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

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

B menyatakan kedalaman dari bit penyusun masing-masing komponen pada citra dijital. akan dilakukan penambahan sebuah bilangan penyeimbang yaitu -2 B-1 . sehingga penyusun komponen citra dijital akan berada pada kisaran -2 B-1 = x[n] < 2B-1 .2 Pre-Processing Pada Pre-Processing dilakukan transformasi atas data-data piksel penyusun komponen citra dijital menjadi bentukan lain untuk memudahkan perhitungan. Jika penyusun dari masing-masing komponen pada citra dijital merupakan tipe non-negatif (unsigned). Perbedaan ukuran dapat terjadi pada bagian tepi dari citra dijital.2. Sedangkan apabila penyusun komponen citra dijital merupakan bilangan bertipe signed. Pada Gambar 2 di bawah ini dapat dilihat tahapan-tahapan dalam Pre-Processing. tetapi mempunyai arah yang berlawanan. maka perlu dilakukan DC Level Shifting untuk masing-masing penyusun komponen tersebut. Gambar 2 Skema Pre-Processing 3. . yaitu proses kompresi dan dekompresinya menggunakan dasar algoritma yang sama. 3.2.1 Tiling Tiling (pengubinan) dibutuhkan untuk mengatasi permasalahan keterbatasan sumber daya memori yang tersedia selama proses kompresi. Ukuran dari tile atau ubin yang dibentuk adalah bebas. Dalam tiling ini dilakukan pembagian area citra dijital menjadi persegi panjang dengan ukuran yang sama dan tidak saling tumpang tindih. maka proses ini tidak perlu dilakukan.Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 3 Teknik kompresi pada JPEG2000 termasuk metode kompresi yang simetris. dan x[n] menyatakan bilangan penyusun yang berkisar pada nol. Pada DC Level Shifting. yaitu dengan ukuran yang sama e dengan citra dijital itu sendiri. Berikut ini skema proses kompresi pada JPEG2000: Gambar 1 Skema Proses Kompresi JPEG2 000 3.2 DC Level Shifting Data yang diolah hendaknya merupakan bilangan yang berkisar pada nol. Sebuah citra dijital dapat saja hanya t rbagi menjadi sebuah tile.

Dalam ICT ini. yaitu DWT terhadap baris (horizontal).33126 0. Rumus yang digunakan untuk melakukan transformasi tersebut adalah sebagai berikut: 0. Gambar 3 Transformasi Wavelet Dua Dimensi . transformasi yang dilakukan disebut dengan Reversible Component Transformation (RCT).587 0.41869 − 0. dilakukan penyaringan data menjadi low pass dan high pass. dan sub-kelompok low dari transformasi kolomnya.Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 4 3. Suatu tahapan DWT dua dimensi akan menghasilkan empat buah kuadran.114   R  Y   0.3 Discrete Wavelet Transform (DWT) (1) Pada transformasi wavelet. dan sub-kelompok high dari transformasi kolomnya. dilakukan DWT dua dimensi. Sedangkan pada kompresi lossless.5  G       Cr   0. HH: sub-kelompok high dari hasil transformasi baris dan kolom. LH: sub-kelompok low dari hasil transformasi pada baris. dan Chrominnce (Cr dan Cb).08131  B       3. HL: sub-kelompok high dari hasil transformasi pada baris.16875 − 0.3 Irreversible Component Transformation (ICT) Irreversible Component Transformation (ICT) merupakan transformasi komponen untuk tipe kompresi lossy. Low pass merepresentasikan bagian penting dari data dalam resolusi yang rendah. sedangkan high pass menyatakan detail dari data yang ditransformasikan. Pada JPEG2000. yaitu: LL: sub-kelompok low dari hasil transformasi pada baris dan kolom.299 Cb =  − 0.2. dan terhadap kolom (vertikal).5 − 0. akan dilakukan transformasi dari format RCB menjadi Luminance (Y).

dengan perhitungan yang dimulai dari lapisan bit yang paling signifikan ( Most Significant Bit) atau MSB.7) yang banyak digunakan.586 b = -0.883 d = 0. . atau yang disingkat sebagai EBCOT. sebagai hasil yang diperoleh dari Reversible Component Transformation (RCT). dibulatkan dan menghasilkan q b (u. sedangkan Tier 2 mengatur data keluarannya membentuk paket-paket bit stream hasil kompresi.v). v ) = sign (a b (u . berdasarkan rumus berikut:  a b (u.052 c = 0. difaktorkan menjadi konstanta lainnya yang menyatakan lifting steps. EBCOT dilakukan pada masing-masing lapisan bit penyusun citra dijital yang disebut sebagai bitplane. dilakukan pengelompokan koefisien yang diperoleh dari transformasi Wavelet menjadi persegi dengan ukuran yang lebih kecil. tetapi tidak boleh kurang dari 4x4. kecuali jika nilai pembulatannya 1 dan koefisien hasil transformasi merupakan bilangan bulat. Dengan metode ini. untuk dikodekan secara independen.4 Quantization Quantization merupakan proses untuk membulatkan koefisien yang dihasilkan dari proses transformasi. konstanta wavelet filter seperti konstanta filter Daubechies (9. v )  q b (u . Dalam EBCOT.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. Masing-masing koefisien dari hasil transformasi yaitu a b (u. setidaknya harus mengandung sebuah bit 1.v)).v)) menyatakan tanda dari koefisien (ab (u.5 Entropy Coding Metode yang digunakan dalam melakukan Entropy Coding adalah Embedded Block Coding with Optimised Truncation.444 3. dan operasi + X +digunakan untuk mendapatkan bilangan bulat terbesar yang kurang dari atau sama dengan x. 3. EBCOT terdiri atas dua tahapan (Tier). dari sub kelompok b. sign(ab (u. Standar ukuran yang digunakan adalah 2 n . v ))    ∆b  (2) ? b menyatakan ukuran dari langkah pembulatan yang dilakukan terhadap koefisien. Berikut ini beberapa konstanta yang digunakan untuk perhitungan dengan pendekatan Lifting ini: a = -1. Operasi ini bersifat lossy.v). ke bit yang kurang signifikan (Least Significant Bit) atau LSB. serta entropy coding yang dilakukan untuk membentuk bit stream. Lapisan MSB yang dipilih sebagai bitplane pertama yang dikode. Tier 1 bertanggung jawab dalam pemodelan pada data yang dikompresi.

hal tersebut dilakukan hingga mencapai kolom yang paling kanan. dengan melakukan perhitungan terhadap empat baris koefisien pada kolom pertama. Proses tersebut kemudian diulangi untuk empat baris data yang kedua. Dimulai dari pojok kiri code block. Pola perhitungan tersebut dapat dilihat pada Gambar 5 di bawah ini: Gambar 5 Pola Perhitungan Koefisien Bit dalam Code Block 3.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. kemudian diikuti dengan perhitungan pada empat baris data pertama di kolom kedua.1 Tier 1 Skema Tier 1 pada EBCOT dapat dilihat pada Gambar 6 di bawah ini: Gambar 6 Skema EBCOT Tier 1 .5. dari kolom yang paling kiri sampai paling kanan. Proses tersebut dilakukan hingga mencapai bagian bawah code block.

yaitu lebih jarang muncul (Less Probable Symbol). Cleanup dan sign coding dalam cleanup pass. Magnitude refinement coding dalam magnitude refinement pass. Significance dan sign coding dalam significance propagation pass. Gambar 7 Bit-bit dalam Perhitungan Context Vector Terdapat empat pengkodean yang dilakukan dalam entropy coding ini. tetapi lebih mengindikasikan jenis bit yang diolah. Jika koefisien dari masing-masing tetangga tersebut signifikan. 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. disebut sebagai LPS.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. yaitu significant coding. Keempat pengkodean tersebut dilakukan dalam tiga buah tahapan. 3. sign coding. dan cleanup coding. maka tetangga-tetangga tersebut akan bernilai 1. apakah bit tersebut termasuk bit yang kemungkinan munculnya lebih sering (Most Probable Symbol). yaitu: 1. atau sebaliknya. MQ-Coder tidak hanya menggunakan simbol dari bit masukan. etapi jika sebaliknya akan bernilai 0. berdasarkan kondisi dari bit yang sesuai dengan salah satu tahapan. 2. disingkat dengan MPS. Masing-masing koefisien bit akan dikodekan dengan salah satu dari ketiga tahapan tersebut. . magnitude refinement.

MPS berada pada bagian atas dari LPS. maka harus dilakukan pembalikan nilai antara MPS dengan LPS. tergantung bit plane yang diperhitungkan dalam coding pass. sedangkan basis. yaitu dengan membentuk layer. akan menambah kualitas citra dijital hasil kompresi yang dihasilkan. Jika nilai A berada di bawah batasan minimum. Dalam penentuan target bit rate ini. Setiap pertambahan layer. yang disebut sebagai Conditional exchange. dan Qe menyatakan perkiraan probabilitas dari LPS. Layer menyatakan kumpulan dari urutan tahapan pengkodean yang dilakukan oleh code block yang terdapat dalam subband dan juga komponen. Apabila kondisi tersebut terjadi. dalam rangka pencapaian bit rate yang diiginkan (target bit rate). Penggambaran. yang terbagi menjadi dua buah sub interval. 3. maka A akan digandakan. dengan prosentase lebih besar. Jika nilai A berubah.2 Tier 2 MQ Coder yang dilakukan pada masing-masing code block. 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. Pada Tier 2 dalam tahapan EBCOT ini. Dalam interval tersebut. serta pembagian dari interval tersebut dapat dilihat pada Gambar 9 di bawah ini: 0 A x Qe A x Qe A . seperti yang telah dijelaskan di atas. berupa byte-byte data mentah yang telah terkompresi. Panjang interval dibatasi dalam jangkauan 0. maka nilai A akan selalu dianggap sebanding dengan 1 (A ≈ 1).6 Rate Control Rate Control merupakan proses pengaturan code stream. hingga berada dalam batasan yang seharusnya.5.75 = A < 1. Kontribusi dari masing-masing code block terhadap layer berubah-ubah. maka C juga harus diubah dengan proses yang sama. A menyatakan panjang interval. Sebuah kondisi dimana sub interval MPS kurang dari LPS dapat terjadi jika Qe mendekati 0. 3.5 dengan nilai A yang kecil. Proses ini dinamakan dengan renormalization. . Karena nilai A yang selalu berada dalam batasan tersebut. akan dilakukan pengaturan terhadap bit stream tersebut. atau batas bawah interval dinyatakan dengan C.Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 8 Masing-masing kemungkinan tersebut mempunyai nilai terbatas dalam sebuah interval.A x Qe A LPS MPS Gambar 9 Pembagian Interval pada MQ-Coder Pada Gambar 9 di atas. akan menghasilkan bit stream.5.

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

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

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

Image Compression – The Mechanics of The JPEG2000.edu/math/wavelets/student_work/EF/. Daftar Pustaka [1] Arizona State University (ASU). Data Compression. http://www.org/jpeg2000/+jpeg2000&hl=en. 7. Italia. JPEG 2000. Signal Processing. 2002 [4] Huang W. Gray. 2002 [8] ---. yang memungkinkan pengguna untuk melakukan kompresi secara berbeda pada area yang telah dipilihnya. Laussane. ROI dapat menghasilkan kualitas PSNR yang maksimal. jika ukuran dari area yang dipilih ukurannya optimal.. Athanassios Skodras. Kesimpulan Metode kompresi JPEG2000 merupakan metode kompresi dengan teknik kompresi dan dekompresi yang kompleks karena menggunakan perhitungan matematis yang yang rumit.gvsu. Techniche Universitat Munchen. Swiss Federal Institute of Technology. JPEG 2000 Image Coding System. Redmond. 2004 [6] ISO and ITU. 2001 . JPEG2000 – A Short Tutorial. Eastman Kodak Research Laboratories. ROI lebih sesuai jika dinyatakan sebagai upaya penurunan kualitas citra yang berada di luar area yang dipilih. Edward Aboufadel. nila i PSNR kemudian akan turun. The Complete Reference (Second Edition). Visual Computing Lab – ISTI CNR Pisa.B. 2000 [3] Karen L. 2004 [9] Majid Rabbani and Diego Santa Cruz. JPEG2000: The Next Compression Standard Using Wavelet Technology. sehingga berdasarkan pengamatan secara visual. The JPEG2000 Still Image Coding System: An Overview. EEE 508 – Lecture 18.0. 8. 2000 [10] David Salomon. Information Technology. SpringerVerlag. http://www. The JPEG2000 Standard. 2000 [5] Gaetano Impoco. IEEE Transactions on Consumer Electronics. yang dikenal dengan Region of Interest (ROI). 2000 [7] Jin Li. and Touradj Ebrahimi. 2000 [2] Charilaos Christopoulos. JPEG 2000 Final Committee Draft Version 1. kurang lebih setengah dari total luas area citra yang dikompresi. Arizona State University. Microsoft Research. ISO/IEC. walaupun pada titik tertentu. One Microsoft Way. The Embedded Block Coding with Optimized Truncation (EBCOT) in JPEG2000. 2000 [11] Prof. The JPEG2000 Still-Image Compression Standard.jpeg.Agustina Linda / Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000 12 luasnya ukuran ROI. maka nilai PSNR akan semakin besar. area yang dipilih akan mempunyai kualitas citra yang lebih baik. Akan tetapi metode kompresi JPEG2000 ini mempunyai sebuah fitur baru yang cukup bermanfaat. Grand Valley State University. 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.

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

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