METODE SHAPE DESCRIPTOR BERBASIS SHAPE MATRIX UNTUK ESTIMASI BENTUK STRUCTURING ELEMENT

Transkripsi

1 METODE SHAPE DESCRIPTOR BERBASIS SHAPE MATRIX UNTUK ESTIMASI BENTUK STRUCTURING ELEMENT Sri Huning A NRP DOSEN PEMBIMBING Dr. Agus Zainal Arifin, S. Kom, M.Kom Anny Yuniarti, S.Kom, M.Comp.Sc

2 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 cara (Cesar dan Costa, 2009) shape descriptor

3 Abstrak (lanjutan) 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 %

4 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 untuk estimasi bentuk stucturing element.

5 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.

6 Square Disk/?????

7 Kontribusi mengusulkan metode baru untuk mengestimasi bentuk structuring element dengan menganalisa representasi shape/bentuk berbasis shape matrix.

8 Rumusan Masalah Bagaimana cara merepresentasikan objek dalam bentuk shape matrix? Bagaimana cara menentukan bentuk structuring element berdasar representasi objek berbasis shape matrix?

9 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 operasi pengolahan citra lain

10 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. Menggunakan bahasa pemrograman Matlab 7.0.1

11 BAB 2 DASAR TEORI

12 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 bentuk

13 Structuring Element B Gambar 2.2. Contoh Structuring Element (a) titik O adalah titik poros, (b) representasi biner dari structuring element Strel kunci penting dalam morfologi komponen : yaitu bentuk dan ukuran.

14 Bentuk-bentuk Umum Strel a. Disk ukuran 3 b. Square 3 x 3 c. Diamond ukuran 3 d. Linear ukuran 3, rotasi 45 o e. Rectangle 3 x 5 Gambar 2.5. Bentuk-bentuk Umum Structuring Element

15 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

16 Operasi-operasi Morfologi Translasi Dilasi Erosi Opening Closing Morfologi gradien

17 2.2 Representasi Shape Taksonomi Teknik Representasi Shape Menggunakan Region-Based

18 2.3. Shape Matrix 0 L S Misalkan AlgoritmaS Shape adalahmatrix sebuah objek Akan Menentukan Mencari 3. Buat didapatkan titik radius lingkaran tengah ukuran terjauh titik mengelilingi objek, ordo potong objek, misal misal titik titik O A 5. Bagi shape padagaris Akan objek i OA menjadi (n-1) bagian. 1 diketahui matrix, i 2, dengan, m i n-1. x panjang n, r = misal L buat lingkaranoa dengan = L m Kemudian = 6 dan n dari = 5setiap titik potong, radius denganmasing-masing arah berlawanan adalah jarum jam, L/(n-1), Bagi setiap 2L/(n-1), lingkaran, (n-1)l/(n-1) menjadi m busur Dengan dθ = 360/m derajat A θ dθ = 360/m

19 Algoritma menentukan nilai elemen shape matrix

20 Contoh shape matrix m = 6, n = 5, L = 10 Koordinat (il/(n-1),,j(360/m) n = i A m = j Gambar (a) contoh shape, (b) Shape Matriks (Goshtasby, 2005)

21 BAB 3. Metode Penelitian

22 3.1. Desain Sistem mulai Menentukan Citra Uji dan citra ground truth Menentukan representasi bentuk (shape matrix ) untuk dapat menentukan bentuk structuring element selesai Menghitung Kinerja Algoritma Melakukan operasi morfologi gradient menggunakan strel yang didapat Gambar 3.1. Desain Sistem

23 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

24 2. Menentukan shape matrix dari citra binerisasi citra uji (optional) mencari koordinat piksel penyusun objek 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) Bagi garis OA menjadi bagian dengan jarak yang sama Membuat lingkaran - dengan titik pusat O dengan radius lingkaran masingmasing adalah L /( n 1), 2L /( n 1),..., ( n 1) L /( n 1) Membagi lingkaran menjadi busur yang sama dimana sudut masing-masing derajat. d θ = 360 / m menentukan nilai-nilai elemen shape matrix

25 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 Citra Asli Citra Biner, threshold = (185)

26 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 koordinatkoordinat piksel yang termasuk objek.

27 2.3. Mencari Titik Tengah Objek Persamaan mencari koordinat pusat objek (c 1,c 2 ), c 1 = 1 N N i= 1 x i, c 2 = 1 N N i= 1 y i (3.1) dimana ( x, y )( i 1,2,..., N ) adalah koordinat dari piksel dalam objek i i = dan N adalah jumlah piksel dalam objek. Gambar 3.7. Hasil Pencarian Titik Tengah Objek

28 2.4. Mencari Radius Terjauh dari Objek Eucledian distance setiap piksel pada objek dihitung jaraknya terhadap titik pusat O(c1,c2) D = ) 2 + ( ) ( x c y c Di mana (x1,y1) adalah koordinat setiap piksel pada objek, sedangkan (c1,c2) adalah koordinat titik pusat objek.

29 A (rmax,cmax) L O(c 1,c 2 ) Gambar 3.9. Ilustrasi Titik Pusat dan Radius Terjauh Gambar Radius terjauh Bentuk 1

30 2.5. Membuat lingkaran yang mengelilingi objek dengan besar jari-jari sama dengan radius terjauh Gambar Lingkaran Mengelilingi Bentuk 1

31 2.8. Menentukan nilai-nilai elemen shape matrix For i = 0 to (n 1) For j = 0 to (m 1) If titik dengan koordinat polar ( il n berada di dalam shape, then otherwise M ( i, j) : = 0 /( 1), j(360 / m)) M ( i, j) : = Gambar Contoh Shape Matrix ukuran 5 x 5

32 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 Gambar Proses Deteksi tepi

33 Citra Asli Citra Hasil Operasi Dilasi Citra Hasil Operasi Erosi Citra Hasil Deteksi Tepi

34 4. Menghitung Kinerja Algoritma Akurasi = TP + TP TN + + FN FP + FN Tabel 3.1. Perhitungan Akurasi Sistem Ground Truth Edge Bukan Edge Hasil Sistem Edge Bukan Edge True Positif (TP) False Negatif (FN) False Positif (FP) True Negatif (TN)

35 BAB 4 UJI COBA DAN ANALISIS HASIL

36 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 3. Citra Riil

37 CITRA GROUND TRUTH (normal) 5/30

38 Citra Uji Normal (5/30)

39 Citra Uji dengan Variasi Scaling dan Rotasi Asli 140 x % 98 x % 210 x o 201 x 201

40 Citra Uji dengan Hole Hole 1 Hole 2 Hole 3

41 Citra Uji dengan Objek Terpisah Pisah 1 Pisah 2 Pisah 3

42 Citra Riil Breast gigi Sel darah

43 Structuring Element Pembanding Diamond Disk Square

44 Hasil Pengujian (Citra Normal) N0 Nama Objek Akurasi (%) SM Square Diamond 1 Bentuk 1 99,99 99,99 98,33 2 Bentuk 2 97,98 97,97 98,00 3 Bentuk 3 98,28 98,28 98,20 4 Bentuk 4 99,61 99,61 98,51 5 Bentuk 5 99,97 99,98 99,31 6 Bentuk 6 99,76 99,76 99,34 7 Bentuk 7 99,98 99,98 99,15 8 Bentuk 8 99,97 99,97 98,88 9 Bentuk 9 99,97 99,97 98,57 10 Bentuk 10 99,99 99,99 99,41 11 Bintang 99,99 99,98 98,51 12 Kotak 100,00 100,00 99,98 13 Flag 99,92 99,92 99,62 14 Bunga 98,29 98,26 98,28 15 Kotaktumpul 100,00 100,00 99,82 Disk 98,33 98,00 98,20 98,51 99,31 99,34 99,15 98,88 98,57 99,41 98,51 99,98 99,62 98,28 99,82

45 99,27 99,27 99,99 99,99 Daun 30 99,30 99,30 100,00 100,00 Trapesium ,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 ,05 99,05 100,00 100,00 Segitiga ,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 ,00 99,00 99,99 99,99 Lingkaran ,76 97,76 99,27 99,27 Layang 16 Disk Diamond Square SM Akurasi (%) Nama Objek No

46 Tabel 4.3. Perbandingan Rata-rata Akurasi Uji Coba Normal No Structuring Element shape matrix square diamond disk Rata-rata Akurasi (%) 99,6 99,5 98,9 98,9

47 Ukuran Structuring Element : 3 x 3 Citra Asli Citra Ground Truth Hasil Shape Matrix 100 % Hasil Square 100 % Hasil Diamond 99,98 % Hasil Disk 99,98 %

48 Ukuran Structuring Element : 3 x 3 Citra Asli Citra Ground Truth Hasil Shape Matrix (98,29%) Hasil Square (98,26%) Hasil Diamond (98,28%) Hasil Disk (98,28%)

49 Tabel 4.6. Hasil Pengujian Pada Citra Uji dengan Perubahan Scaling dan Rotasi No Nama Citra Ukuran Akurasi (%) Strel SM Square Diamond Disk 1 persegi_besar_150 3 x ,99 99,99 2 persegi_kecil_70 3 x ,95 99,95 3 persegi_rotasi_+45 3 x ,94 98,94 4 persegi_rotasi_-45 3 x ,94 98,94 Tabel 4.7. Hasil Pengujian Pada Citra Uji dengan Hole No Nama Citra Ukuran Akurasi (%) Strel SM Square Diamond Disk 1 Hole 1 3 x ,36 98,36 2 Hole 2 3 x ,95 99,95 3 Hole 3 3 x 3 99,99 99,99 99,58 99,58

50 Tabel 4.9. Perhitungan Akurasi Citra Riil No Nama Objek SM Akurasi (%) Square Diamo nd Disk 1 Breast 97,02 96,41 96,81 96,81 2 Gigi 98,53 98,53 96,89 97,80 3 Sel Darah 99,52 99,51 98,06 98,06 Rata-rata 98,4 98,1 97,2 97,2

51 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 matrix yang tepat.

52 Analisa Hasil (lanjutan) Penelitian ini ada keterkaitan dengan penelitianpenelitian 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.

53 BAB 5 KESIMPULAN DAN SARAN

54 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 berbasis shape matrix lebih tinggi.

55 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 keseluruhan data citra riil sebesar 98,4%.

56 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 noise (noise reduction).

57 Usulan Future Work Bentuk yang sesuai menggunakan structuring element berbasis shape matrix

58 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 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 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 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 mathematical morphology, IEEE Transactions on PAMI-9, hal

59 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 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 Medicine Journal, Nomor. 39, hal

60 Terima Kasih