INTERPOLASI KONVOLUSI KUBUS UNTUK PENGOLAHAN DATA DIGITAL

judul:
INTERPOLASI KONVOLUSI KUBUS UNTUK PENGOLAHAN DATA DIGITAL
PENGRANG:
ROBERT G.KEYS
PENERBIT:
IEEE
RESUME:

Cubic convolution interpolation adalah teknik baru untuk sampling data. Dia memiliki jumlah fitur yang dibutuhkan sehingga sangat berguna untuk image processing.  teknik ini dapat menunjukan efesiensi pada digital computer. Cubic convolution interpolation berfungsi coverage uniformly to function being interpolation sebagai penambahan sampling mendekati nol. Dengan appropriate boundary condition dan constraints pada interpolasi kernel, dapat ditunjukan bahwa akurasi bentuk dari metode cubic convolution antara linier interpolasi dan cubic splines.

Interpolasi adalah proses perkiraan  pada nilai tengah waktunya berkesinambungan atau terus menerus kemudian di sampling. Interpolsai digunakan dalam digital image processing  untuk membesarkan atau mengecilkan gambar dan untuk membetulkan spasial distortion. Algoritma yang didiskusikan dalam paper ini adalah versi modifikasi algoritma cubic convolution yang dikembangkan oleh Rifman dan bernstainobjek dari paper ini untuk mengarahkan modifikasi algoritma cubic convolation dan membandingkan dengan metode interpolasi lain. Dua aplikasi yang dilaksanakan dalam paper ini adalah analisi pertains terutama pada masalah satu dimensi; interpolasidua dimensi dapat diselesaikan dengan mudah menggunakan performing interpolasi satu dimensi pada masing-masing dimensinya.

A fundamental property of interpolation functions is they must coincide with the sampled data at interpolation nodes, or sample points. in other words, if f adalah fungi sample dan geek g adalah fungi corespondent interpolasi make g(x)=f(x) divan Xk adalah sebuah interpolation node. until persimmon space data, bank fungi interlopers yang data dilutes dari bent dibawah ini. 

Interpolasi kernel mengkonvert data discrete kedalam continous functions menggunakan operasi yang mirip untuk convolusi. 

One of basic assumtion used to derive the cubic convolution algorithm was that the sampled function  possessed a continuous third derivative. this assumption is not unreasonable for many practical problems. for example the sampled function is often assumed to be band limited. since band limited functions are infinitely differentiable, they easily meet the requirements for cubic convolution interpolation.

WEAKNESS:

- It also detects aliasing effect in the linier interpolation error image

- It is more complicated than the nearest - neighbor algorithm

- The computer time need cubic resampling image 0.29 min and neighbor 0.28 min so cubic need time more.

SRENGTH

- Lebih akurat dan paling akurat dari metode yang ada

- menghasilkan gambar yang bagus walaupun di perbesar lebih