Pemampatan imej merupakan satu proses untuk mengurangkan bilangan bit yang digunakan untuk mewakili sesuatu imej. Ini dapat dicapai dengan mengurangkan (atau secara lazimnya, menghapuskan) berbagai jenis pengulangan yang wujud dalam data sesuatu imej. Kajian ini menghasilkan berbagai jenis penuras pensampel ke bawah untuk memampatkan imej dan diikuti dengan penuras pensampel ke atas untuk menyahmampat imej tersebut. Konsep yang digunakan untuk pensampelan ke bawah adalah dengan menghapus baris atau lajur yang bernombor ganjil atau genap. Selain itu, baris dan lajur juga dihapus secara duaan untuk menghasilkan mampatan yang lebih tinggi. Imej tersebut kemudian dinyahmampat dengan kaedah penduaan atau dengan menggantikan baris atau lajur yang dihapus dengan purata baris atau lajur yang masih wujud. Kadar pemampatan yang diperolehi menerusi kajian ini adalah 50% dan 67%. Imej yang terhasil kemudiannya dibanding dengan pemerhatian dan juga PSNR. Menerusi kajian dan keputusan yang diperolehi, didapati penuras yang menyahmampat imej dengan menggantikan baris yang dihapus dengan purata baris sebelum dan selepasnya, menghasilkan keputusan yang terbaik.
_________________________________________________________________________________________
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 develops various types of down-sampling filters to compress the image and followed by up-sampling filters to decompress the image. The concept used to down-sample is by deleting either the odd or even numbered columns or rows. Besides that, the columns and rows are also deleted in two’s to further compress the image. The image is then up-sampled by using duplication or replacing the deleted row or columns with the average of other rows or columns. The compression ratio achieved through this research is 50% and 67%. The images are then compared by the Peak Signal-to-Noise Ratio and through observation to decide on the best type of filter. Through the research and results, it is proved that the filter that up-samples the image by replacing the deleted rows with the average of the two subsequent even numbered row has the best output.
Design of efficient baseline coders for image compression_Vicknatheeban Tharmalingam_E3_2005_NI