• Tidak ada hasil yang ditemukan

Analisis Tekstur Citra Dengan Teknik GLCM

N/A
N/A
Protected

Academic year: 2021

Membagikan "Analisis Tekstur Citra Dengan Teknik GLCM"

Copied!
9
0
0

Teks penuh

(1)

Analisis Tekstur - GLCM

Analisis Tekstur - GLCM

Oleh:[email protected] Oleh:[email protected] http://softscients.blogspot.com http://softscients.blogspot.com Ma

Manunusisia a memengngenenal al tetekskstuturr s

seeppeerrtti i llemembbuut t ddaan n kkaassaarr w

waallaauuppuun n ttaannggaan n ttiiddaakk men

menyeyentntuh uh bebendnda a tertersesebubut,t, ttaappi i oottaak k mmaammppuu me

membmbededakakan an hahal terl terssebebutut m

meellaalluui i vviissuuaalliissaassi i yyaanngg dita

ditangkngkap ap oleh oleh matmata. a. TeksTeksturtur d

daappaat t ddiicciirriikkaan n sseebbaaggaaii berikut

berikut a.

a. PePengngulaulangngan an polpola a dadariri v

vaarriiaassi i llookkaal l sseehhiinnggggaa me

membmbenentutuk k kekesasatutuan an yayangng utuh

utuh b.

b. MenMenyedyediakaiakan n infinformormasiasi sus

susununan an spaspasiasial l dadari ri warwarnana dan intensitas citra

dan intensitas citra c

c. . DDiicciirriikkaan n ddeennggaann di

diststriribubusi si spspasasiaial l dadari ri lelevevell in

intteennssiittaas s ddaarri i nnililaai i pipixxelel ketetanggaan

ketetanggaan d.

d. TidTidak bisa didefak bisa didefiniinisiksikanan seb

sebagagai ai suasuatu tu sasatu tu poipoint nt / / ninilalai i tertertetentntu u kakarenrena a memerurupapakakan n sebsebuah uah popola la // kesatuan

kesatuan Lih

Lihatlaatlah h ilusilustratrasi si berberikuikut t tententantang g tekstekstur tur sebusebuah ah citrcitra a yaiyaitu tu terterdirdiri i dardari i 50% 50% hithitamam dan 50% putih

dan 50% putih

 Tentunya

 Tentunya uji uji statistik statistik standar standar seperti seperti mean, mean, standar standar deviasi deviasi tidak tidak akan akan mampumampu mem

membebedakdakan an ketketiga iga citcitra ra tertersebsebut ut kakarerena na akakan an menmenghghasasilkilkan an nilnilai ai yayang ng sasamama.. Seperti yang sudah dijelaskan bahwa tekstur merupakan suatu pengulangan pola dan Seperti yang sudah dijelaskan bahwa tekstur merupakan suatu pengulangan pola dan distribusi spasial artinya ketiga citra tersebut mempunyai tingkat intensitas nilai pixel distribusi spasial artinya ketiga citra tersebut mempunyai tingkat intensitas nilai pixel  yang

 yang sama sama tapi tapi mempunyai mempunyai distribusi distribusi spasial spasial yang yang berbeda.berbeda. Ana

Analisilisis s tektekstustur r mermerupaupakan kan salasalah h satsatu u metmetode ode untuntuk uk melmelakuakukan kan ideidentintifikafikasi si ataatauu klas

(2)

bida

bidang ng yaityaitu u uji uji tektekstustur r wajwaj interpretasi suatu peta sehin interpretasi suatu peta sehin

GLCM S

GLCM S

Gray-Level Co-occurrence m Gray-Level Co-occurrence m an

analialisisis s tetekskstutur. r. MetMetodode e ii mer

merupupakakan an babagiagian n dadari ri prpr Godd

Goddard ard SpacSpace e FliFlight ght CentCentee melakuk

melakukan an klasifklasifikasi ikasi dengadenga Matrix GLCM dihitung dari n Matrix GLCM dihitung dari n tertentu. Misalkan d adalah j tertentu. Misalkan d adalah j did

didefiefinisinisikan kan sebsebagaagai i sudsuduu dis

distrtribibususi i spaspasiasial l dadari ri PPdd ѲѲ perh

perhituitungan ngan GLCM GLCM terterutautamm ada

adalah lah iluilustrstrasi asi yang yang mengmenggg  jenis

 jenis sudut sudut yang yang digunakan:digunakan: a. a. 00oo=180=180oo;; b b. . 4455oo=225=225oo,, c c. . 9900oo=270=270oo, dan, dan d. d. 131355oo=315=315oo

tapi terkadang ada yang me tapi terkadang ada yang me sudut 0

sudut 0oodan 180dan 180oo dianggapdianggap

h,

h, mutmutu u keramikkeramik, , membmembedakedakan an jenjenis is dd ga dapat diketahui jenis lahan.

ga dapat diketahui jenis lahan.

B

BA

AGA

GAI S

I SA

ALA

LAH S

H S T

TU

U

NALISIS T

NALISIS T

trix merupakan metode paling banyak di trix merupakan metode paling banyak di i

i didipeperkrkenenalalkakan n ololeh eh HaHararalilick ck di di tatahh  ject

 ject yang yang didukung didukung olah olah NASA NASA yaitu yaitu tt r.

r. HaraHaralick lick menmengguggunakanakan n citcitra ra dardari i NASNAS tingkat akurasi diatas 80%.

tingkat akurasi diatas 80%.

ilai pixel yang berpasangan dan memiliki ilai pixel yang berpasangan dan memiliki arak antara dua pixel yaitu (x

arak antara dua pixel yaitu (x11,y ,y 11) dan (x) dan (x22

an

antatara ra kekeduduananyaya, , mamaka ka mamatrtrix ix GLGLCC (i,

(i,j). j). BanyBanyak ak pappaper er menmenuliuliskaskan n berberbagbagaiai a

a memengengenanai i mamasasalah lah susududut t yanyang g didigungun am

ambabarkarkan n ararah ah sudsudut ut dendengagan n jajararak k 1 1 pipi

 yatakan

 yatakan terdiri terdiri dari dari 8 8 arah, arah, hal hal ini ini terjaditerjadi erbeda begitu juga dengan arah sudut ya erbeda begitu juga dengan arah sudut ya

un dan dalam un dan dalam

ETODE

ETODE

KSTUR

KSTUR

unakan untuk unakan untuk n n 1199773 3 yyaanngg epat

epatnya nya NASNASAA ERT

ERTS S untuntukuk

nilai intensitas nilai intensitas ,y 

,y 22) dan) dan ѲѲ tetha tetha

merupakan merupakan vers

versi i tententantangg ka

kan. n. BeBeririkukutt  xel

 xel dan dan ada ada 44

karena antara karena antara g lainnya

(3)

Ber

Berikut ikut adaadalah lah bebbeberaerapa pa fitfitur ur yanyang g bisbisa a dihdihitunitung g menmengguggunaknakan an GLCGLCM M yaityaitu u terterdirdirii dari 7 fitur utama dan 7 fitur tambahan yang diturunkan dari 7 fitur utama.

dari 7 fitur utama dan 7 fitur tambahan yang diturunkan dari 7 fitur utama. 1.

1. Angular secAngular second moment/ond moment/uniforuniformity/emity/energy nergy  2.

2. EnEntrtropopy y  3.

3. DissDissimilimilariarity ty  4.

4. ContraContrast/inst/inertiaertia 5.

5. CorrCorrelatelationion 6.

6. HomogenHomogeneity/ieity/inverse difnverse differenference momence momen 7.

7. AutocorrAutocorrelationelation Contoh:

Contoh:

Berikut disajikan contoh untuk analisis fitur GLCM. ada 3 matrix gray yaitu M1; M2; Berikut disajikan contoh untuk analisis fitur GLCM. ada 3 matrix gray yaitu M1; M2; M3

M3 yayang ng mamasinsingg-mas-masining g memmempupunynyai ai jujumlmlah ah ninilai lai pipixel xel yayang ng sasamama, , akakan an tettetapapii memp

mempunyunyai ai sebsebaraaran n lokalokasi si pixpixel el yanyang g berberbeda beda (pol(polaa-tekst-tekstur)ur). . PerPerhithitungungan an GLGLCMCM menggunakan sudut 0

menggunakan sudut 0oo dan jarak 1 yaitu Pdan jarak 1 yaitu P(1,0)(1,0)

   g    g    r    r    a    a    y    y M M11 MM22 MM33 0 0 11 22 33 00 00 00 00 00 33 11 33 0 0 11 22 33 33 33 33 33 00 22 00 11 0 0 11 22 33 22 22 22 22 33 11 00 33 0 0 11 22 33 11 11 11 11 11 22 22 22    g    g     l     l   c   c   m   m 0 0 44 00 00 66 00 00 00 00 22 22 22 4 4 00 44 00 00 66 00 00 22 00 11 33 0 0 44 00 44 00 00 66 00 22 11 44 00 0 0 00 44 00 00 00 00 66 22 33 00 00    g    g     l     l   c   c   m   m     N     N   o   o    r    r    m    m 0 0 00..1166667 7 0 0 0 0 00..225 5 0 0 0 0 0 0 0 0 00..0088333 3 0..00088333 3 00..00883333 0 0..1166667 7 0 0 00..1166667 7 0 0 0 0 00..225 5 0 0 0 0 00..0088333 3 0 0 00..0044117 7 00..11225500 0 0 00..1166667 7 0 0 00..1166667 7 0 0 0 0 00..225 5 0 0 00..0088333 3 00..0044117 7 00..1166667 7 00 0 0 0 0 00..1166667 7 0 0 0 0 0 0 0 0 0..2025 5 00..0088333 3 00..1122550 0 0 0 00

(4)

Hasil: Hasil: F

Fiittuur r MM1 1 MM2 2 MM33

E

Enneerrggy y 00..11666 6 00..225 5 0..10 1004 4 MM2 2 mmeemmppuunnyyaaii keseragaman keseragaman paling paling tinggi bila diukur dari sudut 0

tinggi bila diukur dari sudut 0oo

E

Ennttrrooppy y 11..77991 1 1..31 3886 6 2..32 3225 5 MM3 3 mememmppuunnyyaaii   ketidakseragaman  ketidakseragaman paling tinggi hal ini menandakan entropy  paling tinggi hal ini menandakan entropy  mem

mempupunynyai ai huhubunbungagan n terterbabalik lik sesecacarara kuat dengan hasil energy 

kuat dengan hasil energy  D

Diissssiimmiilliiaarriitty y 1 1 0 0 11..55883 3 MM3 3 bbeerrnniillaai i ppaalliinng g ttiinnggggi i kkaarreenna a ppaalliinngg acak

acak C

Coonnttrraasst t 1 1 0 0 33..44116 6 MM2 2 mmeemmppuunnyyaai i nniillaai i ppiixxeel l kkeetteettaannggggaann  yang

 yang  sama sama (bila diukur dari sudut 0(bila diukur dari sudut 0oo))

sehingga bernilai 0 sehingga bernilai 0 C

Coorrrreellaattiioon n 00..445 5 1 1 --00..44666 6 MM2 2 mmeemmppuunnyyaai i lliinneeaarriittaas s ppaalliinng g ttiinnggggii H

Hoommooggeenneeiitty y 0..5 0 5 1 1 00..33991 1 M2 M2 mmeemmppuunnyyaai i nniillaai i yyaanngg seragam seragam  yaitu yaitu bernilai 1

bernilai 1 A

Auuttooccoorrrreellaattiioon 6.n 6.6 6 77..5 5 55..5 5 MM2 2 mmeemmppuunnyyaai i nniillaai i ppaalliinng g ttiinnggggi i ppaaddaa diagonal utamanya

diagonal utamanya

Optimasi: Optimasi:

Faktor yang

Faktor yang mempengmempengaruhi hasil aruhi hasil perhiperhitungatungan n GLCM adalah GLCM adalah sudut yang sudut yang digunadigunakan.kan. Maka beberapa referensi telah mengoptimasi agar hasil perhitungan tidak rancu yaitu Maka beberapa referensi telah mengoptimasi agar hasil perhitungan tidak rancu yaitu men

mengguggunaknakan an semusemua a sudsudut ut sebasebagai gai perhperhituitungangan n fitfitur ur tektekstustur. r. BerBerikut ikut adaadalah lah hashasilil op

optitimamasi si tetersrsebebut ut yayang ng dadapapat t memembmbererikikan an gagambmbararan an memenynyelelururuh uh babahwhwa a adadaa per

perbebedadaan an hahasisil l ununtutuk k M1 M1 dadan n M2 M2 tatapi pi ununtuk tuk M3 M3 titidadak k berberububah ah sedsedikikitpitpun un yaiyaitutu  jikalau

 jikalau hasil hasil nya nya paling paling tinggi tinggi ataupun ataupun paling paling rendahrendah F

Fiittuur r MM1 1 MM2 2 MM33

E

Enneerrggy y 00..11005 5 00..11005 5 00..00669 9 MM1 1 ddaan n MM2 2 mmeemmppuunnyyaaii keseragaman keseragaman paling tinggi bila diukur dari berbagai paling tinggi bila diukur dari berbagai arah

arah E

Ennttrrooppy y 22..22774 4 2..22 2774 4 2..62 6889 9 MM3 3 mememmppuunnyyaaii   ketidakseragaman  ketidakseragaman pa

palilinng g ttininggggi. i. SSededaanngkgkan an M1 M1 dadan n M2M2 bernila

bernilai i samasama D

Diissssiimmiilliiaarriitty y 00..771 1 11..119 9 11..5 5 MM3 3 bbeerrnniillaai i ppaalliinng g ttiinnggggi i kkaarreenna a ppaalliinngg acak

acak C

Coonnttrraasst t 00..771 1 2..62 6119 9 33..111 1 MM1 1 mmeemmppuunnyyaai i nniillaai i ppiixxeel l kkeetteettaannggggaann  yang

 yang  sama sama (paling tinggi) dibandingkan(paling tinggi) dibandingkan dengan M2 dan M3

dengan M2 dan M3 Co

Corrrrelelatatioion n 0.0.64647 7 --0.0.090973 73 --0.0.25259 9 M1 mM1 memempupunynyaai i lilinneaearrititas as papalilinng g ttininggggii H

Homomogogeenneieitty y 0.640.642 2 00..5547476 6 00..4411 11 MM1 1 mmememppuunnyyaai i nniilalai i yyaanngg seragam seragam kemudian disusul M2 dan M3

kemudian disusul M2 dan M3 Au

Autotococorrrrelelatatioion n 6.6.90904 4 7.7.38 38 5.5.404047 47 M2 M2 mmemempupunynyaai i ninilalai i papalilinng g ttininggggi i papadada diagonal utamanya

(5)

Seperti terlihat pada plot grafik dibawah ini, bahwa untuk M3 hasilnya adalah stabil Seperti terlihat pada plot grafik dibawah ini, bahwa untuk M3 hasilnya adalah stabil  yaitu

 yaitu bernilai bernilai paling paling rendah rendah ataupun ataupun paling paling tinggi.tinggi.

Kesimpulan: Kesimpulan:

Pe

Penenentntuauan n susududut t sasangngat at memempmpenengagaruruhi hi kakarerena na memerurupapakakan n “s“sududut ut papandndanang”g” terhadap suatu citra maka sebaiknya menggunakan aturan berikut

terhadap suatu citra maka sebaiknya menggunakan aturan berikut J

Jeenniis s ssuudduut t kkoonnddiissii Ar

Arah ah susududut t tetertrtenentu tu MeMensnsyayararatktkan an hahasisil l cacaptpturure e cicitrtra a dadalalam m kokondndisisi i ararahah tertentu

tertentu S

(6)

Contoh yang lain Contoh yang lain

Citra diatas berasal dari 1 sumber yaitu pada satu citra 3 (paling bawah)! Citra diatas berasal dari 1 sumber yaitu pada satu citra 3 (paling bawah)!

Citra 1;2 adalah pengacakan lokasi citra dari citra 3 menggunakan arnold cat maps! Citra 1;2 adalah pengacakan lokasi citra dari citra 3 menggunakan arnold cat maps!  Tentunya

 Tentunya tidak tidak terbayangkan terbayangkan bukan! bukan! Sehingga Sehingga ketiga ketiga citra citra tersebut tersebut mempunyaimempunyai histogram yang sama pula! Tentunya uji stastistik biasa seperti mean dan std tidak histogram yang sama pula! Tentunya uji stastistik biasa seperti mean dan std tidak akan mampu membedakan mereka!Mereka hanya berbeda lokasi saja!

(7)

Bagaimana olah citra memandang kasus diatas! Bagaimana olah citra memandang kasus diatas!

Mari kita hitung GLCM (gray level co-occurance matrix) sehingga didapatkan hitungan Mari kita hitung GLCM (gray level co-occurance matrix) sehingga didapatkan hitungan seperti berikut seperti berikut Citra 1 Citra 1 ffiittuur r SSuudduut t 0 0 SSeemmuua a ssuudduutt en enererggy y 00..000202444949117373181855202077335566 66 00..00001919999999999988669914149955555454 e ennttrrooppy y 88..88881144882200115544885522222 2 99..008877888833995599336677888866 di

dissssimimililiaiarritity y 1919..99993232696998984343252589 89 2424.3.31313525286868181666693933232 c

coonnttrraasst t 11000011..77225511446699443355772 2 11441100..44663333226688008866668866 co

corrrrelelaattioion n 00..7759598804046688888686774040338 8 00..66661717515155414199555555550033 h

homomogogen en 00..113737992727559090343444525222118 8 00..1122151557578822224488775858440044 au

autotococorrrrelelatatioion n 64643333.8.8535364644242000065653 3 62622727.0.04747262647477979989855

Citra 2 Citra 2 ffiittuur r SSuudduut t 0 0 SSeemmuua a ssuudduutt en enererggy y 00..000606886060334141454500232311557 7 00..000707336969117070525233505009099955 e ennttrrooppy y 88..55446611445566776699552211888 8 88..5566771100332299667733338888 di

dissssimimililiaiaririty ty 2626.4.45555636365651212484848484 4 2424.9.93838272765653939141411116767 co

connttrraasst t 11999977..1103030020208787559797223 3 11838333..11363633656549499961618383 co

corrrrelelatatioion n 0.0.5858373729297575999900727239392 2 0.0.61617878868631314747442828808044 h

homomogogen en 00..2202024403030069694747006565558 8 00..2212129974746680809696773737171777 au

autotococorrrrelelatatioion 5n 596966.6.949401012222797998981 1 60604848.5.570703535838391916363 Ternyata menghasilkan perhitungan yang berbeda!

Ternyata menghasilkan perhitungan yang berbeda! Mari kita lihat tentang energy 

Mari kita lihat tentang energy  1.

1.   Energy  Energy: akan bernilai tinggi ketika nilai pixel mirip satu sama lain sebaliknya: akan bernilai tinggi ketika nilai pixel mirip satu sama lain sebaliknya akan bernilai kecil menandakan nilai dari GLCM normalisasi adalah heterogen. akan bernilai kecil menandakan nilai dari GLCM normalisasi adalah heterogen. Nilai maksimum dari energy adalah 1. Ternyata menurut GLCM diketahui

Nilai maksimum dari energy adalah 1. Ternyata menurut GLCM diketahui

bahwa yang paling seragam adalah citra 2 karena nilai energy mendekati angka bahwa yang paling seragam adalah citra 2 karena nilai energy mendekati angka 1

1 2.

2.   Entropy  Entropy: akan bernilai tinggi ketika citra tidak seragam. Jadi menurut GLCM: akan bernilai tinggi ketika citra tidak seragam. Jadi menurut GLCM  yang

 yang tidak tidak seragam seragam adalah adalah citra citra 1. 1. Artinya Artinya energy energy akan akan berbanding berbanding terbalikterbalik dengan entropy!!

(8)

Apakah benar tersebut!! Apakah benar tersebut!!

Citra diatas adalah citra hasi Citra diatas adalah citra hasi Acak

Acak bukan!bukan!!! Liat

Liat perhituperhitungan ngan berikuberikutt energy 

energy     .204133.204133

entropy 

entropy     .320597.320597

di

dissssimimiililiaariritty y 5454.6.662626666 c

coonnttrraasst t 44773388..006666 c

coorrrreellaattiioon n 00..000066223388 h

hoommooggeen n 00..004455553388 au

autotocorcorrerelalatition on 45457272.9.91414  Terlihat

 Terlihat bahwa bahwa energy energy bebe sedangk

sedangkan an entropy entropy sangat sangat bb

Jadi apa kesimpulannya! Jadi apa kesimpulannya!

 Ternyata

 Ternyata GLCM GLCM bisa bisa menilaimenilai tekstur yang cukup baik tekstur yang cukup baik

Demo

Demo AplikaAplikasisi

Penulis menggunakan Java s Penulis menggunakan Java s

ari kita buktikan ari kita buktikan

l dari penerapan logistisc maps dari citra 3 l dari penerapan logistisc maps dari citra 3

335019299E-4 335019299E-4 913207715 913207715 085794956 085794956 76547164 76547164 78449850933 78449850933 0662291374 0662291374 96420003 96420003 ni

nilalai i sasangngat at kekecicil l 4.4.22 1100- - 44 aangngkka a y 

sar yaitu 9.32 lebih besar dari citra 1 yait sar yaitu 9.32 lebih besar dari citra 1 yait hal diatas bahwa GLCM adalah salah sat hal diatas bahwa GLCM adalah salah sat

ebagai tools utama nya, berikut adalah ta ebagai tools utama nya, berikut adalah ta

!! !! n ng g mmeennuujju u 00 u 9.087. u 9.087. u dari analisis u dari analisis pilan

(9)

Referensi

Dokumen terkait

Content based image retrieval (CBIR) merupakan metode yang dapat digunakan untuk mendapatkan informasi dari suatu citra serta menentukan kemiripan suatu

Pengelompokan citra tenun dilakukan untuk mengelompokkan tenun yang memiliki kemiripan dengan tenun lainnya kedalam satu cluster dengan menggunakan algoritma k-means

Cari batas atas pengelompokan pixel dengan cara memindai histogram dari nilai keabuan tertinggi ke nilai keabuan terendah (255 sampai 0) untuk menemukan pixel pertama yang

Metode PVD ini menggunakan selisih nilai piksel yang satu dengan nilai piksel yang lain, dimana hasil selisih kedua pixel tersebut nantinya akan digunakan untuk

Proses perhitungan jarak antar citra di dalam klasifikasi k-NN untuk fitur tekstur menggunakan nilai absolut dari selisih nilai parameter fitur tekstur masing-masing citra

Untuk mengetahui nilai dari contrast, corelation, energy, and homogeneity pada citra digital dilakukan pengkodean menggunakan software Matlab R2017b. 1) Pertama menyiapkan citra

Sebuah citra homogen (semua pixel bernilai sama) ditapis (filtering) dengan mask penapis lolos-tinggi (high pass filter), kecuali pixel-pixel pinggir. Maka hasil

Semakin tinggi resolusi citra semakin banyak pixel per inchi (PPI) dan menghasilkan citra berkualitas tinggi. • Resolusi sering dinyatakan dalam ukuran citra (lebar