Anda di halaman 1dari 32

TEORI KONVOLUSI

11/29/2017 1
A. Teori Konvolusi
Konvolusi adalah proses untuk
memperoleh suatu piksel
didasarkan pada nilai piksel itu
sendiri dan tetangganya dengan
melibatkan suatu matriks yang
disebut kernel yang
merepresentasikan pembobotan.

11/29/2017 2
A. Teori Konvolusi
Operasi yang mendasar dalam pengolahan
citra adalah operasi konvolusi.
Konvolusi 2 buah fungsi f(x) dan g(x)
didefenisikan sebagai berikut :

h(x) = f(x) * g(x) = f (a) g ( x a)

11/29/2017 3
A. Teori Konvolusi
Tanda * menyatakan operator konvolusi,
dan peubah (variabel) a adalah peubah
bantu (dummy variabel).
Untuk fungsi diskrit, konvolusi
didefenisikan sebagai.

h(x) = f(x) * g(x) =
f (a) g ( x a)

11/29/2017 4
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
merupakan hasil konvolusi yang dinyatakan
dengan keluaran h(x)
11/29/2017 5
B. Konvolusi Pada Fungsi
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
11/29/2017 - - 6
B. Konvolusi Pada Fungsi
Dwimatra
b. Untuk fungsi diskrit
h (x, y) f (x, y) * g(x, y)

f(a, b)g(x - a, y - b)
- -

11/29/2017 7
Fungsi penapis g(x,y)_ disebut juga
convolution filter, convolution mask,
convolution kernel, atau template. Dalam
ranah diskrit kernel konvolusi dinyatakan
dalam bentuk matriks (umumnya 3 x 3).
Ukuran matrik ini biasanya lebih kecil dari
ukuran citra. Setiap elemen matriks disebut
koefisien konvolusi.
Ilustrasi konvolusi ditunjukkan pada
gambar berikut

11/29/2017 8
p1 p2 p3
A B C p4 p5 p6
D E F p7 p8 p9 f(i,j)
G H I
kernel

citra
f (i, j ) Ap1 Bp 2 Cp3 Dp 4
11/29/2017
Ep5 Fp6 Gp 7 Hp 8 Ip 9
9
Operasi konvolusi dilakukan dengan
menggeser kernel konvolusi pixel per pixel.
Hasil konvolusi disimpan dalam matriks
yang baru.
Contoh : Misalkan citra f (x,y) yang
berukuran 5 x 5 dan sebuah kernel atau
mask yang berukuran 3 x 3 masing-masing
adalah sebagai berikut :

11/29/2017 10
4 4 3 5 4
6 6 5 5
2

f ( x, y ) 5 6 6 6 2

6 7 5 5 3

3 5 2 4 4

0 -1 0

g ( x , y ) - 1 4
- 1
0 - 1 0
Keterangan
11/29/2017 : Tanda menyatakan posisi (0,0) dari 11
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
11/29/2017 12
4 4 3 5 4

6 6 5 5 2

5 6 6 6 2

6 7 5 5 3

3 5 2 4 4

11/29/2017 13
Hasilnya

11/29/2017 14
2. Geser kernel satu pixel ke kanan, kemudian hitung
nilai pixel pada posisi (0,0) dari kernel :

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

Hasil konvolusi = 0
11/29/2017 15
Hasilnya :

3 0

11/29/2017 16
3. Geser lagi kernel satu pixel kekanan, keamudian
hitung nilai pixel pada posisis (0,0) seperti langkah
sebelumnya, didapat :

3 0 2

11/29/2017 17
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 :

11/29/2017 18
3 0 2
0 2 6
6 0 2

11/29/2017 19
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.

11/29/2017 20
Untuk pixel tepi tidak dikonvolusi, jadi
nilainya tetap sama seperti citra asal,
Sehingga hasil secara keseluruhan adalah
seperti gambar berikut :

11/29/2017 21
4 4 3 5 4
6 3 0 2 2
5 0 2 6 2
6 6 0 2 3
3 5 2 4 4

11/29/2017 22
PIKSEL MENGGANTUNG?

4 4 3 5 4 ?
6 6 5 5 2 ?
5 6 6 6 2 ?
6 7 5 5 3
3 5 2 4 4
CITRA KONVOLUSI
PIKSEL MENGGANTUNG?
1. Piksel pinggir diabaikan,
tidak di -Konvolusi. Solusi ini
banyak di pakai di dalam
pustaka fungsi - fungsi
pengolahan citra. Dengan cara
seperti ini, maka piksel pinggir
nilainya sama seperti citra asal.
4 4 3 5 4 4 4 3 5 4
6 6 5 5 2 6 3 0 2 2
5 6 6 6 2 5 0 2 6 2
6 7 5 5 3 6 6 0 2 3
3 5 2 4 4 3 5 2 4 4
CITRA ASLI CITRA KONVOLUSI
2. Duplikasi elemen citra,
misalnya elemen kolom
pertama disalin ke kolom M+1,
begitu juga sebaliknya, lalu
konvolusi piksel pinggir tersebut.
Tercermin

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

4 3 5 0 -1 0 -1
4 4 4 3 5 4 -1 4 -1 3 0 2
2 6 6 5 5 2 0 -1 0 0 2 6
5 6 6 6 2 6 0 2
6 7 5 5 3
3 5 2 4 4 CITRA
CITRA ASLI KONVOLUSI
= 0*4+(-1)*3+0*5+ (-1)*4+4*4+(-1)*4+
0*2+(-1)*6+0*6
= -1
3. Elemen yang ditandai dengan
? diasumsikan bernilai 0 atau
Konstanta yang lain, Sehingga
pixel pixel pinggir dapat di

lakukan (dikonvolusi).
0 0 0 0 -1 0 6
0 4 4 3 5 4 -1 4 -1
3 0 2
0 6 6 5 5 2 0 -1 0
0 2 6
5 6 6 6 2
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
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.

11/29/2017 32