SEGMENTASI CITRA GIGI BERBASIS THRESHOLD DAN INTEGRAL PROJECTION 1 1 1 Agus Zainal Arifin , Dini Adni Navastara , Prambhudi Lesmonoi. 1
Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember (ITS), Surabaya, 60111, Indonesia E-mail :
[email protected],
[email protected] Abstrak Proses segmentasi pada citra x-ray gigi sangatlah bermanfaat dalam proses penggalian informasi selanjutnya, akan tetapi terdapat permasalahan dalam proses segmentasi. Hal ini disebabkan oleh adanya noise, citra yang berkontras tinggi, dan citra yang berkontras rendah. Untuk itu pada penelitian ini digunakan threshold kombinasi yang terdiri dari edge canny dan iterative thresholding kemudian dilakukan adaptive thresholding. Untuk proses pemisahan antara rahang atas dengan rahang bawah digunakan horizontal integral projection. Sedangkan untuk memisahkan antar gigi digunakan proses vertical integral projection. Sebagai uji coba digunakan dua jenis citra yaitu citra ROI panoramic dan citra bitewing. Berdasarkan hasil uji coba, pada proses horizontal projection tidak terdapat kendala untuk citra bitewing sedangkan pada citra ROI panoramic mencapai akurasi sebesar 60%. Dan rata-rata akurasi pemisahan gigi pada citra ROI panoramic sebesar 22% sedangkan pada citra bitewing sebesar 74%. Kata Kunci: threshold kombinasi, adaptive threshold, horizontal projection, vertical projection, bitewing, panoramic.. 1.
PENDAHULUAN
views) dan diluar mulut (Extraoral radiographic views). Berdasarkan komposisi dari gigi yang dihasilkan dental X-ray dapat dibedakan menjadi beberapa bagian diantranya adalah : 1. Periapical view Periapical view adalah pengambilan citra gigi anterior dan posterior. Bedasarkan komposisi periapical merupakan citra dari gigi pada salah satu rahang. 2. Bitewing view Bitewing view digunakan untuk memvisualisasikan mahkota gigi posterior (gigi belakang). Bitewing adalah gambaran dari gigi yang terdiri dari rahang atas dan rahang bawah. 3. Panoramic view Panoramic view adalah gambaran dari keseluruhan dari komposisi gigi. Mulai anterior sampai posterior baik rahang atas maupun rahang bawah. Ada banyak cara yang digunakan untuk melakukan proses segmentasi pada Dental X-Ray. Cara yang umum adalah dengam melakukan proses thresholding pada citra Dental X-Ray. Akan tetapi metode pencarian thresholding kurang begitu signifikan dalam memisahkan antara rahang atas dan rahang bawah. Dan juga dalam memisahkan bagian pada masing-masing gigi. Oleh karena itu dalam tugas akhir ini metode yang digunakan untuk memisahkan antara rahang atas dengan rahang bawah dapat dilakukan dengan segmentasi citra gigi berbasis threshold dan integral projection. Proses ini meliputi Thresholding kombinasi dan adaptive Thresholding, Horizontal Projection dan Vertical Projection.
Gigi merupakan bagian terunik dari tubuh manusia, dikarenakan gigi adalah bagian tulang yang tertanam pada rahang dan menembus pada jaringan mulut. Bagian dari gigi dapat dikategorikan menjadi dua bagian, bagian yang pertama adalah bagian yang nampak atau disebut badan gigi dan bagian yang kedua adalah akar dari gigi. Akar gigi adalah bagain dari gigi yang tertanam pada jaringan yang terdapat pada rahang. Untuk mengetahui struktur dari gigi dan jaringan yang mengelilingi dari gigi dapat dilakukan dengan 2. METODE proses pengambilan citra gigi menggunakan sinar X atau Dental Radiograph. Radiograph adalah sebuah citra yang 2.1. TRHESHOLD KOMBINASI dihasilkan pada sebuah film fotografik spesial atau Threshold kombinasi adalah threshold yang piringan dengan menggunakan sinar radiasi. didapatkan dari penggabungan nilai threshold canny dan Dental X-Rays merupakan citra radiograph dari gigi, iterative thresholding. tulang, dan jaringan lembut disekitarnya. Dental X-Rays 2.1.1 Threshold Edge Canny digunakan untuk mengidentifikasi permasalahan yang Edge Canny detection[4] adalah algoritma menyangkut gigi, mulut, dan rahang. Citra X-Ray dapat pedeteksian tepi dari suatu object. Tujuan dari memperlihatkan lubang pada gigi, susunan gigi yang pengguanaan dari edge canny detection adalah untuk tersembunyi, dan tulang yang seolah-olah menghilang mengetahu tingkat kekontrasan pada kontur gigi. Proses yang tidak bisa dilihat pada saat pemeriksaan visual. edge canny detection digabungkan denga proses dilasi Dental X-Rays juga bisa dapat dilakukan sebagai yang dengan square constructing objek sebesar 2. Sesuai kelanjutan dan pengecekan hasil dari perawatan gigi. pada Gambar 2.1 Ada dua macam cara peletakan film radiography atau sensor yaitu didalam mulut (Intraoral radiographyic 1
(Ti Te) 2
Tnes (2.12)
Keterangan: Tnes =nilai thresholding gabungan (a) (b) Gambar 2.1 (a) Binary canny edge, (b) dilasi edge canny 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 rata-rata mask edge. Dan dapat didefinisikan sebagai berikut: T e avg(mask _ edge) (2.1) 2.1.2
Algoritma Iterative Thresholding
Algoritma Iterative thresholding[3] adalah algoritma pencarian nilai thresholding dengan membagi citra menjadi dua bagian yaitu: Region Background Regian Foreground / Object Dan dapat dituliskan sebgai berikut: i o
(i, j ) dentalf (i, j ) # dental _ pixel
(2.2)
i B
(i, j ) backgroundf (1i, j ) # background _ pixel
(2.3)
Keterangan: i 0 = nilai rata-rata grayarea gigi
(a)
=nilai rata-rata grayarea background Tingkat threshold pada langkah i + 1 diperoleh
2.2. ADAPTIVE THRESHOLDING
Algoritma Window Base Adaptive Thresholding[2,5,6] digunakan untuk memperbaiki citra yang dihasilkan oleh proses Iterative thresholding. Operasi adaptive thresholding dilakukan pada pusat jendela berdasarkan tingkat rata – rata keabuan pixel yang tidak nol. Dengan menggunakan ukuran jendela I xJ pixel maka formula dapat dituliskan sebagai berikut: I /2 s I /2
C ' (i, j )
Ti
1
i B
J /2 t J /2
f (i s, j t ) # nonzero_ pixels
(2.4)
Jika nilai tengah dari jendela adalah C(i,j) maka
dengan i o
(c)
Hasil dari algoritma kombinasi ini bisa ditunjukkan pada Gambar 2.2. Proses Masking adalah proses perkalian antara citra hasil iterative thresholding yang ditunjukkan pada gambar 2.2b. sehingga menghasilkan citra pada Gambar 2.2c.
T (i, j )
i B
(b)
Gambar 2.2 (a) Citra original, (b) Hasil thresholding (c) Hasil Masking
1, 0,
C ( i , j ) T ( i , j ), ' (2.5) otherwise.
3.
2
(2.11)
Keterangan: Ti 1 =nilai threshold dari dua area Proses iterative thresholding akan berlanjut sampai tidak terdapat perubahan pada kondisi Ti Ti 1 . Setelah tingkat threshold pada iterative maka akan dilakukan proses masking terhadap citra asli. 4. Dari persamaan 2.8 dan 2.11 maka akan dihasilkan nilai nilai threshold yang baru. Dan dapat dituliskan dengan
(a)
(b)
Gambar 2.3 (a) Citra masking threshold kombinasi, (b) hasil adaptive thresholding
Berdasarkan hasil uji coba pada hasil maka dihasilkan nilai thresholding pada algoritma adaptive thresholding sebesar 0.9, atau nilai Threshold pada 2
T i (i, j )
0.9 T (i, j ) .
Hasil Thresholding pada Gambar 2.3
dari
Adaptive
2.3 HORIZONTAL PROJECTION
Jika kita memperhatikan citra pada gambar 33b bahwa terlihat dengan jelas bahwa terdapat garis horizontal atau garis yang hampir horizontal yang dapat memisahkan antara rahang atas dengan rahang bawah. Untuk memisahkan antara rahang atas dan rahang bawah digunakan horizontal projection dengan rumusan sebagai berikut: n
H (i )
f (i, j )
(a)
(2.6)
(b)
Gambar 2.5 (a)Stripbantuan, (b) Garis pemisah rahang atas dan rahang bawah
j 1
Horizontal integral projection[2] 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 minima yang ditunjukkan pada Gambar 2.4a yang ditandai dengan titik merah.. Posisi baris tersebut digunakan untuk membuat garis pembatas antara rahang atas dengan rahang bawah. Pada gambar 2.4b garis initial dari global minima pada penjumlahan horizontal projection masih memotong bagian gigi. Oleh karena masih memotong pada bagian gigi tertentu, maka dibuatlah garis strips bantuan setinggi 100 dari garis initial baik dari atas maupun bawah dan lebar 20 dari kolom pertama sampai kolom terakhir sebagaimana Gambar 2.5a. 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. Sebagaimana pada gambar 2.5b.
2.4
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[2]. Dengan rumusan sebagai berikut: M
V (i )
f (i, j ) i 1
(2.16) 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 minima pada kurva penjumlahan kolom. Seperti pada Gambar 2.6 dan Gambar 2.7 hasil vertical projection.
Gambar 2.6 Vertical Integral projection
(a)
(b)
Gambar 2.4 (a) Horizontal integral projection, (b) garis initial pemisah
Gambar 2.7 hasil vertical projection
3
3.
HASIL UJI COBA Citra uji coba yang digunakan pada tugas akhir ini terdiri dari dua macam, yaitu citra Region Of Interest Panoramic dan Bitewing sesuai pada Gambar 3.1 dan Gambar 3.2
Citra p3.tif
Rahang Atas Tidak tersegmentasi
Rahang Bawah
Gambar 3.4 Uji Horizontal Projection (Panoramic) Hasil dari uji coba secara keseluruhan adalah sebagai berikut: Tabel 3.1 Hasil Evaluasi Horizontal Projection(bitewing) Citra
a. Citra ROI input
b.Hasil Crop Citra Input Gambar 3.1 Citra ROI yg digunakan
Horizontal Projection R Rah Rah ahang ang Atas ang benar Bawah
1
1
1
2
2
1
1
2
3
1
1
2
4
1
1
2
5
1
1
2
6
1
1
2
7
1
1
2
8
1
1
2
9
1
1
2
10
Gambar 3.2 Citra input Untuk data ROI panoramic pada tahap uji coba adalah 5 data. Sedangkan data bitewng digunakan sebanyak 10 data. Tahapan proses yang dilakukan pada kedua data tersebut adalah dengan melakukan proses segmentasi diawali dengan threshold kombinasi dan Adaptive thresholding, untuk memisahkan antara rahang atas dengan rahang bawah digunakan horizontal projection dan untuk memisahkan gigi digunkan vertical projection. 3.1 Uji Horizontal 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 bitewing dan 5 citra ROI 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 3.3 dan Gambar 3.4 Citra Rahang Atas Rahang Bawah 1.tif
1 1 Akurasi Rata–Rata
Tabel 3.2 Hasil Projection(Panoramic) Cit ra
Raha ng Bawah
2
Akura si per Citra(%) 100 100 100 100 100 100 100 100 100 100 100
Evaluasi
Horizontal
Horizontal Projection Raha Raha Akura ng Atas ng benar si per Citra(%) 50 1 1
1
1
2
1
1
2
3
1
1
0
4
1
1
2
5
1
1
1
Akurasi Rata –Rata
100 0 100 50 60
Berdasarkan uji coba pemisahan antara rahang atas denga rahang bawah menggunakan horizontal projection hasil terbaik pada citrabitewing.
Gambar 3.3 Uji Horizontal Projection(bitewing)
4
3.2
Uji Vertical Projection Pada uji coba vertical projection juga digunakan citra yang sama seperti pada uji coba horizontal projection. Untuk hasil vertical projection dapat dilihat pada Gambar 3.5 dan Gambar 3.6 Citra 1.tif
Rahang Atas
Rahang Bawah
5. DAFTAR PUSTAKA [1]. Rafael Gonzales “Digital Image Processing Using Matlab” [2]. Omamia Nomir, Mohamed, Abdel Mottaleb “Asystem for human identification form X-ray dental radiographs” [3]. S.Hu, E.A. Huffman, M.Reinhardt, Automatic lung segmentation for accurate quantization of volumetric X-Ray CT images,IEEE Trans. Med. Imaging 20(6) (2001) 490-498 [4]. R.Jain, R.Kasturi, B.G. Schnck, Machine Vision, McGraw-Hill Inc., New York, 1995.
Gambar 3.5 Uji Vertical Projection (Bitewing) Citra p3.tif
Rahang Atas Tidak tersegmentasi
Rahang Bawah
Gambar 3.6 Vertical Projection (Panoramic) Berdasarkan uji coba vertical proejction hasil terbaik didapatkan pada citra bitewing. 4.
KESIMPULAN Dari hasil uji coba yang didapatkan, didapatkan beberapa simpulan sebagai berikut: 1. Proses segmentasi foreground dan background pada citra sinar-x gigi dapat dilakukan menggunakan threshold kombinasi (gabungan metode Edge Canny & Iterative Thresholding) dan dilanjutkan dengan adaptive threshold. 2. Berdasarkan uji coba, nilai parameter adaptive thresholding yang optimal adalah 0,9. 3. Proses pemisahan antara rahang atas dengan rahang bawah dapat dilakukan dengan menggunakan algoritma horizontal projection dengan tingkat akurasi untuk bitewing sebesar 100% dan panoramic sebesar 60% 4. Untuk melakukan proses segmentasi pada tiap gigi dapat dilakukan dengan algoritma vertical projection. Hasil akurasi dari vertical projection untuk citra bitewing sebesar 74% dan citra ROI panoramic sebesar 22% 5. Berdasarkan uji coba sistem ini baik digunakan pada citra bitewing.
5
