Proses Konvolusi

Pada pengolahan citra digital proses konvolusi merupakan perkalian

konvolusi antara matrik citra asal dengan matrik tapis atau tapis atau mask.

Operasi konvolusi sebagai fungsi diskrit 2 dimensi dapat didefinisikan dengan

persamaan berikut ini.

Konvolusi 2D inilah yang banyak digunakan pengolahan citra digital,

sayangnya rumus diatas sangat sulit diimplementasikan menggunakan
komputer, karena pada dasarnya komputer hanya bisa melakukan
perhitungan pada data yang diskrit sehingga tidak dapat digunakan untuk
menghitung intregral di atas.
Konvolusi pada fungsi diskrit f(n,m) dan h(n,m) didefinisikan dengan:

Ilustrasi Proses Konvolusi

Ilustrasi proses konvolusi dari Persamaan di atas ditunjukkan pada gambar di
bawah :
 Operasi konvolusi dilakukan dengan menggeser mask konvolusi pixel per
pixel mulai dari posisi kiri atas sampai posisi kanan bawah yang sering
disebut dengan sliding window. Hasil dari proses konvolusi disimpan pada
matrik yang baru dengan posisi koordinat yang sama.

Manfaat Konvolusi pada Citra

1. Perbaikan kualitas citra (image enhancment)
2. Menghilangkan derau (noise)
3. Mengurangi kerutan (mencong/serong)
4. Penghalusan / pembulatan citra
Konvolusi Citra dengan Matlab
1. Bukalah aplikasi Matlab
2. Kemudian pilihlah gambar yang akan di-konvolusi dengan menaruhnya pada
direktori folder Matlab
3. Kemudian ketikan script yang ada pada gambar dibawah ini pada Command
Window yang telah tersedia

4. Setelah script tersebut di-Run dengan cara di-ENTER, maka akan menghasilan
gambar asli seperti dibawah ini
5. Kemudian jika kita ingin menambahkan efek grayscale, maka ketikan script

dibawah ini
6. Maka kemudian akan menghasilkan gambar dengan efek grayscale seperti dibawah

ini
7. Dan jika kita ingin menambahkan efek equalisasi, maka ketikan juga script dibawah

ini
8. Maka akan menghasilkan juga gambar dengan efek equalisasi seperti dibawah

ini
9. Dan inilah perbandingan antara gambar asli, gambar grayscale, dan gambar

equalisasi

#source script#

A = imread('nama_gambar.extension');

B = 0.5*A(:,:,1);

C = histeq(B);

figure;subplot(2,1,1);

imshow(A);

title('image asli');

subplot(2,1,2);

imhist(A);

title('histogram gambar asli');

figure;subplot(2,1,1);

imshow(B);

title('image grayscale');
subplot(2,1,2);

imhist(B);

title('histogram gambar grayscale');

figure;subplot(2,1,1);

imshow(C);

title('image equalisasi');

subplot(2,1,2);

imhist(C);

title('histrogram gambar equalisasi');