PRESENTASI TUGAS AKHIR – KI091391
APLIKASI PERBAIKAN KONTRAS PADA CITRA RADIOGRAFI GIGI MENGGUNAKAN KOMBINASI METODE HISTOGRAM EQUALIZATION DAN FAST GRAY LEVEL GROUPING
(Kata kunci: Fast gray level grouping, histogram equalization, kontras rendah, perbaikan citra)
Penyusun Tugas Akhir : Fenny Delusia Radhityanti (NRP : 5109.100.013) Dosen Pembimbing : Anny Yuniarti, S.Kom, M.Comp.Sc Rully Soelaiman, S.Kom., M.Kom. 25 Juli 2013
Tugas Akhir – KI091391
1
AGENDA
1. PENDAHULUAN 4. KESIMPULAN DAN SARAN
2. GAMBARAN UMUM APLIKASI
3. UJI COBA 25 Juli 2013
1. PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan
25 Juli 2013
LATAR BELAKANG
Citra radiografi gigi merupakan citra yang memiliki kontras
rendah. Perbaikan kontras pada citra radiografi gigi sangat diperlukan sebagai pra-proses penerapan suatu aplikasi misalnya pada aplikasi klasifikasi dan penomoran radiografi gigi untuk sistem identifikasi manusia[1]. Penelitian sebelumnya[1], perbaikan kontras dilakukan dengan metode contrast limited adaptive histogram equalization (CLAHE). Metode ini mempunyai kelebihan mampu meningkatkan kontras suatu citra yang memiliki kontras rendah, tetapi kelemahannya adalah komponen histogram suatu citra sangat tinggi di satu lokasi dan sangat rendah pada skala abuabu sisanya. Dibutuhkan metode yang mampu mengatasi kelemahan metode sebelumnya. 25 Juli 2013
Tugas Akhir – KI091391
4
1. PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan
25 Juli 2013
RUMUSAN MASALAH
1. Bagaimana mengimplementasikan metode fast gray level grouping? 2. Bagaimana mengimplementasikan kombinasi metode histogram equalization equalization dengan fast gray level grouping? 3. Bagaimana menguji performa penggabungan kedua metode yaitu histogram equalization dan metode fast gray level grouping pada dataset citra radiografi gigi?
25 Juli 2013
Tugas Akhir – KI091391
6
1. PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan
25 Juli 2013
BATASAN MASALAH
1. Data yang digunakan adalah 30 citra radiografi gigi orang
Indonesia, yang didapat dari laboratorium PRAMITA. 2. Perbaikan kualitas citra akan dibandingkan dengan metode CLAHE. 3. Penggantian bin yang digunakan pada uji coba adalah 10, 15, 25, 50, 100, 150, 175.
25 Juli 2013
Tugas Akhir – KI091391
8
1. PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan
25 Juli 2013
TUJUAN
1. Memahami konsep penggabungan histogram equalization dan fast gray level grouping. 2. Mengimplementasikan metode gabungan histogram equalization dan fast gray level grouping pada citra radiografi gigi. 3. Menguji performa metode gabungan histogram equalization dan fast gray level grouping.
25 Juli 2013
Tugas Akhir – KI091391
10
AGENDA
1. PENDAHULUAN 4. KESIMPULAN DAN SARAN
2. GAMBARAN UMUM APLIKASI
3. UJI COBA 25 Juli 2013
GAMBARAN UMUM APLIKASI
Penggabungan histogram equalization dan fast gray level grouping merupakan metode perbaikan kontras citra dari Ismail A.Humied[2] dan merupakan pengembangan dari metode fast gray level grouping yang merupakan metode baru yang ditemukan oleh ZhiYu Chen[3]
25 Juli 2013
Citra asli
Citra perbaikan
Histogram asli
Histogram perbaikan Tugas Akhir – KI091391
12
DESAIN APLIKASI
Citra radiografi gigi
Pencarian Histogram citra
grayscale
Hasil perbaikan
Penerapan metode
fast gray level grouping
Penerapan metode
fast gray level grouping dan histogram equalization
Tidak Histogram
Ya
tertinggi terletak pada bagian kiri
25 Juli 2013
Tugas Akhir – KI091391
13
DESAIN APLIKASI
Histogram Citra 14
12
Hasil Perbaikan
10
No Piksel
Citra radiografi gigi
8 6
Pencarian Histogram citra
grayscale
Penerapan metode
fast gray level grouping
Penerapan metode
4
dan
2
fast gray level grouping histogram equalization
0 0
1
2
3
4
5
6
7
Tidak
Gray Level
8
Ya Histogram
tertinggi terletak pada bagian kiri
25 Juli 2013
Tugas Akhir – KI091391
kiri
kanan
14
PROSES FAST GRAY LEVEL GROUPING
Citra grayscale Penentuan komponen
Pencarian histogram citra
Pembuatan batas kanan dan kiri
nonzero histogram pada gray level bins
tidak Nilai terkecil dikelompokkan dengan L2 tetangga terkecil R3 Pembuatan R2 L3
lookup table R1 Ya R1L1 L1
Penerapan gray
level transformation
25 Juli 2013
R2 L2 G2
G3 G2
R4 L3 L4 G4 R3 Nomor G3
Pengelompokan gray level bins untuk membuat gray level bins baru dan penyesuaian batas
bin -1
= sesuai bin R4 L4 R5 G4 L5 G5 G4
R5 L5 R6 G5 L6 G5 G6
G2
bins
G5 G5
G3
G5
Pencarian posisi nilai terkecil (ia) dari gray level
G2
Citra hasil perbaikan
ia=2
Tugas Akhir – KI091391
15
PROSES GABUNGAN HISTOGRAM EQUALIZATION DAN FAST GRAY LEVEL GROUPING Citra grayscale Pencarian posisi
Pencarian histogram citra
gray level grouping
14 12 10 8 6 4 2 0
No Piksel
14 12 10 8 6 4 2 0
No Piksel
No Piksel
histogram equalization
Citra hasil perbaikan
pada bagian kiri
tertinggi
Dilakukan perhitungan
Dilakukan perhitungan fast
Histogram terletak
histogram
Histogram Citra Histogram CitraCitra 14 Histogram 12 10 Indeks kurang 8 dari posisi Histogram 6 tertinggi Equalization FGLG 4 2 0
0 1 2 3 4 Gray 5 Gray6 0 01 12 23 34 45 56 67 78 Level 8 Level
kiri 25 Juli 2013
Tugas Akhir – KI091391
Dilakukan pemecahan
histogram
7
Gray 8 Level
kanan
16
AGENDA
1. PENDAHULUAN 4. KESIMPULAN DAN SARAN
2. GAMBARAN UMUM APLIKASI
3. UJI COBA 25 Juli 2013
3. UJI COBA Uji Kebenaran Uji Kinerja
SKENARIO UJI COBA
1. Uji kebenaran hasil perbaikan citra metode gabungan histogram equalization dan fast gray level grouping. 2. Uji kinerja perbaikan citra berdasarkan waktu yang dibutuhkan dibandingkan dengan jumlah bin yang diubah berdasarkan perhitungan MSE dan PSNR.
25 Juli 2013
Tugas Akhir – KI091391
19
UJI KEBENARAN (1)
Melakukan evaluasi kualitatif terhadap citra asli dengan hasil perbaikan Citra dan histogram asli
Citra dan histogram perbaikan
Hasil analisa: Berdasarkan hasil perbaikan dapat dilihat bahwa hasil perbaikan pada histogram citra mempunyai komponen yang merata pada semua grayscale. 25 Juli 2013
Tugas Akhir – KI091391
20
UJI KEBENARAN (2)
PERBAIKAN KONTRAS MENGGUNAKAN CITRA BAIK Nama Citra Walkbridge.tif
25 Juli 2013
Citra dan histogram asli
Citra dan histogram perbaikan
Hasil analisa: Perbaikan citra untuk citra dengan kontras yang baik, merusak citra asli
3. UJI COBA Uji Kebenaran Uji Kinerja
UJI KINERJA (1)
Penggantian nilai bin Bin standar yaitu 20. Sedangkan bin berbeda yang digunakan
untuk uji coba yaitu 10, 15, 25, 50, 100, 150 dan 175 yang akan dibandingkan dengan nilai PSNR serta waktu komputasinya Nama citra 12.jpg
25 Juli 2013
Nilai Bin 10 15 25 50 100 150 175
Nilai PSNR 15,95 18,01 17,81 17,88 17,82 20,01 19,89
Waktu (detik) 49,10 43,67 43,33 43,88 42,63 40,21 38,35
Hasil analisa: 1. Berdasarkan hasil uji coba penggantian bin, bin 150 memiliki nilai PSNR paling tinggi. 2. Bin 150 mempunyai waktu komputasi yang singkat.
Tugas Akhir – KI091391
23
UJI KINERJA (2)
Membandingkan metode gabungan histogram equalization dan fast gray level grouping dengan metode perbaikan citra yang telah ada sebelumnya yaitu CLAHE Perbaikan menggunakan bin terbaik
25 Juli 2013
Perbaikan menggunakan CLAHE
AGENDA
1. PENDAHULUAN 4. KESIMPULAN DAN SARAN
2. GAMBARAN UMUM APLIKASI
3. UJI COBA 25 Juli 2013
KESIMPULAN
1. Metode gabungan histogram equalization dan fast gray level grouping dengan nilai bin standar 20, menghasilkan perbaikan
kualitas kontras yang baik pada citra radiografi gigi yang cenderung memiliki kontras rendah dibandingkan citra asli. Hal ini dapat dilihat secara visual. 2. Nilai bin berpengaruh pada performa metode gabungan histogram equalization dan fast gray level grouping. Perbaikan citra radiografi gigi untuk bin 150 atau 175 menghasilkan nilai PSNR terbaik dibandingkan metode CLAHE. 3. Waktu komputasi perbaikan citra berbanding terbalik dengan jumlah bin yang digunakan. Semakin kecil jumlah bin yang digunakan semakin lama waktu komputasi yang diperlukan karena semakin banyak iterasi yang dibutuhkan.
25 Juli 2013
Tugas Akhir – KI091391
26
SARAN
1. Diperlukan suatu cara agar didapatkan nilai bin yang tepat
dengan berbagai masukan citra sehingga menghasilkan kualitas perbaikan citra yang baik. 2. Perlu dilakukan pengembangan lebih lanjut mengenai metode gabungan histogram equalization dan fast gray level grouping agar dapat digunakan untuk berbagai jenis kontras citra.
25 Juli 2013
Tugas Akhir – KI091391
27
SELESAI
TERIMA KASIH
25 Juli 2013
Tugas Akhir – KI091391
28
LOOKUP TABLE
Nilai graylevel yang digunakan untuk perhitungan lookup table N n 1
M 1 n 1
Nilai transformasi gray level Tn-1(k) 1. Jika graylevel k terletak pada batas kanan dan kiri Rn 1 (i ) k i N n 1 1untuk R ( i ) L ( i ) n 1 n 1 Tn 1 (k ) R ( i ) k n 1 untuk i R (i ) L (i ) N n 1 1 n 1 n 1
L n 1 (1 ) R n 1 (1 ) L n 1 (1 ) R n 1 (1 )
2. Jika graylevel k berada diantara batas kanan dan kiri (i )Nn1 Tn1 (k) iNn1
untuk untuk
Ln 1 (1) Rn 1 (1) Ln 1 (1) Rn 1 (1)
3. Jika graylevel kurang dari atau sama dengan batas kiri pertama k Ln 1 (i)makaTn 1 (k ) 0
4. Jika graylevel k lebih dari atau sama dengan batas kanan k Rn1 (i)makaTn 1 (k ) M 1 25 Juli 2013
UJI KEBENARAN PERHITUNGAN PSNR
Melakukan evaluasi kuantitatif terhadap hasil perbaikan kontras dengan menggunakan peak signal to noise ratio (PSNR) 255 2 PSNR 10 x log10 MSE 1 MSE WxH
W
H
( I i 1 j 1
ij
I 'ij ) 2
W = lebar citra H = panjang citra Iij= nilai piksel pada citra awal dengan posisi (i,j) I’ij= nilai piksel pada citra asli hasil perbaikan dengan posisi (I,j) 25 Juli 2013
Tugas Akhir – KI091391
30
HISTOGRAM EQUALIZATION
Perataan histogram , dimana nilai derajat keabuan dibuat rata
N - 1 f(k) = . M
n
h( k ) k 0
n=1,2,…,N-1 M= jumlah piksel N=jumlah grayscale h (k)=histogram pada suatu nilai grayvalue k
25 Juli 2013
Tugas Akhir – KI091391
31
ADAPTIVE HISTOGRAM EQUALIZATION
Perbaikan kontras dengan meningkatkan kontras lokal dengan membentuk region size. CR BR BR CR BR
IR
IR
BR
BR
IR
IR
BR
N - 1 n f(k) = . M
h( k ) k 0
CR BR BR CR n=1,2,…,N-1 M= jumlah piksel N=jumlah grayscale h (k)=histogram pada suatu nilai grayvalue k 25 Juli 2013
Tugas Akhir – KI091391
32
CONTRAST LIMITED ADAPTIVE HISTOGRAM
Peningkatan kontras citra yang berlebihan secara global dengan memberikan nilai batas histogram yang disebut clip limit. =
M (1 + (S max - 1)) N 100
=luas region size =nilai grayscale (256) =clip factor menyatakan penambahan histogram yang bernilai 0 sampai 100 Smax=histogram tertinggi.
M N α
25 Juli 2013
batas
suatu
PERBAIKAN KONTRAS MENGGUNAKAN CITRA RADIOGRAFI GIGI DENGAN PENGGANTIAN BIN (1)
Bin 10
25 Juli 2013
Bin 15
Bin 25
Tugas Akhir – KI091391
Bin 50
34
PERBAIKAN KONTRAS MENGGUNAKAN CITRA RADIOGRAFI GIGI DENGAN PENGGANTIAN BIN (2) Hasil analisa: Nilai bin 150 memberikan hasil perbaikan kontras terbaik Bin100
25 Juli 2013
Bin 150
Bin 175
Tugas Akhir – KI091391
35
PERBANDINGAN PERBAIKAN KONTRAS DENGAN BIN TERBAIK TERHADAP CLAHE
Bin 150
PSNR 20,84
25 Juli 2013
CLAHE
Hasil analisa: Berdasarkan nilai PSNR, perbaikan kontras dengan Bin 150 menghasilkan nilai lebih baik dibandingkan CLAHE
PSNR 18,20
Tugas Akhir – KI091391
36
PERBAIKAN KONTRAS MENGGUNAKAN CITRA GRAYSCALE
Citra asli
Citra perbaikan
Histogram asli 25 Juli 2013
Histogram perbaikan Tugas Akhir – KI091391
37
PERBAIKAN KONTRAS MENGGUNAKAN CITRA GRAYSCALE DENGAN PENGGANTIAN BIN (1)
Bin 10
25 Juli 2013
Bin 15
Tugas Akhir – KI091391
Bin 25
Bin 50
38
PERBAIKAN KONTRAS MENGGUNAKAN CITRA GRAYSCALE DENGAN PENGGANTIAN BIN (2)
Bin100
25 Juli 2013
Bin 150
Tugas Akhir – KI091391
Bin 175
Hasil analisa: Nilai bin 175 memberikan hasil perbaikan kontras terbaik
39
PERBANDINGAN PERBAIKAN KONTRAS DENGAN BIN TERBAIK TERHADAP CLAHE
Bin 175
CLAHE
Hasil analisa: Berdasarkan nilai PSNR, perbaikan kontras dengan Bin 175 menghasilkan nilai lebih baik dibandingkan CLAHE
PSNR 16,76 PSNR 20,71 25 Juli 2013
Tugas Akhir – KI091391
40
DAFTAR PUSTAKA
[1]A. Yuniarti, Aninditha Sigit Nugroho, Bilqis Amaliah, and Agus Zainal Arifin, "Classification and Numbering of Dental Radiographs," DIKTI, vol. 10, pp. 137-146, 2012 March. [2]Ismail A. Humied, Fatma E.Z. i Abou-Chad, and Magdy Z. Rashad, "A new combined technique for automatic contrast enhancement of digital images," Egyptian Informatics Journal, pp. 27-37, February 2012. [3]ZhiYu Chen, Besma R. Abidi, David L. Page, and Mongi A. Abidi, "Graylevel grouping (GLG): an automatic method for optimized image contrast enhancement – Part I: The basic method," IEEE TRANSACTION ON IMAGE PROCESSING, vol. 15, pp. 2290-2302, August 2006.