Frequency Domain.

Slides:



Advertisements
Presentasi serupa
Konversi citra Satriyo.
Advertisements

SISTEM PEMROSESAN SINYAL Fatkur Rohman, MT
ANALISIS FREKUENSI SINYAL DAN SISTEM
Diagram blok sistem instrumentasi
Convolution and Correlation
PENGOLAHAN CITRA DIGITAL : TRANSFORMASI CITRA (2)
Pengolahan Citra Digital: Transformasi Citra (Bagian 2 : Wavelet)
Perbaikan Citra pada Domain Frekuensi
ANALIS FOURIER SINYAL WAKTU DISKRIT TEAM DOSEN
Transform Fourier Waktu Kontinyu (TFWK) TEAM DOSEN
Pengolahan Citra Digital: Transformasi Citra (Bagian 1 : FT – DCT)
Teori Konvolusi dan Fourier Transform
Perspective & Imaging Transformation
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Image Enhancement.
KONVOLUSI DAN TRANSFORMASI FOURIER
Pendahuluan Mengapa perlu transformasi ?
SIFAT-SIFAT DAN APLIKASI DFT
CS3204 Pengolahan Citra - UAS
Pengolahan Citra Digital Peningkatan Mutu Citra Pada Domain Frekuensi
Konvolusi Dan Transformasi Fourier
Convolution and Correlation
Pengolahan Citra Digital: Transformasi Citra (Bagian 1 : FT – DCT)
Pengolahan Citra Digital Peningkatan Mutu Citra Pada Domain Frekuensi
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Convolution and Correlation Dr. Ir. Sumijan, M.Sc Dosen Universitas Putra Indonesia “YPTK”
1 Materi 03 Pengolahan Citra Digital Transformasi Citra.
Materi 04 Pengolahan Citra Digital
KONVOLUSI Oleh : Edy Mulyanto.
Perbaikan Kualitas Citra (Image Enhancement)
MODUL 5 Domain Frekuensi dan Filtering Domain Frekuensi
Mengapa Kita Butuh FFT ? 2013.
BAB V Transformasi Citra
Analisis Fourier Jean Baptiste Fourier ( , ahli fisika Perancis) membuktikan bahwa sembarang fungsi periodik dapat direpresentasikan sebagai penjumlahan.
Analisis Fourier Jean Baptiste Fourier ( , ahli fisika Perancis) membuktikan bahwa sembarang fungsi periodik (kecuali sinus murni) pada dasarnya.
Materi 05 Pengolahan Citra Digital
Fourier transforms and frequency-domain processing
PENGOLAHAN CITRA DIGITAL : TRANSFORMASI CITRA (1)
Konvolusi Anna Dara Andriana.
Transformasi Fourier Waktu Diskrit dan Transformasi Fourier Diskrit
Mengapa Kita Butuh FFT ? 2014.
Peningkatan Mutu Citra
Pengolahan dalam Domain Frekuensi dan Restorasi Citra
Penapisan pada Domain Frekuensi 1
Mengapa Kita Butuh FFT ? 2014.
Penapisan Pada Domain Frekuensi (2)
Karakteristik sinyal statik dan dinamik
Tri Rahajoeningroem, MT T. Elektro - UNIKOM
KONVOLUSI 6/9/2018.
Pengolahan Citra Digital: Transformasi Citra (Bagian 2 : Wavelet)
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Mengapa Kita Butuh FFT ? 2014.
Pengolahan Citra Digital Peningkatan Mutu Citra Pada Domain Frekuensi
KONVOLUSI DAN TRANSFORMASI FOURIER
CS3204 Pengolahan Citra - UAS
Bentuk umum : Sifat-sifat :
Convolution and Correlation
Fast Fourier Transform (FFT)
Pengolahan Sinyal.
Kekurangan Tr. Fourier Tranformasi wavelet (WT) merupakan perbaikan dari transformasi Fourier(FT). FT : hanya dapat menangkap informasi apakah suatu sinyal.
TRANSFORMASI Z KELOMPOK 3 Disusun untuk memenuhi Tugas ke-3 Matematika Teknik Lanjut.
Pemrosesan Sinyal Digital Digital Signal Processing Semester 7, Prog. D4 teo = 2 sks = 2 x 50 menit prak = 1 sks = 1 x 100 menit Tugas Mandiri.
Pengolahan Citra Pertemuan 8
Tri Rahajoeningroem, MT T Elektro UNIKOM
IMAGE ENHANCEMENT.
I. Fourier Spectra Citra Input Peningkatan mutu citra pada domain frekuensi Fourier dilakukan secara straightforward: Hitung transformasi Fourier dari.
PENGOLAHAN CITRA DIGITAL : TRANSFORMASI CITRA (2)
KONVOLUSI 11/28/2018.
Pemrosesan Bukan Teks (Citra)
Deret Fourier dan Transformasi Fourier
Transcript presentasi:

Frequency Domain

Fourier Transform Fourier transform mengubah fungsi pada spatial (time) domain menjadi fungsi pada frequency domain. Bila fungsi f(x) kontinyu dan dapat diintegralkan, maka Fourier transform dapat didefinisikan sbb: Invers dari Fourier transform adalah:

FT adalah fungsi bil. kompleks FT dari fungsi real adalah fungsi kompleks, yang biasa ditulis sebagai: Persamaan FT di atas lebih mudah ditulis sebagai: spectrum phase

Contoh Fourier Transform

Fourier Transform 2 Dimensi Konsep FT bisa dikembangkan untuk 2 dimensi (atau lebih)… spectrum phase

Contoh Fourier Transform 2D

Discrete Fourier Transform (DFT) Konsep FT bisa dikembangkan untuk fungsi-fungsi diskrit DFT penting bagi PCD karena citra adalah fungsi diskrit 2 dimensi! Kerjakan aja contoh soal DFT di buku Gonzales p.90-92! Mama aku bingung!

DFT Sifat-sifat Fourier Transform Domain Waktu Domain Frekuensi 1. Kelanjaran af(t)+bg(t) aF(u) + bG(u) 2. Penskalaan f(at) 1/|a| F(u/a) 3. Pergeseran f(t-a) F(u-a) 4. Modulasi ei2Πat f(t) F(u)e-i2Πua 5. Konyugasi f * t F * (-u) 6. Konvolusi h(t)=f(t)*g(t) H(u)=F(u)G(u)

Lanjut 7. Perkalian h(t)=f(t)g(t) H(u)=F(u)*G(u) 8. Diferensiasi dnf(t) / dtn (i2Πu)n F(u) 9. Simetri F(t) f(-u) 10. Hasil kali dalam ∫ f(t) g*(t)dt ∫ F(u) G*(u)du

Lanjut Bila f(x) yang menerus dibuat diskrit dgn mengambil N buah sampling sejarak Δx, yaitu himpunan nilai {f(x0),f(x0+ Δx),f(x0 +2Δx),…..,f(x0+(N-1)Δx)} Jadi, fx=f (x0+ Δx), x = 0.1.2.3….N-1 Pasangan Transformasi Fourier Diskrit utk fungsi 1 peubah Fu = 1/N ∑ fxe-i2Πux/N , u=0,12,3,…N-1 fx = ∑ Fuei2Πux/N , x=0,12,3,…N-1 Dengan kesamaan euler = e±ix = cos(x) ± i sin(x) Maka : Fu = 1/N ∑ [fxcos(2Πux/N)-ifxsin(2 Πux/N)] fx = ∑ [Fucos(2Πux/N)-iFusin(2 Πux/N)]

Karakteristik DFT 2 Dimensi

Yang kiri itu citranya, yang kanan adalah spectrumnya Pengaruh Ukuran Yang kiri itu citranya, yang kanan adalah spectrumnya Spatial semakin besar, frekuensi semakin kecil dan sebaliknya!

Spectrum dalam bentuk 3D

Spectrum dalam bentuk 3D

Spectrum dalam bentuk 3D

Spectrum dalam bentuk 3D

Pure Cosine Yang atas citra, yang bawah spektrum Perhatikan pengaruh frekuensi dan orientasi!

Gabungan Vertikal & Horizontal Pikirkan, apa efeknya?

Kenapa posisi tidak berpengaruh? Pergeseran Posisi Kenapa posisi tidak berpengaruh?

Kenapa spektrum jauh berbeda??? Efek Rotasi Kenapa spektrum jauh berbeda???

Sifat Periodik FT Hmm..? Hmm..? Menjelaskan kenapa efek rotasi sangat besra pengaruhnya (spektrum jadi jauh berbeda). Pada gambar kanan atas border ditrim, sehingga bila image diwrapping, efek ‘sharp border’ dikurangi (lihat hasil spektrumnya di gambar kanan bawah).

Contoh Efek Periodic Component Hmm..? Hmm..? Hmm..?

Perhatikan komponen horisontal & vertikal! Contoh Lain Perhatikan komponen horisontal & vertikal!

Gambar sebuah pellet juga akan menghasilkan spektrum yang sama! Contoh Lain Gambar sebuah pellet juga akan menghasilkan spektrum yang sama! Kenapa???

Contoh Lain No comment! Garis akan menghasilkan spektrum garis, random akan menghasilkan spektrum random

HEIII!!! Goofy! Lagi ngapain! Efek Blurring pd Citra HEIII!!! Goofy! Lagi ngapain!

Antara Spectrum dan Phase(1) citra spectrum

Antara Spectrum dan Phase(2) Fourier spectrum dan phase angle ditukar saling silang Rice spectrum camera phase Camera spectrum rice phase

Konvolusi

Convolution / Konvolusi Konvolusi adalah salah satu dasar penting bagi pengolahan citra digital (baik dalam domain frekuensi maupun domain spatial). Konvolusi dari dua fungsi f(x) dan g(x) didefinisikan sebagai: Duh, kenapa muncul itungan lagi?

Contoh Konvolusi (1)

Contoh Konvolusi (2) Lihat gambar di atas: g(x-a) posisinya bergeser dari kiri ke kanan sesuai nilai x. hasil perkalian (area bukan nol) akan membentuk hasil konvolusi, yaitu grafik yang di bawah.

Konvolusi Fungsi 2 Dimensi Konsep konvolusi juga bisa diterapkan pada fungsi 2 dimensi Contoh fungsi (diskrit) dua dimensi adalah citra digital… Baca Gonzales hal. 107-108!!!

Image Enhancement dalam Domain Frekuensi

Perbaikan Citra pd Domain Frekuensi Juga menggunakan teknik konvolusi Dalam domain spatial akan berbentuk: g(m,n)=h(m,n)*f(m,n) Tapi perhitungan akan berat!!! Dalam domain frekuensi dimodelkan dengan: G(u,v) = H(u,v) F(u,v) Citra output Citra input Transfer function

Citra asli dan hasil lopass dg r0=57, 36 dan 26 Ideal Lowpass Filter Perhatikan ringing Filter fungsi transfernya : H(u,v) = 1 jika D(u,v)D0 0 jika D(u,v)>D0 Citra asli dan hasil lopass dg r0=57, 36 dan 26

Citra asli dan hasil hipass dg r0=18, 36 dan 26 Ideal Highpass Filter Perhatikan ringing Filter fungsi transfernya : H(u,v) = 0 jika D(u,v)D0 1 jika D(u,v)>D0 Citra asli dan hasil hipass dg r0=18, 36 dan 26

Butterworth Filter

Persamaan Butterworth Filter Butterworth Lowpass Filter, filter fungsi transfernya : H(u,v) = 1 --------------------- 1+[D(u,v)/D0]2n atau H(u,v) = 1 ----------------------------- 1+[2-1][D(u,v)/D0]2n Butterworth Highpass Filter, filter fungsi transfernya : H(u,v) = 1 ---------------------- 1+[D0 / D(u,v)]2n ----------------------------------- 1+[2-1][D0 / D(u,v)D0]2n