TRANSFORMASI CITRA
Disusun Oleh
NAMA
NIM
: 1491761028
PROGRAM PASCASARJANA
TEKNIK ELEKTRO
UNIVERSITAS UDAYANA
2014
TRANSFORMASI HAAR
Wavelet merupakan sebuah basis. Basis wavelet berasal dari sebuah fungsi penskalaan
atau dikatakan juga sebuah scaling function. Scaling function memiliki sifat yaitu dapat disusun
dari sejumlah salinan dirinya yang telah didilasikan, ditranslasikan dan diskalakan [GLA95].
Fungsi ini diturunkan dari persamaan dilasi (dilation equation), yang dianggap sebagai dasar dari
teori wavelet. Persamaan dilasi berbunyi demikian :
( x) ck (2 x k )
dari persamaan scaling function ini dapat dibentuk persamaan wavelet yang pertama (atau
disebut juga mother wavelet), dengan bentuk sebagai berikut :
0 ( x) (1) k c1 k (2 x k )
k
Dari mother wavelet ini kemudian dapat dibentuk wavelet-wavelet berikutnya (1, 2 dan
seterusnya) dengan cara mendilasikan (memampatkan atau meregangkan) dan menggeser mother
wavelet.
Scaling function yang dapat membentuk wavelet bermacam-macam jenisnya.
Berdasarkan scaling function inilah basis wavelet memiliki nama yang berbeda-beda.
Wavelet B-Spline kubik memiliki scalilng function dengan koefisien c0 = 1/8, c1 = 4/8, c2
= 6/8, c3 = 4/8, c4 = 1/8.
Suatu citra dapat dianggap sebagai suatu matriks dua dimensi. Kita dapat melakukan
transformasi terhadap baris-baris pada citra, dan dilanjutkan dengan transformasi
LL
LH
kolom
HL: hasil highpass terhadap baris diteruskan dengan lowpass terhadap
kolom
HH: hasil highpass terhadap baris dan kolom
Sebagai contoh, Gambar 2.3 adalah hasil dekomposisi terhadap sebuah citra bergambar
ban menggunakan wavelet Haar. Dekomposisi hanya dilakukan dua level (a 0 sampai a2).
Dekomposisi dilakukan menggunakan fasilitas Wavelet Toolbox pada Matlab 6. Pada
bagian kanan bawah dari Gambar 2.3 tersebut diperlihatkan hasil dekomposisi wavelet
LH2
HL
HH
2
HL1
LH1
HH1
Pada notasi Matlab, bagian LL disebut bagian aproksimasi (A), bagian LH disebut detail vertikal
(V), bagian HL disebut detail horizontal (H), dan bagian HH disebut detail diagonal (D).
Bentuk Basis
Original Image
Transformation
Result
Dari gambar diatas terlihat pada proses transformasi citra semula yang ditransformasikan
dibagi ( didekomposisi menjadi beberapa bagian sesuai dengan jumlah yang diiinginkan. Setiap
sub image akan dibagi menjadi sepersekian kali dari citra aslinya. Sub image pada posisi kanan
atas dan bawah kiri akan tampak seperti versi kasar dari citra asli karena komponen frekwensi
tinggi dari citra asli. Sedangkan untuk sub image atas kiri tampak seperti citra asli dan tampak
lebih halus (smooth) karena berisi komponen frekwensi rendah dari citra asli sub image tersebut
dapat dibagi seperti semula menjadi beberapa sub image baru. Proses demikian dapat diulang
seterusnya sesuai dengan level transformasi yang diinginkan.
TRANSFORMASI SLANT
Matrik transformasi Slant N x N dapat dinyatakan secara rekursif sebagai berikut :
Transformasi Slant pada citra 2D dapat dilakukan dengan melakukan transformasi terhadap baris
demi baris pada citra, kemudian dilanjutkan dengan melakukan transformasi kolom demi kolom
terhadap citra hasil transformasi baris diatas. Hal ini dapat dilakukan karena transformasi Slant
juga memiliki sifat separable dimana proses transformasi terhadap baris dan kolom dapat
dilakukan secara terpisah.
Bentuk Basis
Original Image
Transformation
Result
TRANSFORMASI WALSH
Transformasi Walsh merupakan transformasi yang bersifat non-sinusoidal dimana fungsi
basis transformasi ini hanya bernilai -1 dan 1. Kompleksitas algoritma Tr. Walsh juga dapat
diefisienkan menjadi N log2 N. Rumus Tr. Walsh 2 dimensi:
1
W (u , v )
N
1
f ( x, y )
N
N 1 N 1
n 1
x 0 y 0
i 0
N 1 N 1
n 1
x 0 y 0
i 0
f ( x, y) (1)
W (u, v) (1)
[ bi ( x ) bn1i ( u ) bi ( y ) bn1i ( v )
[ bi ( x ) bn1i ( u ) bi ( y ) bn1i ( v )
Karena rumus forward dan invers-nya sama, maka basis ini dapat dipakai baik untuk
forward maupun invers transform
Original Image
Transformation
Result
TRANSFORMASI HADAMARD
Sama dengan transformasi Walsh, trasformasi Hadamard juga merupakan transformasi
yang bersifat non-sinusoidal. Fungsi basis transformasi ini hanya bernilai -1 dan 1.
2.1
Trasformasi Hadamard 1 dimensi dari citra f(x) dapat dinyatakan sebagai berikut.
Transformasi Hadamard balik adalah :
1
f ( x )=
N
n1
N1
bi(x)bi (u )
H (u)(1)
u =0
b (x)b (u)
1
g ( x , u )= (1)
N
i
i=0
Table dibawah menunjukan kernel atau fungsi basis dari transformasi Hadamard 1 dimensi untuk
N=8
Tabel Nilai Kernel Transformasi Hadamard 1-D untuk N = 8
Berikut ditunjukkan cara untuk menghitung kernel tersebut untuk u = 1 dan x = 4. Karena N = 8
maka n = 3
Representasi biner dari u = 1 adalah 001, sedangkan representasi biner x = 4 adalah 100, maka :
b0(u) =1,
b1(u) =0,
b2(u) =0
b0(x) =0,
b1(x) =0,
b2(x) =1
g ( 4,1 )=(1 )
bi ( 4 ) bi ( 1 )
0
(1 )( 1) (0 )+(0 )( 0)+( 0) (1 )
10 =1
Berikut adalah contoh untuk u = 4 dan x = 6
Representasi biner dari u = 4 adalah 100, sedangkan representasi biner x = 6 adalah 110, maka :
b0(u) =0,
b1(u) =0,
b2(u) =1
b0(x) =0,
b1(x) =1,
b2(x) =1
sehingga :
2
g ( 6,4 )= (1 )
bi ( 6) bi ( 4 )
0
Sehingga hasil dari transformasi Hadamard untuk citra f(x) diatas adalah :
W(u) = (15 0 0 0 -5 0 0 0).
Bentuk Basis
Original Image
Transformation
Result