Escolar Documentos
Profissional Documentos
Cultura Documentos
TRANSFORMASI CITRA
DFT 1-Dimensi
Transformasi Fourier diskrit pada citra 1 dimensi f(x) = ((0), (1),
f(2), ..., (N-1)) berukuran N, dengan indeks x bernilai dari 0 sampai
dengan N-1, akan menghasilkan citra 1 dimensi F(u) = (F(0), F(1),
F(2), ..., F(N-1)), dengan F(u) dapat dinyatakan sebagai berikut.
I ry:l -Zin*f |
f
F(u) =;
;6
,^v
I,f(r) 'L--1!!2
expl
N .l
untuk u = 0, 1, 2, ..., N-1 .. (3.1)
r(')
I
o(u) =,un-' I
L^(,)l (3 6)
majiner
magnitude
Real
Berikut diberikan contoh DFT 1. Suatu citra 1 dimensi f(x) = (f(0), f(1),
(2), (3)) = (3, 4, 4, 5), dengan N = 4 maka DFT-nya dapat dihitung
sebagai berikut.
F(0) =
it f AXcos(2ttOx / 4) - i sin(2xox t 4))
=
)vol+,r(l)
+ -f (2) + f(3))= 1(r
4'
+ 4 + 4+ 5) = 4
=
7[3(1
- 0) + 4(0 - i) + 4(-1- 0) + s(0 + 7)
11
=;(r-4i -4+5i) =;(-, + i)=-0.2s+0.25i
F (2) =
lZ f AXcos(2tr2 x t 4) - i sin(2tr2x t 4))
I
=
;[3(1
- 0) + 4(-r -0) + 4(1 - 0) + s(-1 - 0)
=lr,
4, -4+4 -5)= OGZ)=-0.5
Transformasi Citra I
1' (3) =
iif UXcos(2tt3x t 4) -j sin(2r3x t 4))
=
Ir,
+ 4 i + -4 - s i) = Ir-, - t i) = -0.25 - o.2s i
Untuk memperoleh kembali citra f(x) maka dapat digunakan transfor-
masi balik seperti ditunjukkan pada rumus (3.4).
Spektrum Fourier dari contoh soal dapat dihitung sebagai berikut.
r(o) =+
o(2)=""_,[#]= tu,,'[oJ
o(3) =,*-,
[J#] =,u,-, [,]
68 | Pengolahan Citra Digital
DFT 2 Dimensi
Transformasi Fourier diskrit dari citra 2 dimensi f(x,y) dapat dihitung
sebagai berikut.
1 M-tN-t f /ux.(ry))l
F(u,v)==!,tI
\ " MN .r / 'L iz"l-+t ---- I l ................(3.7)
e/4Jf(x,y)cxpl- " ( N/r_l lttt
Sedangkan transformasi baliknya dapat dinyatakan sebagai:
.f(*,y)=."I,I F(u,v)expltr,(#.(+))l (3 8)
. tan-'L^_r]
o(u,v) =
,I trr.rlf
..... (3.10)
Gambar 3.2 (a) Citra asli (b) Citra spektrum Fourier (magnitude) dari (a)
dan (c) Citra sudut dari (a)
(a)
Gambar 3.3 (a) Citra ROI iris 128 x 128 pixel (b) Spektrum Fouriernya
log2 N = 1.024 x 10 = 10.240, yang berarti FFT lebih cepat sekitar 102
kali dibandingkan DFT.
Transformasi Fourier diskrit 1D di atas dapat dibuat dalam bentuk
yang lebih umum, yaitu:
N-1
r(u)= Zf 6)s\,u) ............ .. (3.13)
x=0
o om
l I
) d-
4 4
7 7
I I
I o
jll ro
lt ll
Id_ IL
r3 t5
.1
t4
r5
(a) (b)
Gambar 3.4 Fungsi basis transformasi Fourier diskrit 1D untuk N = 16 (a)
Komponen sinus (b) Komponen cosrnus (Pratt, 2007)
'_----.--._
72 | Pengolahan Citra Digital
DCT 1 Dimensi
DCT 1 dimensi C(u) didefinisikan sebagai berikut.
C(u)=&^
untuk u = 0, 1,2, ...,
Zr',)*'lQP),
N-1 (3.15)
Dengan cara yang sama, DCT balik dapat didefinisikan sebagai
berikut.
(x) a(,)c1,1"".[q&],
-f
untuk x =
1ffi I
0, 2, N-1
1, ..., (3.16)
Dengan a (u) dinyatakan sebagai berikut.
a(u)=
o untuk u = 0
(3.17)
I untuk u* 0
c(o)=
Ei*r,,,*.[4t'D]
=
)trto)
* r0) * rQ) +r(:)) =
f,r,
* 4 + 4 +5) = 8
TransformasiCitra I
73
c(r)=
Er>tu,.".[oef4]
fl ft
= + 4(0.38)+ +(- o.:s)+ s(- o.oz))= = -s.71
l r(tto.oz) {r(-,.84)
c (z) =
E, i"r,,, ."{oe+U]
rr
= + 4(- o.zr)+ +(- o.zr)+ s(o.zr))= o
{;(:to.zl)
=,8,
c(3)
i /(,) "",[{e+u]
l1
= + 4(- o.oz)+ +(o.oz)+ s(- o.:a))= -0.ta
{;(:ro.:8)
sG,,)=&"@)*'l4P] (318)
untuk u = 0, 1,2, ..., N-1, dan x = 0, 1,2, ..., N-1, ditunjukkan pada
gambar 3.4. Nilai kernel dari DCT juga berada dalam interval -1
sampai 1.
74 | Pengolahan Citra Digital
o
I
4
3
s
7I
u
s
s
to
tt
ta
t3
l4
t5
I r" r r",,r,J,r
t?
x
Gambar 3-5 Fungsi basis transformasi kosinus drskn? 1D untuk N = 16
(Pratt,2007)
Transformasi Citra I
DCT 2 Dimensi
Persamaan DCT 2 dimensi untuk citra f(x,y) dengan ukuran N x M
dapat dinyatakan sebagai berikut.
c (u, v) =
h o(,, l"(, )I I 7 (,, y )
"o,[
4#)*"1j#})
(3 1e)
,";;;;;= 0,,,r, ,;-;,;;;;:;,;; ,; ";;,nstun
untukk=o
a(t)=
# (3.20)
I untuk k* 0
C(u,y) =
^E o(dy,-[(*,y).or["(2r-tt)'-l
--\-'/L'/r \ 1/ ' G 22)
V fV I 2N -l
untuk u = 0, 1,2, ..., N-1.
Pada tahap kedua, tahap untuk menghasilkan DCT 2 dimensi, di
mana DCT 1 dimensi dilakukan dalam arah kolom pada citra hasil
C(u,y) yang dihasilkan dari persamaan (3.22), seperti berikut ini.
I Pengolahan Citra Digital
c(u, y) = p.24)
^ET.o(,)ctu,r1"orl4p]
\M?u,, L 2M l
Tahap kedua, tahap untuk menghasilkan DCT 2D balik, di mana DCT
1D balik dilakukan pada citra C(u,y) yang dihasilkan dari persamaan
(3.24).
.r(x,y)=&io(u)c1,,il*,14{] (325)
c (x, y, u, v) =
# *(, )o(, )
"o.[
4#1-'14#)
(3.26)
dengan nilai u dan x = O, 1,2,..., N-1, sedangkan v dan y = 0, 1,2, ...,
M-1.
",))
(3.27)
r (*, v) =
# AAr(,,, { "',( ffi a.*,, )) *
"i"(#tr (,*. r,))
(3.28)
Bila M dan N pada persamaan di atas bernilai sama maka bagian
JIrf f akan menjadi N.
Pemilihan antara tranformasi Hartley dan tranformasi Fourier sering
didasari pada efisiensi kompleksitas komputasi. Komputasi transfor-
masi Hartley cenderung lebih efisien daripada tranformasi Fourier.
Gambar 3.6 (d) menunjukkan contoh hasil transformasi Hartley diskrit.
Sama dengan transformasi Fourier yang memiliki FFT, transformasi
Hartley juga memiliki perhitungan cepat yang sering disebut Fasf
Hartley Transform, yang disingkat dengan FHT.
_,._-r
I Pengolahan Citra Digital
r(*)1ffi!'s(,)s,{4#P) (330)
s(,r, v) =
;*E,4ro, ry.,"(4#P),,,(oo#*-!)
(3.32)
Sedangkan transformasi DST 2 dimensi balik adalah:
f(*,y)=
.. (3.33)
w(u)=-]rirt.lfi
-{v r=0
1-t1b,6Y, , ,(u) (3 34)
i=0
s;,,)=*fif-
fl i=o
t)b,(*b,-,-,(") ....... .... (3.37)
x 0 1 2 3 4 5 6 7
u
0 1 1 1 1 1 1 1 1
1 1 1 1 1
=1|/il -1 -1 -1
2 1 1 -1 -1 1 1 -1 -1
3 1 1 -1 -1 -1 -1 1 1
4 1 -1 1 -1 1 -1 Irlll'lrill i;: -1
5 1 -1 1 -1 -1 1 -1 1
6 1 -1 1 1 1 -1 -1 1
7 1 -1 -1 1 -1 1 1 -1
- _1
Berikut adalah contoh untuk u = 4 dan x = 6.
Representasi biner dari u = 4 adalah 100, sedangkan representasi
biner x = 6 adalah 1 10, maka:
b6(u) = 0, b1(u) = 0, b2(u) = 1
b6(x) = 0, b1(x) = 1, b2(x) = 1
sehingga:
2
I1 (- l)b i$)
b
s (6,4)= n -r-i?)
i=0
-1
Berikut disajikan contoh pemanfaatan kernel pada Tabel 3.1 pada
citra:
f(x) = (10 10 10 10202020 20). Transformasi Walsh dari citra f(x)
tersebut dapat dihitung dengan cara berikut.
W(u=0 = (10 + 10 + 10 + 10 + 20 + 20+ 20 +20)18= 12018= 15
W(u=1 = (10 + 10 + 10 + 10 -20 -20 -20 -20)/8 = -4018 = -5
W(u=2 = (10 + 10 - 10 - 10 + 20 + 20 - 20 - 20 )/8 = 0/8 = 0
W(u=3 - (10 + 10 - 10 - 10 - 20 - 20 + 20 + 20 )/8 = 0/8 = 0
W(u=4 = (10 - 10 + 10 - 10 + 20 - 20 + 20 - 20 )18 = 0/8 = 0
W(u=5 = (10 - 10 + 10 - 10 -20+ 20 -20 + 20)18 = 0/8 = 0
W(u=6 = (10 - 10 - 10 + 10 + 20 -20 -20 + 20)18 = 0/8 = 0
W(u=7 = (10 - 10 - 10 + 10 - 20 + 20 + 20 -20)18 = 0/8 = 0
I Pengolahan Citra Digital
(3.38)
Sedangkan transformasiWalsh balik 2 dimensi adalah:
r (,, v)=
* ,pr,I w (u,,)fie r)b,QY, -, -,@\b,('b, -,-,(u))
(3.3e)
Fungsi basis daritransformasiWalsh 2 dimensi adalah:
__-_____> u 1 2
,l 1 1 I 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 -1 1
n
1 1 1 1
'1 1 I 1 1 1 1 I I
1 1 I 1 1 1 1 1 1 1 1 1 1 I 1
1 1 1 1 I 1 1 1 1 1 I 1 1
1 1 1 1 1 1 1 1 -1 1 I 1
1 1 1 1 1 1 1 1 1 -1
1 1 1
1 1 1 1 1 I 1 1 1
,]
1 1 1 1
1 1 1 1 1 1 1 1 1 1 1 I
4 ,1
I 1 -1 1 1 1 1 1 1 1 1 1 I 1
1 1 1 1 1 1 1 1
1 1
I 1 1
,1
1 1 I 1 1 1 1 I 1
,1
1 1 1 1 1 1 1 1 1 I 1
1 1 I -1 1 1 1 1 1 1 1 1 1
1 1 I 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 I 1 1 1 I
Gambar 3.7 Fungsi basis Walsh 2D untuk N = 4, setiap blok terdiri atas
4 x 4 pixel
2 2 10 10
2 2 10 10
20 20 4 4
A
20 20 4
36 B 0 0
-12 -24 0 0
0 0 0 0
0 0 0 0
2 2 10 '10
2 2 10 10
A
20 20 4
20 20 4 4
r N-l n-l
.f (*)= *)uAl(-
1Yr=o
t),!"bi(*)b;(')
1 1 -1 1 -1 i/li il -1 1 -1
2 1 1 1 -1 1 1 1 1
3 1 -1 -1 1 1 -1 -1 1
4 1 1 1 1 -1 -1 -1
5 1 1 1 1 1 1 -1 1
6 1 1 -1 -1 -1 -1 1 1
7 1 -1 -1 1 -1 1 1 -1
2
( +)r,(t)
s(4,1)= (- t),|ai
= (- t)(t)(o)+(o)(o)+(o)(r)
r0 I
- -l -,
-
sehingga:
2
( 6)bi@)
s(6,4)= (- t),]Di
= (- t)toXo)+(lXo)+(lxl)
H (u,v)=
\, / EE
+N*=oy=o -r G, il?ryiiht'r,r u)+t,(Do,Q)l
(3.40)
t,( D b,Q ))
-f (*, y)= +N 5 5 H (u . v)(-i ;'ij h r. r', t " )+
,,=o r=o
(3.41)
... (3.42)
/11 = []
lr 11 1l
I-l^=l "
fH" Ir"z t, -1 1 -11
' lH, - Ilz 1 -1 -11
-1 -1 1l
1i 11 11 11
1 -1 1 -1 1 -1 i -1
11 -1 -1 11 -1 -1
I
u, =ll!,^^ !;^)= -1 -1 1 1 -1 -1 1
11 11 1 -1 -1 -1
1 -1 1 -1 11 -1 1
11 -i -1 1 -1 11
1 -1 -1 1 - 11 1 -1
Matrik Hs menghasilkan kernel yang sama dengan kernel pada tabel
3.2.
Matrik (kernel) Hadamard dapat dihasilkan secara rekursif dengan
cara berikut.
II ,v 1
IJN _El,r+
r1
,1,,+
,? I ....... (3.43)
-ttN I
T)
1
pada persamaan (3.43) digunakan untuk menghasilkan matrik
-
.12
Hadamard yang bersifat othonormal.
Sebagai contoh, diberikan suatu citra 1D f(x) = [ I 7 3 5 ], dengan
menggunakan matrik Hadamard H+ di atas maka hasil transfor-
masinya adalah sebagai berikut.
92 | Pengolahan Citra Digital
[t1l
lr -1
nl")=lt 1
r-
I[lLl]
1
L, -1 -1
Gambar 3.11 menunjukkan fungsi basis Hadamard 2D untuk N = 4.
Setiap blok berukufian 4 x 4.
IffiFffiffiffi
1
1
' ,o
'rrf+Hffiffiffi
1
1
1
1
'1
1
1 2
I
1
1
0
0
3
I
1
0
ffi
1 1 1 '1
1 0 0 1 0 0 1
1 1 1 1 1 0 0 1 0 U 1
,1
0 0 0 0 0 0 1 0 1 1 0
0 0 0 0 0 0 1 0 1 1 n
ffi
,l
1 1 1 1 I 0 0 1 0 0
o 0 0 0 0 0 0 1 1 0
0 0 0 0 0 0 1 0 1 1 0
1 1 I 1 0 t, 0 0 0 U
1 I 1 1 0 0 1 0 0
0 0 0 0 0 0 1 1 0 1 0 1
1 1 1 1 1 0 0 0 1 0
0 0 0 0 0 0 1 1 0 0 1
0i 0:.t
l0 r0t I
b.i bn, :
-------':'----"----l 9r-r
I l1nuz1_z
il
0 : llvzpz
il I
1
So=
fi 1i
i0
-1
,l
;i0l I
anl ,ni
ili
i
$r-r
i llnn;-z o -lt,r,zrz I
:I
rl
(3.44)
dengan N = 2n, lm merupakan suatu matrik identitas berukuran
MxM,dan
rh 1l
' =---pl
S1
^lzSt -U
1................. (3'45)
t ^ r-l
b, = (l +4al-1) , d"ng"n at =l (3.40)
( tu' ),
an+t=t;F-l] (3.48)
( 3N2 );
bn+t=[A=,,l (3.4e)
1
---=
-3 3 -1
Js Js r/s t- t'
{s--
Js Js Ji Js
r=
{)
Transformasi Slant pada citra 2D dapat dilakukan dengan melakukan
transformasi terhadap baris demi baris pada citra, kemudian dilan-
jutkan dqngan melakukan transformasi kolom demi kolom terhadap
titra hasil transformasi baris di atas. Hal ini dapat dilakukan karena
transformasi slant juga memiliki sifat separable di mana proses
transformasi terhadap baris dan kolom dapat dilakukan secara
terpisah.
TransformasiCitra I 95
p= x-y (3.52)
2
ll6 28 38 18 ?il
,$
i
JI
I
3i:
I
t8
itt
28 ,:,5.S 18
,t
21 lts
I
Level 1
Level 2
32 28 4 10
t\
rlT-rl
Level 3
f
Gambar 3.16 Proses perataan dan pengurangan dengan dekomposisi
penuh (3level)
30 2 4 10 1 0 20 3
10 10 20 20 10 20 0 U 10 20 n 0
10 10 20 20 10 20 n 0 50 JU U 0
50 50 30 JU 50 30 0 0 0 0 0 n
50 50 30 30 50 30 tt 0 U 0 0 U
h, = (hr(o), t ,(i)=Vz,-
%) yans berkaitan dengan
persamaan (3.52).
Dengan kata lain, hs adalah koefisien penskalaan karena meng-
hasilkan skala yang berbeda dari citra aslinya, sedangkan h1 adalah
102 | Pengolahan Citra Digital
Ir bihtelo,%)
wi=l; bita teW,r)
0 untuk kondisi lainnya
|
Gambar 3.19 (b) menunjukkan gambar fungsi Wavelet naar g(t).
o1E 1
(a)
104 | Pengolahan Citra Digital
(b)
Gambar 3.19 Fungsi penskalaan dan Wavelet Haar
ot')* yo = Pb)g@)*
H- (3.63)
1i 000 0 0
01i000 0
001100 0
Ht'.) =
1 000110 0
e R*n (3.66)
2 000011 0
00000 0
.'. 11
00000 0 01
Sedangkan matrik high pass Haar adalah:
Transformasi Citra | 107
1 -i 0 0 0 0 ..' 0
01-1 0000
0 0 1 -1 0 0 0
1 0 0 0 1 -1 0 0
e R*"
H{') =
2 00 0 01-1 0
00 0 0 0 0
: : : : : : 1 -1
00 0 0 0 0 01
(3.67)
!2
Matrik untuk mel akukan down sampling D(') adatah:
I 0 0 0 0 '.. 0 0
0 0 1 0 0 ... 0 0
D0) - 0 0 0 0 1 ..' 0 0
-xn
eR2 (3.68)
ooooo io
Perhatikan bahwa D(') berukurun lxn, bukan n x n, karena
2
1 100 0 000 0
0 011 0 000 0 t1
0 000 0 110 0
0 000 0 001 1
Perhatikan bahwa 7'(') beruku run ! x n. Hal yang sama juga dapat
2
dilakukan untuk ekspr".i l(")Ar("), yaitu:
[t -r o o o o 0
[r o o o l, 1 -r o o o ... 0
lo o r o
o
lo o l -1 o o 0
3a)=pat11b)=ls ooo
o
I
lo o o l -r o .. 0
I. ::: l0 0 0 0 r -1
I
0
l'100000 :
l0 0 0 0 0
I
l: : : : : :
l0 0 o 0 0 0
r
0 1
1
1 -1 0 0 0 0 0 0 0
0 0 1 -1 0 0 0 0 0 t't
Tfu) =1
2
0 0 0 0 ... e Il2
-xt1
0 0 0 0 0 1 -1 0 0
0 0 0 0 0 0 0 1 -1
... (3.70)
Berikut contoh penerapan filter bank Haar untuk citra 1 dimensi pada
Gambar 3.13. Ukuran citra tersebut adalah n = B, maka:
Transformasi Citra I
109
10
Ir
0 00001
7'(8) -1lo
01 1 0 0 0 0l
,lo 00 0 1 1 0 0l
Lo 00 0 o o I 1]
lr -1 o o 000 0l
110 0 1 -1 000 0l
I
,(s) =
zlo o o
-t
o 1 -1 0 0l
001
I
10000 -11
Sesuai den gan analisis filter bank Gambar 3.20:
!o _T ',x
(s)
!r _B .,x
(s)
37
35
Ir 10 0 28
',_^l
,ln 01 1 28
-ll
till
'u- zlo 00 0 58 l:s I
L0 00
I
0 18
21
L'
'l
15
1 10 | Pengolahan Citra Digital
37
35
-1 0 00 00 ol 28
,[l 01 -1 0 00 0l 28
,, =
rl' 00 01 -1 0 0l 58
Lo 00 00 01 -11 18 [,,
21
15
36
28
38
18
,=[f]= 1
0
20
3
110 0 000 0 37 36
001 1 000 0 35 28
000 0 110 0 28 38
I 000 0 001 i 28 i8
'2
v-
1 -1 0 0 000 0 58 1
00i -1 000 0 18 0
000 0 1 -1 0 0 2l 20
000 0 001 -1 15 J
LL
xfm,nf
.L
TransformasiCitra | 115
LL HL Aproximation Verticaldetails Cn Cv
Horizontal Diagonal
LH HH details details CH Co