PENGOLAHAN CITRA DIGITAL : TRANSFORMASI CITRA (2)

Slides:



Advertisements
Presentasi serupa
Materi 02(a) Pengolahan Citra Digital
Advertisements

SISTEM PEMROSESAN SINYAL Fatkur Rohman, MT
Frequency Domain.
Sistem Komputer Universitas Brawijaya Kelas A, B
FAST FOURIER TRANSFORM (FFT)
PENGOLAHAN CITRA DIGITAL : TRANSFORMASI CITRA (2)
Pengolahan Citra Digital: Transformasi Citra (Bagian 2 : Wavelet)
Morphologi.
Pengolahan Citra Digital: Transformasi Citra (Bagian 1 : FT – DCT)
PENGOLAHAN CITRA DAN POLA
Sinyal dan Noise Pertemuan 2
KONVOLUSI DAN TRANSFORMASI FOURIER
Pendahuluan Mengapa perlu transformasi ?
Pertemuan 2 Sinyal dan Noise:Transformasi Fourier
SIFAT-SIFAT DAN APLIKASI DFT
CS3204 Pengolahan Citra - UAS
Hasdi radiles, ST., MT Part # 02/14 : Image Enhancement 09 Sept 2011.
Pengolahan Citra Digital Peningkatan Mutu Citra Pada Domain Frekuensi
Konvolusi Dan Transformasi Fourier
Pengolahan Citra Digital: Konsep Dasar Representasi Citra
Pengolahan Citra Digital: Transformasi Citra (Bagian 1 : FT – DCT)
Pengolahan Citra Digital: Transformasi Citra (Bagian 2 : Wavelet)
Pengolahan Citra Digital Peningkatan Mutu Citra Pada Domain Frekuensi
1 Materi 03 Pengolahan Citra Digital Transformasi Citra.
Materi 04 Pengolahan Citra Digital
MODUL 3 PERBAIKAN KUALITAS CITRA
Materi 08 Pengolahan Citra Digital
MODUL KULIAH 2 FORMASI CITRA
Materi 07 Pengolahan Citra Digital
Materi 01(b) Pengolahan Citra Digital
Mengapa Kita Butuh FFT ? 2013.
EDY WINARNO fti-unisbank-smg 31 maret 2009
BAB V Transformasi Citra
IKG3C3/ TEKNIK PENGKODEAN
Materi 05 Pengolahan Citra Digital
PENGOLAHAN CITRA DAN POLA
D10K-6C01 Pengolahan Citra PCD-03 Piksel dan Representasinya
Kualitas Citra Pertemuan 1
Pendahuluan Pengolahan Citra
Fourier transforms and frequency-domain processing
PENGOLAHAN CITRA DIGITAL : TRANSFORMASI CITRA (1)
Dasar Pemrosesan Citra Digital
Mengapa Kita Butuh FFT ? 2014.
Penapisan pada Domain Frekuensi 1
Mengapa Kita Butuh FFT ? 2014.
Pengolahan Citra Digital: Transformasi Citra (Bagian 2 : Wavelet)
Pengolahan Citra Pertemuan I.
EDY WINARNO fti-unisbank-smg 14 April 2009
Mengapa Kita Butuh FFT ? 2014.
Pengolahan Citra Digital Peningkatan Mutu Citra Pada Domain Frekuensi
KONVOLUSI DAN TRANSFORMASI FOURIER
PERTEMUAN KE-1 Sumber :Prof. Sinisa Todorovic
Digital Image Processing
Pengolahan Citra Pertemuan 2.
PENGOLAHAN CITRA DAN POLA CITRA DIGITAL
PENINGKATAN KUALITAS CITRA (Image Enhancement)
PENGOLAHAN CITRA DAN POLA
Fast Fourier Transform (FFT)
Konsep Dasar Pengolahan Citra
Kekurangan Tr. Fourier Tranformasi wavelet (WT) merupakan perbaikan dari transformasi Fourier(FT). FT : hanya dapat menangkap informasi apakah suatu sinyal.
PENGENALAN CITRA DIGITAL
Tri Rahajoeningroem, MT T Elektro UNIKOM
KONSEP DASAR CITRA DIGITAL (2) dan SISTEM PEREKAMAN CITRA
Pertemuan 4 Mata Kuliah Pengolahan Citra
Pengubahan Histogram Ada dua cara Perataan Histogram
Pertemuan 6 Mata Kuliah Pengolahan Citra
Pertemuan 10 Mata Kuliah Pengolahan Citra
Vektor Proyeksi dari
Dct.
Pengolahan citra digital
Transcript presentasi:

PENGOLAHAN CITRA DIGITAL : TRANSFORMASI CITRA (2) TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS TRUNOJOYO

Fast Fourier Transform (FFT) Merupakan algoritma penghitungan yang mengurangi kompleksitas FT biasa dari N2 menjadi N log2N saja Pada implementasinya, FFT merupakan cara yang umum digunakan untuk menghitung FT diskret InversFT juga dapat dihitung dengan kompleksitas N log2N (IFFT) Di Matlab : fft(x) atau fft2(X) untuk FT dan ifft(x) atau ifft2(X) untuk invers FT 17/11/2018 PERTEMUAN KE-5

Transformasi Walsh Jika FT berdasarkan pada basis fungsi trigonometri (sin-cos), maka Tr. Walsh berdasarkan pada fungsi basis yang nilainya +1 dan -1 Kompleksitas algoritma Tr. Walsh juga dapat diefisienkan menjadi N log2 N 17/11/2018 PERTEMUAN KE-5

Rumus Tr. Walsh Rumus Tr. Walsh 2 dimensi: b k(z) adalah bit ke-k dari representasi biner z. Contoh : n = 3, z = 6 (110) maka b0(z) = 0, b1(z) = 1, b2(z) = 1 17/11/2018 PERTEMUAN KE-5

Transformasi Walsh Jika digambarkan secara visual, maka untuk N = 4, bentuk basisnya dapat dilihat seperti gambar disamping. Karena rumus forward dan invers-nya sama, maka basis ini dapat dipakai baik untuk forward maupun invers transform 17/11/2018 PERTEMUAN KE-5

Transformasi Hadamard Rumus Tr. Hadamard untuk 2 dimensi: b k(z) adalah bit ke-k dari representasi biner z. Contoh : n = 3, z = 6 (110) maka b0(z) = 0, b1(z) = 1, b2(z) = 1 17/11/2018 PERTEMUAN KE-5

Tr. Hadamard Jika digambarkan secara visual, untuk N=4, nilai (-1)(…) dapat dilihat sbb: 17/11/2018 PERTEMUAN KE-5

Transformasi Hadamard Jika basis FT adalah fungsi cos-sin, maka basis dari transformasi Hadamard adalah kolom dan baris yang ortogonal Ilustrasi : input citra 4x4 100 50 17/11/2018 PERTEMUAN KE-5

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. H(0,0) = (100+100+50+50+100+100+50+50+50+50+100+100+50+50+100+100)/4 = 1200/4 = 300 H(0,1) = (100+100-50-50+100+100-50-50+50+50-100-100+50+50-100-100)/4 = 0 H(0,2) = (100-100-50+50+100-100-50+50+50-50-100+100+50-50-100+100)/4 = 0 H(0,3) = (100-100+5050+100-100+50-50+50-50+100-100+50-50+100-100)/4 = 0 17/11/2018 PERTEMUAN KE-5

Contoh Tr. Hadamard 300 100 H(1,0) = (.......)/4 = 0 100 H(1,0) = (.......)/4 = 0 H(1,1) = (.......)/4 = 400/4 = 100 H(1,2) = (.......)/4 = 0 H(1,3) = (.......)/4 = 0 H(2,0) = (.......)/4 = 0 H(2,1) = (.......)/4 = 0 H(2,2) = (.......)/4 = 0 H(2,3) = (.......)/4 = 0 H(3,0) = (.......)/4 = 0 H(3,1) = (.......)/4 = 0 H(3,2) = (.......)/4 = 0 H(3,3) = (.......)/4 = 0 Perhatikan bahwa nilainya besar hanya pada koordinat (0,0) dan (1,1). Nilainya pada H(1,1) besar karena polanya sama dengan citra input. Perhatikan juga bahwa jika kita hanya perlu menyimpan nilai yang bukan nol, maka representasi citra yang kita miliki juga menjadi sangat kecil (dapat dikompresi). 17/11/2018 PERTEMUAN KE-5

Contoh Tr. Hadamard Dari citra hasil transformasi, diperoleh gambar asal (dengan melihat kembali pada basis, satu posisi f(x,y) menggunakan semua blok pada posisi tertentu (x,y). 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 17/11/2018 PERTEMUAN KE-5

Contoh Tr. Hadamard f(2,0) = (300......-100.......)/4 = 200/4 = 50 Citra rekonstruksi yang dihasilkan persis dengan citra awal 17/11/2018 PERTEMUAN KE-5

Transformasi Kosinus Diskret (DCT) Rumus Discrete Cosine Transform (DCT) untuk 2 dimensi : 17/11/2018 PERTEMUAN KE-5

DCT – contoh basis untuk N=4 17/11/2018 PERTEMUAN KE-5

SUMMARY Metode yang digunakan dalam mentransformasikan citra dari ruang spasial ke ruang frekuensi antara lain DFT, DCT, Walsh dan Hadamard. 17/11/2018 PERTEMUAN KE-5

TUGAS Diketahui Matrik citra input Tentukan Matrik hasil transformasi ruangnya. ( DFT / Hadamard / Walsh / DCT ). 17/11/2018 PERTEMUAN KE-5

REFERENSI Rafael C. Gonzales dan Richard E. Woods, Digital Image Processing, Edisi 2, Prentice Hall, 2002 Rafael C. Gonzales, Richard E. Woods dan Steven L. Eddins, Digital Image Processing using Mathlab, Prentice Hall, 2003 17/11/2018 PERTEMUAN KE-5