Hal: 259-263
Implementasi Metode Bilateral Filter Untuk Mengurangi Derau Pada Citra
Magnetic Resonance Imaging (MRI)
Mona Pramita
Prodi Teknik Informatika,Universitas Budi Darma, Medan, Indonesia E-mail : [email protected]
Abstrak
Magnetic Resonance Imaging (MRI) adalah suatu teknik penggambaran penampang tubuh berdasarkan prinsip resonance magnetic inti atom hidrogen. Teknik penggambaran MRI relatif komplek karena gambaran yang dihasilkan tergantung pada banyak parameter. Alat tersebut memiliki kemampuan membuat potongan coronal, sagital, aksial dan oblik tanpa banyak memanipulasi tubuh pasien bila pemilihan parameternya tepat, kualitas gambaran detail tubuh manusia akan tampak jelas, sehingga anatomi dan potologi jaringan tubuh dapat dievaluasi secara teliti. Metode Bilateral Filter
merupakan sebuah filter yang berfungi menggantikan nilai sebuah pixel dengan hasil perhitungan konvolusi dalam area yang dicakup oleh filter, operasi konvolusi ini sering kali dilibatkan dalam operasi ketetanggaan pixel. Yang kemudian menghasilkan aplikasi perangkat lunak yang mampu mengurangi efek derau (noise) yang mengganggu pada citra digital dengan metode bilateral filter. Analisis dan perancangan aplikasi menggunakan pendekatan berbasis obyek melalui diagram UML dan memanfaatkan visual basic net 2008 untuk perancangan aplikasi berbasis dekstop. Dengan metode ini diharapkan mampu menyelesaikan masalah mengurangi derau (noise) citra pada aplikasi mengurangi derau (noise) citra. Penelitian ini membahas agar proses yang dilakukan untuk menerapkan mengurangi derau (noise) pada citra berdasarkan metode Bilateral Filter.
Kata Kunci : Bilateral Filter,Citra MRI,Mengurangi derau (noise) citra
1.
PENDAHULUAN
Citra Magnetic Resonance Imaging (MRI) adalah citra gambar hitam putih yang dihasilkan dari proses
resonansi magnetis yang dipaparkan ketubuh manusia untuk memperlihatkan bagian dalam tubuh tanpa melakukan operasi [1]. Citra MRI merupakan salah satu alat bantu yang digunakan oleh para ahli medis untuk mendeteksi gangguan yang terjadi didalam tubuh pasien yang sedang di periksa dengan menggunakan alat berupa suatu tabung berbentuk bulat dari magnet yang besar. Penderita berbaring di tempat tidur yang dapat digerakkan ke dalam (medan) magnet.
Noise adalah gangguan berupa munculnya bintik-bintik yang disebabkan oleh kotoran-kotoran yang menempel pada citra. Derau (noise) adalah titik-titik pada citra yang sebenarnya bukan merupakan bagian dari citra, melainkan ikut tercampur pada citra karena suatu sebab [2]. Ada beberapa kekurangan yang harus disempurnakan dari hasil gambar MRI ini, diantaranya ialah gambar ini sangat rentan terhadap derau yang biasanya diakibatkan oleh adanya aliran cairan ataupun kontraksi organ. Sehingga pada beberapa bagian gambar sering kali terdapat bagian yang tidak terlalu jelas.
Berdasarkan hasil penelitian sebelumnya yang dilakukan oleh Adriadi Yulida Kusuma dengan judul Mengurangi Derau Pada Citra MRI Dari Thoracic Aorta
Menggunakan Algoritma Kalman Filter menyimpulkan bahwa Derau biasanya terjadi karena adanya aliran darah atau adanya pergerakan otot di sekitar organ yang sedang diamati. Derau ini biasanya menyebabkan batasan-batasan antar-organ terlihat kurang jelas sehingga menyulitkan para tenaga medis dalam melakukan diagnosa yang tepat, terutama untuk melihat ada tidaknya pembengkakan pada pembuluh darah aorta. Untuk mengatasi derau yang terjadi pada citra MRI dari thoracic aorta pengaplikasian algoritma Kalman Filter ini diperlukan. Pengaplikasian
Kalman Filter ini diwujudkan dengan menggunakan bahasa pemrograman tingkat tinggi Matlab. Algoritma
Kalman Filter diterapkan pada 9 rangkaian citra MRI dari
thoracic aorta. Algoritma Kalman Filter berhasil mengurangi derau pada rangkaian citra tersebut sehingga menghasilkan citra-citra yang memiliki batasan antar organ lebih jelas dibandingkan sebelumnya [1].
Berdasarkan hasil penelitian sebelumnya yang dilakukam oleh Rendi Setiawan, Diah Priyawati dengan judul Implementasi Teknik Thresholding Dan Median Filter Untuk Segmentasi Citra Magnetic Resonance Imaging (MRI) Berderau menyimpulkan bahwa proses segmentasi pada citra MRI berderau dengan teknik
thresholding hasilnya tidak maksimal, yaitu terdapat bintik bintik kecil pada citra yang artinya citra MRI tidak bisa tersegmen dengan maksimal. Maka untuk melakukan segmentasi thresholding. Pada citra MRI berderau perlu dilakukan proses pra-pengolahan terlebih dahulu dengan
Bilateral filter. Bilateral Filter mampu mereduksi derau karena pada umumnya derau memiliki frekuensi tinggi [3]. Berdasarkan hasil penelitian sebelumnya yang dilakukan oleh Safriadi, Aulia Essra, Rahmadani dengan judul Analisis Deteksi Tepi Canny Pada Citra Dengan
Gaussian Filtering Dan Bilateral Filtering menyimpulkan bahwa metode Biilateral Filter untuk mengurangi noise pada deteksi tepi canny, metode Bilateral filtering lebih baik dari pada metode Gaussian filtering hal ini ditandai dengan nilai rata-rata PSNR pada Gaussian filtering
sebesar 65.3098 db dan Bilateral filtering sebesar 68.1086 db [4].
Dalam mengatasi masalah tersebut perlu dilakukan langkah-langkah perbaikan mengurangi derau, salah satunya untuk mengatasi masalah tersebut adalah dengan menggunakan metode Bilateral Filter. Banyak metode yang ada dalam pengolahan citra yang bertujuan untuk mengurangi derau pada citra. Oleh karena itu diperlukan
Hal: 259-263 adanya suatu proses untuk mengurangi derau pada suatu
citra. Dengan menggunakan metode Bilateral Filter proses mengurangi derau pada citra dengan proses tersebut akan didapatkan data yang lebih akurat sehingga hasil yang didapatkan pada berikutnya lebih baik.
2.
TEORITIS
2.1 Citra DigitalCitra digital adalah gambaran dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses sempling. Gambar analog dibagi menjadi N baris dan M kolom sehingga menjadi gambar diskrit. Dimana setiap pasangan indeks baris dan kolom menyatakan suatu titik pada citra. Nilai matriksnya menyatakan nilai kecerahan titik tersebut. Titik-titik tersebut dinamakan sebagai elemen citra, atau
pixel (picture element). Dalam kamus komputer, gambar atau foto diistilahkan sebagai citra yang mempunyai repsentasi matriks berupa matriks Cm x n = (cij). Citra digital sebagi fungsi intensitas cahaya dua dimensi f(x,y) dimana x dan y menunjukkan koordinat spesial, dan nilai f pada suatu titik tersebut [6].
2.2 Derau (Noise)
Noise adalah gangguan berupa munculnya bintik-bintik yang disebabkan oleh kotoran-kotoran yang menempel pada citra. Derau (noise) adalah titik-titik pada citra yang sebenarnya bukan merupakan bagian dari citra, melainkan ikut tercampur pada citra karena suatu sebab [2].
Noise (gangguan) pada citra tidak hanya terjadi karena ketidaksempurnaan dalam proses pengambilan gambar ataupun pada saat proses transmisi, melainkan juga dikarenakan kotoran-kotoran yang terjadi pada sebuah citra. Ada beberapa noise yang dapat melekat pada sebuah citra dan salah satu adalah Salt and pepper noise. Salt and pepper adalah bentuk derau yang biasanya terlihat titik-titik hitam dan putih pada citra seperti tebaran garam dan merica [7].
2.3 Citra Magnetic Resonance Imaging (MRI)
Magnetic Resonance Imaging (MRI) adalah suatu alat kedokteran di bidang pemeriksaan diagnostik radiologi, yang menghasilkan rekaman gambar potongan penampang tubuh / organ manusia dengan menggunakan medan magnet berkekuatan antara 0,064 – 1,5 tesla (1 tesla = 1000 Gauss) dan resonansi getaran terhadap inti atom hidrogen. Beberapa faktor kelebihan yang dimilikinya, terutama kemampuannya membuat potongan koronal, sagital, aksial dan oblik tanpa banyak memanipulasi posisi tubuh pasien sehingga sangat sesuai untuk diagnostik jaringan lunak [8].
2.4 Bilateral Filter
Metode Bilateral Filter merupakan filter non-linear yang diperkenalkan oleh Tomasi. Filter ini merupakan pengembangan dari konsep penghalusan Gaussian dengan menitik beratkan koefisien filter dengan hubungannya kepada intensitas relatif piksel. Piksel akan berbeda dalam hal intensitas sentralnya walaupun terlihat mirip dengan
tetangganya. Filter ini merupakan konvolusi efektif dengan filter Gaussian non-linear yang menekankan pada intensitas piksel [9]. Operasi ini dilakukan dengan carak konvolusi, konvolusi seringkali dilibatkan dalam operasi ketetanggaan pixel. Konvolusi pada citra sering disebut Konvolusi 2 dimensi didefinisikan sebagai proses untuk memperoleh suatu pixel berdasarkan nilai pixel itu sendiri dan tetangganya, dengan melibatkan suatu matriks yaitu kernel yang mempresentasikan pembobotan [10].
𝑟(𝑎𝑖) = 𝑒[𝑓(𝑎1)−𝑓(𝑎0)]
2𝜎2 ...(2.1)
Keterangan :
R (ai) = Elemen matriks kernel E = (konstanta)
A = Indeks tengah dari matriks kernel σ = Standart deviasi
Filter Gaussian tergolong sebagai filter lolos rendah yang didasarkan pada fungsi gaussian. Model dua dimensinya berupa
𝑔(𝑥, 𝑦) = 𝑒 −𝑥22𝜎+𝑦22...(2.2)
Keterangan :
G (x,y) = kernel Gaussian E = Konstanta σ = Standart deviasi
Dalam hal ini, σ adalah deviasi standard piksel pada pusat (y,x) mendapatkan bobot terbesar berupa 1. Filter gaussian berukuran 5x5. Sebagai contoh, bobot-bobotnya dapat diperoleh dengan membuat 𝜎2 bernilai 1.
ℎ(𝑎0) = 𝑘−1∑𝑛−1𝑖−0𝑓(𝑎𝑖) x 𝑔(𝑎𝑖) x 𝑟(𝑎𝑖)...(2.3)
Keterangan :
H(a0) = Bobot hasil perkalian pada posisi (a0) N = Jumlah kolom matriks kernel
G = Kernel Gaussian R(ai) = Elemen matriks kernel
3.
ANALISA
Perbaikan Kualitas gambar merupakan suatu proses yang dilakukan untuk mendapatkan kondisi tertentu pada gambar. Proses perbaikan mengurangi derau pada citra
MRI bertujuan untuk mempermudah langkah analisis yang memerlukan ekstraksi objek gambar secara detail. Gambar yang dianalisa adalah gambar dari MRI grayscale yang dimana gambar tersebut mengalami derau (noise). Citra dapat mengalami derau (noise) pada saat pengiriman melalui saluran trasmisi sehingga dapat menyebabkan citra terlalu terang/gelap, citra kurang tajam, kabur, mengandung cacat, warnanya terlalu kontras, kemudian proses perbaikan kualitas citra ini sangat penting untuk menghasilkan kualitas citra yang lebih baik dari kualitas sebelumnya.
3.1 Implementasi Metode Bilateral Filter
Berikut adalah citra MRI yang terkena noise, gambar tersebut diambil dari scan contoh kasus yang dibahas adalah noise yang terjadi pada citra MRI, noise
tersebut ada karena terjadi gangguan pada scan pada saat proses scan gambar. Gambar dibawah ini merupakan gambar berukuran 400x385 pixel dan diubah menjadi berukuran 5x5 pixel yang diambil pada gambar ber noise.
Hal: 259-263
Gambar 1 Pengambilan Pixel Yang Akan Diproses
Gambar 2 Citra Grayscale Dengan Pixel 5x5 Berdasarkan pixel diatas diketahui nilai pixel citra tersebut diambil menggunakan aplikasi matlab. Dimana nilai-nilai pixel grayscale. Nilai-nilai pixel tersebut akan diproses dengan menerapkan metode Bilateral filter untuk mengurangi noise pada citra tersebut. Nilai pixel dari citra diatas diproses sesuai dengan ketentuan dari metode
Bilateral Filter.
Tabel 1 Nilai Ascii Grayscale
70 70 68 68 76 66 67 66 67 74 62 64 65 66 72 57 60 61 63 68 54 57 58 60 65 Matriks Citra Grayscale
70 70 68 68 76 66 67 66 67 74 62 64 65 66 72 57 60 61 63 68 54 57 58 60 65 Langkah 1 :
Untuk memudahkan semua perhitungan 𝑟(𝑎𝑖) = 𝑒[𝑓(𝑎1) − 𝑓(𝑎0)] 2𝜎2 1. 70−70 2.12 = 0 2= 0 2,718 𝑥 0 = 0 2. 68−70 2.12 = −2 2 = −1 2,718 𝑥 − 1 = −2,718 Dibulatkan menjadi -3 Lakukan dengan langkah-lagnkah yang sama sampai denga langkah 25. Adapun hasil dari perhitungan di atas sebagai berikut :
0 -3 0 11 -103 1 1 1 10 -101 3 1 1 8 -98 4 1 3 7 -92 4 1 3 7 -88 Langkah 2
Dilakukan perhitungan untuk mencari kernel-nya, kernel atau mask memberikan petunjuk tentang apa yang harus dilakukan filter terhadap data. adapun cara perhitungannya sebagai berikut :
1. Perhitungan pencarian nilai kernel pertama 𝑔(𝑥, 𝑦) 𝑔(1,1) = 𝑒 1 2+ 12 2. 𝜎2 𝑔(1,1) = 2,718 1 + 1 2. 12 𝑔(1,1) = 2,718 2 2 5,436 2 = 2,718
Hasil yang didapat adalah = 2,718
Lakukan dengan cara yang sama sampai kernel yang ke Sembilan. Hasil nilai kernel yang sudah dicari dapat dilihat pada table 2 dibawah ini.
Tabel 2 Hasil Perhitungan Kernel Citra
2,718 6,795 13,59
6,795 10,872 17,667
13,59 17,667 24,462
Langkah 3:
Menghitung konvolusi, konvolusi didefenisikan secara sederhana sebagai perhitungan kernel digeser sepanjang baris dan kolom dalam citra sehingga diperoleh nilai baru pada citra keluaran. Berikut operasi konvolusi antara citra dengan kernel dapat diilustrasikan sebagai berikut:
Tabel 3 Nilai Pixel Citra Grayscale
70 70 68 68 76 66 67 66 67 74 62 64 65 66 72 57 60 61 63 68 54 57 58 60 65
Tempatkan kernel pada sudut kiri atas, kemudian hitung nilai pixel pada posisi (70) dari kernel, berikut prosesnya. 70 70 219 68 76 66 67 66 67 74 62 60 65 66 72 57 64 61 63 68 54 57 58 60 65 0 0 0 0 0 0 4 0 0 0 0 0 0 0 0 0 0
Hasil konvolusi = 4 Nilai ini di hitung dengan cara berikut :
G(1,1) = (70 x 2,718) + (70 x 6,795) + (68 x 13,59) + (66 x 6,795) + (67 x 10,872) + (66 x 17,66) + (62 x 13,59) +
Hal: 259-263 (60 x 17,66) + (65 x 24,462) = 190.26 + 475,650 + 924,12
+ 448.47 + 728.424 + 116,556 + 842,58 + 1,059 + 1,590 = 3,728.709
Geser kernel satu pixel ke kanan, kemudian hitung nilai pixel pada posisi (70) dari kernel.
70 70 68 68 76 66 67 66 67 74 62 60 65 66 72 57 64 61 63 68 54 57 58 60 65 0 0 0 0 0 0 4 4 0 0 0 0 0 0 0 0 0 0
Hasil konvolusi = 4 Nilai ini di hitung dengan cara berikut : G(1,2) = (70 x 2,718) + (68 x 6,795) + (68 x 13,59) + (67 x 6,795) + (66 x 10,872) + (67 x 17,66) + (60 x 13,59) + (65 x 17,66) + (66 x 24,462) = 190,26 + 462.06 + 924,12 + 455.265 + 717.552 + 1,183 + 815,4 + 1,147 + 1,614 = 3,568
Geser kernel satu pixel ke kanan, kemudian hitung nilai pixel pada posisi (65) dari kernel. Hasil akhir dari perhitungan dari metode bilateral filter ini maka nilai baru dari pixel sebelumnya, Kolom citra yang telah berubah nilainya diwarnai dengan warna kuning.
Tabel 4 Hasil Perkalian Matriks Grayscale
0 0 0 0 0 0 4 4 3 0 0 3 4 3 0 0 3 3 3 0 0 0 0 0 0
Setelah dilakukan proses metode bilateral filter
dengan menggunakan kernel 3x3akan menjadi hasil citra yang baru. Berdasarkan pengujian yang dilakukan metode
bilateral filter dapat memperbaiki kualitas citra dengan memberikan filter kepada komponen citra tersebut. Hasil pengujian membuktikan bahwa perbedaan citra asli dan citra hasil terlihat berbeda walaupun tidak signifikan hasilnya. Adapun hasil citra dari hasil perbaikan atau penghalusan dengan menggunakan metode bilateral filter
dalam bentuk histogram dapat dilihat seperti gambar berikut:
Citra Output :
Citra Hasil Proses
Citra Hasil Proses Keseluruhan Gambar 3 Citra Output
4.
IMPLEMENTASI
Implementasi merupakan langkah yang digunakan untuk mengoperasikan sistem yang dibangun. Dalam bab ini dijelaskan bagaimana menjalankan sistem tersebut. Sistem pengolahan program merupakan suatu kesatuan pengolahan yang terdiri dari prosedur dan pelaksanaan data. Komputer sebagai sarana pengolahan program harus menyediakan fasilitas-fasilitas pendukung dalam pengolahan nantinya.
a. Tampilan Program
Tampilan aplikasi merupakan interface antara user
dengan aplikasi perbaikan citra yang telah dibuat. Aplikasi dirancang dengan visual studio2008. Adapun form yang telah dirancang adalah sebagai beriikut:
Gambar 4 Tampilan Program b. Tampilan Input
Tampilan awal menu input file gambar adalah menu untuk melakukan proses pemasukan gambar.
Gambar 5 Tampilan Input Gambar c. Hasil Pengujian Aplikasi
Pengujian aplikasi dilakukan untuk mengetahui apakah aplikasi sudah berjalan dengan baik dan benar. Pengujian terhadap aplikasi dilakukan dengan mengklik tombol Bilateral Filter akan menghasilkan
Hal: 259-263 gambar perbaikan citra. Adapun hasil pengujian
program adalah sebagai berikut:
Gambar 6 Hasil pengujian aplikasi
5.
KESIMPULAN
Dari hasil penelitian dan analisa dari bab-bab sebelumnya, maka dapat diambil kesimpulan, sebagai berikut :
a. Tahapan-tahapan mengurangi derau hasil MRI dengan menggunakan metode Bilateral Filter dengan menghilangkan noise dan meningakatkan kecerahan pada gambar untuk mendapatkan kondisi gambar tertentu dan bertujuan untuk mempermudah langkah analisis.
b. Metode Bilateral Filter dapat diterapkan dalam aplikasi mengurangi derau pada citra MRI.
c. Pengujian aplikasi perbaikan mengurangi derau dengan menggunakan Microsoft visual basic2008.
Daftar Pustaka
[1] A. Y. Kusuma and U. Gunadarma, “MENGURANGI DERAU PADA CITRA MRI DARI THORACIC AORTA MENGGUNAKAN ALGORITMA KALMAN FILTER,” vol. 7, no. 11, pp. 7–8, 2013.
[2] A. H. Nasyuha, P. Studi, S. Informasi, T. D. Medan, and P. Citra, “IMPLEMENTASI PENGOLAHAN CITRA DENGAN MENGGUNAKAN TEKNIK KONVOLUSI UNTUK PELEMBUTAN CITRA ( IMAGE SMOOTHING ) DALAM,” pp. 150–162, 1978.
[3] R. Setiawan, D. Priyawati, F. Komunikasi, U. M. Surakarta, J. A. Yani, and T. Pos, “IMPLEMENTASI TEKNIK THRESHOLDING DAN MEDIAN FILTER UNTUK SEGMENTASI CITRA MAGNETIC RESONANCE IMAGING ( MRI ) BERDERAU,” pp. 101–105, 2017.
[4] A. Essra, “ANALISIS DETEKSI TEPI CANNY
PADA CITRA DENGAN GAUSSIAN
FILTERING DAN BILATERAL,” vol. 2, no. 1, pp. 34–39.
[5] R. Hadiyanti, “IMPLEMENTASI PERATURAN
PEMERINTAH NOMOR PERANGKAT
DAERAH PEMERINTAH KOTA,” vol. 1, no. 3, pp. 985–997, 2013.
[6] D. Putra, Pengolahan Citra Digital, Andi. yogyakarta, 2010.
[7] S. Purwiyanti, “Penentuan Letak Derau pada Citra Berderau Salt And Pepper Berdasarkan Sifat Ketetanggaan Piksel Penentuan Letak Derau pada Citra Berdasarkan Sifat Ketetanggaan Piksel Sri Purwiyanti , FX Arinto Setyawan Berderau Salt Pendahuluan,” no. September 2008, 2017.
[8] M. R. I. Sebagai and S. Diagnosa, “Magnetic resonance imaging,” vol. XIV, pp. 8–13, 2004. [9] M. Muhammad Dicka Samudera, Achmad Rizal,
ST., MT, Iwan IwutT, ST, “Pengenalan Suaru Paru Manusia Menggunakan Spektrogram Filter Bilateral 2D,” pp. 1–10.
[10] C. K. Harahap, I. Pendahuluan, A. Aplikasi, B. Noise, C. F. Gaussian, and A. A. Citra, “Perancangan aplikasi perbaikan noise citra menggunakan metode filtering gaussian,” vol. 2, no. 6, pp. 25–27, 2015.
