Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi

Transkripsi

1 Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya nafik_unisla26@yahoo.co.id 1, ymp@stts.edu 2 ABSTRAK Segmentasi citra merupakan suatu teknik pengelompokkan (clustering) untuk citra. Dengan kata lain, merupakan suatu proses pembagian citra ke dalam wilayah (region) yang mempunyai kesamaan fitur antara lain : tingkat keabuan (grayscale), teksture (texture), warna (color), gerakan (motion). Integral projection merupakan salah satu metode yang cukup baik untuk mendapatkan suatu objek hasil segmentasi. Sebelum melakukan transformasi perlu dilakukan suatu pre processing dan salah satu teknik yang digunakan adalah thresholding. Dalam penelitian ini dikembangkan suatu penggabungan antara preprocessing citra dan integral projection untuk menghasilkan segmentasi dengan kualitas yang lebih baik. Kata kunci: Segmentasi, Radigraph Dental Panoramic, Transformasi Integral Projection 367

2 PENDAHULUAN Baru-baru ini, perancangan dan pembuatan Automated Dental Identification System (ADIS) untuk pengidentifikasian manusia dengan menggunakan dental radiograph telah dilakukan. ADIS adalah sebuah sistem automatisasi proses untuk pengidentifikasian PM yang telah didesain untuk mencapai hasil pengidentifikasian yang akurat dan tepat waktu dengan interfensi manusia yang minimum. ADIS memanfaatkan dental radiograph yang telah didigjitalkan untuk memberikan sebuah daftar pendek dari citra yang cocok untuk ahli forensik gigi. Namun demikian, dental radiograph yang digunakan oleh ADIS adalah citra bitewing yang sulit untuk didapatkan PM dari korban. Pada penelitian ini, citra gigi yang digunakan adalah citra dental panoramic radiograph. Citra Masukkan Citra Hasil Enhacement Gambar 1. Citra Hasil Proses Image Enhancement. Tahapan untuk identifikasi manusia untuk kebutuhan forensik adalah: preprocessing citra gigi, ekstrasi fitur, klasifikasi dan matching. Pada penelitian ini akan dibahas tahapan awal dari citra gigi, yaitu preprocessing citra gigi yang terdiri dari image enhancement (perbaikan citra), binarisasi citra, dan pemisahan gigi. PERBAIKAN CITRA Tujuan dari proses perbaikan citra (image enhancement) adalah mengganti nilai piksel dari tambalan gigi yang terlalu tinggi daripada nilai piksel gigi sekitarnya, dengan tujuan agar tidak mengacaukan proses binarisasi. Pada tahap ini, metode yang digunakan adalah metode image thresholding untuk mengganti intensitas nilai piksel yang terlalu tinggi, topbottom hat morphological operation untuk mempertajam kontras citra antara gigi dan background, dan Contrast-Limited Adaptive Histogram Equalization (CLAHE) untuk melakukan ekualisasi histogram dalam tingkat lokal. Proses thresholding dapat ditunjukkan pada persamaan. g (x,y) = 1 if f(x,y) > T g (x,y) = 0 if f(x,y) T BINARISASI CITRA Citra yang telah diperbaiki melalui proses image enhancement telah siap untuk dilakukan binarisasi menjadi hitam dan putih dengan menggunakan metode threshold canny dan iterative thresholding. Edge Canny detection adalah algoritma pedeteksian tepi dari suatu object. Tujuan dari pengguanaan dari edge canny detection adalah untuk mengetahui tingkat kekontrasan pada kontur gigi. Proses edge canny detection digabungkan dengan proses dilasi dengan square constructing objek sebesar 2. Setelah proses dilasi, tahap selanjutnya adalah dengan melakukan proses masking dengan citra original untuk mendapatkan nilai gray pada edge. Sehingga didapatkan nilai threshold dari nilai ratarata mask edge. KAJIAN TEORI 1. Pengolahan Citra Digital Pemrosesan citra digital memerlukan satu proses pre processing yang selanjutnya akan digunakan untuk proses yang lain. Proses tersebut adalah segmentasi. Segmentasi merupakan langkah pertama dan menjadi kunci yang penting dalam suatu pengenalan objek (object recognition). Proses segmentasi merupakan suatu proses untuk memisahkan antara satu obyek dengan obyek lainnya. Dengan proses segmentasi masing-masing obyek pada citra dapat diambil secara terpisah sehingga dapat digunakan sebagai masukan proses yang lain. Segmentasi citra merupakan suatu teknik pengelompokkan (clustering) untuk citra. Dengan kata lain, merupakan suatu proses pembagian citra ke dalam wilayah (region) yang mempunyai kesamaan fitur antara lain : tingkat keabuan (gray scale), teksture (texture), warna (color), gerakan (motion). 2. Segmentasi Terdapat dua pendekatan utama dalam segmentasi citra yaitu didasarkan pada tepi (edge-based) dan didasarkan pada wilayah (region-based). Segmentasi didasarkan pada tepi membagi citra berdasarkan diskontinuitas di antara sub-wilayah (sub-region), sedangkan segmentasi yang didasarkan pada wilayah bekerjanya berdasarkan keseragaman yang ada pada sub-wilayah tersebut. Hasil dari segmentasi citra adalah sekumpulan wilayah yang melingkupi citra tersebut, atau sekumpulan kontur yang diekstrak dari citra (pada deteksi tepi). Segmentasi wilayah merupakan pendekatan lanjutan dari deteksi tepi. Dalam deteksi tepi segmentasi citra dilakukan melalui identifikasi batas-batas objek (boundaries of object). Batas merupakan lokasi dimana terjadi perubahan intensitas. Dalam pendekatan didasarkan pada wilayah, maka identifikasi dilakukan melalui wilayah yang terdapat dalam objek tersebut. Pemisahan gigi adalah memisahkan gigi menjadi gigi tunggal sehingga fitur-fitur dapat diekstrasi dari tiap gigi. Terdapat dua buah proses untuk mendapatkan obyek gigi tunggal. Proses pertama menggunakan 368

3 Horizontal Integral Projection untuk memisahkan antara rahang atas (maxilla) dan rahang bawah (mandible). Selanjutnya, pemotongan pada gigi dilakukan dengan menggunakan Vertical Integral Projection pada masing-masing citra maxilla dan mandible sehingga didapatkan gigi-gigi tunggal yang terpisah dari gigi tetangganya. Setelah dilakukan proses tersebut, garis-garis pembatas antargigi dapat diperoleh. Nilai piksel pada gambar yang terletak pada garis pembatas antargigi akan diubah menjadi 0, kemudian dipertebal dengan proses erosi menggunakan structuring element persegi berukuran tiga piksel Integral Projection Untuk memisahkan antara rahang atas dan rahang bawah digunakan horizontal projection dengan rumusan sebagai berikut: H(i) = Horizontal integral projection adalah penjumlahan matrik citra dari baris ke m sampai pada kolom ke n. Atau dengan kata lain penjumlahan matrik citra dengan arah baris. Horizontal projection bertujuan untuk mencari posisi initial baris yang paling minimum atau global minimal. Posisi baris tersebut digunakan untuk membuat garis pembatas antara rahang atas dengan rahang bawah. Kemudian proses penentuan garis pemisah pada stripse (20x100) ditentukan dengan melakukan penjumlahan secara baris pada masing-masing stripse. Untuk menyatukan digunakanlah fungsi spline untuk menyatukan garis yang terdapat pada tiap stripse Vertical Projection Untuk memisahkan tiap gigi digunakan cara yang sama dengan pemisahan antara rahang atas dengan rahang bawah. Pemisahan tiap gigi dapat dilakukan dengan menggunakan vertical projection. Dengan rumusan sebagai berikut: V (i) = Vertical projection adalah penjumlahan matrik citra dari kolom ke n sampai baris ke m. Atau dengan kata lain penjumlahan matik citra dari arah kolom. Hal yang ingin dicapai pada vertical projection adalah mencari nilai local minimal pada kurva penjumlahan kolom. Seperti terlihat di bawah ini: Gambar 2 Citra hasil vertical projection Proses pemisahan gigi pada masing-masing rahang memiliki kompleksitas yang lebih tinggi jika dibandingkan dengan proses pemisahan rahang. Hal ini dikarenakan pada pemisahan rahang hanya terdapat sebuah garis pemotong. Sedangkan pada proses pemisahan gigi, paling tidak terdapat tiga sampai dengan enam garis pemotong. Oleh karena itu, proses pemisahan gigi diperlukan tambahan proses, yaitu proses mencari garis kandidat pemotong gigi, proses seleksi terhadap garis kandidat pemotong gigi, dan pembentukan garis Ketiga proses tersebut akan dijelaskan pada subbab berikut. Proses Mencari Garis Kandidat Pemotong Gigi Proses pencarian garis kandidat pemotong gigi dilakukan dengan menjumlahkan piksel kolom pada masing-masing rahang atas dan rahang bawah. Terdapat perbedaan antara proses penjumlahan piksel baris pada rahang atas dan rahang bawah. Khusus pada rahang bawah yang umumnya terdapat akar gigi bercabang yang dapat mengacaukan proses pemisahan, penjumlahan hanya dilakukan pada 3/5 bagian dari atas citra rahang bawah sehingga piksel pada akar gigi tidak ikut dijumlahkan. Grafik histogram dibuat dari hasil penjumlahan piksel baris ini. Setelah itu, proses smoothing dilakukan pada grafik histogram tersebut dengan nilai smoothing point 12. Jumlah maksimum iterasi untuk smoothing adalah 30 kali. Selain itu iterasi akan berhenti hanya jika jumlah minimum smoothing point pada grafik histogram kurang dari atau sama dengan 5 ataupun iterasi telah mencapai batas maksimum. Koordinat minimum smoothing point yang tersisa akan digunakan sebagai koordinat untuk kandidat garis pemotong antar gigi. Kemudian, seleksi terhadap kandidat garis pemotong dilakukan sehingga hanya tersisa garis Proses Seleksi pada Garis Kandidat Pemotong Gigi dengan Menggunakan Integral Projection yang Dimodifikasi Kandidat garis pemotong antar gigi yang didapatkan diseleksi dalam beberapa tahap sehingga hasil akhir dari proses ini didapatkan garis Proses seleksi pertama dilakukan dengan cara membandingkan koordinat y atau tinggi dari posisi garis kandidat pemotong dengan nilai batasan tertentu. Terdapat perbedaan nilai pembatas untuk maxilla dan mandible. Pada maxilla nilai batas ditentukan dengan mengambil 80 % dari tinggi maksimal penjumlahan nilai piksel secara vertikal pada citra maxilla. Sedangkan untuk mandible, dikarenakan hanya diambil 3/5 bagian dari citra maxilla, maka nilai batas hanya diambil 50% dari 369

4 total penjumlahan nilai piksel secara vertikal pada citra mandible. Garis kandidat pemotong gigi yang memiliki koordinat y lebih besar dari nilai batasan, atau dengan kata lain terletak diatas nilai batas, akan dihilangkan karena dianggap tidak termasuk dalam garis Selanjutnya, proses seleksi kedua dilakukan dengan cara mengurutkan posisi koordinat x dari garis kandidat yang telah lolos dalam seleksi pertama. Kemudian menghitung selisih jarak antara garis kandidat pemotong satu dengan tetangganya. Pada penelitian ini, nilai threshold ditetapkan sebesar 55 piksel sebagai anggapan bahwa gigi paling pendek minimal berukuran panjang 55 piksel. Sedangkan antara garis kandidat pemotong gigi satu dengan yang lain tidak boleh berdekatan. Jika terdapat garis kandidat yang memiliki jarak kurang dari 55 piksel dengan tetangga kanannya, maka tetangga kanannya akan dibuang. Kemudian, jarak dengan tetangga sebelah kanannya dihitung lagi sampai diperoleh jarak antar garis pemotong gigi dan tetangga sebelah kanannya lebih dari 55 piksel. Proses Pembentukan Garis Pemotong Antar Gigi Tahap terakhir dari proses pemisahan gigi adalah proses pembentukan garis pemotong antar gigi. Proses pembentukan garis pemotong antar gigi memiliki alur yang sama dengan proses pemotongan rahang. Pada proses ini garis pemotong antargigi yang telah didapatkan dijadikan garis inisial pemotong antargigi. Kemudian, pemecahan citra dilakukan disepanjang garis inisial tersebut yang disebut dengan stripe. Stripe berbentuk persegi panjang dengan panjang 80 piksel dan lebar 50 piksel. Dari tiap stripe, proses penjumlahan baris secara Vertical Integral Projection dilakukan. Kemudian, titik dipilih pada stripe yang memiliki nilai paling minimum. Titik yang dipilih ini akan menjadi titik Selanjutnya, koordinat dari beberapa titik pemotong antar gigi dihubungkan dengan metode spline untuk menjadi garis Bagian citra yang terletak pada koordinat garis pemotong antar gigi akan diubah nilai pikselnya menjadi nol sehingga gigi satu dengan tetangganya akan terpisah. PEMBAHASAN Proses perbaikan citra dilakukan dengan tujuan mempertajam kontras citra asli dengan background, dan menghilangkan piksel yang memiliki intensitas terlalu tinggi. Uji coba juga dilakukan dengan tujuan untuk membandingkan secara visual antara citra asli dengan citra hasil proses perbaikan citra. Proses uji coba akan mendapatkan hasil yang baik, jika kontras antara gigi dan latar belakangnya semakin tajam. Hasil uji coba ditunjukkan pada Gambar berikut : Gambar 3 citra asli Gambar 4 citra hasil perbaikan Proses binarisasi citra digunakan untuk mengetahui kemampuan sistem dalam memisahkan antara bagian obyek gigi dengan latar belakangnya sesuai dengan rancangan dan implementasi yang telah diterapkan. Uji coba juga dilakukan dengan tujuan untuk menbandingkan citra secara visual, antara citra hasil perbaikan citra dengan citra hasil proses binarisasi. Hasil uji coba proses binarisasi citra dapat dilihat pada Gambar 5. Gambar 5 citra hasil binarisasi Citra uji coba yang digunakan pada penelitian ini terdiri dari citra Panoramic Dentalg sesuai pada Gambar 6 dan Gambar 7: Gambar 6 Citra Panoramic Dental Gambar 7 Citra hasil crop Untuk data panoramic pada tahap uji coba adalah 5 data. Sedangkan data hasil crop digunakan sebanyak 10 data. Tahapan proses yang dilakukan pada kedua data tersebut adalah dengan melakukan 370

5 proses segmentasi diawali dengan threshold kombinasi, untuk memisahkan antara rahang atas dengan rahang bawah digunakan horizontal projection dan untuk memisahkan gigi digunakan vertical projection. Uji coba yang dilakukan pada horizontal projection adalah kemampuan dalam melakukan proses pemisahan antara rahang atas dengan rahang bawah. Uji coba dilakukan pada pada 10 citra hasil crop dan 5 citra panoramic. Proses yang dilakukan adalah dengan melakukan proses perubahan warna, jika yang ditampilkan adalah rahang atas maka rahang bawah yang dirubah menjadi warna hitam, untuk menampilkan rahang bawah, maka rahang atas yang dirubah menjadi warna hitam. Hasil uji coba dari horizontal projection dapat dilihat pada Gambar berikut: Citra Rahang Atas Rahang Bawah a.jpg b.jpg Pada uji coba vertical projection juga digunakan citra yang sama seperti pada uji coba horizontal projection. Untuk hasil vertical projection dapat dilihat pada Gambar di bawah ini: Citra Rahang Atas Rahang Bawah a.jpg menggunakan algoritma horizontal projection 88% d. Untuk melakukan proses segmentasi pada tiap gigi dapat dilakukan dengan algoritma vertical projection. Hasil akurasi dari vertical projection 80% 2. Saran Oleh karena itu diperlukan adanya percobaan menggunakan metode yang lain pada tahap image enhancement, dan segmentasi karena metode yang saat ini diterapkan kurang optimal dalam memisahkan citra dental radiography dengan bagian tulang rahang, yang memiliki intensitas yang hampir sama. Dan saya sampaikan terima kasih kepada Rumah Sakit Ibnu Sina Gresik yang memberikan data Dental Panoramic. DAFTAR PUSTAKA Ahmad, Usman Pengolahan Citra Digital. Yogyakarta: Graha Ilmu. Basuki, Achmad Pengolahan Citra Digital Menggunakan Visual Basic. Yogyakarta: Graha Ilmu. Fadlisyah Computer Vision dan Pengolahan Citra. Yogyakarta: Andi. Murni, Aniati Pengantar Pengolahan Citra. Jakarta: Gramedia. Putra, Darman Pengolahan Citra Digital. Yogyakarta: Andi. Wijaya, Marvin Ch Pengolahan Citra Digital Menggunakan Matlab. Bandung: Informatika. Yuniarti, Anny Classification and Numbering of Dental Radiographs for an Automated Human Identification System. Telkomnika. Vol.10, b.jpg PENUTUP 1. Kesimpulan Dari hasil uji coba yang didapatkan, beberapa simpulan sebagai berikut: a. Proses segmentasi foreground dan background pada citra sinar-x gigi dapat dilakukan menggunakan threshold kombinasi (gabungan metode Edge Canny & Iterative Thresholding). b. Berdasarkan uji coba, nilai parameter thresholding yang optimal adalah 0,9. c. Proses pemisahan antara rahang atas dengan rahang bawah dapat dilakukan dengan 371