5/7/2014

A. Teori Konvolusi
KONVOLUSI DAN • Konvolusi adalah proses untuk
TRANSFORMASI FOURIER memperoleh suatu piksel
didasarkan pada nilai piksel itu
sendiri dan tetangganya dengan
melibatkan suatu matriks yang
disebut kernel yang
merepresentasikan pembobotan.

5/7/2014 1 5/7/2014 2

A. Teori Konvolusi A. Teori Konvolusi

• Operasi yang mendasar dalam pengolahan • Tanda * menyatakan operator konvolusi,
citra adalah operasi konvolusi. dan peubah (variabel) a adalah peubah
• Konvolusi 2 buah fungsi f(x) dan g(x) bantu (dummy variabel).
didefenisikan sebagai berikut : • Untuk fungsi diskrit, konvolusi

didefenisikan sebagai.
h(x) = f(x) * g(x) =  f (a ) g ( x  a ) 
 h(x) = f(x) * g(x) =
 f (a ) g ( x  a )

5/7/2014 3 5/7/2014 4

B. Konvolusi Pada Fungsi

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
Dwimatra
• 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

merupakan hasil konvolusi yang dinyatakan
dengan keluaran h(x) 
5/7/2014 5 5/7/2014 -  - 6

1
 5/7/2014

B. Konvolusi Pada Fungsi • Fungsi penapis g(x,y)_ disebut juga

Dwimatra convolution filter, convolution mask,
convolution kernel, atau template. Dalam
b. Untuk fungsi diskrit ranah diskrit kernel konvolusi dinyatakan
dalam bentuk matriks (umumnya 3 x 3).
h (x, y)  f (x, y) * g(x, y) Ukuran matrik ini biasanya lebih kecil dari
  ukuran citra. Setiap elemen matriks disebut
   f(a, b)g(x - a, y - b) koefisien konvolusi.
- -
• Ilustrasi konvolusi ditunjukkan pada
gambar berikut

5/7/2014 7 5/7/2014 8

• Operasi konvolusi dilakukan dengan

menggeser kernel konvolusi pixel per pixel.
Hasil konvolusi disimpan dalam matriks
p1 p2 p3 yang baru.
A B C p4 p5 p6 • Contoh : Misalkan citra f (x,y) yang
D E F p7 p8 p9 f(i,j) berukuran 5 x 5 dan sebuah kernel atau
G H I mask yang berukuran 3 x 3 masing-masing
adalah sebagai berikut :
kernel

citra
f ( i , j )  Ap 1  Bp 2  Cp 3  Dp 4 
5/7/2014
Ep 5  Fp 6  Gp 7  Hp 8  Ip 9
9 5/7/2014 10

4 4 3 5 4
• Operasi antara citra f(x,y) dengan kernel
6 6 5 5 2  g(x,y)

f (x, y )  5 6 6 6 2 f(x,y) * g(x,y)
  • Langkah penyelesaiannya adalah sebagai
6 7 5 5 3
berikut :
 3 5 2 4 4  1. Tempatkan kernel pada sudut kiri atas,

kemudian hitung nilai pixel pada posisi
 0 -1 0 (0,0) dari kernel :
g ( x , y )   - 1  4 - 1 Hasil konvolusi =(0 x 4) + (-1 x 4) +
(0 x 3) + (-1 x 6) + (4 x 6) + (-1 x 5)
 0 - 1 0  + (0 x 5) + (-1 x 6) + (0 x 6) = 3
Keterangan
5/7/2014 : Tanda  menyatakan posisi (0,0) dari 11 5/7/2014 12
kernel

2
 5/7/2014

4 4 3 5 4 Hasilnya

6 6 5 5 2
3
5 6 6 6 2

6 7 5 5 3

3 5 2 4 4

5/7/2014 13 5/7/2014 14

2. Geser kernel satu pixel ke kanan, kemudian hitung Hasilnya :

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

4 4 3 5 4
6 6 5 5 2 3 0

5 6 6 6 2
6 7 5 5 3
3 5 2 4 4

Hasil konvolusi = 0
5/7/2014 15 5/7/2014 16

3. Geser lagi kernel satu pixel kekanan, keamudian • Selanjutnya geser kernel satu pixel ke
hitung nilai pixel pada posisis (0,0) seperti langkah bawah, lalu mulai lagi melakukan konvolusi
sebelumnya, didapat : dari sisi kiri citra, setiap kali konvolusi,
geser kernel satu pixel ke kanan.Setelah
baris ketiga dikonvolusi, maka didapat hasil
3 0 2 seperti gambar berikut :

5/7/2014 17 5/7/2014 18

3
 5/7/2014

• Catatan :
Jika hasil konvolusi menghasilkan nilai
pixel negatif, maka nilai tersebut dijadikan
nol, sebaliknya jika hasil konvolusi
3 0 2 menghasilkan nilai pixel yang lebih besar
0 2 6 dari nilai maksimum, maka nilai tersebut
dijadikan ke nilai keabuan maksimum.
6 0 2

5/7/2014 19 5/7/2014 20

• Untuk pixel tepi tidak dikonvolusi, jadi

nilainya tetap sama seperti citra asal,
Sehingga hasil secara keseluruhan adalah 4 4 3 5 4
seperti gambar berikut :
6 3 0 2 2

5 0 2 6 2

6 6 0 2 3

3 5 2 4 4

5/7/2014 21 5/7/2014 22

PIKSEL MENGGANTUNG? PIKSEL MENGGANTUNG?

1. Piksel pinggir diabaikan,
4 4 3 5 4 ? tidak di -Konvolusi. Solusi ini
6 6 5 5 2 ? banyak di pakai di dalam
pustaka fungsi - fungsi
5 6 6 6 2 ? pengolahan citra. Dengan cara
6 7 5 5 3 seperti ini, maka piksel pinggir
3 5 2 4 4 nilainya sama seperti citra asal.
CITRA KONVOLUSI

4
 5/7/2014

2. Duplikasi elemen citra,

misalnya elemen kolom
4 4 3 5 4 4 4 3 5 4 pertama disalin ke kolom M+1,
6 6 5 5 2 6 3 0 2 2 begitu juga sebaliknya, lalu
5 6 6 6 2 5 0 2 6 2
6 6 0 2 3
konvolusi piksel pinggir tersebut.
6 7 5 5 3
3 5 2 4 4 3 5 2 4 4
CITRA ASLI CITRA KONVOLUSI

Tercermin Melingkar

4 4 4 0 -1 0 -2 4 3 5 0 -1 0 -1
4 4 4 3 5 4 -1 4 -1 3 0 2 4 4 4 3 5 4 -1 4 -1 3 0 2
6 6 6 5 5 2 0 -1 0 0 2 6 2 6 6 5 5 2 0 -1 0 0 2 6
5 6 6 6 2 6 0 2 5 6 6 6 2 6 0 2
6 7 5 5 3 6 7 5 5 3
3 5 2 4 4 CITRA 3 5 2 4 4 CITRA
CITRA ASLI KONVOLUSI CITRA ASLI KONVOLUSI
= 0*4+(-1)*4+0*4+ (-1)*4+4*4+(-1)*4+ = 0*4+(-1)*3+0*5+ (-1)*4+4*4+(-1)*4+
0*6+(-1)*6+0*6 0*2+(-1)*6+0*6
= -2 = -1

3. Elemen yang ditandai dengan 0 0 0

? diasumsikan bernilai 0 atau 0 -1 0 6
0 4 4 3 5 4 -1 4 -1
Konstanta yang lain, Sehingga 3 0 2
0 6 6 5 5 2 0 -1 0
pixel pixel pinggir dapat di 0 2 6
5 6 6 6 2
–

lakukan (dikonvolusi). 6 0 2
6 7 5 5 3
3 5 2 4 4 CITRA
CITRA ASLI KONVOLUSI
= 0*0+(-1)*0+0*0+ (-1)*0+4*4+(-1)*4+
0*0+(-1)*6+0*6
=6

5
 5/7/2014

Konvolusi berguna pada proses

pengolahan citra seperti :
1. Perbaikan kualitas citra (image
enhancement)
2. Penghilangan derau.
3. Penghalusan/pelembutan citra.
4. Deteksi tepi, penajaman tepi.
5. Dll.

5/7/2014 32