BAB I
PENDAHULUAN
1.1 Latar Belakang
Kemajuan teknologi dan informasi pada abad ini berkembang begitu pesat. Kemajuan teknologi ini juga meliputi dunia kesehatan. Diantaranya adalah proses pengolahan citra medis. Citra medis adalah citra yang diciptakan dalam rangka mengdiagnosis atau mendeteksi suatu penyakit dan untuk ilmu pengetahuan media (mencakup studi anatomi dan fungsinya). Citra medis memiliki keunggulan yaitu dapat mendeteksi penyakit tanpa perlu adanya pembedahan terhadap tubuh yang akan dideteksi. Salah satu perkembangan teknologi yang berkaitan dengan kesehatan (biomedical engineering) ini adalah perkembangan teknologi mammogram.
Mamogram merupakan suatu proses tes untuk melihat adanya kelainan pada payudara. Tes ini menggunakan mesin khusus dengan sinar-x dosis rendah untuk mengambil gambar kedua payudara (mammografi). Citra mammografi direkam dalam suatu film sinar-x atau langsung menuju komputer untuk dilihat oleh seorang ahli radiologi. Dengan citra mammografi, memungkinkan dokter untuk melihat dengan lebih jelas benjolan/gumpalan pada payudara dan perubahan pada jaringan payudara.
Penelitian sebelumnya mengenai pengolahan citra medis diantaranya ditulis oleh Yessi Jusman dalam tugas akhir berjudul “Visualisasi Detektor Edge Detection
Canny adalah operator terbaik dalam deteksi tepi citra mammografi. Beberapa jurnal diantaranya ditulis oleh Nikolas Petteri Tiilikainen berjudul “A Comparative Study of Active Contour Snakes”, (Tiilikainen, 2007), menjabarkan perbedaan beberapa active contour snake. Serta salah satu jurnal IEEE berjudul “Active Contour Wihout Edges” yang ditulis olehTony E. Chan dan Luminita A. Vese, (Chan & Vese, 2001), mengenai pengembangan persamaan active contour tanpa menggunakan edge pada proses segmentasi citra.
Berdasarkan penelitian dan jurnal-jurnal tersebut maka penulis tertarik untuk mengimplimentasikan metode active contour pada citra mammografi, sehingga dapat dibandingkan dengan metode sebelumnya yaitu deteksi tepi menggunakan operator. Analisis ini akan ditulis dalam penelitian tugas akhir yang diberi judul “Analisis Perbandingan Hasil Deteksi Tepi Citra Kanker pada Mammografi antara Metode Canny Edge Detector dan Metode Active Contour Snake Persamaan Chan-Vese1dengan Menggunakan Perbandingan Piksel Putih”.
1.2 Tujuan Penelitian
Tujuan yang akan dicapai dari penelitian ini adalah
1. Didapatkan hasil deteksi tepi citra mammografi berupa sel kanker dengan menggunakan metode active contour
2. Membandingkan hasil deteksi tepi active contour dan operator Canny dengan menggunakan perbandingan piksel putih
1.3 Manfaat Penelitian
Perancangan ini diharapkan
1. Menjadi referensi tambahan dalam penelitian pengolahan citra, khususnya citra medis
2. Mempermudah pengenalan citra objek yang akan dideteksi (dalam kasus ini, sel kanker pada mammografi)
1.4 Batasan Masalah
Adapun batasan masalah dalam penelitian ini adalah
1. Citra original yang digunakan adalah citra mammografi bersel kanker dalam bentuk dua dimensi dengan tipe data *.jpg
2. Teknik pengolahan citra yang digunakan adalah deteksi tepi citra menggunakan metode active contour snake persamaan Chan-Vese
3. Hasil deteksi tepi akan dibandingkan dengan penelitian sebelumnya dengan menggunakan perbandingan piksel putih
4. Penelitian ini disimulasikan pada software MatLab R2010a
1.5 Sistematika Penulisan
BAB I
PENDAHULUAN
BAB II
TINJAUAN PUSTAKA
Bab ini berisi beberapa teori dasar untuk mendukung penelitian Tugas Akhir ini, diantaranya teori mengenai Citra, Mammogram/Mammografi, Deteksi Tepi dan Segmentasi, Active Contour Persamaan Chan-Vese, dan Piksel Putih.
BAB III
METODOLOGI PENELITIAN
Bab ini berisikan Jenis penelitian, Desain Penelitian, Sampel Desain, Teknik Analisis Sistem, dan Prosedur Penelitian yang akan dilakukan.
BAB IV PERANCANGAN SISTEM
Bab ini berisikan tentang perancangan sistem secara terperinci, langkah-langkah, beserta penjelasan mengenai sistem yang akan dirancang.
BAB V HASIL DAN PEMBAHASAN
Bab ini akan berisikan analisis terhadap keluaran sistem yang diperoleh dari pengujian sistem itu sendiri.
BAB V PENUTUP
BAB II
TINJAUAN PUSTAKA
2.1 Citra
2.1.1 Pengertian Citra
Secara harfiah, citra2 (image) adalah gambar pada bidang dwimatra (dua dimensi). Gambar 2. 1 adalah salah satu contoh citra dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dwimatra. Pada Gambar 2. 2, sumber cahaya menerangi objek, objek memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh oleh alat-alat optik, misalnya mata pada manusia, kamera, pemindai (scanner), dan sebagainya, sehingga bayangan objek yang disebut citra tersebut terekam, (Bab-1_Pengantar Pengolahan Citra.pdf).
Gambar 2. 1 Contoh citra dua dimensi
Secara garis besar, citra dibagi kedalam dua macam, (N., 2011): 1. Citra Kontinu
Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog. Contohnya mata manusia dan kamera analog.
2. Citra Diskrit / Citra Digital
Citra diskrit dihasilkan melalui proses digitalisasi terhadap citra kontinu. Contohnya kamera digital dan scanner.
2.1.2 Pembentukan Citra
Citra merupakan fungsi kontinu dari intensitas cahaya pada bidang 2D. Dimana secara matematis fungsi intensitas cahaya pada bidang 2D disimbolkan dengan
f(x,y), dimana
(x,y) : koordinat pada bidang 2D
f (x,y) : intensitas cahaya (brightness) pada titik (x,y).
Karena cahaya merupakan bentuk energi, maka intensitas cahaya bernilai antara 0 sampai tidak berhingga, 0≤f(x,y)≤ ∞
f(x,y) = i(x,y) . r(x,y)
Dimana :
i(x,y) : jumlah cahaya yang berasal dari sumbernya (illumination) yang nilainya berada pada rentang 0 ≤ i(x,y) ≤ ∞ yang ditentukan oleh sumber cahaya.
r(x,y) : derajat kemampuan obyek memantulkan cahaya (reflection) yang rentang nilainya 0 ≤ r(x,y) ≤1 yang ditentukan oleh karakteristik obyek di dalam citra.
Proses pembentukan c
Permukaan objek m (iluminasi) cahaya y memantulkan cahaya antara i(x,y) dan r(x ditangkap oleh senso dengan persamaan f( Sumber cahaya mem oleh karakteristik obj penyerapan total, se permukaan mempun
f(x,y) juga nol, yang
Sebaliknya, jika pe intensitas cahaya sam ini berarti citra yang kualitas sensor visua
ukan citra dapat direpresentasikan pada Gambar 2.
Gambar 2. 2 Proses pembentukan citra
k mendapatkan sinar dari sumber cahaya. Jum a yang diterima objek pada koordinat (x,y) adal
aya yang diterimanya dengan derajat pantulan r
r(x,y) menyatakan intensitas cahaya pada koor
sensor visual pada sistem optik, sehingga da n f(x,y).
empengaruhi besarnya nilai i(x,y), sedangkan r k objek dalam gambar. Nilai r(x,y) = 0 m
, sedangkan r(x,y) = 1 menyatakan pemantul punyai derajat pemantulan nol, maka fungsi int
ang artinya gambar tidak dapat ditangkap oleh permukaan mempunyai derajat pemantulan 1, sama dengan iluminasi yang diterima oleh perm
2.1.3 Digitalisasi Citra
Suatu citra harus direpresentasikan secara numerik dengan nilai-nilai diskrit dengan tujuan agar dapat diolah dengan komputer digital. Representasi citra dari fungsi kontinu menjadi nilai-nilai diskrit disebut digitalisasi. Citra yang dihasilkan inilah yang disebut citra digital, (N., 2011).
Pada umumnya citra digital berbentuk empat persegi panjang, dan dimensi ukurannya dinyatakan sebagai tinggi x lebar (atau lebar x panjang). Masing-masing elemen pada citra digital (elemen matriks) disebut image element,
picture element atau pixel (piksel). Citra digital yang berukuran N x M, Gambar
2. 3, lazim dinyatakan dengan matriks yang berukuran N baris dan M kolom. Jadi, citra yang berukuran NxM mempunyai NM buah piksel.
Gambar 2. 3 Matriks digital NxM
Indeks baris (i) dan indeks kolom (j) menyatakan suatu koordinat titik pada citra, sedangkan f(i,j) merupakan intensitas (derajat keabuan) pada titik (i,j). Sebagai contoh, misalkan sebuah citra berukuran 256x256 piksel dan direpresentasikan secara numerik dengan matriks yang terdiri dari 256 baris (indeks dari 0 sampai 255) dan 256 buah kolom (indeks dari 0 sampai 255) seperti pada Gambar 2. 4.
Gambar 2. 4 Contoh matriks digital
G
Proses digitalisasi c dijelaskan pada Gam
Gambar 2. 5 Proses digitalisasi citra analog ke digital
si citra sama dengan proses konversi sinyal ana ambar 2. 5, dapat dijabarkan menjadi dua prose
spasial (x, y), sering disebut sebagai sampling. yatakan besarnya kotak-kotak yang disusun da n kata lain sampling pada citra menyatakan pada citra. Untuk memudahkan implementasi, j sumsikan perpangkatan dari dua:
n
N
2
jumlah sampling pada suatu baris/kolom bilangan bulat positif
bar menjadi ukuran tertentu menentukan resol akin tinggi resolusinya, yang berarti semaki makin banyak jumlah pikselnya), semakin halus
na informasi yang hilang akibat pengelom pen-sampling-an semakin kecil.
analog ke digital, oses yaitu:
.
dalam baris dan kan besar kecilnya si, jumlah sampling
b) Digitalisasi intensitas f(x, y), sering disebut sebagai kuantisasi.
Setelah proses sampling pada citra maka proses selanjutnya adalah kuantisasi. Kuantisasi menyatakan besarnya nilai tingkat kecerahan yang dinyatakan dalam nilai tingkat keabuan (grayscale) sesuai dengan jumlah bit biner yang digunakan, dengan kata lain kuantisasi pada citra menyatakan jumlah warna yang ada pada citra. Proses kuantisasi membagi skala keabuan (0, L) menjadi G buah level yang dinyatakan dengan suatu harga bilangan bulat (integer), biasanya G diambil perpangkatan dari 2.
G = 2m
dimana,
G = derajat keabuan
m = bilangan bulat positif
Tabel 2.1 berikut ini adalah tabel kuantisasi citra dengan skala keabuan yang berbeda-beda.
Skala keabuan Rentang nilai keabuan Pixel depth
21(2 nilai) 0,1 1 bit
22(4 nilai) 0 sampai 3 2 bit
24(16 nilai) 0 sampai 15 4 bit 28(256 nilai) 0 sampai 255 8 bit
Tabel 2. 1 Kuantisasi Citra dengan Skala Keabuan yang Berbeda
kedalaman pikselnya. Jadi, citra dengan kedalaman 8 bit disebut juga citra 8-bit (atau citra 256 warna, G = 256 = 28 ). Semakin banyak jumlah derajat keabuan (berarti jumlah bit kuantisasinya makin banyak), semakin bagus gambar yang diperoleh.
Derajat keabuan (grey level) merupakan intensitas f citra hitam-putih pada titik (x,y). Derajat keabuan bergerak dari hitam ke putih. Dimana skala keabuan memiliki rentang yang ditunjukkan [0,L] antara lmin< f < lmax dimana intensitas 0
menyatakan hitam dan L menyatakan putih.
Contoh: citra hitam-putih dengan 256 level, artinya mempunyai skala abu-abu dari 0 sampai 255 atau [0,255], dalam hal ini nilai 0 menyatakan hitam dan 255 menyatakan putih, nilai antara 0 sampai 255 menyatakan warna keabuan yang terletak antara hitam dan putih.
Citra berwarna dikatakan sebagai citra spektral. Hal ini karena warna pada citra disusun oleh tiga komponen warna RGB (Red-Green-Blue). Intensitas suatu titik pada citra berwarna merupakan kombinasi dari intesitas : merah (fmerah(x,y)),
hijau (fhijau(x,y)) dan biru (fbiru(x,y)),
2.1.4 Citra Medis
Khusus pada pengolahan citra pada bidang kedokteran, dikenal dengan istilah
biomedic image processing. Citra medis adalah citra yang diciptakan dalam
memiliki keunggulan yaitu dapat mendeteksi penyakit tanpa perlu adanya pembedahan terhadap tubuh yang akan dideteksi, (Mawaddatun, 2005).
Dalam model matematis, citra medis menjadi dasar dari komputasi biomedis. Mendasarkan pada model-model data yang diambil dari gambar terus menjadi teknik dasar untuk mencapai kemajuan ilmiah dalam penelitian eksperimental, klinis, biomedis, dan perilaku, (Angenent, Pichon, & Tannenbaum, 2000).
Masalah yang sering timbul pada pengolahan citra medis: 1. Resolusi yang rendah (pada domain spasial dan spectral) 2. Tingginya level noise
3. Kontras yang rendah
4. Deformasi secara geometris
5. Ketepatan pencitraan (misal) organ
2.2 Mammogram/Mammografi
2.2.1 Definisi
perempuan tersebut memiliki kemungkinan bertahan (survival) dari penyakit ini lebih baik. Selain itu lebih banyak pilihan terapi yang tersedia bila kanker payudara ditemukan dini.
Proses pemeriksaan payudara manusia dengan perangkat mammografi menggunakan sinar-x dosis rendah untuk mengambil gambar kedua payudara (citra mammografi). Hasilnya direkam dalam suatu film sinar-x atau langsung menuju komputer untuk dilihat oleh seorang ahli radiologi. Dengan adanya citra mammografi, memungkinkan dokter untuk melihat dengan lebih jelas benjolan pada payudara dan perubahan di jaringan payudara.
Sebagaimana penggunaan sinar-x lainnya, mammogram menggunakan radiasi ion untuk menghasilkan gambar. Radiolog kemudian menganalisis gambar untuk menemukan adanya pertumbuhan yang abnormal.
2.2.2 Perangkat Mammografi
Perangkat mammografi, ditunjukkan pada Gambar 2. 6 masih menjadi standar terbaik untuk screening dini kanker payudara. Ultrasound3, Ductography4,
dan/atau Magnetic Resonance5 merupakan beberapa teknik lain yang juga digunakan untuk memperkuat hasil mammografi. Ductogram digunakan untuk mengevaluasi darah yang keluar dari puting. Magnetic Resonance Imaging (MRI) digunakan untuk evaluasi lanjutan atau sebelum operasi untuk melihat adanya daerah abnormal lainnya.
Gambar 2. 6 Mammogram screening
Dalam sistemnya, seperti pada Gambar 2. 7, terdapat tiga komponen untuk menghasilkan citra mammografi yaitu: perangkat kamera, radiasi sinar-x, dan plat film.
Gambar 2. 7 Perangkat mammografi
Sinar-x yang dihasilkan dari radiasi elektromagnetik merupakan sinar yang memiliki frekuensi yang sangat tinggi yang berarti memiliki energi foton yang tinggi sehingga dapat menembus jaringan tubuh, (Jusman, 2008). Sinar-x yang dipancarkan akan kehilangan sebagian energinya pada saat melewati struktur tubuh. Pelemahan sinar tersebut disebabkan adanya 2 fenomena yang terjadi yaitu:
Akibat dari kedua fenomena ini, distribusi energi pancaran sinar-x sama pada saat masuk, tetapi berbeda-beda pada saat keluar. Sinar keluar tersebut kemudian menembus sebuah plat berpendar yang akan menghasilkan citra radiologi. Citra payudara (mammografi) yang diperoleh dari hasil proses radiografi merupakan proses khusus untuk mengamati jaringan halus pada tubuh manusia. Sehingga tubuh manusia yang disinari oleh sinar-x akan kelihatan transparan.
Secara umum, yang membedakan mammografi dari radiografi biasa adalah sebagai berikut, (Jusman, 2008),
a. Sinar-x-nya dibangkitkan pada tegangan rendah (20-35 kvp) jika dibandingkan dengan radiografi biasa (60-120 kvp) yang digunakan untuk membuat film.
b. Memakai film dengan butir khusus yang mempunyai kontras dan resolusi yang tinggi.
Gambar 2. 8 Citra mammografi
terinfeksi. Apalagi jika kondisi tubuh sedang lemah yang mengakibatkan mata manusia juga menjadi lelah segingga mengganggu konsentasi. Maka pada citra yang mempunyai kontras yang rendah diharapkan perangkat lunak dapat mengidentifikasi (dengan menajamkan batas-batas citranya) untuk kemudian digunkana sebagai panduan oleh tenaga medis.
2.2.3 Proses Screening pada Mammogram
Pasien berdiri didepan mesin sinar X khusus, seperti terlihat pada Gambar 2. 9. Teknisi radiologi akan membantu pengambilan foto rontgen, payudara (satu per satu) diletakkan di antara dua bidang plastik. Bidang ini kemudian menekan payudara untuk meratakannya. Payudara akan ditekan selama beberapa detik. Pada umumnya sampel gambar diambil sebanyak dua kali dari masing-masing payudara, dari samping dan dari atas.
Gambar 2. 9 Proses pengambilan citra mamogram
Gambar 2. 10 Sample hasil mammografi
kiri : normal, kanan: terdapat sel kanker
2.2.4 Karakteristik Citra Mammografi
Mutu citra (image quality) yang dihasilkan mencakup semua faktor yang mampu memperlihatkan struktur tubuh bagian dalam manuasia secara jelas dan tepat. Mutu citra dan kenampakan struktur anatomi bagian dalam dapat di perlihatkan dengan jelas dengan memperhatikan faktor-faktor berikut, (Jauhari, 2007):
• Sensitifitas kontras (contrast sensitivity). • Kekaburan (blurring).
• Kejernihan tampak (visual noise). • Bercak (artefak).
• Detil bagian (spatial/geometric)
terlihat tidak simetris, adanya benjolan, adanya penyebaran struktur jaringan payudara, dan adanya mikrokalsifikasi, (Sadukh, 2009).
Dalam beberapa penelitian, komputer dapat mengenali karakteristik ketidaknormalan citra mamografi dari ketidaknormalan struktur dalam citra mamografi dapat dikenali melalui ada tidaknya mikrokalsifikasi, batas benjolan, dan sebaran jaringan juga berdasarkan bentuk dan area kecerahan citra kemudian mengembangkan algoritma untuk melokalisasi area yang dicurigai terdapat tumor/kanker.
2.3 Deteksi Tepi dan Segmentasi
2.3.1 Definisi Deteksi Tepi
Deteksi tepi merupakan salah satu proses pra-pengolahan yang sering dibutuhkan pada analisis citra. Proses tersebut bertujuan untuk meningkatkan penampakan garis pada citra; jadi prosesnya mempunyai sifat diferensiasi atau memperkuat komponen frekuensi tinggi, (Putra, 2009).
Beberapa metode deteksi tepi yang dibahas adalah terdiri dari: 1. Deteksi tepi dengan nilai ambang
2. Deteksi tepi dengan gradien pertama 3. Deteksi tepi dengan gradien arah
4. Deteksi tepi dengan cara geser dan selisih citra 5. Deteksi tepi dengan gradien kedua
Inti dari deteksi tepi adalah untuk menampilkan tepi-tepi citra akan lebih jelas yang sebelumnya dilakukan proses pengubahan citra aras keabuan menjadi citra hitam putih. Sehingga didapatkan citra yang telah terpisah antar latar depan dengan latar belakangnya. Contoh hasil citra dengan deteksi tepi ditampilkan pada Gambar 2. 11.
Gambar 2. 11 Citra dengan deteksi tepi
Edge mengandung informasi penting mengenai bentuk objek yaitu bentuk tepian
atau batas-batas objek. Sederhananya, dapat diasumsikan bahwa edge merupakan batas antara 2 daerah gambar dengan level abu-abu yang memiliki perbedaan level atau intensitas yang jelas atau nyata, (Jusman, 2008).
Ada beberapa teknik yang digunakan untuk mendeteksi tepi, antara lain operator gradien pertama (differential gradien), operator turunan kedua (Laplacian), dan operator kompas (compass operator).
Teknik deteksi edge pada dasarnya merupakan aplikasi operasi differensial persial dalam lingkungan lokal sebuah gambar. Dapat diasumsikan sebagai tranfromasi dari dara numerik berupa level intensitas piksel, menjadi deskripsi data simbolik yang memuat edge yaitu mendukung asumsi bahwa edge muncul pada perbatasan dua daerah dengan level intensitas yang berbeda dimana kedua daerah mewakili level intensitas yang homogen.
2.3.2 Operator Edge Detection
Secara umum deteksi tepi adalah mengkonvolusi citra masukan dengan mask tertentu. Perbedaan tiap operator terletak pada koefisien pembentuk mask dan ukuran mask dari setiap operator. Sehingga perbedaan operator pada koefisien penyusun mask menimbulkan perbedaan karakteristik atau kinerja dari operator tersebut untuk menghasilkan edge terbaik. Salah satu algoritma deteksi tepi adalah deteksi tepi menggunakan metode Canny, (Putra, 2009).
Langkah pertama yang dikalkukan pada deteksi tepi Canny adalah menghaluskan citra untuk menghilangkan noise. Hal ini akan menghasilkan gradien citra dan melakukan proses non-maximum suppression, yaitu meredam setiap piksel yang tidak dalam nilai maksimum. Proses tersebut mengakibatkan nilai larik gradien berkurang secara berkelanjutan.
2. Mencari nilai tepi dengan menghitung gradien citra 3. Mencari arah tepi setelah nilai gradien x dan y diketahui
4. Menghubungkan arah tepi yang dapat ditelusuri sesuai dengan gambar aslinya
5. Proses non-maximum suppression
6. Proses hysterisis untuk menghilangkan streaking6.
2.3.3 Thresholding
Untuk menentukan apakan suatu piksel merupakan tepi atau bukan tepi dinyatakan dengan operasi thresholding (pengambangan), yaitu pemisahan piksel yang mempunyai derajat keabuan yang berbeda. Dalam prosesnya piksel yang memiliki derajat keabuan lebih kecil dari nilai batas yang diberikan akan diubah menjadi nilai 0 (hitam) dan piksel yang memiliki derajat keabuan lebih besar dari besar dari batas akan diubah menjadi bernilai 1 (putih).
2.3.4 Segmentasi
bentuk-bentuk dalam sebuah citra sangat berguna dalam pengukuran atau pemahaman citra.
Secara tradisional, pemgambangan didefinisikan sebagai proses pendefinisian jangkauan nilai-nilai gelap-terang pada citra yang sebenarnya, memilih piksel-piksel dalam jangkauan ini sebagai latar depan dan sisanya sebagai latar belakang. Dengan demikian, citra terbagi atas dua bagian, yaitu bagian hitam dan bagian putih, atau warna-warna yang membatasi setiap wilayah.
2.4 Active Contour Persamaan Chan-Vese
2.4.1 Definisi Kontur Aktif
Active contours digunakan dalam domain pengolahan citra untuk melokasikan
kontur suatu objek, (Chan & Vese, 2001). Mencoba untuk melokasikan sebuah objek contour dengan bersih dengan menggunakan uji pengolahan citra level rendah seperti Canny Edge Detection yang kurang teliti. Banyak dari teknik
edge tidak berkelanjutan, seperti kemungkinanan adanya lubang di area yang
dideteksi, dan edge palsu yang bisa ditampilkan akibat noise. Active contour mencoba untuk meningkatkan meningkatkan kualitas seperti pada continuity dan
smoothness pada contour objek. Yang berarti pendekatan active contour
menambah derajat tertentu pada teorema sebelumnya dengan mengurai beberapa permasalahan yang ditemukan sebelumnya, (Tiilikainen, 2007). Bagian penting dari deteksi kontur ini adalah mendeteksi border yang menonjol dari sebuah objek.
representasi parametrik, menghindari masalah yang baik dalam bentuk eksplisit dan implisit miliki. Misalnya didapat beberapa nilai y dengan nilai x-tunggal, ini adalah mudah untuk melihat dalam bentuk parametrik dari lingkaran satuan dengan pusat di asal yang akhirnya dengan menggunakan representasi parametrik juga memungkinkan kurva yang akan independen dari sistem koordinat tertentu yang digunakan.
Inisialisasi kurva diberikan oleh kurva parametrik ( ) = [ ( ), ( )] dengan [0, 1], dalam prakteknya kurva yang sering tertutup berarti (0) = (1).
Selanjutnya kurva diasumsikan parameterized oleh panjang busur. Kurva parametric tertutup diilustrasikan pada Gambar 2. 12. Setiap titik sepanjang kurva bergerak sepanjang garis eksternal dan internal, dan akan terus mencoba untuk memposisikan dirinya.
Gambar 2. 12 Ilustrasi dari kurva parametrik v(s)
2.4.2 Snake Original Kass, Witkin & Terzopoulos
yang mencoba untuk pindah ke posisi dimana energi diminimalkan. Kass dkk. Memperkenalkan energi berikut fungsional untuk menghitung energi snake:
Energi snake terdiri dari tiga istilah. Istilah Eint awalnya merupakan energi internal dari snake sedangkan Eimg jabatan kedua menunjukkan kekuatan citra, istilah Econ terakhir menimbulkan kekuatan kendala eksternal. Jumlah citra memaksa Eimg dan kendala eksternal pasukan Econ juga hanya dikenal sebagai pasukan snake eksternal, dinotasikan dengan Eext. Energi internal snake ditulis sebagai
dimana istilah orde pertama ( ) memberikan ukuran elastisitas, sedangkan istilah orde kedua ( ) memberikan ukuran kelengkungan. Ini berarti bahwa dalam bagian dari snake di mana kurva ditarik, istilah elastisitas akan memiliki nilai tinggi, sedangkan di bagian-bagian snake di mana kurva tertekuk, istilah kelengkungan akan memiliki nilai tinggi. Istilah-istilah ini ditemukan pada energi snake yang secara keseluruhan dikendalikan oleh koefisien ( )dan ( ), dengan kedua parameter tersebut menjadikan snake lebih elastik dan lebih
deformatif.
(v(s)), dengan saya menjadi fungsi citra. Dengan demikian snake akan memposisikan diri di bagian-bagian citra dengan nilai gradien tinggi.
Untuk menghapus noise dari citra dan meningkatkan jangkauan penangkapan
snake citra dapat dikonvolusi dengan sebuah kernel Gaussian sebelum
menghitung gradien. Hal ini memberikan istilah citra energi berikut
Dimana ( , )adalah Gaussian dua dimensi denganσ standar deviasi. Ketika tepi yang kuat dalam citra yang kabur oleh Gaussian dengan gradien yang terkait juga merapikan yang mengakibatkan gradien snake dari jarak yang lebih besar, dengan ini meningkatkan jangkauan penangkapan snake.
2.4.3 Model Aktif Kontur
Inti dari metode ini hampir sama dengan model snake, segmentasi berbasis energi minimum. Diasumsikan bahwa gambar dibentuk oleh dua wilayah, nilai-nilai yang berbeda. Objek yang akan dideteksi diwakili oleh daerah dengan nilai-nilai µ. Formula Chan-Vese adalah
dimana C adalah setiap kurva variabel lain, dengan konstanta c1 dan c2,
bergantung pada C, yang merupakan rata-rata (µ0) dari C di dalam dan
Gambar 2. 13 Model kontur aktif
Dalam model kontur aktif energi border akan diminimalkan dan akan ditambahkan beberapa hal regsnake-isasi, seperti panjang kurva, dan/atau luas di dalam wilayah. Karena itu, terdapat energi fungsional ditentukan oleh Area Panjang di dalam yang merupakan parameter tetap.
Pada proses segmentasi citra, persamaan untuk menentukan fungsi kecepatan F telah ditentukan. F merupakan sebuah fungsi dari gradient citra, sehingga perhentian evolusi dari kontur aktif pada edge yang penting dapat ditemukan. Salah satu pendekatan segmentasi menggunakan metode berdasarkan daerah. Solusi yang efektif untuk menghitung gradien kontur aktif menggunakan persamaan Chan and Vese. Energi yang diperlukan dalam contour active menggunakan minimum-variance criterion. Teknik yang digunakan adalah
curve evolution, fungsi mumfordshah, dan level set. Inisial kontur bisa dilakukan
2.5 Piksel Putih
Proses pengolahan citra digital berakhir dengan tampilan identifikasi citra hasil pengolahan. Karena program yang dibuat untuk mengidentifikasi sel kanker prostat, maka analisis yang diambil adalah mengidentifikasi sel yang sehat dan sel sakit. Untuk mendapatkan selisih jumlah piksel antara citra acuan dan citra yang akan diolah, maka perlu ditampilkan citra template atau citra acuan. Dalam hal ini yang digunakan sebagai citra acuan adalah citra sel prostat yang sehat. Dengan diketahuinya jumlah piksel maka dapat diperoleh dan ditampilkan kesimpulan mengenai jumlah piksel sel yang sehat dan dan jumlah piksel sel yang sakit dengan perbedaan banyaknya jumlah piksel, (Witeti, 2004).
Algoritm piksel putih adalah sebagai berikut: % Hitung Jumlah Piksel Citra Acuan [m,n,o]= size(tmp);
M
3.1 Jenis penelitian
Berdasarkan tujuan da adalah untuk melakuka diharapkan informasi pengembangan dari a pada data sekunder ( penelitian ini merupa dari sifat masalahnya m akukan penelitian terhadap deteksi tepi citr asi citra yang dibutuhkan terlihat lebih jelas, y
i aplikasi dan penelitian yang telah ada denga r (data dari hasil penelitian dan jurnal) yang upakan jenis penelitian terapan (aplikatif). Seda
ya maka penelitian ini bersifat simulasi.
nelitian
m secara keseluruhan ditunjukkan pada Gambar
mbar 3. 1 Blok diagram rancangan sistem secara keseluruhan
Ada beberapan tahapan dalam proses penelitian ini, yaitu sebagai berikut :
1. Tahapan dimulai dengan mengumpulkan data sampel mammografi7. Dimana sampel citra yang akan diolah adalah dalam bentuk 2 dimensi tipe data *.jpg
2. Citra dipastikan terlebih dahulu ke dalam tipe grayscale8
3. Pengaturan tingkat kecerahan (brightness) dan kontras (contrast) citra untuk mempermudah deteksi citra sel kanker
4. Deteksi tepi, memberi batas pemisah citra luar terhadap daerah kanker sehingga didapat seleksi area sel kanker
5. Hasil deteksi tepi active contour dibandingkan dengan hasil deteksi tepi yang menggunakan operator Canny dengan menggunakan perbandingan piksel putih
3.3 Sampel Desain
Deteksi tepi akan dilakukan pada sampel citra mammografi bersel kanker seperti pada Gambar 3. 2. Deteksi tepi akan dilakukan dengan menggunakan software MatLab versi 7.10.0.499 (R2010a), tampilan software ditunjukkan pada Gambar 3. 4. Output yang diharapkan adalah citra dengan deteksi tepi sel kanker seperti ditunjukkan pada Gambar 3. 3.
Gambar 3. 3 H
Gam R2010a
Gambar 3. 2 Hasil mammografi dengan sel kanker
3 Hasil mammografi dengan sel kanker setelah dilakukan detek
dengan menggunakan metode active contour
ambar 3. 4 Software MATLABR2010aVersion 7.10.0.499 teksi tepi
3.4 Teknik Analisis Sistem
Kinerja sistem yang akan dieksperimenkan dianalisis dengan menggunakan penilaian objektif. Hasil-hasil yang didapatkan melalui eksperimen (keluaran sistem) dibandingkan dengan teori-teori yang berasal dari literatur yang ada.
3.5 Prosedur Penelitian
1. Tinjauan dan Studi Kepustakaan
Dilakukan untuk mendapatkan pemahaman tentang konsep-konsep teoritis yang berhubungan dengan tema penelitian. Studi literatur berupa diskusi dengan pembimbing, mengambil bahan dari internet dan buku-buku panduan. Studi literatur juga dilakukan terhadap software yang digunakan selama penelitian ini menjadi sarana aplikatif.
2. Penyusunan Algoritma Program
Program yang dirancang dalam tugas akhir ini berupa algoritma yang disusun berdasarkan rumusan active contour.
3. Perancangan dan Pembuatan Program
Berdasarkan algoritma yang telah ditentukan diatas, dibuat program pengolahan input citra dengan menggunakan software MatLab R2010a.
4. Analisis Keluaran Sistem Dibandingkan dengan Keluaran Sistem
Sebelumnya
Keluaran dari sistem ini adalah sel kanker payudara yang telah disegmentasi oleh active contour kemudian dibandingkan dengan penelitian sebelumnya, penggunaan edge detection operator Canny dengan menggunakan perbandingan piksel putih.
5. Penyusunan Laporan Penelitian
DAFTAR PUSTAKA
Angenent, Sigurd , Eric Pichon, dan Allen Tannenbaum. 2000. Mathematical
Methods in Medical Image Processing. Dipetik 12 April 2012, dari Math
Wisc: http://www.math.wisc.edu/~angenent/preprints/medicalBAMS.pdf Bracewell, Ronald N. 1995. Two-Dimensional Imaging. New Jersey:
Prentice-Hall, inc..
Chan, F. Tony dan A. Luminita Vese. 2001. Active Contours Without Edges. Dipetik 10 April 2012, dari http://citeseerx.ist.psu.edu/viewdoc/download ?doi=10.1.1.2.1828&rep=rep1&type=pdf
Jauhari, Arif. 2007. Mutu dan Karakteristik Citra Medik. Dipetik 29 Maret 2012, dari http://www.portalradiografi.web.id/downlot.php?file=(09)%20 Arif% 20Jauhari.pdf
Jusman, Jessi. 2008. Tugas Akhir: Visualisasi Detektor Edge Detector Terbaik pada Citra Mammography. Padang: Universitas Andalas.
Kass, Michael, Andrew Witkin, dan Demetri Terzopoulos. 1987. Snakes: Active
Contour Models. Dipetik 21 Februari 2012, dari snake.pdf
Mawaddatun. 2005. Tugas Akhir: Perbaikan Kualitas Sinyal Citra Medis Menggunakan Filter Non-Linear serta Perbaikan Kontras dan Brightness. Padang: Universitas Andalas.
N., Teofanus Dwiyanto. 2011. Tugas Akhir: Perancangan dan Implementasi Sistem Pengenalan Gambar Huruf dengan Variasi Jarak dan Ukuran Menggunakan Ekstraksi Ciri Zooning dan Sistem Template Matching. Padang: Universitas Andalas.
Pratt, William K. 1991. Digital Image Processing. California: Wiley-Interscience Publication.
Putra, Darma. 2009. Sistem Biometrika. Yogyakarta: ANDI.
Sadukh, Angelency C. 2009. Makalah Pengolahan Citra pada Bidang Kedokteran
dengan Menggunakan X-Ray untuk Mammografi. Dipetik 29 Maret 2012,
dari http://www.scribd.com/document_downloads/direct/83217650?exten-sion=pdf&ft=1332998229<=1333001839&uahk=d2ZtvVzjGRF+7MSsce 0E3MUugPQ
Tiilikainen, Nikolas Petteri. 2007. A Comparative Study of Active Contour Snakes.
Unknown. _____. Bab 1 Pengantar Pengolahan Citra. Dipetik Februari 18, 2012,
dari _______________________
Witeti. 2004. Identifikasi Sel Kanker Prostat Menggunakan Metode Segmentasi
Berdasar Ukuran Objek pada Citra. Dipetik 11 April 2012, dari
DAFTAR ISI
DAFTAR ISI... ii
DAFTAR GAMBAR ... iii
BAB I PENDAHULUAN... 1
1.1 Latar Belakang ... 1
1.2 Tujuan Penelitian ... 2
1.3 Manfaat Penelitian ... 3
1.4 Batasan Masalah ... 3
1.5 Sistematika Penulisan ... 3
BAB II TINJAUAN PUSTAKA ... 5
2.1 Citra... 5
2.1.1 Pengertian Citra... 5
2.1.2 Pembentukan Citra... 6
2.1.3 Digitalisasi Citra ... 8
2.1.4 Citra Medis... 11
2.2 Mammogram/Mammografi... 12
2.2.1 Definisi... 12
2.2.2 Perangkat Mammografi... 13
2.2.3 Proses Screening pada Mammogram ... 16
2.2.4 Karakteristik Citra Mammografi... 17
2.3 Deteksi Tepi dan Segmentasi... 18
2.3.1 Definisi Deteksi Tepi ... 18
2.3.2 Operator Edge Detection... 20
2.3.3 Thresholding ... 21
2.3.4 Segmentasi ... 21
2.4 Active Contour Persamaan Chan-Vese ... 22
2.4.1 Definisi Kontur Aktif ... 22
2.4.2 Snake Original Kass, Witkin & Terzopoulos... 23
2.4.3 Model Aktif Kontur ... 25
2.5 Piksel Putih ... 27
BAB III METODOLOGI PENELITIAN ... 28
3.1 Jenis penelitian... 28
3.2 Desain Penelitian ... 28
3.3 Sampel Desain... 29
3.4 Teknik Analisis Sistem ... 31
3.5 Prosedur Penelitian ... 31
DAFTAR GAMBAR
Gambar 2. 1 Contoh citra dua dimensi... 5
Gambar 2. 2 Proses pembentukan citra... 7
Gambar 2. 3 Matriks digital NxM... 8
Gambar 2. 4 Contoh matriks digital... 8
Gambar 2. 5 Proses digitalisasi citra analog ke digital ... 9
Gambar 2. 6 Mammogram screening... 14
Gambar 2. 7 Perangkat mammografi ... 14
Gambar 2. 8 Citra mammografi ... 15
Gambar 2. 9 Proses pengambilan citra mamogram ... 16
Gambar 2. 10 Sample hasil mammografi ... 17
Gambar 2. 11 Citra dengan deteksi tepi ... 19
Gambar 2. 12 Ilustrasi dari kurva parametrik v(s) ... 23
Gambar 2. 13 Model kontur aktif... 26
Gambar 3. 1 Blok diagram rancangan sistem secara keseluruhan ... 28
Gambar 3. 2 Hasil mammografi dengan sel kanker... 30
Gambar 3. 3 Hasil mammografi dengan sel kanker setelah dilakukan deteksi tepi dengan menggunakan metode active contour ... 30
