Pertemuan 10 :
TRANSFORMASI CITRA
KK-Komputasi dan Kecerdasan Buatan
Sistem Komputer
Universitas Komputer Indonesia-UNIKOM
Andriyan B. Suksmono
John Adler
TK 37404 Pengolahan Citra
Departemen Sistem Komputer Transformasi Citra
Pendahuluan
TK 37404 Pengolahan Citra
Departemen Sistem Komputer Transformasi Citra
2
1. Transformasi Ruang
•
Yaitu merupakan proses perubahan citra dari
suatu
ruang atau domain ke domain yang lainnya.
•
Contoh : dari ruang spasial ke ruang
frekuensi
[Kuliah Matriks & Transformasi linier tentang
basis & ruang. Contoh : ruang vektor]
2. Transformasi Fourier
•
Tahun 1822, Joseph Fourier, ahli matematika
dari Prancis menemukan bahwa setiap fungsi
periodik (sinyal) dapat dibentuk dari
penjumlahan gelombang-gelombang sinus/
cosinus (disebut Fourier Series).
•
Contoh : sinyal kotak merupakan
penjumlahan fungsi-fungsi sinus
2. Transformasi Fourier (2)
function sinyalkotak(n)
t = 0:pi/200:8*pi;
kot = sin(t);
for i = 3 : 2 : n
kot = kot + (sin(i*t))/i;
end
plot(kot)
2. Transformasi Fourier (3)
Fungsi sinyal yang tidak periodik dapat ditulis
ulang sebagai integral dari sinus dan cosinus
yang dikalikan dengan fungsi pembobot.
disebut
Fourier Transform.
• Fourier series atau Fourier Transform dapat
dibentuk ulang secara lengkap melalui proses
inverse tanpa kehilangan informasi. Sehingga kita
dapat bekerja pada “domain Fourier” dan kemudian
kembali ke domain fungsi asli tanpa ada informasi
yang hilang
3. Transformasi Fourier 1D
Rumus Fourier Transform kontinyu 1D :
dimana j = √-1
Invers Fourier Transform kontinyu 1D :
Rumus Fourier Transform diskrit 1D :
Invers Fourier Transform diskrit 1D :
3. Transformasi Fourier 1D (2)
dengan formula euler : &
dan substitusikan ke persamaan DFT-1D :
Domain nilai u terhadap F(u) : domain frekuensi
karena u merupakan frekuensi dari
komponen transformasi. Tiap nilai M yang
memberikan nilai F(u) : komponen frekuensi
3. Transformasi Fourier 1D (3)
Magnitude atau spektrum dari FT :
Sudut fasa :
Power spektrum :
Karena fungsi Fourier
mengandung bilangan
imajiner, maka fungsi
tidak dapat digambarkan
dalam bentuk diagram
tapi menggunakan
nilai besaran/spektrum.
3. Transformasi Fourier 1D (4)
Contoh Transformasi fungsi spasial 1D ke fungsi Fourier
jika diketahui f(x) untuk x=0,1,2,3 : f(0)=2; f(1)=3; f(2)=4;
f(3)=4. Banyaknya data fungsi spasial N=4 ?
, maka fungsi Fourier untuk :
a. u=0 :
b. u=1
5/12/19
TK 37404 Pengolahan Citra
3. Transformasi Fourier 1D (5)
Dengan cara yang sama untuk :
U=2, didapatkan F(2)=-0,25
U=3,
F(3)=-0,5-0,25j
Jadi Fourier spektrumnya :
|F(0)|=3,25
|F(0)|=0,25
Transformasi Ortogonal & Uniter 2-D
• Transformasi citra: mengacu ke sekumpulan matriks uniter untuk
merepresentasikan citra.
• Citra dinyatakan sebagai kombinasi dari citra basis. Untuk citra u(m, n)
berdimensi NN, ekspansi dinyatakan sbg:
1 1
,
0 0
,
N N,
k l,
0
,
1
m n
v k l
u m n a
m n
k l N
1 1
,
0 0
,
N N,
*
k l,
0
,
1
k l
u m n
v k l a
m n
m n N
dimana {ak,l (m, n)} adalah himpunan lengkap dari fungsi basis
ortonormal, disebut juga sbg transformasi citra, yg memenuhi syarat-syarat: ortonormal dan lengkap
Transformasi Citra 12
Sifat Ortonormal & Lengkap
• Ortonormal :
• Lengkap :
1 1 , ', ' 0 0,
*
,
',
'
N Nk l k l
m n
a
m n a
m n
k k l l
1 1 , , 0 0,
*
', '
',
'
N Nk l k l
k l
a
m n a
m n
m m n n
Elemen v(k, l) disebut sebagai koefisien transformasi dan V {v(k, l)}
adalah citra (hasil) transform. Sifat ortonormal menjamin bahwa penggalan dari ekspansi berbentuk
1 1 , , 0 0,
,
*
,
,
Q PP Q k l
k l
u
m n
v k l a
m n
P N Q N
Meminimalkan jumlah kesalahan kuadrat
1 1 2
2
,
0 0
,
,
N N
e P Q
m n
u m n
u
m n
Sifat lengkap menjamin kesalahan kuadrat berinlai nol saat P=Q=N.
Transformasi Citra 13
Transformasi Uniter Terpisahkan
• Proses komputasi untuk menentukan v(k,l) dari bentuk diatas
memiliki kompleksitas O(N4). Perhitungan dpt dipercepat menjadi
O(N3) dng memilih transformasi yg terpisahkan (separable)
,
,
,
,
k l k l
a
m n
a m a n
a k m b l n
dimana {ak(m), k = 0, 1, …, N-1}, {bl(n), l=0, 1, …, N-1} adalah basis ortonormal satu-dimensi yang lengkap.
Pemberlakuan syarat ortonormal dan lengkap mengharuskan sifat
uniter dari matriks transformasi A {a(k, m)} dan B {b(l, n)}, jadi AA*T = ATA* = I. Seringkali dipilih B = A sehingga pasangan
transformasi akan berbentuk
1 1 0 0 , , , , N N T m nv k l a k m u m n a l n
V AUA
1 1
* *
0 0
, N N * , , * , T
k l
u m n a k m v k l a l n
U A VATransformasi Citra 14
• Untuk citra empat-persegi-panjang berdimensi MN:
V = AMUAN dan U = A*M V A*T
N
• Untuk matriks uniter terpisahkan, transformasi citra dpt dituliskan sebagai:
VT = AUAT = A [AU]T
yang berarti bahwa proses transformasi dapat dilakukan dengan terlebih dahulu mentransformasikan kolom dari U dan diteruskan dengan men-transformasikan setiap baris dari hasilnya.
Transformasi Uniter Terpisahkan
Transformasi Citra 15
Contoh Perhitungan Transformasi
Transformasi Citra 16
Citra Basis
• Misalkan ak* melambangkan kolom ke-k dari A*T. Definisikan
matriks: A*k,l = a*k a*T
l
dan perkalian skalar dua matriks F dan G berdimensi NN
1 1 0 0
,
N N,
*
,
m n
f m n g
m n
F G
Maka transformasi citra dpt dituliskan:
1 1 * , 0 0,
N N k l k lv k l A
U
*,
,
,
k lv k l
U A
yang menyatakan citra U sebagai kombinasi linier dari N2 matriks
A*k, l , k, l = 0, 1, … , N-1 yang disebut sebagai citra basis.
Koefisien v(k, l) dari transformasi tak lain adalah perkalian skalar
citra asal dengan basis ke (k, l), atau proyeksi citra ke basis (k, l).
Transformasi Citra 17
Berbagai Citra Basis
Cosinus
Sinus
Transformasi Citra 18
Berbagai Citra Basis
Hadamard
Haar
Transformasi Citra 19
Berbagai Citra Basis
Slant
KLT
Transformasi Citra 20
Sifat-sifat Transformasi Uniter
• Sifat-1: Konservasi Energi dan Rotasi. Dalam transformasi uniter:
v = Au ||v||2 = ||u||2
Jadi, transformasi uniter menjaga energi sinyal (atau panjang vektor u dalam ruang vektor dimensi-N). Ini juga berarti bahwa transformasi uniter hanyalah rotasi dari vektor u dalam ruang vektor dimensi-N. [Ingat teorema Parseval !]
• Untuk vektor 2-D berlaku hal yang sama, dapat dibuktikan bahwa
1 1 2 1 1 2 0 0 0 0
,
,
N N N N
m n k l
u m n
v k l
Transformasi Citra 21
• Sifat-2: Peng-kompak-an Energi. Kebanyakan transformasi uniter bertendensi mengumpulkan energi citra ke sejumlah kecil komponen dari koefisien transformasi. Karena sifat konservatifnya, koefisien transformasi lain mengandung sedikit energi.
• Sifat-3: Dekorelasi. Jika citra masukan berkorelasi tinggi, citra transform cenderung tak-berkorelasi. Ini berarti, elemen diluar diagonal dari Rv bernilai kecil dibanding yang ada di diagonal. • Sifat-sifat lain:
– determinan dan nilai eigen dari matriks uniter memiliki magnitude satu
– entropy dari vektor acak terjaga thd transformasi dng matriks uniter -> kandungan informasi terjaga
Sifat-sifat Transformasi Uniter
Transformasi Citra 22
DFT 2-D
• DFT 2-D dari citra {u(m, n) } berukuran NN adalah transformasi terpisahkan yang didefinisikan sbg:
1 1
0 0
,
N N,
Nkm Nl n, 0
,
1
m n
v k l
u m n W W
k l N
1 1
0 0
,
N N,
Nkm Nl n, 0
,
1
m n
v k l
u m n W W
k l N
2
exp
Nj
W
N
Dengan inverse-nya:
Dalam notasi matriks: V = FUF dan U = F*VF*
Transformasi Citra 23
Sifat-sifat DFT 2-D
• [F menyatakan matriks TFD 2-D uniter berukuran N2N2]
• Simetrik Uniter: F T = F dan F –1 = F *
• Perpanjangan berkala (periodic extensions):
v(k + N, l + N) = v(k, l) k, l
u(m + N, n+N) = u(m, n) m, n
• Cuplikan Spektrum Fourier.
Jika u m n
,
u m n
, , 0
dan m n N, di tempat lain, maka1 u m n
,
0
2
2
,
,
,
k
l
U
DFT u m n
v k lx
N
N
dimana menyatakan transform Fourier
dari
1, 2
U u m n
,
•
Transformasi Cepat
. Karena DFT 2-D terpisahkan, maka
transformasi ini ekivalen dengan 2N kali operasi DFT 1-D
uniter, masing-masing dng kompleksitas O(N log
2N) via
FFT. Jadi kompleksitas DFT 2-D adalah O(N
2log
2
N)
Transformasi Citra 24
Sifat-sifat DFT 2-D
• Simetri Konjugasi. DFT 2-D dan DFT 2-D uniter dari citra (bernilai) riil memiliki simetri konjugasi, yakni,
atauv(k, l) = v*(N-k, N-l), 0 k, l N-1 • Citra Basis. Citra basis diberikan oleh definisi
, * , , 0 , 1
2 2 2 2 2
N N N N N
v k lv k l k l
• Teorema Konvolusi Sirkuler 2-D. DFT 2-D dari hasil konvolusi sirkuler dua buah array adalah perkalian dari DFT 2-D keduanya:
DFT{h(m, n) u(m, n)} = DFT{h(m, n)}.DFT{ u(m, n)} • Sifat lain: Matriks doubly block circulant di-diagonalisasi oleh
operasi DFT 2-D dan operasi doubly block Toeplitz dapat dinyatakan dalam operasi DFT 2-D via T. konvolusi dan sifat doubly block
circulant.
ln
* ,
1
, 0
,
1 , 0
,
1
km T
k l k l
W
Nm n N
k l
N
N
A
Transformasi Citra 25Contoh DFT
•
Citra asli, log magnitude dari koef. DFT,
dan citra fasa
50 100 150 200 250 50
100 150 200 250
50 100 150 200 250 50
100 150 200 250
50 100 150 200 250 50
100 150 200 250
Transformasi Citra 26
Contoh DFT
Transformasi Citra 27
Contoh DFT
•
Atas: citra resolusi, bawah: citra biner
Transformasi Citra 28
Transformasi Kosinus Diskrit (DCT)
• Matriks transformasi DCT, C = {c(k, n)}, berukuran NN didefinisikan
• Sifat-sifat DCT:
1) DCT bersifat riil dan ortogonal:
C = C* C-1 = CT
2) DCT bukan bagian riil dari DFT 3) DCT merupakan transformasi cepat 4) DCT bersifat memampatkan energi.
5) Vektor basis dari DCT (vektor baris dari C) adalah vektor eigen dari
matriks simetrik tridiagonal Qr
6) DCT sangat mendekati transfomasi KL (Karhunen-Loeve) untuk
deretan Markov stasioner orde-1.
1
, 0, 0 1
,
2 1
2
cos , 1 1, 0 1
2
k n N N
c k n
n k
k N n N N N
1
0
1
0
1
1
r
0
Q
0
Transformasi Citra 29Contoh hasil tranformasi DCT
•
citra asli, koefisien DCT, log magnitude
koef. DCT
50 100 150 200 250 50
100
150
200
250
50 100 150 200 250 50
100 150 200 250
50 100 150 200 250 50
100 150 200 250
Transformasi Citra 30
Transformasi Sinus Diskrit (DST)
• Matriks DST berdimensi NN, = {(k, n)}, didefinisikan sbg
,
2 sin
1
1
, 0 , 11 1
k n
k n k n N
N N
• Sifat-sifat DST:
1) DST bersifat riil, simetrik dan ortogonal:
* = = T = -1
2) DST bukan bagian riil dari DFT uniter 3) DST adalah transformasi cepat
4) Vektor basis dari DFT adalah vektor eigen dari matriks Toeplitz tridiagonal Q
5) DST juga dekat dengan KL untuk deretan Markove orde-1 stasioner
6) DST menghasilkan algoritma KL cepat untuk deretan Markov yang
nilai batasnya diberikan.
Transformasi Citra 31
Contoh transformasi DST
50 100 150 200 250 50
100 150 200 250
50 100 150 200 250 50
100
150
200
250
50 100 150 200 250 50
100 150 200 250
citra asli, koefisien DST log magnitude
koef. DST
Transformasi Citra 32
Transformasi Hadamard
• Elemen matriks Hadamard bernilai biner (1). Matriks transformasi hadamard Hn adalah matriks NN dimana N2n dimana nI+. • Hn dibentuk dari matriks inti H1 dengan perkalian Kronecker
• Sifat-sifat transformasi Hadamard:
– Transformasi Hadamard bersifat riil, simetrik dan ortogonal:
H* = H = HT = H-1
– T. Hadamard adalah transformasi cepat {O (N log2N )}
– T. Hadamard memiliki sifat peng-kompakan energi yang cukup baik 1
1 1
1
1
1
2
H
1 1 1 11 1
1
2
n n n n n n
H
H
H
H
H
H
H
Transformasi Citra 33
Contoh Transformasi Hadamard
Transformasi Citra 34
Transformasi Haar
• Fungsi Haar hk(x) terdefinisi pada interval kontinyu x [-1,1] dan untuk k = 0, 1, …, N-1 dimana N=2n. Bilangan bulat k dapat dipecah
menjadi: k = 2p + q -1. dimana 0 p n-1; q=0,1 untuk p=0 dan 1
q 2p untuk p0. Misal, untuk N = 4 (atau n=2) kita peroleh
k 0 1 2 3
p 0 0 1 1
q 0 1 1 2
Dng menyatakan k dalam (p,q) fungsi Haar bisa ditulis sbg:
0 0,0
1
, 0,1
h x h x x N
2 2 ,1
1 2
2
,
2
2
1
1 2
2 ,
2
2
0
,daerah lain untuk x
0,1
p
p p
p
k p q p p
q
q
x
q
q
h x
h
x
x
N
Transformasi Citra 35Transformasi Haar
• Transformasi Haar diperoleh dengan membuat x bernilai diskrit pada m/ N , m=0. 1, …, N-1. Untuk kasus N=2 dan N=4 adalah sbb:
2 1 1 1 1 1 2 Hr 8
1 1 1 1
2 1 1 1
1
2 2 0 0
4
0 0 2 2
Hr
Sifat-sifat transformasi Haar:
1) Riil dan ortogonal: Hr = Hr* dan Hr -1 = HrT
2) Transformasi yang sangat cepat. Vektor berdimensi N1 dapat
di-transformasi dalam O(N) operasi.
3) Sifat peng-kompakan energinya buruk
Transformasi Citra 36
Transformasi Slant
• Transformasi Slant NN didefinisikan oleh formula rekursi
1
/ 2 2 / 2 2
1
/ 2 2 / 2 2
1 0 1 0
1
1 0 1 0
2
n n n n n
N N
n
n n n n n
N N
a b a b
b a b a
0 0 S 0
0 I 0 I
S
0 0
S 0
0 I 0 I
1 1 1 1 1 1 2 S
dimana N=2n dan I
M mat. Id. MM
Parameter an dan bn didefinisikan
oleh rekursi:
bn = (1 + 4a2
n-1)-1/2 a1 =1
an = 2bnan-1
Contoh untuk matriks transformasi
Slant 44 dapat dilihat disamping
2
1 1 1 1
3 1 1 3
1 5 5 5 5
1 1 1 1
2
1 3 3 1
5 5 5 5
S Transformasi Citra 37
Transformasi Slant
•
Sifat-sifat:
1. Riil dan ortogonal:
S
=
S
* dan
S
-1=
S
T2. Merupakan transformasi cepat: O(N log
2N)
3. Memiliki sifat peng-kompakan energi sangat baik
Transformasi Citra 38
Transformasi KL
• Karhunen dan Loeve memakai transformasi ini sbg ekspansi deret dari proses acak kontinyu. Hotelling meneliti metoda komponen utama yg merupakan versi diskrit dari pekerjaan KL. Maka transformasi KL juga disebut sbg transformasi Hotelling.
• Untuk vektor acak u berukuran N1, vektor basis dari transformasi KL merupakan vektor eigen yang dinormalisasi dari matriks autokorelasi R:
Rk = k k, 0 k N-1
• Transformasi KL dari u : v = *Tu
• Dan inverse-nya:
1 0
N
k k
v k
u Φv
Transformasi Citra 39
Minggu Depan...
Pertemuan ke-11 :
QUIZ-II, pertemuan ke :
9.Review matriks
10.Transformasi Citra
Transformasi Citra 40
TERIMA KASIH
Transformasi Citra 41