Dasar – Dasar Pemfilteran domain Spasial

 Filter adalah sebuah alat untuk meloloskan (menerima)

komponen tertentu dan meghilangkan (menolak) komponen
yang lain.
 Biasanya filter disebut juga sebagai mask atau kernel atau
window, berupa kumpulan piksel berukuran 2x2, atau 3x3
atau 5x5 dan seterusnya tergantung kebutuhan.
 Istilah domain spasial sebenarnya merujuk pada bidang
citra itu sendiri, dan pendekatan yang digunakan pada
metode ini berdasarkan atas manipulasi secara langsung
terhadap kumpulan piksel dari sebuah citra.

Korelasi
Korelasi adalah perkalian antara dua buah fungsi f(x,y)
dan g(x,y). Untuk fungsi diskrit korelasi didefinisikan:

M N
h(x,y) = f(x,y)*g(x,y) = ∑ ∑ f ( k , l ) . G( X −K ,Y −1)
k =1 l =1

dimana x,y,k dan l adalah variabel bebas yang memiliki nilai

diskrit yang berupa posisi titik di dalam citra. M dan N adlaah
batas titik tetangga yang masih memberikan pengaruh ke titik
yang sedang ditinjau untuk arah vertikal dan horisontal.
 Korelasi adalah perkalian antara dua buah fungsi f(x,y)
dan g(x,y). Contoh:
Proses Korelasi
  Citra digital pada umumnya menggunakan nilai integer 8-
bit yang mempunyai rentang nilai 0 – 255
 Nilai dibawah 0 dirubah menjadi 0, dan nilai diatas 255
diubah menjadi 255

Latihan
Lakukan korelasi dengan dua buah fungsi berikut:
 Konvolusi
 Proses perkalian fungsi yang sama seperti korelasi, namun
dengan nilai filter yang diputar 180 derajat. Contoh:

Latihan
Lakukan konvolusi dengan dua buah fungsi berikut:

Filter Spasial Linier

Filter Rata – rata
 Pada filter rata-rata, nilai intensitas setiap piksel diganti
dengan rata-rata dari nilai intensitas piksel tersebut
dengan piksel-piksel tetangganya. Filter ini biasa disebut
sebagai filter penghalus (smoothing filters) dan juga ada
yang menyebut sebagai lowpass filters.
 Secara sistematis filter rata – rata berukuran m x n :

m x n menentukan jumlah tetangga (nilai sekitar) yang

harus dilibatkan.
Filter Gaussian
 Pada filter Gaussian, nilai intensitas setiap piksel diganti
dengan rata-rata dari nilai pembobotan untuk setiap
piksel-piksel tetangganya dan piksel itu sendiri.

 Jumlah tetangga yang dilibatkan tergantung pada filter

yang dirancang.

 Untuk pengolahan citra digital, zero mean Gaussian dua

dimensi dinyatakan oleh persamaan

 Untuk membuat filter Gaussian (sebagai pendekatan)

diperlukan nilai pembobotan langsung dari distribusi
diskrit Gaussian, dengan persamaan:

dimana c adalah konstanta normalisasi

 Elemen-elemen filter Gaussian bisa ditentukan bila nilai σ 2
dan ukuran filter NxN ditentukan terlebih dahulu, dan
nilai pada titik (0,0) = 1
Pembuatan Filter Gaussian
Contoh:
Akan dibuat filter Gaussian yang berukuran 7x7 dengan memilih
σ 2 = 2, dan nilai pada titik (0,0) = 1.
berdasarkan persamaan (1) diperoleh matrix berikut:

Nilai-nilai pembobotan harus dibuat bulat, sebab intensitas piksel

dalam citra digital bernilai bulat.

Untuk itu nilai elemen terkecil dalam matrik (0,011) dipilih untuk
menentukan nilai konstanta normalisasi c
Agar nilai g(3,3) = 1, maka nilai konstanta normalisasi c adalah

Dengan menggunakan nilai c = 91, berdasarkan persamaan (2)

diperoleh matrix berikut:

Normalisasi filter (membagi dengan jumlah semua nilai pembobot)

 Filter gaussian 7x7 dengan 2 = 2

 Filter gaussian bekerja dengan konvolusi atau korelasi