METODE GAUSSIAN SMOOTHING UNTUK PENINGKATAN KUALITAS
CITRA MEDIS YANG BLUR
Dwi Cahyo Wibisono
1Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Jl. Imam Bonjol No. 207, Semarang, 50131, Telp. (024) 3517261
E-mail : [email protected]
Citra digital merupakan salah satu bentuk citra yang paling mudah dipergunakan dari segi pengiriman sebagai data, pengolahan, dan pemrosesan citra. Penurunan kualitas citra timbul akibat proses pengiriman, proses pengambilan, dan proses menyimpan citra. Proses peningkatan kualitas citra dengan cara memanipulasi derau sehingga mudah dimengerti oleh manusia maupun mesin. Salah satu operasi peningkatan kualitas citra terhadap gambar blur tersebut adalah penghalusan citra. Sebelum dilakukan proses penghalusan, citra akan melalui proses pembangkitan noise. Tujuan penelitian ini adalah untuk mengerti implementasi image enhacement pada citra blur degan metode gaussian smoothing untuk peningkatan kualitas citra. Penelitian ini menggunakan metode eksperimen dengan pengambilan data menggunakan metode kalkulasi dan analisa visual. Dalam penelitian ini proses peningkatan kualitas citra menggunakan metode gaussian smoothing dan objek yang digunakan adalah citra medis dalam bentuk foto rontgen paru-paru. Hasil penelitian dari proses pengujian pada citra grayscale yang diuji didapatkan hasil perhitungan MSE dannilai PSNR setiap objek mempunyai nilai yang berbeda-beda dan ada beberapa nilai yang sama. Jika nilai PSNR infinity dikarenakan nilai MSE 0. Sedangkan jika diperhatikan secara kuantitatif darihasil pengujian PSNR maka semakin besar nilai PSNR artinya citra hasil semakin mirip dengan citra aslinya, dengan kata lain semakin bagus kualitas citranya. Sebaliknya jika hasil nilai PSNR semakin kecil maka kualitas citra hasil semakin buruk.
Kata Kunci : Image encachement,Gaussian Smoothing, citra grayscale, MSE, PSNR
I. PENDAHULUAN
Citra medis merupakan suatu proses representasi organ tubuh mahluk hidup yang bertujuan untuk mengerti kerusakan yang terjadi pada organ tubuh mahluk hidup. Pengolahan citra medis harus memiliki ketelitian tinggi karena kekeliruan pemahaman data sangat berdampak buruk dan mampu mengancam jiwa. Untuk menampilkan organ tubuh manusia secara effisien, dengan menggunakan perbaikan kualitas citra sehingga dapat menampilkan image organ tubuh mahluk hidup yang mempunyai mutu yang bagus dan dapat terlihat oleh mata manusia langsung tanpa menggunakan alat bantu apapun.
Pengolahan citra (Image Processing) berhubungan dengan perubahan citra asli yang menghasilkan citra lain serta memakai metode yang ada. Pada pengolahan citra terdapat enam jenis operasi pengolahan, yaitu restorasi, peningkatan kualitas, kompresi, segmentasi, analisis, dan rekonstruksi[3]. Pada proses peningkatan kualitas citra (Image Enhancement), kualitas image diperbaiki dengan cara memanipulasi derau (noise) sehingga mudah dimengerti oleh manusia maupun mesin. Citra blur disebabkan berbagai hal contohnya pada saat pengambilan gambar suatu objek bergerak dengan suatu alat kamera dengan penggunaan optik yang tidak fokus, diameter dan dimensi lensa yang tidak sesuai, dan lain–lain[4]. Salah satu operasi peningkatan kualitas citra terhadap gambar blur tersebut adalah penghalusan citra (Image Smoothing) dengan metode
gaussian smoothing.
Citra medis adalah suatu proses representasi organ tubuh mahluk hidup bertujuan untuk mengerti kerusakan yang terjadipada organ tubuh mahluk hidup. Sebagai contoh dampak dari kecelakaan sehingga
menyebabkan perubahan atau pergeseran pada tulang manusia, Pola hidup manusia yang tidak sehat sehingga menimbulkan bakteri dan virus.
Pengolahan citra medis harus memiliki ketelitian tinggi karena suatu pengolahan citra sangatlah mengakomodasi untuk proses pengurusan medis di klinik atau rumah sakit. Kekeliruan pemahaman data sangat berdampak fatal, karena mampu mengancam jiwa pasien apalagi bisa diduga sebagai praktik dokter yang menyalahi kode etik. Maka dari itu, diperlukan ketelitian pemahaman data sangat bagus sehingga TI bisa menjadi salah satunya karena memiliki akurasi yang tinggi untuk membuat sebuah aplikasi yang membantu dalam bidang medis.
Citra medis mengalami gangguan citra atau blur karena disebabkan faktor pengaruh milliampere (mA) yang dapat menyebabkan penurunan dan peningkatan intensitas sinar-x, pengaruh jarak antara fokus-film dan objek karena intensitas sinar-x dapat diatur menjadi sama dengan menggerakan tabung menjauh ataupun mendekati objek, Pengaruh kilovolt (kV) yang menyebabkan hasil dari daya tembus sinar-x dan juga total intensitas berkas sinar-x akan berubah.
II. LANDASAN TEORI 2.1 Citra Digital
Citra digital merupakan suatu array dua dimensi atau suatu matriks yang elemennya menyatakan tingkat warna dari elemen gambar, jadi informasi yang terkandung bersifat diskrit. Citra digital dibangun karena gabungan bintik atau disebut juga dengan piksel. Masing - masing piksel di representasikan sebagai satu index kecil yang memiliki lokasi suatu titik posisi (pada posisi x, y).
2.2 Pengolahan Citra (Image Processing)
Pengolahan citra dilakukan dengan cara merubah citra asli menjadi citra lain yang mempunyai kualitas citra lebih baik dari aslinya. Bedasarkan operasi yang di gunakan, pengolahan citra (image processing) di kategorikan antara lain Peningkatan Kualitas Citra (Image Enhancement) dan Pemulihan Citra (Image
Restoration).
2.3 Jenis Citra Digital
Banyak kita temui aplikasi pengolahan citra di masyarakat, dan ada 3 jenis citra yang dipakai dalam pengolahan citra. Ke-3 jenis citra tersebut yaitu ;
1. Citra Ber warna atau RGB (Red, Green,
Blue)
Citra berwarna, atau biasa dinamakan citra RGB, merupakan jenis citra yang setiap piksel mempunyai warna dalam bentuk komponen R (Red), G (Green), dan B (Blue).Setiap komponen warna menggunakan 8bit (nilainya sekitar antara 0-255). Dengan demikian, kemungkinan warna yang dapat disajikan mencapai 255 x 255 x 255 atau 16.581.375 warna[3].
2. Citra Berskala Keabu - abuan (Grayscale) Citra jenis ini menangani gradasi warna hitam dan putih, yang menghasilkan efek warna keabuan. Pada jenis citra ini warna dinyatakan dengan intensitas yang berkisar antara 0 - 255. Nilai 0 mempresentasikan warna hitam dan nilai 255 mempresentasikan warna putih[3]. Warna pada jenis citra keabuan bergantung atas total bit yang disiapkan oleh memorydemi mewadahi piksel. Citra 3 bit mewakili 8 warna, citra 4 bit mewakili 16 warna, dan seterusnya sampai 8 bit.
3. Citra Biner ( Binary)
Citra yang semata-mata terdiri dari warna putih dan hitam pada setiap pikselnya, dan ditunjukan oleh sebuah nilai dari dua kemungkinan (nilai 0 dan 1) disebut juga sebagai Citra biner atau binary. 2.4 Noise
Noise adalah kerusakan di citra yang berbentuk
modifikasi ketajaman piksel yang tidak berhubungan oleh piksel-piksel tetangga, bersebelahan atau berdekatan. Noise juga mempunyai beberapa model yaitu : 1. Noise Gaussian 2. Noise Rayleigh 3. Noise Erlang 4. Noise Eksponensial 5. Noise Uniform 6. Noise Salt-and-Paper 2.5 Image Enhancement
Image Enhancement atau peningkatan kualitaas citra
adalah suatu proses memanipulasi sebuah gambar asli berubah jadi gambar baru yang sesuai keinginan dengan memakai metode yang sudah ada[9]. Pada proses image
enhancement, kualitas citra diperbaiki dengan cara
memanipulasi derau (noise) sehingga mudah dimengerti oleh manusia maupun mesin. Jika dinyatakan dengan matematika image enhancement atau dengan kata lain proses memanipulasi citra f (x, y) berubah jadi f ‟(x, y) maka atribut yang diamati pada f (x, y) semakin ditunjukan.
2.6 Konvolusi
Gaussian smoothing digunakan sebagai tahap
pertama dari algoritma deteksi tepi Canny. Untuk menggunakan gaussian smoothing, kita perlu melakukan proses konvolusi. Konvolusi ditunjukan dengan matriks, dimana elemen setiap matrik disebut juga dengan koefisien konvolusi. Proses konvolusi beroperasi dengan melakukan pergeseran kernel piksel satu dengan piksel lainnya, yang outputnya diletakan kedalam elemen matriks yang baru. Berikut contoh penjelasan dari proses konvolusi yang terdiri antara citra f(x,y) dengan elemen matriks berukuran 5x5 degan sebuah kernel berukran elemen matriks 3x3 yang ditunjukan oleh Gambar 1 Tanda ■ memusatkan letak (0,0) sebuah kernel.
Gambar 1 Matriks dan Kernel Konvolusi
Proses perkalian matriks pada setiap titik piksel yang bersesuaian pada matriks citra dengan matriks kernel. Tahapan untuk mendapatkan hasil konvolusi yang terjadi antara citra dan kernel di atas dapat dilihat pada Gambar 2, sehingga diperoleh hasil akhir dari proses konvolusi tersebut, yang ditunjukkan oleh Gambar 3.
Gambar 2 Proses Pembentukan Konvolusi Matriks 5x5
Gambar 3 Hasil Nilai Konvolusi 2.7 Metode Gaussian Smoothing
Gaussian smoothing adalah metode yang menggunakan fungsi gaussian dan berfungsi untuk memperhalus noise pada citra. Mask lain yang sering digunakan untuk penghalusan citra adalah mask penghalusan gaussian (gaussian smoothing). Bobot pada mask penghalusan gaussian mengikuti distribusi normal sebagaimana yang dinyatakan dalam persamaan di bawah ini :
2.6 RMSE (Root Mean Square Error)
RMSE dipakai untuk mengukur tingkat error pada
citra hasil filtering dengan membandingkannya dengan citra asli. Semakin besar nilai RMSE, maka citra hasil filtering tersebut memiliki tingkat error yang sangat besar, sehingga citra yang dihasilkan semakin tidak mirip dengan citra asli, begitupun sebaliknya[2].
2.7 MSE (Mean Square Error)
Untuk menguji keberhasilan suatu penyaringan citra maka hal yang perlu diuji yaitu kualitas hasil penyaringannya yang dapat dilakukan secara subyektif dan secara obyektif dengan menghitung nilai MSE[4]. Jika lebih kecil nilai MSE, maka kualitas citra asli nyaris mirip dengan kualitas citra yang melalui perbaikan noise. Sedangkan PSNR bernilai kebalikan dari MSE, semakin besar nilai PSNR maka kualitas citra hasil semakin mirip dengan kualitas citra aslinya.
2.8 PSNR (Peak Signal to Noise Ratio)
Perbandingan dari nilai terbesar sinyal yang dihitung oleh besarnya noise untuk mempengaruhi sinyal tersebut adalah PSNR. PSNR dipakai agar memahami perbandingan kualitas image sesudah dan sebelum pengolahan dengan deteksi tepi. Selain itu PSNR juga dapat digunakan untuk mengukur ketahanan pada steganografi yang nantinya akan digunakan sebagai parameter[2]. Untuk menghitung PSNR dari suatu citra, terlebih dahulu harus menentukan MSE.
III. METODOLOGI PENELITIAN 3.1 Instrumen Penelitian
Jenis penelitian yang dilakukan adalah peneltian eksperimen, karena membandingkan data asli yang diambil dari perusahaan dengan hasil eksperimen. Pengambilan data juga menggunakan kalkulasi dan analisa visual supaya membandingkan kualitas citra digital pada suatu citra grayscale.
3.1.1 Software
Dalam penelitian ini, software yang digunakan yaitu Sistem Operasi Windows 7; Microsoft C# Visual Studio 2013 yang digunakan sebagai bahasa pemrograman untuk pengembangan proses image
enhancement dengan menggunakan algoritma
Gaussian Smoothing; calculator untuk menghitung
nilai PSNR dari perbandingan 2 citra; Adobe Photoshop untuk mengubah Contrast (Ketajaman),
Brightness (Kecerahan), Cropping (Pemotongan), Resize (Perubahan Ukuran), dan Rotation
(Pemutaran), Microsoft Word 2007 untuk membuat laporan hasil penelitian.
3.1.2 Hardware
Untuk menjalakan software, diperlukan adanya
hardware yang digunakan yaitu laptop dengan
processor Core i3, Windows 7, RAM 2 GB, dan printer untuk mencetak hasil penelitian ke dalam bentuk hardcopy.
3.2 Teknik Pengumpulan Data
Proses pengumpulan atau pengambilan data yang dibuat dalam penelitian memakai 3 metode, yaitu Pengambilan Objek dilakukan pada 30 karyawan PT. Suzuki Indomobil Plant Cakung melalui 30 gambar hasil rontgen, Studi Pustaka yang dilakukan dengan cara mencari referensi dari berbagai sumber untuk membantu dalam melakukan penelitian, dan Metode Eksperimen yang dilaksanakan melalui percobaan langsung untuk mendapatkan data dari hasil percobaan untuk perbaikan kualitas citra.
3.3 Metode Usulan
Gambar 5 Alur Penelitian 3.3.1 Proses dari RGB ke Grayscale
Gambar 6 Proses dari RGB ke Grayscale 3.3.2 Proses Gennerate Mask
Gambar 4. Proses Gennerate Mask 3.3.3 Proses Gaussian Smoothing
Gambar 7 Proses Gaussian Smoothing
IV. HASIL DAN PEMBAHASAN 4.1 Proses Pengujian pada citra grayscale
4.1.1 Proses Uji Fidelity
Uji fidelity adalah pengujian yang dilakukan agar mengetahui kemampuan image enhancement dalam citra asli, yang dilakukan dengan cara melihat
perbedaan antara citra asli dan citra hasil yang telah mengalami image enhancement. Pengamatan dilakukan secara visual dan kuantitatif. Sebagai tolak ukur secara visual, dalam penelitian ini citra asli tidak mengalami perubahan signifikan jika dilihat langsung oleh manusia tanpa bantuan alat apapun. Sedangkan jika diperhatikan secara kuantitatif dari hasil pengujian PSNR maka semakin besar nilai PSNR artinya citra hasil semakin mirip dengan citra aslinya, dengan kata lain semakin bagus kualitas citranya. Sebaliknya jika hasil nilai PSNR semakin kecil maka kualitas citra hasil semakin buruk.
Gambar 8 Hasil dari pengujian objek
Setelah melakukan pengujian dengan 10 objek yang penulis ambil didapatlah hasil perhitungan MSE dan nilai PSNR. Berikut tabel hasil dari pengujian 10 objek tersebut.
TABEL I
HASIL UJI MENGGUNAKAN 10 OBJEK
NO MSE PSNR 1 0.0117 86.7715 2 0.0117 86.7715 3 0.0058 92.7921 4 0 Infinity 5 0.0643 71.9642 6 0.0526 73.7072 7 0.0380 76.5338 8 0.0906 68.9854 9 0.0117 86.7715 10 0.0146 84.8333
Setiap objek mempunyai nilai yang berbeda-beda dan ada beberapa nilai yang memiliki nilai yang sama. Dikarenakan setiap objek memiliki noise yang berbeda antara objek satu dengan objek lainnya, jika nilai PSNR infinity ini dikarenakan MSE bernilai 0 sehingga nilai citra tersebut tidak dapat dihitung.
4.1.2 Pengujian Robustness dengan menaikan
contrast (+10)
Pengujian robustness merupakan syarat dari
image enhancement yang baik. Image enhancement
yang baik akan tahan terhadap bermacam-macam manipulasi citra.
Gambar 9 Hasil dari pengujian contrast (+10)
TABEL II
HASIL UJI MENGGUNAKAN 10 OBJEK DENGAN MENAIKAN CONTRAST (+10) NO MSE PSNR 1 0.0117 86.7715 2 0.0117 86.7715 3 0.0058 92.7921 4 0 Infinity 5 0.0672 71.5781 6 0.0409 75.8901 7 0.0672 71.5781 8 0.0994 68.1831 9 0.0117 86.7715 10 0.0146 84.8333
Hasil yang didapatkan dengan menaikan contrast(+10) maka nilai MSE menaik dari citra asli sedangkan nilai PSNR berubah menurun tetapi juga ada yang tidak berubah. Hal ini dikarenakan ketajaman warna pada objek meningkat sehingga noise pada citra awal akan lebih terlihat dan meyebabkan kualitas citra hasil meningkat.
4.3.3 Pengujian Robustness Dengan Menaikan
Brightness (+10)
Gambar 10 Hasil dari pengujian brightness(+10)
TABEL III
HASIL UJI MENGGUNAKAN 10 OBJEK DENGAN MENAIKAN BRIGHTNESS(+10) NO MSE PSNR 1 0.0117 86.7715 2 0.0117 86.7715 3 0.0058 92.7921 4 0 Infinity 5 0.0643 71.9642 6 0.0497 74.2037 7 0.0380 76.5338 8 0.0933 68.7097 9 0.0117 86.7715 10 0.0117 86.7715
Hasil yang didapatkan dengan menaikan brightness (+10) nilai MSE menurun sedangkan nilai PSNR berubah menaik tetapi juga ada yang tidak berubah, hal ini dikarenakan kecerahan warna pada objek meningkat sehingga noise pada citra asli semakin tidak terlihat. Atau dapat dikatakan kualitas antara citra hasil dengan kualitas citra awal semakin mirip.
V. KESIMPULAN
Hasil pengujian visual membuktikan bahwa perbedaan citra asli dan citra hasil terlihat berbeda walaupun tidak signifikan hasilnya. Perbedaan signifikan citra asli dan citra hasil bisa di lihat dari hasil perhitungan MSE dan PSNR citra hasil gaussian. Semakin tinggi nilai contrast maka nilai MSE semakin besar sedangkan nilai PSNR semakin kecil sehingga kualitas citra hasil dengan citra asli semakin berbeda. Semakin tinggi nilai brightness maka nilai MSE semakin kecil sedangkan nilai PSNR semakin besar sehingga kualitas citra hasil hampir sama dengan kualiatas citra asli.
DAFTAR PUSTAKA
[1] D. Purwandani, “Implementasi Metode Gaussian Smoothing Untuk Penghalusan Citra (Image Smoothing),” Pelita Inform. Budi Darma, vol. 9, no. 0911548, pp. 1–5, 2015.
[2] G. Saselah, W. Weku, L. Latumakulita, J. Matematika, J. Matematika, and J. Matematika, “Perbaikan Citra Digital dengan Menggunakan Filtering Technique dan Similarity Measurement,” Univ. Sam Ratulangi, vol. Vol. 2, no. 2, pp. 1–9, 2013.
[3] N. Nafi, “Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner,” Teknol.
dan Inf. ASIA, vol. 9, no. 2, pp. 49–55, 2015.
[4] B. Kanata, “DEBLURRING CITRA DENGAN METODE ITERATIF LUCY-RICHARDSON Program Studi Teknik Elektro , Fakultas Teknik , Universitas Mataram , Nusa Tenggara Barat,”
Informatek, vol. 1, no. 1, pp. 20–25, 2011.
Mean Filtering , Median Filtering , Modus Filtering Dan Gaussian Filtering,” Telematika, vol. 7, no. 1, pp. 65–75, 2010.
[6] M. Sholeh and A. Badduring, “Rancang Bangun Aplikasi Pengaburan Gambar,” Semin. Nas. Apl.
Sains Teknol., vol. 3, no. ISSN 1979–911x, pp.
330–336, 2012.
[7] H. Seddik, “A new family of Gaussian filters with adaptive lobe location and smoothing strength for efficient image restoration,”
EURASIP J. Adv. Signal Process., pp. 1–11,
2014.
[8] N. M. Abdi and S. Aisyah, “Peningkatan Kualitas Citra Digital Menggunakan Metode Super Resolusi Pada Domain Spasial,” Rekayasa
Elektr., vol. 9, no. 3, pp. 137–142, 2011.
[9] T. Sutoyo, E. Mulyanto, V. Suhartono, O. D. Nurhayati, and Wijanarto, Teori Pengolahan
Citra Digital. Semarang: ANDI Yogyakarta,
