1

BAB III PEMBAHASAN
2.1. Teorema Konvolusi Dalam Kalkulus 2.1.1. Definisi Konvolusi

Dalam kalkulus atau matematika, konvolusi dapat diartikan sebagai sebuah operasi matematika yang menggunakan dua fungsi yaitu dan menghasilkan

fungsi ketiga yang dapat dilihat sebagai modifikasi dari fungsi asalnya dengan cara mengalikan kedua fungsi tersebut. Konvolusi dari dan ditulis sebagai , dengan menggunakan tanda

bintang(*). Berikut ini adalah salah satu contoh bentuk operasi konvolusi:

2.1.2. Ketika fungsi

Konvolusi Malar 
menjadi

kontinu dengan waktu , kemudian dengan fungsi , adalah sembarang parameter, dan adalah

dengan adanya

, dimana

penjumlahan kontinu dari , didefinisikan oleh:

diperluas dengan angka-angka nol . 2. koefisien dari produk yang diberikan oleh konvolusi dari rangkaian koefisien asli. Konvolusi Diskrit dan didefinisikan dalam Untuk nilai fungsi yang lebih kompleks. dari satu set Z dari integer. Hal ini disebut juga produk Cauchy dari koefisien dari dua polinom. konvolusi diskrit dari dan diberikan oleh: Ketika mengalikan kedua polinom. Ketika sebagai penjumlahan kontinu dari fungsi lain dari x. operasi yang sama bisa disebut sebagai konvolusi malar dari fungsi dan .3.2 Operasi ini adalah bentuk kontinu dari fungsi  diekpresikan  dan .1.1. 2.4. Teorema Konvolusi Secara Umum Teorema konvolusi menyatakan bahwa: .

Untuk itulah dibentuk operasi konvolusi untuk fungsi diskrit sebagai berikut: 2. Penerapan Konvolusi Dalam Pengolahan Citra 2.1. terdapat dua operasi konvolusi yang dipakai yaitu fungsi malar(kontinu) dan fungsi diskrit. Namun. konvolusi dapat diartikan sebagai suatu fungsi yang memetakan sebuah tuple dari satu rangkaian ke dalam serangkaian tuple.3 Dimana menyatakan Transformasi Fourier dari dan adalah konstanta yang bergantung pada normalisasi spesifik dari Transformasi Fourier 2. Fungsi Satu Dimensi dan Dua Dimensi . Pada pengolahan citra digital. untuk fungsi diskrit didefinisikan sebagai berikut: Konvolusi dengan fungsi inilah yang banyak digunakan pada pengolahan citra digital.2. Hal ini disebabkan oleh kenyataan bahwa komputer hanya bisa melakukan perhitungan pada data diskrit. fungsi ini sulit diimplementasikan dengan menggunakan komputer.2.2. Konsep Dasar Konvolusi Dalam Pengolahan Citra Dalam ilmu komputer khususnya dalam bahasa formalnya.2.

fungsi konvolusi menurut jenis dimensinya dapat dibagi dalam dua jenis yaitu satu dimensi dan dua dimensi yang diuraikan seperti d i bawah: y 1D: Fungsi diskrit konvolusi satu dimensi kira-kira dapat digambarkan seperti di bawah ini:  dimana merupakan kernel konvolusi atau kernel filter.4 Secara mendasar. mask konvolusi. dalam dua dimensi penggambaran fungsi konvolusi digambarkan seperti di bawah ini: fungsi filter disebut juga filter konvolusi. y 2D: Sementara itu. 2. Operasi Konvolusi Secara Grafis . kernel konvolusi atau template.3.2.

berikut ini akan diberikan ilustrasi operasi konvolusi secara grafis: Gambar 3. sehingga konvolusi pixel-pixel pinggir tetap dapat dilakukan.1 Ilustrasi Konvolusi Contoh: Misalnya diberikan dan Akan dilakukan konvolusi dengan aturan bahwa elemen yang tidak ada diasumsikan 0.5 Dengan menggunakan fungsi konvolusi dua dimensi. Berikut adalah langkah-langkah yang dapat dilakukan: 1) Beri nilai 0 pada kolom M+1 dan baris N+1 .

6    2) Lakukan operasi konvolusi Š   ˆ ‰  ˆ ‰  ˆ ‰  ˆ ‰  Š        ‰     ˆ   Š      ‰  ˆ   ‰   ˆ ‰  ˆ ‰   ˆ   Š       ˆ   ‰   ˆ ‰  ˆ ‰   ˆ    ˆ ‰   ‰  ˆ    ˆ ‰  ‰  ˆ ‰  ˆ ‰  Š    Š        ‰     ˆ ‰  ˆ ‰   ˆ        ˆ   ‰   ˆ ‰  ˆ ‰  Sehingga diperoleh hasil sebagai berikut: .

M+1) = 0 EndForX For y 1 to M+1 do f(N+1. Beri nilai 0 untuk kolom  Untuk š  ˆ š sampai  lakukan    2. Lakukan konvolusi.y) = 0 EndForY For x For y 1 to N+1 do 1 to M+1 do . Beri nilai 0 untuk baris  ˆ  Untuk ›  sampai  lakukan ›    3.7 Algoritma untuk operasi konvolusi diatas adalah sebagai berikut : 1. Untuk š  sampai  sampai   ˆ lakukan lakukan › ‰  ˆ š › ‰   Untuk ›  š› ˆ š › ˆ š › ‰ ‰  Langkah-langkah diatas dapat dibentuk dalam algoritma sebagai berikut : For x 1 to N do f(x.

y+1)*g(2.8 h(x. Dalam operasi konvolusi.1) + f(1. kernel konvolusi dilambangkan dengan untuk satu dimensi dan untuk konvolusi dua dimensi.2) EndForY EndForX 2.4.1) + f(x+1.y)*g(2.2.y)*g(1.y) f(x.2) + f(x+1.y+1)*g(1. Template-template yang sering digunakan dalam pengolahan citra diantaranya adalah: Gaussian Blur: y y Smoothing: y Low Pass Filter: . Macam Macam Filter Konvolusi Di dalam konvolusi terdapat bermacam-macam filter atau kernel konvolusi yang digunakan.

5.menyebabkan pengerjaannya. Pada beberapa operasi konvolusi.2. tidak dikonvolusi sehingga pixels-pixels pinggir nilainya tetap sama seperti citra awal. Dengan cara seperti ini. Operasi konvolusi merupakan komputasi untuk suatu pixel pada citra hasil konvolusi yang melibatkan pixel-pixel tetangga pada citra awal. Anda dapat melihat bahwa konvolusi dilakukan per pixel dan untuk setiap pixel dilakukan operasi perkalian dan penjumlahan. pixels-pixels pinggir pada citra tersebut diabaikan. Jadi masalah yang umumnya muncul pada operasi konvolusi yakni pada pixel pinggir tidak dilakukan konvolusi. konvolusi mengkonsumsi banyak waktu pada saat . maka pixels-pixels pinggir nilainya tetap sama seperti citra awal. Penyelesaian dari masalah ini adalah : 1) Pixels-pixels pinggir diabaikan atau tidak dikonvolusi.9 y High Pass Filter: y Sobel Filter: x: y: 2. Masalah Yang Muncul Dalam Proses Konvolusi Serta Penyelesaiannya. Hal ini.

misalnya elemen kolom pertama disalin ke kolom M+1. lalu konvolusi dapat dilakukan terhadap pixel-pixel tersebut.3. 2. 2.3. Penghilangan Derau(Noise) Noise atau derau pada gambar berupa titik-titik yang mengganggu dapat dihilangkan sehingga dihasilkan citra yang bebas dari derau atau noise. Manfaat Penerapan Konvolusi Pada Pengolahan Citra 2.3. Lalu digunakanlah operasi konvolusi pada citra dan templatenya itu. begitu juga sebaliknya. Perbaikan Kualitas Citra(Image Enhancement) Perbaikan kualitas citra dapat dilakukan dengan menggunakan template-template tertentu sehingga kualitas citra bisa ditingkatkan menjadi lebih baik.10 2) Duplikasi elemen citra.1.3.2. Untuk itu digunakanlah template smoothing. sehingga konvolusi pixel-pixel pinggir tetap dapat dilakukan.3. Penghalusan/Pelembutan Citra Terkadang sebuah citra perlu dihaluskan dan dibuat blur agar terlihat lebih indah dari citra sebelumnya. 2. . 3) Elemen yang tidak ada diasumsikan bernilai 0 atau konstanta yang lain.

11 2.4.3. Deteksi Tepi/Penajaman Tepi Deteksi tepi merupakan salah satu pengoperasian penting dalam pengolahan citra agar dapat dilakukan pengoperasian pengolahan citra yang lain. .

12 BAB IV PENUTUP 4. Untuk memberikan hasil yang terbaik dibutuhkan pengoperasian yang rumit dengan kata lain kemampuan logika yang kuat dalam memecahkan masalah matematika dan kalkulus. akan tetapi dengan sedikit usaha dan penalaran logika matematika dan kalkulus yang baik maka konvolusi pun bisa dipecahkan sehingga menghasilkan citra yang dengan kualitas yang lebih baik dari sebelumnya. . Kesimpulan Konvolusi sebagai salah satu teorema kalkulus memberikan banyak kontribusi dalam bidang teknik informatika khususnya dalam pengolahan citra.1. Mengoperasikan konvolusi pada pengolahan citra memang rumit.

M.answers.id%2FWebKuliah%2FKalkulus%2FKalkulus%25 20I(B)%2FBab%25202.ac. http://pengolahancitra.S.Si.0.wikipedia.wikipedia. S.com/question/index?qid=20100306042559AAPjJ8C .org/wiki/Convolution http://www.org/wiki/Convolution_%28computer_science%29 http://id.co.com/index2.yahoo. 2011.php?option=com_content&do_pdf=1&id=30 http://en.ui.cs.files.Pemrograman Computer Vision pada Video Menggunakan Delphi+Vision Lab VCL 4.1.IT.wordpress.13 DAFTAR PUSTAKA Fadlisyah.org/wiki/Pengolahan_citra http://en.The Fourier Transform and its Applications: Electrical Engineering Department Stanford University.google.%2520LIMIT.wikipedia. Yogyakarta : Graha Ilmu. Brad.id/url?sa=t&source=web&cd=1&ved=0CBUQFjAA&url=h ttp%3A%2F%2Fwww.pdf http://id. Osgood.Si dan Rizal. Prof.ppt&rct=j&q=kalkulus%20limit&ei=WkzS TbKGBYqnrAfQ4rW-CQ&usg=AFQjCNGtk3JyK5nqt5BzacfE88YuWzNKw&sig2=P1DwgbntY7p0HkuCGULYuA&cad=rja http://rasyid14.com/2009/05/ringkasanturunanfungsi..Lecture Notes for EE 261 .

Sign up to vote on this title
UsefulNot useful