“TRANSFORMASI FOURIER”
DISUSUN OLEH :
1. Pengertian
Transformasi Fourier, dinamakan atas Joseph Fourier, adalah sebuah
transformasi integral yang menyatakan-kembali sebuah fungsi dalam fungsi
basis sinusoidal, yaitu sebuah fungsi sinusiudal penjumlahan atau integral
dikalikan oleh beberapa koefisien (“amplitudo”). Ada banyak variasi yang
berhubungan dekat dari teransformasi ini tergantung jenis fungsi yang di
transformasikan.
Transformasi Fourier merupakan fungsi paling penting didalam bidang
pengolahan sinyal ( signal processing ), khusus nya pada bidang pengelolahan
citra.
Umumnya sinyal dinyatakan sebagai bentuk plot amplitudo versus waktu
(pada fungsi satu matra) atau plot amplitudo versus posisi special (pada fungsi
dwimatra). Pada beberapa aplikasi pengolahan sinyal, terdapat kesukaran
melakukan operasi karena fungsi dalam ranah waktu/special.
Transformasi Fourier adalah kakas (tool) untuk mengubah fungsi dari ranah
waktu/special ke ranah frekuensi. Untuk perubahan sebaliknya digunakan
Transformasi Fourier Balikan. Intisari nya adalah menguraikan sinyal atau
gelombang menjadi sejumlah sinusoida dari berbagai frekuensi, yang jumlahnya
ekivalen dengan gelombang asal.
2. Kelebihan dan kekurangan Transformasi Fourier
- Kelebihanya adalah :
Transformasi Fourier dapat mempermudah analisis terhadap suatu
sinyal yang berada dalam suatu sistem
- Kekuranganya adalah :
Transformasi Fourier hanya dapat menangkap informasi apakah suatu
sinyal memiliki frekuensi tertentu atau tidak, tapi tidak dapat
menangkap dimana frekuensi itu terjadi
3. Contoh program menggunakan Transformasi Fourier pada matlab
Fungsi pada matlab yang digunakan dalam program
• IMREADFungsi ini berguna untuk membaca citra dari suatu file. Jika
citra yang dibacamemiliki format warna grayscale, fungsi ini akan
menghasilkan array dua dimensiyang berisi informasi intensitas
grayscale dari citra tersebut. Fungsi ini mendukungformat BMP,
JPEG, TIF, PNG, HDF, PCX, dan XWD.
Maka (1)
Menjajadi (2)
Kita lihat sekarang apa yang terjadi jika perioda T0 diperbesar. Karena ω0 =
2π/T0 maka jika T0 makin besar, ω0 akan makin kecil. Beda frekuensi antara
dua harmonisa yang berturutan, yaitu
(3)
juga akan makin kecil yang berarti untuk suatu selang frekuensi tertentu jumlah
harmonisa semakin banyak. Oleh karena itu jika perioda sinyal T0 diperbesar
menuju ∞ maka spektrum sinyal menjadi spektrum kontinyu, ∆ω menjadi dω
(pertambahan frekuensi infinitisimal), dan nω0 menjadi peubah kontinyu ω.
Penjumlahan pada (2) menjadi integral. Jadi dengan membuat T0 → ∞
maka (2 ) menjadi
(4)
dengan F(ω) merupakan sebuah fungsi frekuensi yang baru, sedemikian rupa
sehingga
(5)
dan F(ω) inilah transformasi Fourier dari f(t), yang ditulis dengan notasi
F[f(t)] = F(ω)
Proses transformasi balik dapat kita lakukan melalui persamaan (4).
F(t) =F-1(ω)
Transformasi Fourier Diskrit
Transformasi fourier diskrit atau disebut dengan discrete fourier transform
(DFT) adalah model transformasi fourier yang di kenakan pada fungsi diskrit.
DFT didefinisikan dengan :
Seperti rumus diatas dft semacam ibi banyak digunakan dalam pengelolahan
sinyal digital.
5. Sifat – sifat Transformasi Fourier
Kelinieran. Seperti halnya transformasi Laplace, sifat utama transformasi
Fourier adalah kelinieran.
Jika f(t) fungsi nyata, maka dari rumus di atas dapat kita simpulkan
bahwa
1. Komponen riil dari F(ω) merupakan fungsi genap, karena
A(−ω) =A(ω).
2. Komponen imajiner F(ω) merupakan fungsi ganjil, karena
B(−ω) =− B(ω).
3. |F(ω)| merupakan fungsi genap, karena |F(−ω)| = |F(ω)|.
4. Sudut fasa θ(ω) merupakan fungsi ganjil, karena θ(−ω) =− θ(ω).
5. Kesimpulan (1) dan (2) mengakibatkan : kebalikan F(ω) adalah
konjugat-nya, F(−ω) =A(ω) − jB(ω) = F*(ω) .
6. Kesimpulan (5) mengakibatkan : F(ω) × F(−ω) = F(ω) × F*(ω) =
|F(ω)|2.
7. Jika f(t) fungsi genap, maka B(ω) = 0, yang berarti F(ω) riil.
8. Jika f(t) fungsi ganjil, maka A(ω) = 0, yang berarti F(ω) imajiner.
Kesimetrisan. Sifat ini dinyatakan secara umum sebagai berikut.