ANALISA DETEKSI TEPI CITRA MENGGUNAKAN METODE KRISCH DAN UNSHARP MASKING PADA IMAGE CT SCAN

(1)

Jurnal Pelita Informatika, Volume 6, Nomor 4, April 2018 ISSN 2301-9425 (Media Cetak) Hal: 398-401

398

ANALISA DETEKSI TEPI CITRA MENGGUNAKAN METODE KRISCH DAN UNSHARP MASKING PADA IMAGE CT SCAN

Abdul Salam, Hery Sunandar,Imam Saputra

Teknik Informatika STMIK Budi Darma, Medan, Indonesia Jalan Sisingamangaraja No. 338 Simpang Limun, Medan, Indonesia

ABSTRAK

Deteksi Tepi adalah operasi penting dalam bidang biologi vision dan komputer vision. Dalam biologi vision, ada kenaikan yang signifikan hal tersebut menyatakan bahwa lapisan luar visual utama berfungsi sebagai spesial untuk mengatur rangsangan visual ke dalam peta dari tepian yang berorientasi.Tepi yang berorientasi tersebut merupakan bukti yang lemah untuk dijadikan alasan terhadap tepian didalam mendeteksi retina.Deteksi Tepi merupakan salah satu proses yang fundamental dalam Pengolahan Citrayang bertujuan mengidentifikasikan titik-titik pada citra digital dimana tingkat kecerahan(brightness) berubah drastis atau terjadi diskontinuitas. Deteksi tepi bertujuan membentuksejumlah kurva yang saling terhubung yang mengindikasikan batas-batas objek, tanda-tandapermukaan, serta kurva-kurva yang mengindikasikan diskontinuitas pada orientasi permukaan.Algoritma Krisch deteksi tepi merupakanmetode deteksi tepi yang termasuk dalam gradient,edge detector.

Pendeteksian batas (edge) darisebuah gambar dilakukan dengan melakukan operasimatrik krisch terhadap gambar yang akan dilakukanpendeteksian gambar.Algoritma Unsharp Masking merupakan salah satu metode pemerosesan citra digital yang dapat di gunakan untuk mengurangi tingkat kekaburan citra yang di sebabkan oleh camera, penanaman kata unsharp dikarenakan metode ini menggunakan citra yang blur terhadap citra yang asli sebagai faktor pembuat mask.

Kata Kunci: Deteksi, Tepi, Algoritma, Krisch, Unsharp Masking

I. PENDAHULUAN

Penglihatan manusia terhadap tepi citra dapat dilihat melalui perubahan intensitas pixel pada suatu area gambar yang telah di deteksi tepinya, dan manusia bisa melihat perubahan intensitas citra secara perlahan, perubahan perlahan dapat di lihat pada bentuk garis tepi yang semakin tinggi dengan perubahan setelah di deteksi tepi citra, dengan penglihatan manusia bisa membedakan tepi citra yang berubah ubah.

Permasalahan deteksi tepi citra pada komputer, komputer harus melakukan proses segmentasi terlebih dahulu, Segmentasi adalah memisahkan citra menjadi bagian-bagian yang diharapkan merupakan objek - objek tersendiri atau membagi suatu citra menjadi wilayah-wilayah yang homogen berdasarkan kriteria keserupaan tertentu antara derajat keabuan suatu pixel dengan derajat keabuan pixel tetangganya.

Computed tomography Scan merupakan alat penunjang diagnosa yang mempunyai aplikasi yang universal untuk pemeriksaan seluruh organ tubuh, seperti susunan saraf pusat, otot dan tulang serta rongga perut, pemeriksaan ini dimaksudkan untuk memperjelas adanya dugaan yang kuat antara suatu kelainan, komponen yang mempengaruhi kualitas gambar Computed tomography Scan merupakan kontras resolution dan noise.

Deteksi tepi merupakan salah satu metode yang digunakan dalam Pengolahan Citra Digital. Metode ini berfungsi untuk mengidentifikasi garis/tepi pada objek citra untuk menonjolkan informasi garis batas dari citra. Segmentasi citra sebagai bagian dari proses pengolahan citra, adalah kegiatan untuk membagi citra menjadi beberapa bagian atau region, yang bertujuan untukmengisolasi atau menemukan suatu obyek didalam citra.

Deteksi tepi salah satu cara untuk mendeteksi tepi objek citra digital, banyak metode yang digunakan dalam mendeteksi sebuah objek citra digital dan hasilnya masih banyak yang bervariasi Dengan perkembangan zaman dan kemajuan teknologi ditemukanlah metode yang dapat memberikan jawaban terhadap kebutuhan pengguna saat ini, seperti halnya metode kirsch dan unsharp masking, metode ini akan digunakan untuk deteksi tepi citra pada foto Computed tomography Scan. Tepi citra adalah posisi dimana intesitas pixel

dari citra berubah dari nilai rendah ke nilai tinggi atau sebaliknya, deteksi tepi umumnya adalah langkah awal melakukan segmentasi.

II. TEORITIS A. Pengolahan Citra

Pengolahan citra adalah istilah umum untuk berbagai teknik yang keberadaanya untuk memanipulasi dan memodifikasi citra dengan berbagai cara. Foto adalah contoh gambar berdimensi dua yang dapat di olah dengan mudah, setiap foto dalam bentuk citra digital misalnya berasal dari kamera digital dapat di olah melalui perangkat lunak tertentu, apabila hasil kamera terlihat agak gelap citra dapat di olah menjadi lebih terang, di munginkan pula untuk memisahkan foto orang dari latar belakangnya [1].

Pengolahan citra digital menunjuk pada pemrosesan gambar 2 dimensi menggunakan komputer, dalam konteks yang lebih luas, pengolahan citra digital mengacu pada pemrosesan setiap data dua dimensi, citra digital merupakan sebuh larik (array) yang berisi nilai-nilai real maupun komplek yang direpresentasikan dengan deretan bit tertentu, suatu citra dapat didefinisikan sebagai fungsi f(x,y) berukuran M baris dan N kolom, dengan x dan y adalah koordinat

(2)

399 spasial, dan amplitudo f di titik koordinat (x,y)

dinamakan itensitas atau tingkat keabuan dari citra pada titik tersebut, apabila nilai x, y, dan nilai amplitude f secara keseluruhan berhingga (finite) dan bernilai diskrit maka dapat dikatakan bahwa citra tersebut adalah citra digital [2].

Deteksi tepi berfungsi untuk memperoleh tepi objek, deteksi tepi memanfaatkan perubahan nilai intensitas yang drastis pada batas dua area, tepi adalah himpunan piksel yang terhubung yang terletak pada batas dua area, tepi sesungguhnya mengandung informasi sangat penting, informasi yang di peroleh dapat berupa bentuk maupun ukuran objek, umumnya deteksi tepi menggunakan dua macam detektor, yaitu detector baris (𝐻𝑦) dandetector (𝐻𝑥), beberapa contoh yang tergolong jenis ini adalah operator Roberts, Prewitt, Sobel, dan Frei-chen, Deteksi tepi dapat di bagi menjadi dua golongan, golongan pertama di sebut deteksi tepi orde pertama, yang bekerja dengan menggunakan turunan atau deferensial orde pertama, termasuk kelmpok ini adalah operator Roberts, Prewitt, dan Sobel. Golongan kedua dinamakan deteksi tepi orde kedua, yang menggunakan turunan orde kedua termasuk kelompok ini adalah Laplacian of Gaussian (Log) [1].

Karakteristik tepi adalah sebuah titik yang merupakan milik tepi suatu obyek dalam sebuah citra, sebuah titik dimana terdapat perubahan local yang jelas dalam intensitas citra, biasanya berhubungan dengan diskontinuitas intensitas citra atau fungsi turunan pertama dari intensitas citra dalam lingkungan dimana titik tersebut berada. Akan tetapi diskontinuitas langkah dan garis jarang ditemukan dalam citra yang sesungguhnya, yaitu citra yang dihasilkan dari penangkapan oleh kamera, atau pun citra yang dihasilkan dari pemindaian sebuah poto, hal ini disebabkan kebayakan peralatan sensor termasuk kamera dan alat pemindai sebuah tepi juga mungkin saja memiliki karakteristik langkah dan landai secara bersama [3].

Deteksi tepi operator Kirsch diperkenalkan olehKirschpadatahun1971. Operatoriniident ik denganbentukmatriks3x3 atau jendela ukuran 3x3 piksel, dengan k0 sampai dengan k7 dihitung menggunakan kernel(mask) [4]. Operator ini mirip dengan operator prewit tapi kirsch dapat di petakan ke delapan arah mata angina sehingga operator ini dapat menentukan gradient dari ke delapan arah tersebut.

𝑓(𝑥, 𝑦) = (𝑓(𝑦 ∗ 𝑥) + (𝑦 ∗ 𝑥) ……(1)

√𝐺𝑥²+ 𝐺𝑦²= |𝐺𝑥| + |𝐺𝑦|

Filter unsharp adalah operator mengasah sederhana yang berasal dari fakta bahwa ia meningkatkan tepi melalui prosedur yang mengurangi unsharp, atau merapikan, versi gambar dari gambar aslinya teknik penyaringan unsharp umum digunakan di industri fotografi dan percetakan untuk tepi

crispening, dua teknik di atas menghasilkan gambar memiliki tingkat intensitas di belakang mereka mendekati hitam, namun terkadang membutuhkan peningkatan ketajaman pada citra itu sendiri[5].

𝑣 = 𝑦 +Ƴ(𝑥 − 𝑦) ...(2)

III. ANALISA DAN PEMBAHASAN

Analisis dilakukan untuk lebih memahami sistem yang akan dibuat selanjutnya, dalam hal ini untuk lebih mengerti mengenai informasi yang ada, fungsi-fungsi yang terdapat dalam sistem serta bagaimana performa sistem tersebut. Hasil analisis tersebut akan digunakan sebagai acuan untuk proses pemecahan masalah yang ada, sehingga akan mampu memberikan alternatif solusi. Dalam pencarian solusi ini sistem dituntut untuk dapat memenuhi spesifikasi yang dibuat agar mampu memberikan hasil yang optimal.

1. Metode Krisch

Di dalam masalah ini, telah disiapkan sebuah cita digital yang mempunyai citra dimensi 586x533 dan melakukan konversi citra digital ke dalam bentuk matriks di mana ukuran matriks yang digunakan adalah ukuran 5x5.

f(x,y)=

Gambar 3.1 Data citra hasil grayscale

𝐺_𝑥= 𝐺_𝑦=

Gambar 1. Kernel Operator Krisch

Sehingga perhitungan konvolusi dapat dihitung dengan menggunakan persamaan 𝑓(𝑥, 𝑦) = (𝑓(𝑦 ∗ 𝑥) + (𝑦, 𝑥)

√𝐺𝑥²+ 𝐺𝑦²= |𝐺𝑥| + |𝐺𝑦|

Dengan ketentuan

𝑖𝑓{255 𝑗𝑖𝑘𝑎 𝑛𝑖𝑙𝑎 𝑎𝑘ℎ𝑖𝑟 𝑐𝑖𝑡𝑟𝑎 > 255 0 𝑗𝑖𝑘𝑎 𝑛𝑖𝑙𝑎𝑖 𝑎𝑘ℎ𝑖𝑟 𝑐𝑖𝑡𝑟𝑎 < 0 Penyelesaian:

1. Nilai Konvolusi dari Gx:

Nilai kernel Gx dihitung dengan cara berikut:

(3)

400

|Gx|=(0x82)+(-1x94)+(-1x98)+(1x90)+(0x101)+(- 1x106)+(1x94)+(1x107)+(0x110) =|-7||7|

2.Niali Konvolusi dari Gy:

Nilai kernel Gy dihitung dengan cara berikut:

|Gy|=(-1x82)+(-1x90)+(0x94)+(-1x94)+(0x101)+

(1x107)+(0x98)+(1x106)+(1x110) =|57|

Maka hasil nilai konvolusi dari perhitungan Gx dan Gy tersebut yaitu:

√7²+ 57²

√49 + 3249

√3298= 57

Dengan cara yang sama maka akan menghasil kan nilai seperti dibawah ini:

Gambar 2. Nilai Akhir Citra

2. Metode Unsharp Masking

Di dalam masalah ini, telah disiapkan sebuah cita digital yang mempunyai citra dimensi 586x533 dan melakukan konversi citra digital ke dalam bentuk matriks di mana ukuran matriks yang digunakan adalah ukuran 5x5

X =

Gambar 3. Data Citra Hasil Grayscale

Y =

Gambar 4. LowPass Filter

Sehingga data citra grayscale dapat di konvolusikan dihitung dengan menggunakan citra asli di bagi low pass filterdengan menggunakan perhitungan perkalian matrik 5x5.

Nilai dihitung dengan cara berikut:

Ƴ=(82*1/9)+(94*1/9)+(98*1/9)+(90*1/9)+(101*1/9)+

(106*1/9)+(94*1/9)+(107*1/9)+

(110*1/9)={82+94+98+90+101+106+94+107+110}=

882/9= 98

Di hitung dengan cara yang sama maka akan menghasilkan nilai seperti dibawah ini:

Gambar 5. Nilai Hasil Low Pass Filter

Setelah dapat nilai low pass filter sehingga dapat di hitung dengan menggunakan persamaan: 𝑣 = 𝑦 + Ƴ(𝑥 − 𝑦)

Dengan ketentuan

𝑖𝑓{255 𝑗𝑖𝑘𝑎 𝑛𝑖𝑙𝑎 𝑎𝑘ℎ𝑖𝑟 𝑐𝑖𝑡𝑟𝑎 > 255 0 𝑗𝑖𝑘𝑎 𝑛𝑖𝑙𝑎𝑖 𝑎𝑘ℎ𝑖𝑟 𝑐𝑖𝑡𝑟𝑎 < 0

menggunakan perkalian matrik 5x5 yang mana again (Ƴ>0).

IV. IMPLEMENTASI

Implementasi sistem merupakan lanjutan dari tahap analisa dan perancangan sistem. Sistem ini dibangun dengan menggunakan bahasa pemograman Matlab, Sistem yang dirancang, menggunakan antar muka pengolahan data dari pengujian. Pada antar muka

(4)

401 pengolahan, dapat dimasukan berupa data citra dengan

bentuk format citra hasil Ct scan.

Gambar 6. Hasil Implementasi Program

V. KESIMPULAN

Kesimpulan dari penulis penelitian ini adalah:

1. Sebuah citra digital terdiri dari pixel-pixel yang membentuk citra grayscale pada citra ct scan tersebut.

2. Hasil deteksi tepi dari Ct scan, dapat digunakan untuk aplikasi pengolahan citra digital lain yang membutuhkan informasi mengenai komposisi pixel dari Ct scan.

3. Perancangan aplikasi dapat dibuat dengan menggunakan bahasa pemrograman Matlab dengan form hasil citra Krisch dan Unsharp Masking.

4. Dilihat dari hasil metode Krisch dan Unsharp Maskinglebih cocok digunakan untuk mendeksi gambar citra hasil digital dari pada deteksi tepi hasil citra ct scan.

REFERENCES

[1] A. Kadir and A. Susanto, Teori Dan Aplikasi Pengolahan Citra, vol. 1, Yogyakarta: ANDI Yogyakarta, 2013.

[2] D. Putra, Pengolahan Citra Digital, vol. 1, Yogyakarta: Andi Yogyakarta, 2010.

[3] A. Usman, Pengolahan Citra Digital, vol. 1, Graha Ilmu, 2005.

[4] V. Lusiana, "Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson," vol. 18, no. 2, p. 183, 2013.

[5] S. Sridhar and D. Meeravali, "A generalised Unsharp Masking Algorithm Using Bilateral Filter," vol. 4, no. 7, p. 2896, 2013.

[6] S. Aripin and H. Sunandar, “PERANCANGAN APLIKASI PERBAIKAN CITRA PADA HASIL SCREENSHOT MENGGUNAKAN METODE INTERPOLASI LINIER,”

Pelita Inform. Budi Darma, vol. Volume : 1, no. October, pp. 51–

58, 2016.

[7] S. Aripin, G. L. Ginting, and N. Silalahi, “Penerapan metode retinex untuk meningkatkan kecerahan citra pada hasil screenshot,” Media Inform. Budidarma, vol. 1, no. 1, pp. 24–27, 2017.

[8] Yuhandri, S. Madenda, E. P. Wibowo, and Karmilasari, “Object Feature Extraction of Songket Image Using Chain Code Algorithm,” Int. J. Adv. Sci. Eng. Inf. Technol., vol. 7, no. 1, pp.

235–241, 2017.

[9] S. Sumijan, Y. Yuhandri, and W. Boy, “Detection and Extraction of Brain Hemorrhage on the CT-Scan Image using Hybrid Thresholding Method,” J. Comput. Sci. Inf. Technol., 2016.

[10] T Sutoyo, Teori Pengolahan Citra Digital. Yogyakarta: ANDI, 2009.

[11] E. Prasetyo, Pengolahan Citra Digital dan Aplikasinya

menggunakan Matlab. Yogyakarta: Andi, 2011.

[12] M. Zainuddin, L. T. Sianturi, and R. K. Hondro,

“IMPLEMENTASI METODE ROBINSON OPERATOR 3 LEVEL UNTUK MENDETEKSI TEPI PADA CITRA DIGITAL,” J. Ris. Komput., vol. 4, no. 4, pp. 1–5, 2017.