Pemampatan imej merupakan satu proses untk mengurangkan bilangan bit yang digunakan untuk mewakili sesuatu imej. Ini dapat dicapai dengan mengurangkan (atau secara lazimnya, menghapuskan) berbagai pengulangan yang wujud dalam data sesuatu imej. Kajian ini menumpukan perhatian dalam menganalisis dan pengimplikasian kaedah Pengekodan Golomb dan kaedah Pengekodan Arimetik di mana yang dapat mencapai nisbah pemampatan optima dalam pengekodan masing-masing. Konsep dalam kaedah Pengekodan Golomb ialah nombor dibahagikan kepada beberapa kumpulan yang mempunyai size m yang sama (Golomb-m) dengan kumpulan yang nilai simbolnya yang paling kecil akan mempunyai kod yang lebih pendek. Nilai hasil pembahagian dan bakinya akan diproses menjadi satu kod yang baru. Idea di sebalik kaedah Pengekodan Arimetik pula ialah setiap simbol akan diagih kepada satu julat mengikut kemungkinan sesuatu simbol itu akan dijumpai dalam sesuatu data. Semakin besar kemungkinan simbol itu dijumpai, semakin besar nilai julat diagihkan kepadanya. Setelah kemunkinan dan julat sesuatu simbol ditentukan, proses pengekodan akan bermula. Kadar pemampatan yang diperolehi menerusi kajian ini adalah kira-kira 0.21 untuk kaedah Pengekodan Golomb dan kira-kira 0.35 untuk kaedah Pengekodan Arimetik. Imej yang terhasil kemudiannya dibanding dengan pemerhatian dan juga PSNR. Menerusi kajian dan keputusan yang diperolehi, dapat dibuktikan bahawa kaedah Pengekodan Arimetik adalah lebih baik jika dibandingkan dengan kaedah Pengekodan Golomb.
_________________________________________________________________________________________
Image compression is the process of reducing the number of bits required to represent an image. This can be achieved by reducing (or ideally, eliminating) various types of redundancy that exist in the imaging data. This research is concerned to analysis, develop and fast implementation of Golomb Coding and Arithmetic Coding, which can achieve optimal compression ratio in encoding. The concept of golomb coding is numbers divided into groups of equal size m (Golomb-m) where groups with smaller symbol values have shorter codes. Result of the division and remainder will be processed to form a new code. While the idea behind Arithmetic Coding is to have a probability line between 0 to 1, and assign to every symbol a range in this line based on its probability, the higher the probability, the higher the range the number assigned is. Once the ranges and the probability line have been defined, it starts to encode symbols. The compression ratio achieved through this research is around 0.21 for Golomb Coding and around 0.35 for Arithmetic Coding. Then images are then compared by the Peak Signal-to-Ratio (PSNR) and through observation to decide one of the best coding methods. Through the research and results, it is proved that Arithmetic Coding is better than Golomb Coding in image compression.
Performances analysis of golomb coding and arithmetic coding_nai kheng wei_E3_2007_NI_875002311