How JPEG Works (Part-4)

Tahap ke 3 setelah dilakukan transformasi DCT adalah Quantization.

Kenapa perlu di kuantisasi?

Jawaban sederhananya adalah untuk membuang nilai-nilai "pixel" DCT yang rendah (nilai nilai yang mendekati 0).

Bagaimana caranya?

Tekniknya adalah dengan membagi "pixel" DCT dengan Quatization matrix.

Disini lah muncul paramater Quality.

Misalkan kita set parameter Quality bernilai 1 sampai 25. Quality 1 adalah top quality image, gambar tetap tajam seperti aslinya (akan tetapi ukuran file JPEG akan besar) . Quality 25 adalah bad quality image, gambar menjadi buram dan pixelized (akan tetapi ukuran file JPEG akan kecil).

Berikut ini adalah pseudo-code untuk membuat Quantization matrix.

for ( i = 0 ; i < N ; i++ )
 for ( j = 0 ; j < N ; j++ )
  Quantum[ i ][ j ] = 1 + ( ( 1 + i + j ) * quality );

Apabila quality = 2, maka Quntization matrix (Quantum[i][j]) menjadi:

3	5	7	9	11	13	15	17
5	7	9	11	13	15	17	19
7	9	11	13	15	17	19	21
9	11	13	15	17	19	21	23
11	13	15	17	19	21	23	25
13	15	17	19	21	23	25	27
15	17	19	21	23	25	27	29
17	19	21	23	25	27	29	31

Nilai dari Quantization matrix ini nanti menjadi pembagi untuk "pixel" DCT[i,j].

                         DCT(i,j)
Quantized Value(i,j) = -------------- Rounded integer
                        Quantum(i,j)

Kita ulangi dari hasil Part-3 sebagai berikut.

Pixel Asli
140	144	147	140	140	155	179	175
144	152	140	147	140	148	167	179
152	155	136	167	163	162	152	172
168	145	156	160	152	155	136	160
162	148	156	148	140	136	147	162
147	167	140	155	155	140	136	162
136	156	123	167	162	144	140	147
148	155	136	155	152	147	147	136

Pixel Normalisasi
12	16	19	12	12	27	51	47
16	24	12	19	12	20	39	51
24	27	8	39	35	34	24	44
40	17	28	32	24	27	8	32
34	20	28	20	12	8	19	34
19	39	12	27	27	12	8	34
8	28	-5	39	34	16	12	19
20	27	8	27	24	19	19	8

Hasil Transformasi DCT
186	-18	15	-9	23	-9	-14	19
21	-34	26	-9	-11	11	14	7
-10	-24	-2	6	-18	3	-20	-1
-8	-5	14	-15	-8	-3	-3	8
-3	10	8	1	-11	18	18	15
4	-2	-18	8	8	-4	1	-7
9	1	-3	4	-1	-7	-1	-2
0	-8	-2	2	1	4	-6	0

Hasil Transformasi DCT apabila dibagi dengan Quantization Matrix menjadi

DCT After Quantization
62	-4	2	-1	2	-1	-1	1
4	-5	3	-1	-1	1	1	0
-1	-3	0	0	-1	0	-1	0
-1	0	1	-1	0	0	0	0
0	1	1	0	-1	1	1	1
0	0	-1	0	0	0	0	0
1	0	0	0	0	0	0	0
0	0	0	0	0	0	0	0

Terlihat bahwa pada frekuensi tinggi sudah banyak sekali "pixel" dengan value 0 yang mana ini sangat mudah untuk dilakukan kompresi.

Apabila Quality kita turunkan menjadi 10 atau 25 misalkan, maka jumlah "pixel" dengan value 0 akan bertambah jauh lebih banyak lagi, ukuran file semakin kecil, tapi gambar semakin buram (makin pixelized).

Berikut contoh Kompresi JPEG dengan berbagai Quality.

Gambar asli

Quality = 1

Quality = 2

Quality = 10

Quality = 25

Pada kondisi dimana gambar cukup mampu di kompresi, maka dengan kompresi sampai tingkat 60% dari ukuran file asli, gambar masih bisa terlihat tajam.

Contoh coding/programming JPEG dalam bahasa C disini