ABSTRAKSI: Kompresi citra digital merupakan salah satu metoda dalam pengolahan citra yang berfungsi untuk mengurangi ukuran data citra murni yang besar dengan cara mengurangi informasi (lossy) atau tetap mempertahankannya (lossless). Pengurangan informasi pada citra digital umumnya dilakukan dengan transformasi linear yang mengubah citra digital pada domain spasial menjadi domain frekuensi yang kemudian akan dilakukan pengurangan frekuensi yang tidak penting dan diikuti oleh proses kuantisasi dan entropy encoding. Pada tugas akhir ini digunakan suatu metode kompresi citra digital yang menggabungkan Discrete Wavelet Transform (DWT) dengan Singular Value Decomposition (SVD). DWT digunakan untuk membagi (dekomposisi) suatu sinyal ke dalam komponen-komponen frekuensi yang berbeda-beda (subband LL, LH, HL dan HH). Subband LL yang merupakan frekuensi rendah akan diproses dengan SVD. Teknik kuantisasi skalar, kuantisasi vektor dan pengkodean Huffman digunakan pula pada proses kompresi ini, dimana algoritma pembentukan codebook yang digunakan adalah algoritma Linde Buzo Gray (LBG). Parameter performansi yang diuji pada citra adalah ratio kompresi dan PSNR (Peak Signal to Noise ratio) pada citra hasil dekomposisi
Dari hasil analisa didapatkan bahwa setiap kenaikan orde filter daubechies menyebabkan kenaikan PSNR dan penurunan ratio kompresi. Setiap kenaikan level dekomposisi menyebabkan penurunan PSNR dan kenaikan ratio kompresi. Sedangkan setiap kenaikan rank SVD yang diambil menyebabkan kenaikan PSNR dan penurunan ratio kompresi. Rata-rata PSNR terbesar yang dihasilkan dari kompresi DWT-SVD adalah 29,48 dengan ratio kompresi sebesar 99,59
Kata Kunci : Kata kunci: discrete wavelet transform, dekomposisi nilai singular, kuantisasi vektor, kuantisasi skalar, pengkodean Huffman.ABSTRACT: Digital image compression is a method that used in image processing to reduce storage size of image by reduce it information (lossy) or remain to maintain it (lossless). Information reduction were done by linear transformation that change the representation or domain of digital image from spatial domain to frequency domain, and then followed by eliminating higher frequency, quantization, and entropy encoding. This final task is used a digital image compression method which combining Discrete Wavelet Transform (DWT) and Singular Value Decomposition (SVD). DWT is used to to decompose a signal to a different frequency component (LL, LH, HL, HH subband). The lowest frequency LL subband will processed by SVD. Scalar and vector quantization and Huffman coding also used in the encoding process. A Linde Buzo Gray (LBG) algorithm is used to produce codebook for vector quantization. Performance parameter that’s tested is compression ratio and PSNR (Peak Signal to Noise ratio) in image coming from the result of decomposition.
From the analysis result, for each orde daubechies filter increment to cause of PSNR increment and decrement of compression ratio. For each decomposition level increment to cause decrement of PSNR and increment of compression ratio. Whereas, for each increment of SVD rank to cause of PSNR increment and decrement of compression ratio. The biggest average of PSNR that is produced from DWT-SVD compression is 29,48 with compression ratio is 99,59
Keyword: Keywords: discrete wavelet transform, singular value decomposition, standard deviation, vector quantization, scalar quantization, Huffman encoding.