pada citra dijital merupakan tipe non-negatif (unsigned). maka proses ini tidak perlu dilakukan. yaitu dengan ukuran yang sama e dengan citra dijital itu sendiri. Sedangkan apabila penyusun komponen citra dijital merupakan bilangan bertipe signed. Dalam tiling ini dilakukan pembagian area citra dijital menjadi persegi panjang dengan ukuran yang sama dan tidak saling tumpang tindih. sehingga penyusun komponen citra dijital akan berada pada kisaran -2 B-1 = x[n] < 2B-1 . .Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 3 Teknik kompresi pada JPEG2000 termasuk metode kompresi yang simetris.2. tetapi mempunyai arah yang berlawanan. B menyatakan kedalaman dari bit penyusun masing-masing komponen pada citra dijital.2 DC Level Shifting Data yang diolah hendaknya merupakan bilangan yang berkisar pada nol. dan x[n] menyatakan bilangan penyusun yang berkisar pada nol. Gambar 2 Skema Pre-Processing 3. Pada DC Level Shifting. akan dilakukan penambahan sebuah bilangan penyeimbang yaitu -2 B-1 . Perbedaan ukuran dapat terjadi pada bagian tepi dari citra dijital.

dan sub-kelompok low dari transformasi kolomnya. yaitu DWT terhadap baris (horizontal). LH: sub-kelompok low dari hasil transformasi pada baris. transformasi yang dilakukan disebut dengan Reversible Component Transformation (RCT).41869 − 0. dan terhadap kolom (vertikal). sedangkan high pass menyatakan detail dari data yang ditransformasikan. dilakukan penyaringan data menjadi low pass dan high pass. akan dilakukan transformasi dari format RCB menjadi Luminance (Y). HH: sub-kelompok high dari hasil transformasi baris dan kolom. yaitu: LL: sub-kelompok low dari hasil transformasi pada baris dan kolom. Dalam ICT ini. dan sub-kelompok high dari transformasi kolomnya.33126 0. Suatu tahapan DWT dua dimensi akan menghasilkan empat buah kuadran. dan Chrominnce (Cr dan Cb). Sedangkan pada kompresi lossless. Rumus yang digunakan untuk melakukan transformasi tersebut adalah sebagai berikut: 0. Low pass merepresentasikan bagian penting dari data dalam resolusi yang rendah.Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 4 3.587 0.2.299 Cb =  − 0. Gambar 3 Transformasi Wavelet Dua Dimensi .16875 − 0. HL: sub-kelompok high dari hasil transformasi pada baris.5  G       Cr   0.5 − 0.3 Irreversible Component Transformation (ICT) Irreversible Component Transformation (ICT) merupakan transformasi komponen untuk tipe kompresi lossy. Pada JPEG2000.114   R  Y   0.3 Discrete Wavelet Transform (DWT) (1) Pada transformasi wavelet. dilakukan DWT dua dimensi.08131  B       3.

setidaknya harus mengandung sebuah bit 1.v).7) yang banyak digunakan. konstanta wavelet filter seperti konstanta filter Daubechies (9. v ) = sign (a b (u .444 3.4 Quantization Quantization merupakan proses untuk membulatkan koefisien yang dihasilkan dari proses transformasi. dengan perhitungan yang dimulai dari lapisan bit yang paling signifikan ( Most Significant Bit) atau MSB.v)).883 d = 0. Lapisan MSB yang dipilih sebagai bitplane pertama yang dikode. Operasi ini bersifat lossy.Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 5 Salah satu metode transformasi wavelet yang cukup sederhana adalah dengan menggunakan pendekatan Lifting. 3.v). Masing-masing koefisien dari hasil transformasi yaitu a b (u. v ))    ∆b  (2) ? b menyatakan ukuran dari langkah pembulatan yang dilakukan terhadap koefisien. sedangkan Tier 2 mengatur data keluarannya membentuk paket-paket bit stream hasil kompresi. berdasarkan rumus berikut:  a b (u.586 b = -0. Tier 1 bertanggung jawab dalam pemodelan pada data yang dikompresi. Berikut ini beberapa konstanta yang digunakan untuk perhitungan dengan pendekatan Lifting ini: a = -1. sign(ab (u.5 Entropy Coding Metode yang digunakan dalam melakukan Entropy Coding adalah Embedded Block Coding with Optimised Truncation. atau yang disingkat sebagai EBCOT. dan operasi + X +digunakan untuk mendapatkan bilangan bulat terbesar yang kurang dari atau sama dengan x. Standar ukuran yang digunakan adalah 2 n . untuk dikodekan secara independen. Dalam EBCOT. sebagai hasil yang diperoleh dari Reversible Component Transformation (RCT). . serta entropy coding yang dilakukan untuk membentuk bit stream. EBCOT terdiri atas dua tahapan (Tier). tetapi tidak boleh kurang dari 4x4. dibulatkan dan menghasilkan q b (u.052 c = 0. kecuali jika nilai pembulatannya 1 dan koefisien hasil transformasi merupakan bilangan bulat. dari sub kelompok b. dilakukan pengelompokan koefisien yang diperoleh dari transformasi Wavelet menjadi persegi dengan ukuran yang lebih kecil. EBCOT dilakukan pada masing-masing lapisan bit penyusun citra dijital yang disebut sebagai bitplane. ke bit yang kurang signifikan (Least Significant Bit) atau LSB.v)) menyatakan tanda dari koefisien (ab (u. difaktorkan menjadi konstanta lainnya yang menyatakan lifting steps. Dengan metode ini. v )  q b (u .

5. Pola perhitungan tersebut dapat dilihat pada Gambar 5 di bawah ini: Gambar 5 Pola Perhitungan Koefisien Bit dalam Code Block 3. Dimulai dari pojok kiri code block. dilakukan dengan urutan perhitungan yang khusus. Proses tersebut kemudian diulangi untuk empat baris data yang kedua. Proses tersebut dilakukan hingga mencapai bagian bawah code block.Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 6 Gambar 4 EBCOT pada Code Block yang Diuraikan menjadi bitplane Proses perhitungan pada masing-masing code block. dari kolom yang paling kiri sampai paling kanan. hal tersebut dilakukan hingga mencapai kolom yang paling kanan.1 Tier 1 Skema Tier 1 pada EBCOT dapat dilihat pada Gambar 6 di bawah ini: Gambar 6 Skema EBCOT Tier 1 . dengan melakukan perhitungan terhadap empat baris koefisien pada kolom pertama. kemudian diikuti dengan perhitungan pada empat baris data pertama di kolom kedua.

yaitu significant coding. Magnitude refinement coding dalam magnitude refinement pass. dan cleanup coding. .Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 7 Context Formation Context vector menyatakan significance state dari kedelapan koefisien bit yang menjadi tetangga dari sebuah bit seperti tampak pada Gambar 7 di bawah ini. etapi jika sebaliknya akan bernilai 0. Skema dari ketiga tahapan tersebut dapat dilihat pada Gambar 8 berikut ini: New coefficient Significant? no yes Magnitude Refinement Preffered Neighbourhood no yes Significant Propagation Cleanup Pass Gambar 8 Skema Entropy Coding Arithmatic Coding Pengkodean yang digunakan dalam arithmatic coding ini adalah MQ-Coder. Masing-masing koefisien bit akan dikodekan dengan salah satu dari ketiga tahapan tersebut. Cleanup dan sign coding dalam cleanup pass. MQ-Coder tidak hanya menggunakan simbol dari bit masukan. apakah bit tersebut termasuk bit yang kemungkinan munculnya lebih sering (Most Probable Symbol). yaitu lebih jarang muncul (Less Probable Symbol). Keempat pengkodean tersebut dilakukan dalam tiga buah tahapan. tetapi lebih mengindikasikan jenis bit yang diolah. Gambar 7 Bit-bit dalam Perhitungan Context Vector Terdapat empat pengkodean yang dilakukan dalam entropy coding ini. maka tetangga-tetangga tersebut akan bernilai 1. 3. Significance dan sign coding dalam significance propagation pass. atau sebaliknya. disebut sebagai LPS. magnitude refinement. disingkat dengan MPS. berdasarkan kondisi dari bit yang sesuai dengan salah satu tahapan. sign coding. 2. Jika koefisien dari masing-masing tetangga tersebut signifikan. yaitu: 1.

Karena nilai A yang selalu berada dalam batasan tersebut. atau batas bawah interval dinyatakan dengan C. Penggambaran. Panjang interval dibatasi dalam jangkauan 0. maka A akan digandakan. Pada Tier 2 dalam tahapan EBCOT ini. maka C juga harus diubah dengan proses yang sama.5 dengan nilai A yang kecil. yaitu dengan membentuk layer. yang terbagi menjadi dua buah sub interval. Proses ini dinamakan dengan renormalization. Sebuah kondisi dimana sub interval MPS kurang dari LPS dapat terjadi jika Qe mendekati 0.5. hingga berada dalam batasan yang seharusnya. akan dilakukan pengaturan terhadap bit stream tersebut. A menyatakan panjang interval. Apabila kondisi tersebut terjadi. seperti yang telah dijelaskan di atas. Jika nilai A berubah. dengan prosentase lebih besar. Jika nilai A berada di bawah batasan minimum. 3. Dalam interval tersebut. dan Qe menyatakan perkiraan probabilitas dari LPS. yang disebut sebagai Conditional exchange.5. maka nilai A akan selalu dianggap sebanding dengan 1 (A ≈ 1). 3.A x Qe A LPS MPS Gambar 9 Pembagian Interval pada MQ-Coder Pada Gambar 9 di atas. Setiap pertambahan layer.2 Tier 2 MQ Coder yang dilakukan pada masing-masing code block. Kontribusi dari masing-masing code block terhadap layer berubah-ubah.Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 8 Masing-masing kemungkinan tersebut mempunyai nilai terbatas dalam sebuah interval. MPS berada pada bagian atas dari LPS. sedangkan basis. dalam rangka pencapaian bit rate yang diiginkan (target bit rate). Dalam penentuan target bit rate ini. . akan menghasilkan bit stream.75 = A < 1. tergantung bit plane yang diperhitungkan dalam coding pass. akan menambah kualitas citra dijital hasil kompresi yang dihasilkan.6 Rate Control Rate Control merupakan proses pengaturan code stream. maka harus dilakukan pembalikan nilai antara MPS dengan LPS. serta pembagian dari interval tersebut dapat dilihat pada Gambar 9 di bawah ini: 0 A x Qe A x Qe A . akan dilakukan perhitungan terhadap titik-titik potong optimal dari bit stream yang telah dihasilkan. sehingga representasi akhir dari citra dijital yang telah dikompresi dapat lebih terstruktur. berupa byte-byte data mentah yang telah terkompresi. Layer menyatakan kumpulan dari urutan tahapan pengkodean yang dilakukan oleh code block yang terdapat dalam subband dan juga komponen.

akan dilakukan pengelompokan dari bit stream hasil kompresi. bila terdapat bagian tertentu dari citra dijital yang dirasakan lebih penting dari bagian yang lainnya. Hal ini menyebabkan. . menjadi paketpaket data. Pengorganisasian dari bit stream dapat dilihat pada Gambar 10 berikut: Gambar 10 Organisasi Code Stream 4. yang antara lain berisi informasi mengenai layer. Paket-paket tersebut. sehingga mempunyai kualitas yang lebih baik dari area sekitarnya (background). Metode yang digunakan untuk pengkodean ROI ini adalah Metode Maxshift. Region of Interest Region of Interest (ROI) merupakan salah satu fitur yang tersedia dalam JPEG2000. sehingga seluruh bitplane dari koefisien ROI berada di atas bitplane dari area sekitarnya. Pada tahapan pengkodean Entropy. serta posisi. pengkodean pada ROI akan menghasilkan area dengan kualitas maksimal dibandingkan area sekitarnya. ROI memungkinkan dilakukannya pengkodean secara berbeda pada area tertentu dari citra dijital. Prinsip utama pada pengkodean ROI ini adalah dengan menggeser bitplane dari koefisien yang dipilih sebagai ROI. resolusi. Fitur ini menjadi sangat penting. komponen. dihasilkan dari code block-code block yang berada pada subbandsubband dalam level resolusi yang sama. akan dikodekan terlebih dahulu. Masing-masing paket yang terbentuk akan memiliki paket header. daripada koefisien yang lainnya (background). koefisien yang dipilih untuk ROI.7 Bit Stream Organization Dalam tahapan ini. pergeserannya dilakukan sampai batas maksimal. sehingga menempati posisi yang lebih tinggi daripada bitplane sekitarnya (background). Karena menggunakan metode Maxshift.Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 9 3.

Sehingga pada akhirnya akan diperoleh informasi mengenai koefisien yang termasuk ROI. Perhitungan nilai MSE dari citra dijital berukuran N x M dilakukan sesuai . mask tersebut akan berubah.M ∑∑ i= 0 j= 0 N −1 M −1 [ f (i. terhadap citra dijital yang asli. dapat dilakukan dengan menghitung nilai MSE ( Mean Square Error) dan juga nilai PSNR (Peak Signal-to-noise ratio). j ) − f ' (i. j) ] 2 (3) . perlu diidentifikasi koefisien-koefisien yang termasuk dalam ROI. Pada proses DWT pun. Perhitungan Kualitas Citra Perhitungan kualitas citra dijital yang merupakan hasil modifikasi. mengikuti transformasi yang dilakukan pada citra dijital. yang merupakan indikator dari koefisien yang termasuk ROI atau bukan. Penanda tersebut berperan sebagai pemetaan area dari citra dijital yang termasuk ROI. dengan rumus berikut: MSE = 1 N. Hal tersebut dimaksudkan untuk menghasilkan sebuah ROI mask. yang dimiliki oleh piksel-piksel yang termasuk area ROI. Gambar 12 Pengidentifikasian ROI mask pada DWT 5. Umumnya yang digunakan sebagai penanda merupakan sebuah angka biner.Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 10 Gambar 11 Pergeseran bitplane untuk ROI dengan metode Maxshift Untuk melakukan ROI.

berupa: 1. ternyata tidak berpengeruh besar pada ukuran citra hasil kompresi.Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 11 f(i. Tiga buah skenario pengujian yang telah dilakukan terhadap perangkat lunak ini. Dan dengan semakin . Melakukan perbandingan ukuran berkas citra hasil kompresi dengan metode kompresi JPEG. Melakukan perbandingan nilai PSNR dari hasil kompresi pada berbagai rata-rata bit per piksel. tanpa ROI. diketahui bahwa rata-rata bit per piksel dari citra hasil kompresi. Nilai MSE yang besar. Menghitung nilai PSNR dari citra hasil kompresi dengan citra aslinya. 2. dengan kebutuhan fungsional utamanya berupa: 1. karena dapat menghasilkan kualitas citra yang lebih baik pada rata-rata bit per piksel yang rendah. dapat diketahui bahwa metode kompresi JPEG2000 masih lebih unggul dibandingkan metode kompresi JPEG. Performansi dari kompresi yang dilakukan. Mampu menghasilkan citra hasil kompresi dengan rata-rata bit per piksel. maka kualitas citra hasil modifikasi akan semakin baik. sesuai dengan keinginan pengguna. sedangkan f’(i. Selain itu. dengan menerapkan beberapa skenario pengujian yang telah dirancang tersebut. merupakan citra dijital hasil kompresi. Sedangkan untuk perhitungan nilai PSNR. 3. Melakukan dekompresi pada citra hasil kompresi. ikut menentukan ukuran citra dijital hasil kompresi. dihitung dengan memanfaatkan fasilitas perhitungan nilai PSNR yang tersedia dalam perangkat lunak. dan juga menyediakan fasilitas dilakukannya ROI pada saat kompresi. Adanya ROI pada saat kompresi. sebab tidak banyak data yang mengalami perubahan.j). 6. menyatakan bahwa penyimpangan atau selisih antara citra hasil modifikasi dengan citra aslinya cukup besar.j) menyatakan citra dijital yang asli sebelum dikompresi. Pengembangan Perangkat Lunak Terkait dengan topik yang tengah dibahas. dapat dilakukan dengan rumus berikut:  (255) 2   PSNR= 10 log   MSE    (4) Semakin besar PSNR. Mampu menampilkan dan melakukan kompresi pada citra berformat bitmap (24 bpp). 4. Perangkat lunak ini dikembangkan dari program standar JPEG20008). dengan berbagai ukuran luas area ROI. Nama dari perangkat lunak ini adalah JPEG2000 Image Compressor. 3. 2. Melakukan perbandingan nilai PSNR dari hasil kompresi pada berbagai rata-rata bit per piksel. Dari hasil pengujian terhadap perangkat lunak. penulis telah mengembangkan sebuah perangkat lunak yang menerapkan metode kompresi JPEG2000 dengan dilengkapi fitur Region of Interest (ROI). dibandingkan aslinya.

JPEG2000: The Next Compression Standard Using Wavelet Technology. 2004 [9] Majid Rabbani and Diego Santa Cruz. 2002 [4] Huang W. Kesimpulan Metode kompresi JPEG2000 merupakan metode kompresi dengan teknik kompresi dan dekompresi yang kompleks karena menggunakan perhitungan matematis yang yang rumit. ISO/IEC. Laussane. walaupun pada titik tertentu. http://www. 2001 . yang dikenal dengan Region of Interest (ROI). The JPEG2000 Still Image Coding System: An Overview. JPEG 2000 Image Coding System. EEE 508 – Lecture 18. 2000 [2] Charilaos Christopoulos. Arizona State University. The JPEG2000 Still-Image Compression Standard.org/jpeg2000/+jpeg2000&hl=en. Data Compression. 2004 [6] ISO and ITU. JPEG 2000 Final Committee Draft Version 1. Italia. Eastman Kodak Research Laboratories. ROI lebih sesuai jika dinyatakan sebagai upaya penurunan kualitas citra yang berada di luar area yang dipilih. Information Technology. ROI dapat menghasilkan kualitas PSNR yang maksimal. The JPEG2000 Standard.gvsu.. 2000 [3] Karen L. One Microsoft Way. and Touradj Ebrahimi. sehingga berdasarkan pengamatan secara visual. area yang dipilih akan mempunyai kualitas citra yang lebih baik. yang memungkinkan pengguna untuk melakukan kompresi secara berbeda pada area yang telah dipilihnya. Signal Processing. 2000 [11] Prof. 2000 [5] Gaetano Impoco.Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 12 luasnya ukuran ROI. Grand Valley State University. 8.jpeg. Daftar Pustaka [1] Arizona State University (ASU). Gray. JPEG 2000. jika ukuran dari area yang dipilih ukurannya optimal. Redmond. 7. http://www. The Complete Reference (Second Edition). maka nilai PSNR akan semakin besar. Techniche Universitat Munchen. IEEE Transactions on Consumer Electronics. Athanassios Skodras. Visual Computing Lab – ISTI CNR Pisa. Akan tetapi metode kompresi JPEG2000 ini mempunyai sebuah fitur baru yang cukup bermanfaat. kurang lebih setengah dari total luas area citra yang dikompresi. The Embedded Block Coding with Optimized Truncation (EBCOT) in JPEG2000. Swiss Federal Institute of Technology. SpringerVerlag. Image Compression – The Mechanics of The JPEG2000.0. 2002 [8] ---. Microsoft Research.B. Syarat agar ROI dapat dilihat secara visual adalah dengan melakukan kompresi pada citra dijital dengan menampilkan hasil kompresinya pada rata-rata bit per piksel yang rendah.edu/math/wavelets/student_work/EF/. nila i PSNR kemudian akan turun. 2000 [7] Jin Li. JPEG2000 – A Short Tutorial. Edward Aboufadel. 2000 [10] David Salomon.

Proceedings of the IEEE. 2001 . Dept. A Tutorial on Modern Lossy Wavelet Image Compression: Foundations of JPEG 2000. Efficient Methods for Encoding Regions of Interest in The Upcoming JPEG2000 Still Image Coding Standard. Stentiford. Taubman and Michael W. Gadiel Seroussi. JPEG 2000: The Next Generation Still Image Compression Standar. 2000 [29] Ulil Hamida. Eastman Kodak Company.M. 2003 [16] Andrew P. An Overview of the JPEG2000 Still Image Compression Standard. JPEG2000 and Region of Interest Coding. Tokyo. Joel Askelöf and Mathias Larsson. IEEE Transaction on Image Processing. The JPEG-2000 Still Image Compression Standar. Stentiford. Mitsubishi Electric Corp. M&T Books. Chapter 9. Visual Attention for Region od Interest Coding in JPEG 2000. HP Labs. of IEEE Data Compression Conference. The University of Queensland. and Martin P. Adams and Faouzi Kossentini. 2003 [24] Shanty Meliani Hendrawan. Boliek. Pelembutan dan Pendeteksian Tepi Pada Citra Dijital. Institut Teknologi Bandung. USA. JPEG2000: Standard for Interactive Imaging. and Alex Drukarev. Bradley and Fred W. Australia . Proc. Departemen Teknik Informatika. Sydney. 2002 [28] David Taubman. 2000 [19] Touradj Ebrahimi and Charilaos Christopoulos. Prentice Hall. Ali Bilgin. Swiss Federal Institute of Technology. Institut Teknologi Bandung. Embedded Block Coding in JPEG2000. Image Compression Standard. Marcellin. Marcelo Weinberger. Hewlett Packard Laboratories. Overview of JPEG2000. 1996 [23] Majid Rabbani and Rajan Joshi. 2002 [14] Kishore Andra. Michael J. IEEE Signal Processing Magazine. Scool if Information Technology and Electrical Engineering. Signal Processing Laboratory. University of British Columbia. Usevitch. and Tinku Acharya. Ikuro Ueno. Fundamental of Multimedia. and Jean-Loup Gailly. The JPEG2000 The Next Generation Still Image. Adams.M. David Taubman. Melbourne. Palo Alto.. High Performance Scalable Image Compression with EBCOT. 2000 [27] David S. The Data Compression Book (Second Edition). 2000 [22] Mark Nelson. 2003 [25] Spring. Robust dan Non Blind Watermarking pada Citra Dijital dengan Teknik Spread Spectrum. Departemen Teknik Informatika. The University of NSW. Cooperative Research Centre for Sensor Signal Information Processing (CSSIP). IEEE Transaction on Circuits and Systems for Video Technology. and Fumitako Ono. 2002 [17] Charilaos Christopoulos. Gormish. 2000 [18] Christos Chrysafis. Bradley and Fred W. A High-Performance JPEG2000 Architecture. An Overview of JPEG-2000. Introduction to Data Compression: Wavelet Transform Coding SPHIT. 2000 [13] Michael D. of Electrical and Computer Engineering. DICTA2002: Digital Image Computing Technique and Applications. 2001 [20] Drew Li. IEEE Signal Processing Letters. Marcellin. Erik Ordentlich. Lausanne. Penggunaan Teknik Fuzzy Untuk Perbaikan Kontras. 2003 [26] David Taubman. 2003 [21] Michael W.Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 13 [12] Michael D. Departement of Electrical and Computer Engineering. 2003 [15] Andrew P. University of Victoria . 2003 [30] Bryan E. Chaitali Chakrabarti.

ca/~vswu. JPEG-2000. 2000 [32] Shufang Wu. http://www. Embedded Block Coding with Optimized Truncation-An Image Compression Algorithm. -.Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 14 [31] Mona Vajihollahi and Roozbeh Farahbod. 2002 .sfu.

Sign up to vote on this title
UsefulNot useful