Pada kesempatan kali ini saya akan coba menjelasakan kembali apa yang sudah saya dapatkan di kelas Pengolahan Citra Digital. yap pastinya yang berhubungan dengan judul ya, Wavelet. sebelumnya saya akan mencoba menjelaskan bagaimana sih akhirnya berkembang metode wavelet ini.
1. pada tahap pertama berkembanglah sustu metode berdasarkan time series dimana pada metode ini dilakukan pendekatan berdasarkan waktu tetapi informasi akan frekuensi yang tidak kita temukan pada metode ini.
1. pada tahap pertama berkembanglah sustu metode berdasarkan time series dimana pada metode ini dilakukan pendekatan berdasarkan waktu tetapi informasi akan frekuensi yang tidak kita temukan pada metode ini.
2. setelah itu fourier memiliki metode yang merupakan perkembangan dari time series, dimana menurut fourier informasi akan waktu tidak perlu di pertimbangkan. akibatnya tidak adanya infoormasi akan waktu sedangkan informasi tentang frekuensi ada.
3. selanjutnya Gaber mengembangkan teori tentang short time fourier analysis, dimana dilakukannya windowing pada sampel denagn scaling yang tetap, dan juga adanya informasi akan waktu dan frekuensi
4. Terakhir, Wavelet mengembangkan lagi dari teori gaber dengan menggunakan scaling yang dinamis, karena dibutuhkan suatu pendekatan yang lebih fleksibel sehingga membutuhkan ukuran window yang lebih bervariasi agar akurasi meningkat
Ssetelah mengetahui perkembangan teori dari wavelet, kita akan lebih mudah memahami pada kondisi seperti apakah wavelet ini baik digunakan. dengan menggunakan wavelet inikita dapat mengetahui (analisis) dinama frekuensi yang aneh berada. hal itu dilakukan berguna untuk (Menganalisis objek atau textur), sebagai contoh:
1. Melakukan kompresi terhadap gambar -> ( fingerprint, DCT[ttd pd image])
2. Analisis textur -> menganalisis besar opolan, semakin tidak konstannya frekuensi (hasil kurvanya bergerajulan) maka semakin heterogennya beras tersebut (di oplos), begitu juga berlaku sebaliknya.
3. Segmentasi (Spektrum Wavelet) ->
4. Restorasi -> nilai dari Spektrum
pemahaman tentang wavelet sudah sedikit terbayang??? jika sudah langsung saja kita akan membahas bagaimana melakukan transformasi pada wavelet. berikut rumus wavelet function
a = shift coeficient
b = scale coeficient
sedangkan untuk CWT (continue Wavelet Transform) merupakan penjumlahan dari seluruh waktu dari sinyal.
karakteristik pada sinyal wavelet
1. linearity
2. translasi
3. Dilasi (strecth)
4. contiinouse transformation
No comments:
Post a Comment