Anda di halaman 1dari 28

Representasi sinyal dalam impuls adalah sinyal yang dinyatakan sebagai fungsi dari impuls atau sebagai kumpulan

dari impulsimpuls. Sembarang sinyal diskret dapat dinyatakan sebagai penjumlahan dari impuls-impuls diskret dan sembarang sinyal kontinyu dapat dinyatakan sebagai integral impuls.

Keluaran sebuah sistem disebut juga respon. Jika sinyal berupa unit impulse masuk ke dalam sistem, maka sistem akan memberi respon yang disebut respon impuls (impulse response). Respon impuls biasa diberi simbol h. Jika sistemnya diskrit, respon impulsnya diberi simbol h[n] dan jika sistemnya kontinyu, respon impulsnya diberi simbol h(t).

Sistem LTI (Linier Time Invariant) adalah sistem yang memenuhi sifat superposisi sekaligus time-invariant seperti telah dibahas pada bab sebelumnya. Sistem LTI dikarakterisasi oleh respon impulsnya artinya respon dapat dihasilkan jika masukannya adalah unit impuls. Hal ini berarti jika kita mengetahui respon impuls sistem maka kita dapat mengetahui respon sistem untuk berbagai macam jenis masukan. Misalkan h[n] adalah respon impuls sistem LTI.

Karena

sistem ini mengikuti prinsip time invariant maka berlaku hubungan seperti ditunjukkan pada Tabel 3.1

Konvolusi adalah metode penghitungan untuk menentukan respon sistem. Pada sistem diskrit metode penghitungan dengan cara penjumlahan (akumulator) sedangkan pada sistem kontinyu dengan cara integrasi.

Konvolusi didefinisikan sebagai operasi penjumlahan dua fungsi setelah fungsi satu dicerminkan dan digeser. Konvolusi adalah cara matematik untuk mengkombinasikan dua buah sinyal menjadi sinyal dalam bentuk lain.

Jika

h(t) adalah respon impuls sistem linier kontinyu, dan x(t) adalah sinyal masukan maka sinyal keluaran adalah

Rumusan

di atas disebut integral

konvolusi.

Jika

h[n] adalah respon impuls sistem linier diskret, dan x[n] adalah sinyal masukan maka sinyal keluaran adalah

Rumusan

di atas disebut penjumlahan

konvolusi.

Persamaan :

x(t ) * h(t )
Sifat-sifat :
1. Commutative

x( )h(t )d

x(t ) * h(t ) h(t ) * x(t )


2. Associative

x(t ) * y(t ) * z (t ) x(t ) * y(t ) z (t )


3. Distributive

x(t ) * y(t ) z (t ) x(t ) * y(t ) x(t ) * z (t )

a) Pencerminan(folding) Cerminkan h[k] pada k=0 untuk memperoleh h[-k] b) Pergeseran (Shifting). Geser h[-k] dengan n0 ke kanan (kiri) jika n0 positif (negatif) untuk memperoleh h[n0-k] c) Perkalian (multiplication). Kalikan x[k] dengan h[n0-k] untuk memperoleh produk vn0[k]=x[k]h[n0-k] d) Penjumlahan(summation). Jumlahkan seluruh nilai deret produk vn0[k] untuk memperoleh nilai pada waktu n=n0

Ada sistem diskrit sbb: Sinyal pertama: x[k]= 1 2 3 Sinyal kedua: h[k]= 2 1 3 Cari konvolusi 2 sinyal tersebut secara manual dan dengan MATLAB Panjang konvolusi P=M+L1 =3+31=5 Dimana; M = ukuran sinyal x L = ukuran sinyal h

Langkah

1: pembalikan sinyal kedua, h[k] sehingga didapatan kondisi : Sinyal pertama: x[k] = 1 2 3 Sinyal kedua: h[-k] = 3 1 2
Langkah

2: pergeseran, Untuk n = 0, h[k]digeser sejauh 0 Sinyal pertama : 123 Sinyal kedua : 312 ------------------ x product and sum: 00200=2

Langkah

3: pergeseran satu step dan penjumlahan Untuk n = 1, h[-k]digeser sejauh 1 Sinyal pertama: 123 Sinyal kedua: 312 --------------------- x product and sum: 0140=5
langkah

4: pergeseran satu step dan penjumlahan Untuk n = 2, h[-k]digeser sejauh 2 Sinyal pertama: 123 Sinyal kedua: 312 ------------------- x product and sum: 3 2 6 = 11

Langkah

5: pergeseran satu step dan penjumlahan Untuk n = 3, h[-k]digeser sejauh 3 Sinyal pertama: 123 Sinyal kedua: 312 ------------------- x product and sum: 0630=9 Langkah 6: pergeseran satu step dan penjumlahan Sinyal pertama: 123 Sinyal kedua: 312 ------------------- x product and sum: 00900=9

Langkah

7: pergeseran satu step dan penjumlahan Sinyal pertama: 123 Sinyal kedua: 312 ------------------- x product and sum: 000000=0 Dari hasil product and sum tersebut hasilnya dalam bentuk deret : 2 5 11 9 9

% contoh konvolusi n=1:1:8 h=[0 0 0 0 1 2 3 0]; x=[0 0 0 0 2 1 3 0]; hx=conv (x,h); subplot(3,1,1); stem(n,h); subplot(3,1,2); stem(n,x); nn=-3:1:11; subplot(3,1,3); stem(nn,hx);

1. 2. 3. 4. 5.

Perbaikan kualitas citra enhancement) Penghilangan derau. Penghalusan/pelembutan citra. Deteksi tepi, penajaman tepi. Dll.

(image

2/28/2014

17

Konvolusi delta dirac (fungsi denyut) bernilai 0 untuk x 0, dan lebar denyut = 1. Fungsi delta Dirac adalah fungsi dengan daerah asal bilangan riil. Apabila bekerja dengan fungsi diskrit maka fungsi delta yang digunakan adalah fungsi delta Kronecker. Bentuk dwimatra dari fungsi delta :

Salah satu penggunaan fungsi delta adalah melakukan penerokan (sampling) pada sinyal malar f(x). Proses penerokan umumnya dilakukan pada periode yang tetap. Jika sinyal malar f(t) diterok dengan periode tetap T, maka diperoleh serangkaian nilai diskrit fd (n):

Proses penerokan dinyatakan sebgai sinyal malar f(t) dengan fungsi penerok berupa rentetan sinyal delt sejarak T satu sama lain.

Ilustrasi grafif proses penerok

Untuk fungsi dengan dua peubah (fungsi dua dimensi atau dwimatra), operasi konvolusi didefenisikan sebagai berikut :
a.

Fungsi malar

a.

Fungsi diskrit

Fungsi penapis g(x,y) disebut juga convolution filter atau convolution mask atau convolution kernel atau template. Dalam ranah diskrit kernel konvolusi dinyatakan dalam bentuk matriks (umumnya 3 3, namun ada juga yang berukuran 2 2 atau 2 1 atau 1 2). Ukuran matriks ini biasanya lebih kecil dari ukuran citra. Setiap elemen matriks disebut koefisien konvolusi.

Filtering adalah suatu proses dimana diambil sebagian sinyal dari frekwensi tertentu, dan membuang sinyal pada frekwensi yang lain. Filtering pada citra juga menggunakan prinsip yang sama, yaitu mengambil fungsi citra pada frekwensi-frekwensi tertentu dan membuang fungsi citra pada frekwensifrekwensi tertentu.

Operasi konvolusi dilakukan dengan menggeser kernel konvolusi pixel per pixel. Hasil konvolusi disimpan di dalam matriks yang baru.

Misalkan citra f(x, y) yang berukuran 5 5 dan sebuah kernel atau yang berukuran 3 3 masing-masing adalah sebagai berikut:

Keterangan : Tanda menyatakan posisi (0,0) dari kernel.

Operasi antara citra f(x,y) dengan kernel g(x,y)

f(x,y) * g(x,y)
Langkah penyelesaiannya adalah sebagai berikut :
1.

Tempatkan kernel pada sudut kiri atas, kemudian hitung nilai pixel pada posisi (0,0) dari kernel :

Hasil konvolusi =(0 x 4) + (-1 x 4) + (0 x 3) + (-1 x 6) + (4 x 6) + (-1 x 5) + (0 x 5) + (-1 x 6) + (0 x 6) = 3


2/28/2014

23

4 6 5 6 3

4 6 6 7 5

3 5 6 5 2

5 5 6 5 4

4 2 2 3 4

Hasilnya

Selanjutnya Geser kernel satu pixel ke kanan, kemudian hitung nilai pixel pada posisi (0,0) dari kernel : Selanjutnya dengan cara yang sama geser ke kanan, dst jika sampai di tepi kanan Selanjutnya geser kernel satu pixel ke bawah, lalu mulai lagi melakukan konvolusi dari sisi kiri citra, setiap kali konvolusi, geser kernel satu pixel ke kanan.Setelah baris ketiga dikonvolusi, maka didapat hasil seperti gambar berikut :

3 0 6

0 2 0

2 6 2

Catatan : Jika hasil konvolusi menghasilkan nilai pixel negatif, maka nilai tersebut dijadikan nol, sebaliknya jika hasil konvolusi menghasilkan nilai pixel yang lebih besar dari nilai maksimum, maka nilai tersebut dijadikan ke nilai keabuan maksimum. Untuk pixel tepi tidak dikonvolusi, jadi nilainya tetap sama seperti citra asal, Sehingga hasil secara keseluruhan adalah seperti gambar berikut :

4 6 5 6 3

4 3 0 6 5

3 0 2 0 2

5 2 6 2 4

4 2 2 3 4
2/28/2014

26

memperlihatkan

konvolusi citra Lena dengan penapis Gaussian untuk mempertajam tepi-tepi di dalam citra. Penapis Gaussian adalah sebuah mask yang berukuran 3 3: g(x, y) = 1 2 1 242 121