IMAGE COMPRESSING

Abstraks:
Citra medis (medical image) memiliki kandungan informasi yang sangat penting. Hal tersebutmenjadikan citra kedokteran umumnya memiliki ukuran yang besar.
Citra medis yang berukuran besar menimbulkan masalah pada penyimpanan dan pengiriman citra kedokteran, yaitu kebutuhan media penyimpanan data yang besar serta waktu pengiriman yang lama. Hal tersebut mengakibatkan munculnya kebutuhan akan kompresi citra kedokteran tanpa mengurangi informasi yang tersimpan dalam citra tersebut (lossless). Namun, kompresi lossless belum menyelesaikan masalah yang dihadapi, sehingga diperlukan kompresi data yang bersifat lossless tetapi memiliki fleksibilitas untuk dapat menghilangkan informasi yang tidak penting dan tidak dapat dilihat oleh indera penglihatan kita (lossy).
Agar pengiriman citra menjadi lebih efisien dengan kualitas yang lebih baik, perlu dilakukan proses pengolahan citra digital terhadap citra tersebut, sehingga kompresi citra tidak hanya mengurangi ukuran file dan bandwidth, tetapi juga memungkinkan ekstraksi untuk melakukan proses pengolahan citra lainnya lebih lanjut.


Latar Belakang
Citra medis (medical image) memiliki kandungan informasi yang sangat penting. Hal tersebut menjadikan citra kedokteran umumnya memiliki ukuran yang besar. Citra medis yang berukuran besar menimbulkan masalah pada penyimpanan dan pengiriman citra kedokteran, yaitu kebutuhan media penyimpanan data yang besar serta waktu pengiriman yang lama. Hal tersebut mengakibatkan munculnya kebutuhan akan kompresi citra kedokteran tanpa mengurangi informasi yang tersimpan dalam citra tersebut (lossless). Namun, kompresi lossless belum menyelesaikan masalah yang dihadapi, sehingga diperlukan kompresi data yang bersifat lossless tetapi memiliki fleksibilitas untuk dapat menghilangkan informasi yang tidak penting dan tidak dapat dilihat oleh indera penglihatan kita (lossy).
Agar pengiriman citra menjadi lebih efisien dengan kualitas yang lebih baik, perlu dilakukan proses pengolahan citra digital terhadap citra tersebut, sehingga kompresi citra tidak hanya mengurangi ukuran file dan bandwidth, tetapi juga memungkinkan ekstraksi untuk melakukan proses pengolahan citra lainnya lebih lanjut. Kompresi JPEG 2000 memungkinkan adanya kompresi lossless dan lossy sehingga dapat diimplementasikan untuk kompresi citra medis.
Kompresi JPEG-2000 dikembangkan oleh ITU (International Telecommunication Union) dan ISO (International Organization of Standardization). JPEG-2000 memiliki beberapa fitur yang sangat membantu proses pengolahan citra medis. Diantara fitur JPEG-2000 yang ada, RoI (Region of Interest) memungkinkan pengguna memilih sebuah daerah pada citra hasil kompresi sehingga kualias citra pada daerah RoI tersebut meningkat.
Namun demikian, kompresi JPEG-2000 untuk citra berukuran besar memerlukan spesifikasi komputer yang bagus. Dengan menggunakan komputas dengan spesifikasi yang biasa, proses kompresi citra memerlukan waktu yang lama. Sehingga diperlukan sebuah sistem terdistribusi untuk melakukan kompresi JPEG 2000.
Grid computing adalah penggunaan resource banyak komputer yang saling terhubung oleh sebuah jaringan internet untuk melakukan komputasi yang memerlukan resource besar. Dengan menggunakan grid computing, proses komputasi secara masal dilakukan dengan memanfaatkan resource CPU yang tidak terpakai (CPU cycle/media penyimpanan) dari banyak komputer.
Grid computing merupakan pengembangan dari distributed computing. Contoh grid
computing adalah Kazzaa, aplikasi peer to peer untuk berbagi file. Sementara contoh distributed computing adalah pengelolaan DNS (Domain Name System).
Grid computing untuk pengolahan citra digital (PCD) sedang dikembangkan oleh Imaging dan Image Processing Research Group (I2PRG), ITB. Desain grid computing yang dikembangkan diilustrasikan pada gambar 1.1. Pada grid computing untuk pengolahan citra digital, terdapat cluster-cluster yang berfungsi melakukan proses secara terdistribusi.
Penyimpanan database pada grid computing terletak pada manager. Manager menyebarkan data untuk diproses pada masing-masing cluster. Masing-masing cluster tersebut terdiri dari beberapa server komputasi. Server komputasi dapat terhubung melalui pada jaringan internet, LAN, WAN, ataupun PSTN. Setelah selesai dilakukan sebuah komputasi, data hasil komputasi dikirimkan ke sebuah cluster yang melakukan decode. Hasil decode tersebut dikirimkan ke client untuk kemudian digabungkan.