KONVOLUSI DAN

TRANSFORMASI FOURIER

Oleh :
IRWAN SAPUTRA (1257301079)
MURHADI (1257301077)

Teori Konvolusi
Operasi yang mendasar dalam pengolahan citra
adalah operasi konvolusi.
Konvolusi 2 buah fungsi f(x) dan g(x)
didefenisikan sebagai berikut :
h(x) = f(x) * g(x) =

f (a) g ( x a)

Teori Konvolusi
Tanda * menyatakan operator konvolusi, dan
peubah (variabel) a adalah peubah bantu
(dummy variabel).
Untuk fungsi diskrit, konvolusi didefenisikan
sebagai.
h(x) = f(x) * g(x) =

f (a) g ( x a)

Teori Konvolusi
Pada operasi konvolusi di atas, g(x) disebut
kernel konvolusi atau kernel penapis
(filter).
Kernel g(x) merupakan suatu jendela yang
dioperasikan secara bergeser pada sinyal
masukan f(x), yang dalam hal ini, jumlah
perkalian kedua fungsi pada setiap titik
merupakan hasil konvolusi yang dinyatakan
dengan keluaran h(x)

Teori Konvolusi
Ilustrasi konvolusi adalah sebagai berikut :
Misalkan fungsi f(x) dan g(x) seperti gambar 1
dan 2, langkah-langkah
perhitungan hasil
konvolusi ditunjukkan mulai dari gambar 3
sampai dengan gambar 6, yaitu :

x / 2 0 x 1

f ( x) * g ( x) 1 - x/2 1 x 2
0
lainnya

f(a)

g(a)

1
1/2
1
Gambar 1

a
1
Gambar 2

g(-a)

g(x-a)

1/2

1/2
a

-1
Gambar 3

-1

a
x
Gambar 4

F(a)g(x-a)

F(a)g(x-a)
0<x<1

1
1/2
-1

1/2
1

Gambar 5

-1

a
X-1 1

Gambar 6

f(x)*g(x)

1/2
x
1

2
9

Konvolusi Dua Dimensi

Untuk fungsi dengan dua peubah (fungsi dua
dimensi atau dwimatra), operasi konvolusi
didefenisikan sebagai berikut :
a. Untuk fungsi malar

h (x, y) f (x, y) * g(x, y)

f(a, b)g(x - a, y - b)dadb

- -

10

Konvolusi Dua Dimensi

b. Untuk fungsi diskrit

h (x, y) f (x, y) * g(x, y)

f(a, b)g(x - a, y - b)

11

 Fungsi
penapis
g(x,y)_
disebut
juga
convolution
filter,
convolution
mask,
convolution kernel, atau template. Dalam
ranah diskrit kernel konvolusi dinyatakan
dalam bentuk matriks (umumnya 3 x 3).
Ukuran matrik ini biasanya lebih kecil dari
ukuran citra. Setiap elemen matriks disebut
koefisien konvolusi.
Ilustrasi konvolusi ditunjukkan pada gambar
berikut

12

p1 p2 p3

A B C
D E F
G H I

p4 p5 p6
p7 p8 p9

f(i,j)

kernel
citra

f (i, j ) Ap1 Bp 2 Cp 3 Dp 4
Ep5 Fp 6 Gp 7 Hp8 Ip9
13

 Operasi
konvolusi
dilakukan
dengan
menggeser kernel konvolusi pixel per pixel.
Hasil konvolusi disimpan dalam matriks yang
baru.
Contoh : Misalkan citra f (x,y) yang berukuran
5 x 5 dan sebuah kernel atau mask yang
berukuran 3 x 3 masing-masing adalah
sebagai berikut :

14

 4
6

f ( x, y ) 5

6
3

0 -1

g ( x, y ) - 1 4
0 - 1
Keterangan : Tanda

- 1
0

menyatakan posisi (0,0) dari kernel

06/09/15 15

Operasi antara citra f(x,y) dengan kernel

g(x,y)

f(x,y) * g(x,y)

1.

Langkah penyelesaiannya adalah sebagai

berikut :
Tempatkan kernel pada sudut kiri atas,
kemudian hitung nilai pixel pada posisi (0,0)
dari kernel :

Hasil konvolusi =(0 x 4) + (-1

x 4) + (0 x 3) + (-1 x 6) + (4 x
6) + (-1 x 5) + (0 x 5) + (-1 x
6) + (0 x 6) = 3
16

17

Hasilnya

18

2. Geser kernel satu pixel ke kanan, kemudian

hitung nilai pixel pada posisi (0,0) dari kernel :

Hasil konvolusi = 0
19

Hasilnya :

20

3. Geser lagi kernel satu pixel kekanan,

keamudian hitung nilai pixel pada posisis
(0,0) seperti langkah sebelumnya, didapat :

21

 Selanjutnya geser kernel satu pixel ke bawah,

lalu mulai lagi melakukan konvolusi dari sisi
kiri citra, setiap kali konvolusi, geser kernel
satu pixel ke kanan.Setelah baris ketiga
dikonvolusi, maka didapat hasil seperti
gambar berikut :

22

23

 Catatan :
Jika hasil konvolusi menghasilkan nilai pixel
negatif, maka nilai tersebut dijadikan nol,
sebaliknya jika hasil konvolusi menghasilkan
nilai pixel yang lebih besar dari nilai
maksimum, maka nilai tersebut dijadikan ke
nilai keabuan maksimum.

24

 Untuk pixel tepi tidak dikonvolusi, jadi nilainya

tetap sama seperti citra asal, Sehingga hasil
secara keseluruhan adalah seperti gambar
berikut :

25

26

Konvolusi berguna pada proses

pengolahan citra seperti :
1.
2.
3.
4.
5.

Perbaikan kualitas citra (image enhancement)

Penghilangan derau.
Penghalusan/pelembutan citra.
Deteksi tepi, penajaman tepi.
Dll.

27

Teori Transformasi Fourier

Transformasi Fourier merupakan suatu proses yang
banyak digunakan untuk memindahkan domain dari
suatu fungsi atau obyek ke dalam domain
frekwensi. Di dalam pengolahan citra digital,
transformasi fourier digunakan untuk mengubah
domain spasial pada citra menjadi domain
frekwensi, menganalisis frekuensi pada operasi
seperti perekaman citra, perbaikan kualitas citra,
restorasi citra, pengkodean, dan lain-lain.

06/09/15

28

Transformasi Fourier 2 Dimensi

DFT dari fungsi citra f(x,y) berukuran M x N
diberikan dengan persamaan berikut:
1 M 1 N 1
j 2 ( ux / M vy / N )
F (u , v )
f
(
x
,
y
)
e

MN x 0 y 0
untuk u=0,1,2,,M-1 dan v=0,1,,N-1
Dari F(u,v), kita bisa mendapatkan kembali f(x,y)
menggunakan IDFT dengan rumusan sebagai
berikut:
M 1 N 1
f ( x, y )

j 2 ( ux / M vy / N )
F
(
u
,
v
)
e

u 0 v 0

untuk x=0,1,,M-1 dan y=0,1,,N-1

06/09/15

29

Transformasi Fourier 2 Dimensi

Variabel u dan v adalah variabel transformasi atau
variabel frekuensi, sedangkan x dan y adalah
variabel spasial atau variabel citra.
Spectrum Fourier, sudut fase, dan power spectrum
didefinisikan sebagai berikut:

F (u , v ) R ( x, y ) I ( x, y )
2

1/ 2

I (u , v )

(u , v ) tan 1

R (u , v )
P (u , v ) F (u , v )

R 2 (u , v ) I 2 (u , v )

R(u,v) dan I(u,v) adalah bagian real dan imajiner dari

F(u,v).
06/09/15

30

Transformasi Fourier 2 Dimensi

Fungsi citra input biasanya dikalikan dulu dengan
(-1)x+y sebelum dilakukan perhitungan
transformasi Fourier, karena titik pusat dari
transformasi Fourier perlu digeser.

f ( x, y )(1) x y F (u M / 2, v N / 2)
Persamaan di atas menetapkan bahwa titik pusat
Transformasi Fourier dari fungsi f(x,y)(-1)x+y [yaitu
F(0,0)] berada pada lokasi u=M/2 dan v=N/2.

06/09/15

31

Transformasi Fourier 2 Dimensi

Nilai transformasi pada (0,0) adalah

1
F (0,0)
MN

M 1 N 1

f ( x, y )
x 0 y 0

yang merupakan rata-rata dari f(x,y).

Jika f(x,y) adalah citra, nilai dari Transformasi Fourier pada

titik pusat menyatakan tingkat keabuan rata-rata dari citra.
Spektrum dari transformasi Fourier transform adalah
simetris, artinya:

F (u , v) F (u ,v)
Sifat simetris dan pemusatan dari transformasi Fourier
menyederhanakan spesifikasi dari filter simetris sirkular
pada domain frekuensi.
06/09/15

32

Transformasi Fourier 2 Dimensi

06/09/15

33