RANAH FREKUENSI
IRMA AMELIA DEWI.,S.Kom.,MT
TRANSFORMASI FOURIER
• Proses perubahan fungsi dari ranah ranah spasial ke ranah frekuensi dilakukan
melalui Transformasi Fourier
• Sedangkan perubahan fungsi dari ranah frekuensi ke ranah spasial dilakukan
melalui Transformasi Fourier Balikan (invers).
• Umumnya sinyal dinyatakan sebagai plot amplitudo versus posisi spasial (pada
fungsi dwimatra).
• Transformasi Fourier digunakan untuk menganalisis frekuensi pada operasi seperti
perekaman citra, perbaikan kualitas citra, restorasi citra, pengkodean, dan lain-lain.
• Perubahan frekuensi berhubungan dengan spektrum antara gambar yang kabur
kontrasnya sampai gambar yang kaya akan rincian visualnya.
Dimana
x dan y adalah peubah spasial, sedangkan u dan v adalah peubah frekuensi.
Spektrum diperoleh dengan
6
Contoh FT 2 Dimensi
7
Contoh Soal TFD 1 PEUBAH
Spektrum Fouriernya:
TRANSFORMASI FOURIER
Contoh soal:
Diketahui f(x,y) adalah sebagai berikut, Tentukan TFD 2 dimensi dan spektrum
dari fungsi berikut:
M 1 N 1
1
FT : F (u , v)
MN
f ( x, y) exp[2 j (ux / M vy / N )]
x 0 y 0
M 1 N 1
InversFT : f ( x, y ) F (u , v) exp[2 j (ux / M vy / N )] 0 1
u 0 v 0
11
TRANSFORMASI WALSH 1
DIMENSI(1)
N 1 N 1 n 1 [ bi ( x ) bn1i ( u ) bi ( y ) bn1i ( v )
1
f ( x, y )
N
W (u, v) (1)
x 0 y 0 i 0
17
Transformasi Walsh
Jika digambarkan secara
visual, maka untuk N = 4,
bentuk basisnya dapat
dilihat seperti gambar
disamping.
18
Fungsi kernel Walsh 2D untuk N=4
• Jika diketahui citra 4x4 pixel sebagai berikut, cari hasil Tr.Walsh 2D!
n 1
1 N 1 N 1 [ bi ( x ) bi ( u ) bi ( y )bi ( v )]
H (u , v)
N
x 0 y 0
f ( x, y )( 1) i0
n 1
1 N 1 N 1 [ bi ( x ) bi ( u ) bi ( y )bi ( v )]
f ( x, y )
N
H (u ,
x 0 y 0
v )( 1) i 0
21
TRANSFORMASI HADAMARD 1D (1)
• Fungsi kernel 1D
25
Transformasi Hadamard
26
Contoh Tr. Hadamard
• Untuk memperoleh transformasinya, kalikan basis dengan citra input (putih untuk +,
hitam untuk -). Satu posisi pada H(u,v) hanya menggunakan satu blok.
27
Contoh Tr. Hadamard
• H(1,0) = (.......)/4 = 0
300 0 0 0
• H(1,1) = (.......)/4 = 400/4 = 100 0 100 0 0
• H(1,2) = (.......)/4 = 0 0 0 0 0
• H(1,3) = (.......)/4 = 0 0 0 0 0
f(0,0) =
(300+0+0+0+0+100+0+0+0+0+0+0+0+0+0+0)/4 = 400/4 = 100
f(0,1) = (300......+100.......)/4 = 400/4 = 100
f(0,2) = (300......-100.......)/4 = 200/4 = 50
f(0,3) = (300......-100.......)/4 = 200/4 = 50
f(1,0) = (300......+100.......)/4 = 400/4 = 100
f(1,1) = (300......+100.......)/4 = 400/4 = 100
f(1,2) = (300......-100.......)/4 = 200/4 = 50
f(1,3) = (300......-100.......)/4 = 200/4 = 50
29
Contoh Tr. Hadamard
f(2,0) = (300......-100.......)/4 = 200/4 = 50
f(2,1) = (300......-100.......)/4 = 200/4 = 50
f(2,2) = (300......+100.......)/4 = 400/4 = 100
f(2,3) = (300......+100.......)/4 = 400/4 = 100
f(3,0) = (300......-100.......)/4 = 200/4 = 50
f(3,1) = (300......-100.......)/4 = 200/4 = 50
f(3,2) = (300......+100.......)/4 = 400/4 = 100
f(3,3) = (300......+100.......)/4 = 400/4 = 100
• Pada setiap level,dekomposisi dilakukan pada bagian hasil proses perataan dan hasil
dekomposisi adalah gabungan proses perataan dengan seluruh hasil proses
pengurangan.
DEKOMPOSISI PERATAAN DAN
PENGURANGAN(5)
• Citra hasil dekomposisi penuh adalah:
30 2 4 10 1 0 20 3
• Pada citra 2D, dekomposisi perataan dan pengurangan sama dengan proses pada
citra 1D. Hanya proses dekomposisi dilakukan dalam 2 tahap yaitu tahap pertama
proses dekomposisi dilakukan pada seluruh baris kemudian tahap kedua pada citra
hasil tahap pertama dilakukan proses dekomposisi dalam arah kolom.
DEKOMPOSISI PERATAAN DAN
PENGURANGAN 2 DIMENSI
• Dekomposisi citra 2D di bawah ini
=[10 20 0 0]
=[10 20 0 0]
=[50 30 0 0]
=[50 30 0 0]
• Langkah dekomposisi arah kolom:
Kolom1:[(10+10)/2 (50+50)/2 (10-10)/2 (50-50)/2 ]
=[10 50 0 0]
Kolom2:[(20+20)/2 (30+30)/2 (20-20)/2 (30-30)/2 ]
=[20 30 0 0]
Kolom3:[(0+0)/2 (0+0)/2 (0-0)/2 (0-0)/2 ]
=[0 0 0 0]
Kolom4:[(0+0)/2 (0+0)/2 (0-0)/2 (0-0)/2 ]
=[0 0 0 0]
DEKOMPOSISI PERATAAN DAN
PENGURANGAN(6)
Seperti yang terlihat pada Gambar diatas , jika suatu citra dilakukan proses
transformasi wavelet diskrit dua dimensi dengan level dekomposisi satu, maka akan
menghasilkan
empat buah subband, yaitu :
1. Koefisien Approksimasi (CA j+1) atau disebut juga subband LL
2. Koefisien Detil Horisontal (CD(h) j+1) atau disebut juga subband HL
3. Koefisien Detil Vertikal (CD(v) j+1) atau disebut juga subband LH
4. Koefisien Detil Diagonal (CD(d) j+1) atau disebut juga subband HH
• dengan Level Dekomposisi 1 Subband hasil dari dekomposisi
dapat didekomposisi lagi karena level dekomposisi wavelet
bernilai dari 1 sampai n atau disebut juga transformasi wavelet
multilevel.
• Jika dilakukan dekomposisi lagi, maka subband LL yang akan
didekomposisi karena subband LL berisi sebagian besar dari
informasi citra.
• Jika dilakukan dekomposisi dengan level dekomposisi dua maka
subband LL akan menghasilkan empat buah subband baru, yaitu
subband LL2 (Koefisien Approksimasi 2), HL2 (Koefisien Detil
Horisontal 2), LH2 (Koefisien Detil Vertikal 2), dan HH2
(Koefisien Detil Diagonal 2). Dan begitu juga seterusnya jika
dilakukan dekomposisi lagi.
• Bila citra asli f dengan M x N pixel didekomposisi manjadi empat subband sesuai
frekuensinya yakni LL, LH, HL, dan HH dengan menggunakan transformasi
wavelet dengan filter Haar (Daubechies orde 1), secara matematis dihasilkan
dengan menggunakan persamaan sebagai berikut
• dimana :
- 0 ≤ x < M/2, 0 ≤ y < N/2 dan f(x,y) merupakan nilai piksel pada koordinat (x,y)
pada
citra f.
- ll(x,y), lh(x,y), hl(x,y), dan hh(x,y) secara berturut-turut dalah komponen pada
koordinat (x,y) dari LL, LH, HL,dan HH.
- LL merupakan setengah dari resolusi citra asli, LH merupakan subband detail
vertikal,
- HL merupakan subband detail horisontal, dan HH merupakan subband detail
diagonal.
Hasil Trans. Wavelet 1 level
DAFTAR PUSTAKA
• Gonzales, Rafael C, Digital Image Processing, Addison-Wisley
• Ballard,Dana,H, Computer Vision,Printece Hall,1982
• Munir, Rinaldi, Pengolahan Citra Digital,Informatika,2004