Misalkan kita memiliki citra berukuran 8x8 dengan nilai sebagai berikut:
73
69
40
35
37
70
50
46
47
67
72
67
39
51
64
86
47
46
59
72
65
54
44
50
30
42
36
52
61
68
50
37
45
63
62
51
41
37
44
34
37
26
11
35
20
36
48
86
27
24
15
30
24
111
119
99
8
14
57
83
70
88
148
145
0
0
0
0
0
0
-
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-
0
0
0
0
0
0
0
0
0
0
0
0
0
0
47
67
72
67
39
51
64
86
57
-10
69
2.5
45
- 6
75
-11
46.5000
0.5000
65.5000
-6.5000
59.5000
5.5000
47.0000
-3.0000
36.0000
-6.0000
44.0000
-8.0000
64.5000
-3.5000
43.5000
6.5000
54.0000
-9.0000
56.5000
5.5000
39.0000
2.0000
39.0000
5.0000
Keterangan:
- warna biru adalah hasil aproksimasi
- warna merah adalah hasil detail
3.
Setelah itu, lakukan hal yang sama dengan cara mengambil perbaris.
0
0
0
0
0
0
-
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-
0
0
0
0
0
0
0
0
0
0
0
0
0
0
57
71
46.5
36
54
31.5
25.5
11
64
-7
41.25
5.25
72.7
11.25
18.25
7.25
Kemudian hasilnya diletakkan di matriks hasil kembali dalam bentuk baris, sehingga
hasilnya (matriks D4) akan sebagai berikut:
64.0000
53.5000
49.2500
61.5000
-4.0000
2.5000
-11.2500
-4.5000
-7.0000 41.2500
16.0000 54.7500
-4.2500 62.0000
13.5000 45.2500
-6.0000 -2.7500
0
-7.2500
5.2500 1.0000
-6.5000 1.7500
7.2500
-23.7500
-5.7500
-18.7500
2.2500
2.7500
-17.2500
4.2500
5.
64.0000
53.5000
49.2500
61.5000
-4.0000
2.5000
-11.2500
-4.5000
6.
41.2500
54.7500
62.0000
45.2500
-2.7500
-7.2500
1.0000
1.7500
Matriks yang dihasilkan pada point 6 dapat juga dilihat sebagai berikut:
64.0000
53.5000
49.2500
61.5000
41.2500
54.7500
62.0000
45.2500
-4.0000
2.5000
-11.2500
-4.5000
-2.7500
-7.2500
1.0000
1.7500
Keterangan:
- warna biru adalah bagian aproksimasi
- warna merah adalah bagian detail horizontal
- warna coklat adalah bagian detai vertikal
- warna hijau adalah bagian detail diagonal
1
1
0
0
0
0
0
0
L*=
0
0
1
1
0
0
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
0
1
1
H* =
1
-1
0
0
0
0
0
0
0
0
1
-1
0
0
0
0
0
0
0
0
1
-1
0
0
0
0
0
0
0
0
1
-1
1
1
0
0
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
0
1
1
64
41.25
42.75
18.25
1
-1
0
0
0
0
0
0
64
64
41.25
41.25
42.75
42.75
18.25
18.25
0
0
1
-1
0
0
0
0
0
0
0
0
1
-1
0
0
0
0
0
0
0
0
1
-1
-7
7
5.25
-5.25
11.25
-11.25
7.25
-7.25
-7
5.25
11.25
7.25
57
71
46.5
36
54
31.5
25.5
11
Langkah ini akan menghasilkan kembali citra awal. Proses rekonstruksi pun selesai
Program
%Transformasi wavelet level 1 (aproximaksi, horozontal, vertikal,
Diagonal)
[cA1,cH1,cV1,cD1]=dwt2(X,'haar');
%Rekonstruk Nilai (aproximaksi, horozontal, vertikal,
Diagonal)
A1=upcoef2('a',cA1,'haar',1);
H1=upcoef2('h',cH1,'haar',1);
V1=upcoef2('v',cV1,'haar',1);
D1=upcoef2('d',cD1,'haar',1);
%Transformasi wavelet level 2
[C,S]=wavedec2(X,2,'haar');
X2
7
4
4
4
Y
Buruk
Buruk
Baik
Baik
1. Tentukan K=3
2. Hitung jarak antara data baru dengan semua data training
L
Uc
= length(samplesY);%length(samplesY)
= unique(samplesY);%
if (L < Knn),
error('Periksa K Tetangga Pada KNN')
end
N
result
switch type
case '2norm'
for i = 1:N,
= size(testsamplesX, 1);
= zeros(N,1);
dist
= sum((samplesX - ones(L,1)*testsamplesX(i,:)).^2,2);
[m, indices]
= sort(dist);
n
= hist(samplesY(indices(1:Knn)), Uc);
[m, best]
= max(n
result(i)
= Uc(best);
end