Lestya Dila Rahma : Pengenalan Wajah Berdasarkan Pengolahan Citra Digital Dengan Metode Gabor Wavelet, 2010.
Gambar 2.2 Hubungan Citra Foto, SCA, dan CP
2.4 Transformasi Domain Citra
Transformasi wavelet merupakan hasil pengembangan transformasi fourier yang merupakan metode tradisional untuk menentukan kandungan frekuensi dari sebuah
sinyal. Transformasi fourier pada dasarnya membawa sinyal dari domain spasial spatial-domain ke domain frekuensi frequency-domain. Transformasi fourier
adalah alat mengubah sinyal menjadi fungsi sinus dan cosinus dengan beragam frekuensi. Transformasi fourier menggunakan basis sinus dan cosinus yang memiliki
frekuensi berbeda. Hasil transformasi fourier adalah distribusi densitas spektral yang mencirikan amplitudo dan fase dari beragam frekuensi yang menyusun sinyal. Hal ini
merupakan salah satu kegunaan transformasi fourier, yaitu untuk mengetahui kandungan frekuensi sinyal Munir, 2004.
Transformasi fourier digunakan dalam pengolahan sinyal untuk merepresentasikan sinyal dalam domain frekuensi murni. Keterbatasan dari
transformasi fourier konvensional adalah tidak adanya informasi waktu dari kemunculan suatu frekuensi. Informasi waktu tersembunyi dan tidak terakses dalam
domain frekuensi murni, akibatnya transformasi fourier tidak cocok diterapkan pada sinyal yang frekuensinya bervariasi terhadap waktu. Permasalahan tersebut diatasi
dengan menggunakan transformasi fourier jangka pendek STFT, short-time fourier
Subcitra Pencarian
Lestya Dila Rahma : Pengenalan Wajah Berdasarkan Pengolahan Citra Digital Dengan Metode Gabor Wavelet, 2010.
transform. Hasil yang diperoleh adalah suatu deret analisis spektral yang berkorespondensi dengan suatu posisi dalam waktu, namun metode ini memiliki
kelemahan sebagai akibat dari penggunaan fungsi jendela dengan lebar yang sama untuk tiap komponen spektral. STFT memberikan resolusi waktu dan frekuensi yang
buruk pada komponen frekuensi tinggi durasi rendah. Komponen berdurasi pendek merupakan hasil rata-rata sesuai lebar jendela. Selain itu, komponen yang durasinya
lebih besar dari lebar jendela tidak dianalisis Misiti, et al, 2004. Transformasi wavelet merupakan pengembangan dari STFT. Pada STFT
pengamatan antar-komponen spektral dilakukan dengan mengubah jumlah osilasi di dalam fungsi jendela. Sedangkan pada transformasi wavelet pengamatan komponen
spektral dilakukan dengan mengubah lebar jendela dengan tetap mempertahankan jumlah osilasi di dalamnya. Hal inilah yang menyebabkan istilah frekuensi tidak lagi
dipakai dalam analisis wavelet, namun terdapat istilah “skala” yang berkorespondensi dengan frekuensi. Keunggulan transformasi wavelet, sifat natural sinyal
dipertahankan. Pada komponen berdurasi pendek, fungsi jendela yang digunakan memiliki lebar yang sempit. Sedangkan komponen yang berdurasi lebih panjang,
fungsi jendela diperlebar.
Gambar 2.3 Teknik Penjendelaan Frekuensi dari Metode Transformasi Domain
2.5 Sinyal dan Spektrum
