METODE
SHAPE DESCRIPTOR
BERBASIS
SHAPE MATRIX
UNTUK ESTIMASI BENTUK
STRUCTURING ELEMENT
Sri Huning A
NRP. 5108201002
DOSEN PEMBIMBING
Dr. Agus Zainal Arifin, S. Kom, M.Kom
Anny Yuniarti, S.Kom, M.Comp.Sc
Abstrak
Operasi morfologi
analisa bentuk
Konsep morfologi : mem-passing sebuah structuring
element (strel) pada sebuah citra
strel sebagai mask
Pemilihan
Strel memegang peranan penting
berpengaruh
terhadap hasil pengolahan citra.
Sebuah structuring element yang sesuai digunakan pada
sebuah objek, belum tentu sesuai digunakan pada objek
lain
Belum ada pedoman umum pemilihan strel
kemiripan
bentuk dengan objek yang diteliti
yang ditentukan secara
manual. (Gang Li, dkk, 2009).
Bentuk (shape) dapat direpresentasikan ke dalam beberapa
Tujuan penelitian :mengusulkan suatu metode baru
untuk
estimasi bentuk structuring element
berdasar
pada
representasi bentuk objek
yang diteliti
berbasis
shape matrix.
menguji kinerja
bentuk structuring element yang
didapatkan diujicobakan untuk
deteksi tepi
menggunakan operasi
morfologi gradien
.
Hasil Uji Coba (akurasi rata-rata):
- 30 Citra sintetis : 99,6 %
- 3 citra riil
: 98,4 %
Abstrak (lanjutan)
Latar Belakang
Bentuk Umum :
rectangle, square, disk, linear, dan diamond
kelebihan dan kekurangan masing-masing.
Bentuk structuring element yang sesuai untuk satu objek belum
tentu sesuai untuk objek lain
belum ada pedoman baku
kemiripan bentuk objek yang diteliti
- Gang Li, dkk (2009) : deteksi sel tumor gastric
rectangle
- Obara (2007) : deteksi retakan kecil (microcrack) pada
batu dolomit
linear
- Ruberto, dkk (2000) : deteksi sel darah pada penyakit
malaria
disk.
Oleh karena itu bentuk objek dapat digunakan sebagai dasar
Latar Belakang (Lanjutan)
Sebuah representasi yang baik
1. akan dapat
menggambarkan karakteristik
intrinsik
dari sebuah shape secara eksplisit.
2. Representasi sebuah shape juga harus
invarian
terhadap rotasi, scaling dan transformasi
(Loncaric,
1999).
Beberapa penelitian mengemukakan bahwa
shape
matrix dapat menggambarkan bentuk objek serta
invarian terhadap scaling, rotasi, dan translasi
(Goshtasby, 1985, C. Sheng, 2005).
Representasi bentuk
objek ini dapat digunakan
untuk
estimasi bentuk structuring element
yang
mendekati bentuk objek yang diteliti.
Square
Kontribusi
mengusulkan
metode baru
untuk
mengestimasi
bentuk structuring element
dengan menganalisa
representasi
Rumusan Masalah
Bagaimana cara merepresentasikan objek
dalam bentuk shape matrix ?
Bagaimana cara menentukan bentuk
structuring element berdasar representasi
Tujuan dan Manfaat
Tujuan :
mengestimasi
bentuk structuring element
dengan menggunakan algoritma berbasis
shape matrix
Manfaat :
mendapatkan
metode lain
untuk mencari
bentuk
structuring element
untuk dapat diterapkan pada
operasi-operasi pengolahan citra yang
menggunakan pendekatan morfologi seperti deteksi
tepi, segmentasi, noise reduction, dan beberapa
Batasan Masalah
Objek citra yang digunakan adalah citra sintetis dan
citra asli.
Citra uji yang digunakan tidak mengandung noise
(noiseless).
Penelitian ini hanya membahas operasi deteksi tepi
meggunakan morfologi gradien pada morfologi
Citra dan structuring element yang dibahas bertipe
binary.
BAB 2
2.1. Morfologi
Tujuannya
: memperoleh
informasi
mengenai bentuk dari suatu citra
dengan
mengatur bentuk dan ukuran suatu elemen
penstruktur (structuring element).
Morfologi :
analisa bentuk
,
bukan mengubah
2.1.1. Structuring Element
Gambar 2.2. Contoh Structuring Element (a) titik “O” adalah
titik poros, (b) representasi biner dari structuring element
B
Strel kunci penting dalam morfologi
Bentuk-bentuk Umum Strel
Gambar 2.5. Bentuk-bentuk Umum Structuring Element a. Disk ukuran 3
b. Square 3 x 3
c. Diamond ukuran 3 d. Linear ukuran 3, rotasi 45o
Pengaruh Strel
(a) (b) (c)
Gambar 2.3 Citra Hasil MDMF Filter menggunakan strel dengan bentuk sama tetapi ukuran berbeda (a) strel 2x2 ; (b) strel 3 x 3 ; (c) strel 4 x 4
(a) (b)
Gambar 2.4. Citra Hasil MDMF Filter menggunakan strel dengan bentuk berbeda tetapi ukuran sama (a) strel rectangle 3 x 3 ; (b) strel diamond 3 x 3
2.1.2. Operasi-operasi Morfologi
Translasi
Dilasi
Erosi
Opening
Closing
Morfologi gradien
2.2 Representasi Shape
Taksonomi Teknik Representasi Shape Menggunakan
Misalkan S adalah sebuah objek
0
S
A1. Mencari titik tengah objek, misal titik O
Algoritma Shape Matrix
2. Mencari radius terjauh objek, misal titik A Akan diketahui panjang OA = L
L
3. Buat lingkaran mengelilingi objek dengan r = L
4. Menentukan ukuran ordo shape matrix m x n, misal m = 6 dan n = 5
5. Bagi garis OA menjadi (n-1) bagian. Kemudian buat lingkaran dengan radius masing-masing adalah L/(n-1), 2L/(n-1), …, (n-1)L/(n-1)
Akan didapatkan titik potong pada i1, i2, …, in-1.
Kemudian dari setiap titik potong, dengan arah berlawanan jarum jam, Bagi setiap lingkaran menjadi m busur Dengan dθ = 360/m derajat
dθ = 360/m
θ
Algoritma menentukan nilai elemen shape
matrix
Contoh shape matrix
A
Gambar 2.10. (a) contoh shape , (b) Shape Matriks (Goshtasby, 2005)
m = 6, n = 5, L = 10
Koordinat (iL/(n-1),,j(360/m)
n = i
BAB 3.
3.1. Desain Sistem
mulai
Menentukan Citra Uji dan citra ground
truth
Menentukan representasi bentuk (shape matrix ) untuk dapat menentukan
bentuk structuring element Melakukan operasi morfologi gradient menggunakan strel yang didapat Menghitung Kinerja Algoritma selesai
1. Penentuan Citra Uji dan Citra Ground Truth
A. CITRA UJI
Citra Uji :
citra sintetis
(40 buah) dan
citra asli (riil)
(3 buah).
Ukuran citra sintetis : 140 x 140 piksel. Sedangkan ukuran citra
riil tidak ditentukan.
citra
grayscale
dan citra
biner.
asumsi yang digunakan adalah
nilai ‘1
’ : objek,
nilai ‘0’
:
background dari objek
Binerisasi
citra uji juga tidak mengandung noise
Menguji Rotasi dan Scaling, Hole, dan Objek terpisah
B. CITRA GROUND TRUTH :
manual
menggunakan aplikasi Paint.
Ukuran disesuaikan dengan ukuran citra yang diuji.
citra biner
2. Menentukan shape matrix dari citra
binerisasi citra uji (optional)
Mencari titik tengah dari objek (titik O) Mencari radius terjauh dari objek (titik A)
Membuat lingkaran yang mengelilingi objek dengan r = L
Menentukan ukuran shape matrix (m x n) mencari koordinat piksel penyusun objek
Bagi garis OA menjadi bagian dengan jarak yang sama
Membuat lingkaran - dengan titik pusat O – dengan radius lingkaran masing-masing adalah
L
/(
n
−
1
),
2
L
/(
n
−
1
),
...,
(
n
−
1
)
L
/(
n
−
1
)
menentukan nilai-nilai elemen shape matrix
Membagi lingkaran menjadi busur yang sama dimana sudut masing-masing derajat.
m
d
θ
=
360
/
2.1. Binerisasi
mengubah tipe citra menjadi bertipe biner
(hitam putih).
1. baca citra uji
2. tentukan nilai threshold
3. ubah citra uji menjadi citra
biner berdasar pada nilai threshold
Gambar 3.5 Algoritma Proses Binerisasi Citra
2.2. Mencari
Koordinat Piksel Penyusun Objek
Piksel-piksel penyusun objek
berwarna putih
(bernilai ’1’), sehingga harus dicari terlebih
dahulu piksel-piksel yang bernilai ”1’.
Fungsi yang digunakan adalah fungsi
find.
Dari tahapan ini akan didapatkan
2.3. Mencari Titik Tengah Objek
∑
∑
= ==
=
N i i N i iy
N
c
x
N
c
1 2 1 11
,
1
Gambar 3.7. Hasil Pencarian
Titik Tengah Objek
Persamaan mencari
koordinat pusat objek
(c
1,c
2),
(3.1)
dimana
(
x
i,
y
i)(
i
=
1
,
2
,...,
N
)
adalah koordinat dari piksel dalam objek
dan N adalah jumlah piksel dalam objek.
2.4. Mencari Radius Terjauh dari Objek
Eucledian distance
setiap piksel pada objek dihitung jaraknya
terhadap titik pusat O(c1,c2)
Di mana
(x1,y1)
adalah
koordinat setiap
piksel
pada objek, sedangkan
(c1,c2)
adalah
koordinat
titik pusat
objek.
2
2
1
2
1
1
)
(
)
(
x
c
y
c
D
=
−
+
−
O(c
1,c
2)
A (rMax,cMax)
L
Gambar 3.9. Ilustrasi Titik Pusat
dan Radius Terjauh
2.5. Membuat lingkaran yang mengelilingi objek
dengan besar jari-jari sama dengan radius
terjauh
Gambar 3.12. Lingkaran
2.8. Menentukan nilai-nilai elemen
shape
matrix
1
:
)
,
(
i
j
=
M
For i = 0 to (n – 1)
For j = 0 to (m – 1)
If titik dengan koordinat polar (
berada di dalam shape, then
otherwise
)) / 360 ( ), 1 /(n j m iL −0
:
)
,
(
i
j
=
M
1 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 0 1 1 1Gambar 3.14. Contoh Shape Matrix
ukuran 5 x 5
3. Deteksi
Tepi Menggunakan Operasi
Morfologi Gradien
start Citra Uji,structuring element (SE)
Melakukan operasi dilasi pada citra uji menggunakan structuring element (SE) Melakukan operasi erosi pada citra uji menggunakan structuring element (SE)
Melakukan pengurangan terhadap citra hasil dilasi dikurangi citra hasil erosi
Citra Hasil Deteksi tepi
selesai
Citra Asli Citra Hasil Operasi Dilasi
4. Menghitung Kinerja Algoritma
FN
FP
TN
TP
FN
TP
Akurasi
+
+
+
+
=
Tabel 3.1. Perhitungan Akurasi Sistem
True Negatif (TN)
False Negatif (FN)
Bukan
Edge
False Positif (FP)
True Positif (TP)
Edge
Hasil
Sistem
Bukan Edge
Edge
Ground Truth
BAB 4
UJI COBA DAN
ANALISIS HASIL
Data Uji Coba
1. Citra Ground Truth
2. Citra Sintetis
Citra Uji Normal
Citra Uji dengan Variasi Scaling dan Rotasi
Citra Uji dengan Hole
Citra Uji dengan Objek Terpisah
Citra Uji dengan Variasi Scaling dan Rotasi
Asli
140 x 140
70%
98 x 98
150%
210 x 210
45
o201 x 201
Citra Uji dengan Hole
Citra Uji dengan Objek Terpisah
Citra Riil
Breast
gigi
Structuring Element
Pembanding
Diamond
Disk
Hasil Pengujian (Citra Normal)
99,82 99,82 100,00 100,00 Kotaktumpul 15 98,28 98,28 98,26 98,29 Bunga 14 99,62 99,62 99,92 99,92 Flag 13 99,98 99,98 100,00 100,00 Kotak 12 98,51 98,51 99,98 99,99 Bintang 11 99,41 99,41 99,99 99,99 Bentuk 10 10 98,57 98,57 99,97 99,97 Bentuk 9 9 98,88 98,88 99,97 99,97 Bentuk 8 8 99,15 99,15 99,98 99,98 Bentuk 7 7 99,34 99,34 99,76 99,76 Bentuk 6 6 99,31 99,31 99,98 99,97 Bentuk 5 5 98,51 98,51 99,61 99,61 Bentuk 4 4 98,20 98,20 98,28 98,28 Bentuk 3 3 98,00 98,00 97,97 97,98 Bentuk 2 2 98,33 98,33 99,99 99,99 Bentuk 1 1 Disk Diamond Square SM Akurasi (%) Nama Objek N099,27 99,27 99,99 99,99 Daun 30 99,30 99,30 100,00 100,00 Trapesium 2 29 99,22 99,22 100,00 100,00 Segilima 28 99,39 99,39 99,69 99,69 Tanjakan 27 99,42 99,42 100,00 100,00 Trapesium 26 95,40 95,40 95,39 95,40 Kepala 25 98,73 98,73 99,91 99,91 Segitiga 2 24 99,05 99,05 100,00 100,00 Segitiga 1 23 99,28 99,28 99,99 99,99 Segienam 22 99,94 99,94 100,00 100,00 PMI 21 99,98 99,98 100,00 100,00 Persegi 20 99,37 99,37 99,99 99,99 Oval 19 98,83 98,83 99,97 99,97 Lingkaran 2 18 99,00 99,00 99,99 99,99 Lingkaran 1 17 97,76 97,76 99,27 99,27 Layang 16 Disk Diamond Square SM Akurasi (%) Nama Objek No
Tabel 4.3. Perbandingan Rata-rata Akurasi Uji Coba Normal
98,9
disk
4
98,9
diamond
3
99,5
square
2
99,6
shape matrix
1
Rata-rata Akurasi
(%)
Structuring
Element
No
Hasil Disk
99,98 %Hasil Diamond
99,98 %Hasil Square
100 %Hasil Shape Matrix
100 %
Citra Ground Truth
Citra Asli
Hasil Disk
(98,28%)
Hasil Diamond
(98,28%)
Hasil Square
(98,26%)
Hasil Shape Matrix
(98,29%)
Citra Ground Truth
Citra Asli
Tabel 4.6. Hasil Pengujian Pada Citra Uji dengan Perubahan Scaling dan Rotasi 98,94 98,94 100 100 3 x 3 persegi_rotasi_-45 4 98,94 98,94 100 100 3 x 3 persegi_rotasi_+45 3 99,95 99,95 100 100 3 x 3 persegi_kecil_70 2 99,99 99,99 100 100 3 x 3 persegi_besar_150 1 Disk Diamond Square SM Strel Akurasi (%) Ukuran Nama Citra No
Tabel 4.7. Hasil Pengujian Pada Citra Uji dengan Hole
99,58 99,58 99,99 99,99 3 x 3 Hole 3 3 99,95 99,95 100 100 3 x 3 Hole 2 2 98,36 98,36 100 100 3 x 3 Hole 1 1 Disk Diamond Square SM Strel Akurasi (%) Ukuran Nama Citra No
Tabel 4.9. Perhitungan Akurasi Citra Riil
97,2
97,2
98,1
98,4
Rata-rata
98,06
98,06
99,51
99,52
Sel Darah
3
97,80
96,89
98,53
98,53
Gigi
2
96,81
96,81
96,41
97,02
Breast
1
Disk
Diamo
nd
Square
SM
Akurasi (%)
Nama Objek
No
Analisa Hasil Uji Coba
metode shape descriptor berbasis shape matrix
dapat diandalkan
untuk estimasi bentuk structuring
element.
Kelebihan
: bentuk structuring element menyesuaikan
dengan objek yang diteliti, sehingga bentuk structuring
element yang didapatkan benar-benar merupakan
representasi bentuk objek yang diteliti.
Kelemahan :
Akan tetapi pemilihan ukuran shape
matrix m x n sangat mempengaruhi hasil representasi
bentuk objek. Perlu penelitian lebih lanjut untuk
membahas tentang metode pemilihan ukuran shape
Analisa Hasil (lanjutan)
Penelitian ini
ada keterkaitan
dengan
penelitian-penelitian sebelumnya.
1. Menurut
Gang Li, dkk (2009),
umumnya
pemilihan
bentuk structuring element
hanya didasarkan pada
kemiripan dengan bentuk objek
yang diteliti.
2. Menurut
Loncaric (1999),
sebuah
bentuk objek dapat
direpresentasikan
, salah satunya adalah
shape matrix
.
3.
Shape matrix memiliki keunggulan yaitu sudah teruji
invarian terhadap translasi, rotasi, dan scaling
(Goshtasby, 2005).
Representasi objek berbasis shape matrix ini dapat
digunakan untuk estimasi bentuk structuring element.
BAB 5
KESIMPULAN DAN
SARAN
5.1. Kesimpulan
Algoritma berbasis shape matrix
dapat
digunakan untuk menentukan bentuk structuring
element
dari suatu objek.
Dapat menangani bentuk objek yang mengalami
perubahan
scaling dan rotasi
, bentuk objek
dengan
hole
, dan citra dengan
objek terpisah.
Mampu mendeteksi
citra riil
yang bertipe
grayscale
Pada deteksi tepi, tingkat
akurasi
rata-rata
Kesimpulan (Lanjutan)
Faktor
mempengaruhi tingkat akurasi:
bentuk objek dan nilai threshold (untuk
citra grayscale)
Akurasi rata-rata
untuk seluruh data
citra
sintetis
adalah 99,6 %.
Akurasi rata- rata
hasil deteksi tepi untuk
5.2. Saran
Penelitian ini
lebih fokus
kepada
bentuk
structuring element, sedangkan ukuran
structuring element belum diperhatikan.
Sebaiknya dilakukan
penelitian lebih lanjut
yang memperhatikan juga ukuran structuring
element
untuk menentukan structuring
element yang optimal.
Perlu dilakukan penelitian lebih lanjut tentang
penggunaan bentuk structuring element
berbasis shape matrix untuk menghilangkan
Usulan Future Work
Bentuk yang sesuai menggunakan
DAFTAR PUSTAKA
Cecilia Di Ruberto, Andrew Dempster, Shahid Khan, Bill Jarra. (2000), ”
Segmentation of Blood Images Using Morphological Operators”, Proceedings of the International Conference on Pattern Recognition (ICPR'00), London, hal. 1051 - 4651
Costa, Luciano da Fontoura dan Cesar, Roberto Marconed, Jr, (2009), Shape
Representation and Analysis: Theory and Practice , 2nd Edition, CRC Press,
London.
Cun Jin, Xue , Fen-Zhen, Su, dan Jun-qi, Zhou. (2006) , “An Adaptive Algorithm
to Define Optimal Size of Structuring Element”, Journal of Image and Graphics, Vol. 11, No. 2.
F.G. Huang, G. Yang , dkk., (2000), “The Application of Soft Morphology in
Image Edge Detection, Journal of Image and Graphics of China, Nomor 5, hal. 284–288.
Goshtasby, Ardeshir, (1985), “Description and Discrimination of Planar Shapes
Using Shape Matrices”, IEEE Transaction On Pattern Analysis and Machine Intelligence, Vol. PAMI-7, No. 6, hal 738 – 743.
Goshtasby, Ardeshir, (2005), Intersience 2-D and 2-D and 3-D Image
Registration for Medical, Remote Sensing, and Industrial Applications, John
Wiley & Sons, Inc., New York.
Haralick. S, S. Sternberg, and X. Zhuang. (1987), ”Image analysis using
Daftar Pustaka (lanjutan)
Loncaric, Sven, (1999), A Survey of Shape Analysis Techniques, Tesis Ph.D.,
University of Zagreb, Croasia.
Murni, Aniati. (2004). Diktat Kuliah : Pengolahan Citra Digital, Universitas
Indonesia, Jakarta.
Obara, Boguslaw, (2007), “ Identification of Transcrystalline Microcracks
Observed in Microscope Images of a Dolomite Structure using Image Analysis Methods Based on Linear Structuring Element Processing”, Journal Computers
& Geosciences , Nomor. 33 (2007), hal. 151–158.
Serra, J, (1982), Image Analysis and Mathematical Morphology, Academic
Press, Inc., London.
Soille P., (1999). Morphological Image Analysis: : Principles and Applications,
Springer Verlag, Germany.
Syamsa, Ardisasmita, (2000), “Matematika Morfologi untuk Segmentasi dan
Analisis Citra “, Procedings Komputer dan Sistem Intelijen, Universitas Gunadarma, Jakarta, hal. D152 – D. 163
Tian-Gang Li, Su-pinWang, NanZhao, (2009), “Gray-scale Edge Detection for
Gastric Tumor Pathologic Cell Images by Morphological Analysis, Biology and