Nama : Ocvian Aditya Purnomo

Kelas : 3 D4 EB
NRP : 1110131032
TUGAS PENGOLAHAN CITRA DIGITAL
1.
2.
3.
4.
5.
6.
7.

Apa pengaruh frekwensi terhadap suatu gambar ?

Gambar-gambar bagaimana yang mempunyai frekwensi rendah ?
Gambar-gambar bagaimana yang mempunyai frekwensi tinggi ?
Jelaskan prinsip-prinsip Low Pass Filter pada citra, dan apa akibatnya terhadap citra ?
Jelaskan prinsip-prinsip High Pass Filter pada citra, dan apa akibatnya terhadap citra ?
Jelaskan rumus konvolusi dan proses perhitungannya !
Hitunglah konvolusi dari H dan F berikut ini :
(a) H =
[-1 1]
F=
1
0
0
0
1
1
0
0
1
1
1
0
1
1
1
1
(b) H =

-1
1

F=

1
1
1
1

0
1
1
1

0
0
1
1

0
0
0
1

(c) Apa perbedaan hasil dari (a) dan (b) ?

8. Apa ciri-ciri kernel filter pada LPF ? Berikan contohnya.
9. Apa ciri-ciri kernel filter pada HPF ? Berikan contohnya.
10. Dengan menggunakan program HPF di atas, ubahlah kernel filternya menjadi :
H=
-1
-1
-1
-1
8
-1
-1
-1
-1

JAWABAN
1. Untuk mengetahui hubungan antara frekuensi dengan gambar atau citra, dapat dilihat dari sifat
transformasi fourier dan format koordinat frekwensi seperti gambar dibawah ini :

Gambar diatas menunjukkan bahwa gradiasi citra berbanding terbalik dengan frekwensi. Citra
yang memiliki gradiasi atau level threshold yang tinggi cenderung berada pada frekwensi rendah.
Sedangkan citra yang memiliki gradiasi atau level threshold yang rendah cenderung berada pada
frekwensi rendah.

Dari gambar diatas diketahui bahwa warna putih (terang) pada hasil transformasi fourier
menunjukkan level atau nilai fungsi yang tinggi dan warna hitam (gelap) menunjukkan level atau
nilai fungsi yang rendah.

Sedangkan pada gambar kedua diketahui bahwa hitam (gelap) menunjukkan level atau nilai fungsi
yang tinggi dan warna putih (terang) menunjukkan level atau nilai fungsi yang rendah.

2. Gambar yang mempunyai frekwensi rendah adalah gambar atau citra yang memiliki tingkat
gradiasi (level threshold) yang tinggi. Untuk mengetahui tingkat gradiasi citra dapat
menggunakan transformasi fourier. Apabila hasil transformasi menunjukkan bahwa warna putih
pada citra memiliki nilai fungsi tinggi dan warna gelap memiliki nilai fungsi rendah, maka dapat
dipastikan citra tersebut memiliki frekwensi rendah. Dibawah ini merupakan contoh citra dengan
frekwensi rendah.

3. Gambar yang mempunyai frekwensi tinggi adalah gambar atau citra yang memiliki tingkat
gradiasi (level threshold) yang rendah. Untuk mengetahui tingkat gradiasi citra dapat
menggunakan transformasi fourier. Apabila hasil transformasi menunjukkan bahwa warna putih
pada citra memiliki nilai fungsi rendah dan warna gelap memiliki nilai fungsi tinggi, maka dapat
dipastikan citra tersebut memiliki frekwensi rendah. Dibawah ini merupakan contoh citra dengan
frekwensi rendah.

4. Prinsip dari Low Pass Filter adalah meloloskan frekwensi rendah dan membuang frekwensi
tinggi pada citra, sehingga gradiasi atau banyaknya level warna pada suatu citra dapat
dipertahankan. Low Pass Filter akan mereduksi noise dan dapat melakukan proses blur pada
citra.
5. Prinsip dari High Pass Filter adalah kebalikan dari Low Pass Filter yaitu meloloskan frekwensi
tinggi dan membuang frekwensi rendah pada citra, sehingga akan didapatkan threshold atau citra
biner yang menunjukkan bentuk dari suatu gambar. High Pass Filter biasa digunakan untuk
menentukan garis tepi (edge) atau sketsa dari citra.
6. a. 2 buah fungsi f

b. Fungsi f dan h berdimensi 2

c. Fungsi diskrit f(n,m) dan h(n,m)

Untuk perhitungan konvolusi dapat digambarkan sebagai berikut :

f(x,y)
h(x,y)

y=f*h
f(1,1) = f(1,1). h(1,1) + f(1,2). h(1,2) + f(2,1). h(2,1) + f(2,2). h(2,2)
f(1,2) = f(1,2). h(1,1) + f(1,3). h(1,2) + f(2,2). h(2,1) + f(2,3). h(2,2)
f(1,3) = f(1,3). h(1,1) + f(1,4). h(1,2) + f(2,3). h(2,1) + f(2,4). h(2,2)
f(2,1) = f(2,1). h(1,1) + f(2,2). h(1,2) + f(3,1). h(2,1) + f(3,2). h(2,2)
f(2,2) = f(2,2). h(1,1) + f(2,3). h(1,2) + f(3,2). h(2,1) + f(3,3). h(2,2)
f(2,3) = f(2,3). h(1,1) + f(2,4). h(1,2) + f(3,3). h(2,1) + f(3,4). h(2,2)
7. (a) Y = F * H
F(1,1) = -1 + 0 = -1
F(1,2) = 0 + 0 = 0
F(1,3) = 0 + 0 = 0
F(1,4) = 0 + 0 = 0
F(2,1) = -1 + 1 = 0
F(2,2) = -1 + 0 = -1
F(2,3) = 0 + 0 = 0
F(2,4) = 0 + 0 = 0
F(3,1) = -1 + 1 = 0
F(3,2) = -1 + 1 = 0
F(3,3) = -1 + 0 = 1
F(3,4) = 0 + 0 = 0
F(4,1) = -1 + 1 = -1
F(4,2) = -1 + 1 = 0
F(4,3) = -1 + 1 = 0
F(4,4) = -1 + 0 = -1

(b) Y = F * H
F(1,1) = -1 + 1 = 0
F(1,2) = 0 + 1 = 1
F(1,3) = 0 + 0 = 0
F(1,4) = 0 + 0 = 0
F(2,1) = -1 + 1 = 0
F(2,2) = -1 + 1 = 0
F(2,3) = 0 + 1 = 1
F(2,4) = 0 + 0 = 0
F(3,1) = -1 + 1 = 0
F(3,2) = -1 + 1 = 0
F(3,3) = -1 + 1 = 0
F(3,4) = 0 + 1 = 1
F(4,1) = -1 + 0 = -1
F(4,2) = -1 + 0 = -1
F(4,3) = -1 + 0 = -1
F(4,4) = -1 + 0 = -1

c) Perbedaan hasil dari (a) dan (b)

(a) Y= -1
0
0
0

(a) Y=

-1

-1

-1

-1

-1

-1

-1

8. Ciri-ciri dari kernel Low Pass Filter adalah semua fungsinya positif, serta filter ini dapat
diperoleh dengan suatu kernel H (koefisien filter dalam spasial atau koordinat x dan y) yang
semua nilainya positif (positif absolut). Contoh dari kernel LPF antara lain :
- Filter rata-rata yang dirumuskan dengan :

Filter Gaussian yang dirumuskan dengan :

9. Ciri-ciri dari kernel High Pass Filter adalah fungsi-fungsinya bila dijumlahkan hasilnya nol, serta
filter ini dapat diperoleh dengan suatu kernel H (koefisien filter dalam spasial atau koordinat x
dan y) yang terdiri dari nilai simetri terhadap nol. Contoh dari kernel HPF antara lain :
- Filter Differensial pada filter Robert , dan filter Prewitt yang banyak digunakan untuk
pendeteksian api.

Filter Laplacian yang merupakan differensial dari fungsi Gaussian dan dirumuskan dengan :
Dimana G (x,y) adalah fungsi Gaussian