METODE SHAPE DESCRIPTOR BERBASIS SHAPE MATRIX UNTUK ESTIMASI BENTUK STRUCTURING ELEMENT

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

_A

1. 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, …, i_n-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 i

y

N

c

x

N

c

1 2 1 1

1

,

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 1

Gambar 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

o

201 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 N0

99,27 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