Wavelet

Sebelum memasuki pembahasan tentang wavelet, ada baiknya kita mengingat

kembali tentang pengertian basis pada sebuah ruang vektor. Bila kita berada pada sebuah
ruang vektor dua dimensi, maka kita bisa memiliki vektor [1 0] T dan [0 1]T untuk
merepresentasikan semua vektor yang dapat terbentuk di ruangan tersebut.
Contoh : [2 3] T = 2 [1 0] T + 3 [0 1] T
dengan demikian, dikatakan bahwa vektor [0 1]T dan [1 0]T merupakan basis dari ruang
vektor dua dimensi karena kita dapat merepresentasikan semua vektor sebagai kombinasi
linier dari basis [0 1]T dan [0 1]T. Atau dapat pula dikatakan bahwa basis [0 1]T, [1 0]T
merentang ruang dua dimensi.
Bila yang ingin kita representasikan adalah sebuah titik atau sebuah vektor, maka
basis [0 1]T dan [1 0]T sudah cukup memadai. Perhatikan bahwa basis [0 1]T, [1 0]T bukan
satu-satunya basis yang bisa merentang ruang dua dimensi. Ada basis-basis lainnya yang
bisa digunakan, contohnya [1 2]T, [2 -1] T. Selain berbentuk kumpulan vektor, basis dapat
juga berbentuk kumpulan fungsi.
Wavelet juga 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)

c (2 x k )
k

.. (2.1)

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 ) (2.2)
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.
Administrator / Draft Tesis II / 20 Jan 2003

Wavelet Haar memiliki scaling function dengan koefisien c0 = c1 = 1.

Wavelet Daubechies dengan 4 koefisien (DB4) memiliki scaling function dengan

koefisien c0 = (1+3)/4, c1 = (3+3)/4, c2 = (3-3)/4, c3 = (1-3)/4

Wavelet B-Spline kubik memiliki scalilng function dengan koefisien c 0 = 1/8, c1 =

4/8, c2 = 6/8, c3 = 4/8, c4 = 1/8.

Untuk lebih memperjelas teori dari wavelet, mari kita lihat contoh wavelet Haar berikut
ini.

Wavelet Haar dapat dijelaskan dalam ruang vektor 4 dimensi.

Basis paling

sederhana yang sudah sering kita gunakan adalah basis orthonormal sebagai berikut :
1
0
0
0
0
1
0
0
v 0 , v1 , v 2 , v 3
0
0
1
0




0
0
0
1

Wavelet Haar juga merentang ruang vektor 4 dimensi dengan vektor-vektor basis sebagai
berikut
1
1
1
0
1
1
1

,h2
,h3 0
h 0 , h1
1
1
0
1

1
1
0
1

yang bila digambarkan dalam bentuk sinyal akan berbentuk sebagai berikut :

h0

h1

h2

Administrator / Draft Tesis II / 20 Jan 2003

h3

Jika kita menggunakan basis orthonormal v0, v1, v2, dan v3, mudah bagi kita untuk
merepresentasikan suatu vektor sebagai kombinasi linier dari v0, v1, v2, dan v3. Misalkan
kita memiliki vektor
6
4

x
7

Jika kita ingin merepresentasikan vektor x tersebut dalam bentuk

x = a v0 + b v1 + c v2 + d v3 .. (2.3)
maka dengan mudah kita dapat menemukan bahwa a = 6, b = 4, c = -7, d = 5.
Sekarang bagaimana caranya merepresentasikan suatu vektor sebagai kombinasi
linier dari vektor-vektor dalam wavelet Haar ? Atau dengan kata lain, bagaimana kita
menentukan nilai a,b,c dan d dalam persamaan berikut ini :

x0
1
1
1
x
1
1

1 a b c 1 d
x2
1
1
0




1
1
0
x3

0
0

1

1

. (2.4)

Administrator / Draft Tesis II / 20 Jan 2003

dengan sedikit pengetahuan matematis, kita dapat menurunkan persamaan-persamaan

berikut ini dari persamaan (2.4) di atas :
x0 = a + b + c
x1 = a + b c
x2 = a b

+d

x3 = a b

sehingga kemudian kita dapatkan :

x2 x3 = 2d
x0 x1 = 2c
(x0 + x1) (x2 + x3) = 4b
(x0 + x1) + (x2 + x3) = 4a
Dengan demikian dapat diambil kesimpulan bahwa
d = (x2 x3)
c = (x0 x1)
b = ( (x0 + x1) (x2 + x3))
a = ( (x0 + x1) + (x2 + x3))
Terlihat bahwa sebenarnya koefisien-koefisian a,b,c,d dapat diperoleh dari operasi
averaging dan differencing terhadap nilai x0, x1, x2 dan x3 dengan aturan tertentu.
Stephane Mallat kemudian memperkenalkan cara mudah menghitung koefisien a,
b, c dan d dengan cara yang dikenal dengan algoritma piramida Mallat. Algoritma
tersebut dapat ditunjukkan dengan gambar berikut.
a j L a j 1 L a j 2 ... L a 0
H

d j 1

d j 2

d0

dimana aj adalah vektor awal dengan ukuran 2j, dan koefisien a, b, c, d dapat diperoleh
dari aproksimasi a0 detail-detail d0, d1 dan seterusnya. Matriks L dan H masing masing
adalah matriks lowpass (averaging) dan highpass (differencing) dengan bentuk:

Administrator / Draft Tesis II / 20 Jan 2003

c1 c 2 c 3
...

c 0 c1 c 2 c 3
...
1

L
.
.

2 .
. c 0 c1 c 2 c 3

.
c
c
.
c
c
2 3
0 1

c1 c 0
...

c 3 c 2 c1 c 0
1
H
.
.
2 .
.
c3 c 2

.
.c1 c 0

c0

c3

Matriks L dan H untuk basis Haar dimana c0 = c1 = 1 adalah sebagai berikut :

0 0

0 0
1

12 0 0
H

0 0 12 12

Proses mencari koefisien a, b, c dan d seperti ini disebut dengan proses dekomposisi.
Sebagai contoh, untuk vektor x di atas kita akan dekomposisi menjadi:
6
1
1

4 L 2 2 10 10

1
0
0

L 1
5
2

2 2
a
a 1 2 2 a 0 2

7
1

5
12 12 0 0
H
H 12
12
0 0 1 2 12
1
d1

d 0 3

Nilai a,b, c dan d pada persamaan 2.4 kemudian dapat kita peroleh dengan melihat nilai
aproksimasi terakhir a0 dan semua nilai-nilai detail d0,d1 dan d1 dimana
a = ( (x0 + x1) + (x2 + x3)) = a0 = 2
b = ( (x0 + x1) (x2 + x3)) = d0 = 3
c = (x0 x1) = d1(0) = 1
d = (x2 x3) = d1(1) = -6.

Administrator / Draft Tesis II / 20 Jan 2003

c2

...
c1 c 0

c 3 c 2

 6
1
1
1

4
1
1
1

2 3
1
(6)
7
1
1
0

5
1
1
0

0
0
1

Setelah mengetahui bagaimana mendekomposisi suatu sinyal menjadi koefisienkoefisien kombinasi liniernya, maka kita juga perlu mengetahui bagaimana caranya
memperoleh vektor asal jika hanya diketahui koefisien-koefisien dekomposisinya
(a,b,c,d).

Proses kebalikan dari dekomposisi ini disebut proses rekonstruksi, dan

algoritma piramida Mallat untuk rekonstruksi adalah:

a 0 L* a1 L* a 2 ... L* a n
H*

H*

d0

H*

d n 1

d1

dimana matriks pengali L* dan H* memiliki hubungan dengan matriks L dan H pada
proses dekomposisi yaitu LL* = HH* = I (L merupakan invers dari L*). Isi dari L* dan
H* untuk basisi Haar adalah sebagai berikut:
1
1
L*
0

0
1
1 0

H*
0
1

0 1

Proses rekonstruksi untuk contoh di atas dapat digambarkan sebagai berikut:

a [ 2]

1
H*
1

d 0 [3]

1
L *
1

5
1
1
3
a 1 2

1
1
1

1
H * `
0
0
1
d1

1
1
0

l *

0
0
1

a2

1
1

0
0

1
1

5
0 1 1
0

0
1

0
6

4
0 1

7
1 6

1
5

0
0
1
1

Setelah mengetahui bagaimana melakukan transformasi dekomposisi dan

rekonstruksi terhadap suatu vektor, selanjutnya bagaimana melakukan transformasi
terhadap citra? Suatu citra dapat dianggap sebagai suatu matriks dua dimensi. Kita dapat

melakukan transformasi terhadap baris-baris pada citra, dan dilanjutkan dengan

transformasi terhadap kolom-kolom pada citra, seperti pada gambar di bawah ini
Lowpass terhadap baris

Lowpass terhadap kolom

Citra

Highpass terhadap kolom

Highpass terhadap baris

Lowpass terhadap kolom

Highpass terhadap kolom

LL

LH

HL HH

LL: hasil lowpass terhadap baris dan kolom

LH: hasil lowpass terhadap baris diteruskan dengan highpass terhadap 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 dengan keterangan sebagai berikut:

LL2

LH2

HL2 HH2

LH1

LH1,

HL1,

dan

HH1

merupakan

hasil

dekomposisi level 1.
LL2 tidak diperlihatkan pada gambar karena

HL1

HH1

langsung didekomposisi lagi menjadi LL2, LH2,

HL2 dan HH2

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).