Heri Susanto (teknik elektro Unyiah) email: atek_te06@yahoo.

com

2.5.1 Transformasi Wavelet Kontinu (TWK)

Cara kerja transformasi Wavelet kontinu (TWK) adalah dengan
menghitung konvolusi sebuah sinyal dengan sebuah jendela modulasi pada setiap waktu dengan
setiap skala yang diinginkan. Jendela modulasi yang mempunyai skala fleksibel inilah yang biasa
disebut induk Wavelet atau fungsi dasar Wavelet. Dalam transformasi Wavelet digunakan
istilah translasi dan skala, karena istilah waktu dan frekuensi sudah digunakan oleh transformasi
Fourier. Translasi adalah lokasi jendela modulasi saat digeser sepanjang sinyal, berhubungan
dengan informasi waktu. Skala behubungan dengan frekuensi, skala tinggi (frekuensi rendah)
berhubungan dengan informasi global dari sebuah sinyal, sedangkan skala rendah (frekuensi
tinggi) berhubungan dengan informasi detail.

2.5.2 Tranformasi Wavelet Diskrit (TWD)

Transformasi Wavelet diskrit (TWD) mulai dikenal pada tahun 1976 dimana teknik untuk
mendekomposisi sinyal waktu ditemukan (Polikar, Robi 1998). Di dalam transformasi Wavelet
kontinu (TWK), sinyal dianalisi menggunakan seperangkat fungsi dasar yang saling
berhubungan dengan penskalaan dan transisi sederhana. Sedangkan dalam TWD, penggambaran
sebuah skala waktu sinyal digital didapatkan dengan teknik filterisasi digital. Secara garis besar
proses dalam teknik ini adalah dengan melewatkan sinyal yang akan dianalisis pada filter dengan
frekuensi dan skala yang berbeda.
Filterisasi sendiri merupakan sebuah fungsi yang digunakan dalam pemprosesan sinyal.
Wavelet dapat direalisasikan menggunakan iterasi filter dengan penskalaan. Resolusi dari sinyal
yang merupakan rata-rata dari jumlah detil informasi dalam sinyal ditentukan melalaui filterisasi
ini dan skalanya didapatkan dengan upsampling dan downsampling (subsampling).
Sebuah sinyal harus dilewatkan dalam dua filterisasi TWD yaitu highpass filter dan
lowpass filter agar frekuensi dari sinyal tersebut dapat dianalisis. Analisa sinyal dilakukan
terhadap hasil filterisasi highpass filter digunakan untuk menganalisa frekuensi tinggi dan
lowpass filter digunakan untuk frekuesi rendah. Analisis terhadap frekuensi dilakukan dengan
cara menggunakan resolusi yang dihasilkan sebuah sinyal yang dilewati filterisasi. Analisis
frekuensi yang berbeda dengan menggunakan resolusi yang berbeda inilah yang disebut dengan
multi-resolution analysis (Meutia, Rahmi, 2009).
 Heri Susanto (teknik elektro Unyiah) email: atek_te06@yahoo.com

2.6 DEKOMPOSISI CITRA PADA TRANSFORMASI WAVELET

Pembagian sinyal menjadi frekuensi tinggi dan frekuensi rendah dalam proses filterisasi
highpass filter dan lowpass filter disebut sebagai dekomposisi. Proses dekomposisi dimulai
dengan melewatkan sinyal asal melewati highpass filter dan lowpass filter. Misalkan sinyal asal
ini memiliki rentang waktu frekuensi dari 0 sampai dengan π rad/s dalam melewati highpass
filter dan lowpass filter ini, rentang di-subsample menjadi dua, sehingga rentang frekuensi
tertinggi masing-masing subsample menjadi π/2 rad/s. Sehingga sinyal dapat selalu di-subsample
oleh 2(↓2) dengan cara mengabaikan setiap sample yang kedua (Zulfathan 2010).
Proses dekomposisi ini dapat melalui satu atau lebih tingkatan. Dekomposisi satu tingkat
ditulis secara matematis pada persamaan berikut:

Y tinggi [ k ] =∑ X [ n ] h[2 k−n] (2.4)

n

Y renda h [ k ] =∑ X [ n ] g[2 k−n] (2.5)

n

Dimana :
Y tinggi dan Y rendah = hasil dari highpass filter dan lowpass filter
X[n] = sinyal asal
h[n] = highpass filter
g[n] = lowpass filter

Untuk dekomposisi lebih dari satu tingkat, prosedur pada rumus diatas dapat digunakan
pada masing-masing tingkatan. Misal penggambaran dekomposisi dipaparkan pada gambar 2.3
berikut dengan menggunakan dekomposisi tiga tingkat.
 Heri Susanto (teknik elektro Unyiah) email: atek_te06@yahoo.com

Gambar 1: Dekomposisi Wavelet Tiga Tingkat (Meutia, Rahmi 2009)

2.7 REKONTRUKSI CITRA PADA TRANFORMASI WAVELET

Dengan menggunakan koefisien TWD, maka dapat dilakukan proses inverse discrete
transform (IDWT) untuk merekontruksi menjadi sinyal asal. TWD menganalisis sinyal pada
frekuensi berbeda dengan resolusi berbeda melalui dekomposisi sinyal menjadi detil informasi
dan taksiran kasar. DWT bekerja pada dua kumpulan fungsi yang disebut fungsi penskalaan dan
fungsi wavalet yang masing-masing berhubungan dengan lowpass filter dan highpass filter
(Zulfathan 2010).
Proses rekontruksi diawali dengan menggabungkan koefisien TWD dari yang berada
pada akhir dekomposisi dengan sebelumnya meng-upsample oleh 2(↑2) melalui highpass filter
dan lowpassfilter. Proses rekontruksi ini sepenuhnya merupakan kebalikan dari proses
dekomposisi sesuai dengan tingkatan pada proses dekomposisi. Sehingga persamaan rekontruksi
pada masing-masing tingkatan dapat ditulis sebagai berikut:

X [ n ] =∑ (Y tinggi ¿ [ k ] h [ −n+ 2k ] +Y renda h [ k ] g[−n+2 k ]) ¿ (2.9)

k

Proses rekontruksi Wavelet untuk mendapatkan sinyal asal dengan tiga tingkatan
digambarkan pada gambar 2.6.

Gambar 2.5: Rekontruksi Wavelet Tiga Tingkat (Meutia, Rahmi, 2009)

Rekontruksi dari proses dekomposisi pada gambar 2.5, disebut juga inverse Wavelet
transform. Koefisien aproksimasi dan detail (horizontal, vertikal dan diagonal) di-upsampling
 Heri Susanto (teknik elektro Unyiah) email: atek_te06@yahoo.com

dan dikonvolusi dengan dua filter 1D. Satu filter bekerja pada kolom dan yang lainnya bekerja
pada baris. Proses ini diulangi hingga berbentuk citra asli.

2.8 WAVELET HAAR

Dalam transformasi Wavelet Haar, terdapat dua proses yang harus dilakukan yaitu
transformasi forward (dekomposisi) dan transformasi inverse (rekontruksi). Transformasi
forward berguna untuk memecah gambar. Sedangkan transformasi inverse adalah kebalikannya,
yaitu membentuk kembali pecahan-pecahan gambar dari proses forward menjadi sebuah citra
seperti semula (proses rekonstruksi) (Donoho 1994).

2.8.1 Transformasi Forward (Dekomposisi)

Tiap langkah dalam transformasi Haar memperhitungkan kumpulan koefisien-koefisien
Wavelet dan kumpulan rata-rata. Jika suatu kumpulan data S0, S1, …, SN-1 berisi unsur-unsur N,
akan terdapat N/2 rata-rata dan N/2 nilai-nilai koefisien. Rata-rata disimpan dalam setengah lebih
rendah dari kesatuan unsur N dan koefisien-koefisien disimpan dalam setengah diatas. Rata-rata
menjadi input untuk langkah selanjutnya dalam penghitungan Wavelet, dimana untuk iterasi i+1,
Ni+1 = Ni/2. Iterasi-iterasi berlanjut sampai suatu rata-rata tunggal dan koefisien tunggal dihitung.
Ini mengganti sekumpulan data asal dari unsur-unsur N dengan rata-rata yang telah didapat, yang
diikuti dengan sekumpulan koefisien-koefisien yang ukurannya adalah peningkatan pangkat dua
(misalnya, 20, 21, 22, …, N/2) (I. Dabechies 1992).
Persamaan-persamaan Haar untuk menghitung suatu rata-rata (ai) dan koefisien-koefisien
Wavelet (ci) dari suatu unsur ganjil dan genap dalam sekumpulan data ditunjukkan di bawah :

S i+ S i+1
ai = 2 (2.10)

S i−Si +1
ci = 2 (2.11)

Dalam terminologi Wavelet, rata-rata Haar dihitung dengan fungsi penskalaan. Koefisien
dihitung dengan fungsi Wavelet.
Input data pada tranformasi Haar dapat secara sempurna dibangun kembali dengan
menggunakan persamaan-persamaan berikut :
 Heri Susanto (teknik elektro Unyiah) email: atek_te06@yahoo.com

Si = ai + c i (2.12)
Si+1 = ai - ci (2.13)

Dalam pandangan aljabar linear transformasi forward Haar, rata-rata pertama dihitung
dengan produk sinyal linear [s0, s1, …sN-1] dan vektor, dari ukuran yang sama [0,5, -0,5, 0, 0, …
0]. Rata-rata dan koefisien selanjutnya dihitung dengan merubah penskalaan dan vektor-vektor
Wavelet dengan dua dan menghitung produk-produk sebelah dalam.
Pada penskalaan literatur dan nilai-nilai Wavelet terkadang ditunjukkan masing-masing
dengan h1 dan g1.
Koefisien-koefisien fungsi penskalaan:
h0 = 0,5
h1 = 0,5
Koefisien-koefisien fungsi Wavelet :
g0 = 0,5
g1 = - 0,5
Penskalaan dan nilai-nilai Wavelet untuk perubahan Haar ditunjukkan di bawah ini dalam bentuk
matriks :

Gambar 2.6: Matriks Transformasi Haar

Langkah pertama dari transformasi forward Haar delapan sinyal unsur diperlihatkan di bawah.
Disini sinyal dikalikan dengan matriks tranformasi forward :
 Heri Susanto (teknik elektro Unyiah) email: atek_te06@yahoo.com

Gambar 2.7: Matriks Transformasi Forward Haar

Tanda panah menunjukkan operasi pembagian yang mengatur kembali hasil sehingga
nilai-nilai rata-rata berada dalam setengah pertama vektor dan koefisien-koefisien berada dalam
setengah kedua vektor. Langkah selanjutnya mengalikan nilai-nilai ai dengan matriks perubahan
4 x 4, yang menghasilkan dua rata-rata baru dan dua koefisien-koefisien baru yang akan
menggantikan rata-rata dalam langkah pertama. Langkah terakhir mengalikan rata-rata baru ini
semua dengan matriks 2 x 2 yang menghasilkan rata-rata akhir dan koefisien akhir.
Citra asli V dengan M x N piksel didekomposisi menjadi empat subband LL1, LH1, HL1,
dan HH1 dengan menggunakan transformasi Wavelet Haar. Komponen-komponen tersebut
secara matematis untuk transformasi Wavelet dengan filter Haar dihasilkan dengan
menggunakan persamaan sebagai berikut:
1 1
1
ll 1 (x,y )= ∑ ∑ v (2 x+i, 2 y+ j)
4 i=0 j=0 (2.14)

1 1
1 1
lh 1 (x,y )= ∑ v (2 x+ i, 2 y )− ∑ v (2 x +i ,2 y +1)
4 i=0 4 i=0 (2.15)

1 1
1 1
hl 1 ( x,y )= ∑ v (2 x , 2 y + j )− ∑ v (2 x +1,2 y+ j)
4 j=0 4 j=0 (2.16)

1
hh 1 (x,y )= {v (2 x ,2 y )+v(2 x +1,2 y+1)−v(2 x +1,2 y )−v(2 x , 2 y+1 )}
4 (2.17)
 Heri Susanto (teknik elektro Unyiah) email: atek_te06@yahoo.com

M N
Dengan syarat :
[ 0≤x≤
2
, 0≤ y≤
2 ] (2.18)

Dimana v(x,y) merupakan nilai piksel pada koordinat (x,y) pada citra V. Sedangkan ll1(x,y),
lh1(x,y), hl1(x,y), dan hh1(x,y) secara berturut-turut adalah komponen pada koordinat (x,y) dari
LL1, LH1, HL1, dan HH1. LL merupakan setengah resolusi dari citra asli. LH merupakan subband
detail horizontal, HL merupakan subband detail vertikal, dan HH merupakan subband dari detail
diagonal. LL1 selanjutnya didekomposisi menjadi empat subband LL2, HL2, LH2, dan HH2.
Operasi ini dapat diulang sampai dengan LL sama dengan 1 x 1.

Berikut adalah gambar dan pembagian subband dari proses forwad Haar :

LL HL
LL1 HL1
LL2 HL2

LH2 HH2
LH1 HH1
LH HH

Gambar 2.8: Proses Transformasi Forward Haar

Keterangan:
L = Lowpass
H = Highpass
 Heri Susanto (teknik elektro Unyiah) email: atek_te06@yahoo.com

2.8.2 Transformasi Inverse (Rekontruksi)

Seperti pada transformasi forward Haar, satu langkah dalam transformasi inverse Haar
dapat digambarkan dalam hubungan-hubungan aljabar linear. Operasi matriks untuk
membalikkan langkah pertama transformasi Haar untuk delapan sinyal unsur ditunjukkan di
bawah:

Gambar 2.9: Matriks Transformasi Inverse Haar

Proses pengembalian dekomposisi Haar menjadi sebuah citra kembali (rekonstruksi), secara
singkat bisa dijabarkan sebagai berikut:

1. Mengembalikan LL2, HL2, LH2, dan HH2 menjadi LL1, dengan cara mengambil satu
piksel di LL2, HL2, LH2, dan HH2, dengan koordinat yang sama, begitu seterusnya
sampai koordinat terakhir.
2. Mengembalikan LL1, HL1, LH1, dan HH1 menjadi citra kembali dengan cara yang sama
seperti pada proses.