SEGMENTASI CITRA PELAT ELEMEN BAKAR DENGAN METODE EDGE DETECTION. Anik Purwaningsih, Sutopa *

SEGMENTASI CITRA PELAT ELEMEN BAKAR DENGAN METODE EDGE DETECTION Anik Purwaningsih, Sutopa*

ABSTRAK SEGMENTASI CITRA PELAT ELEMEN BAKAR DENGAN METODE EDGE DETECTION. Pengujian pelat elemen bakar (PEB) dapat dilakukan dengan teknik uji tak merusak yaitu teknik uji berbasis image processing. Salah satu tahapan pada image processing adalah segmentasi citra. Segmentasi citra merupakan langkah awal image processing untuk membagi citra ke dalam beberapa objek sesuai dengan kriteria yang ditentukan. Segmentasi pelat elemen bakar dapat dilakukan dengan metode edge detection. Dasar ide sebagian besar teknik edge detection umumnya adalah menggunakan perhitungan local derivative operator. Sedangkan pada makalah ini membahas teknik edge detection yang menggunakan konsep dasar segmentasi citra dengan algoritma diskontinuitas yaitu mendeteksi perubahan nilai intensitas derajat keabuan yang cepat/tiba-tiba (besar) dalam jarak yang singkat dengan tanpa dilakukan thresholding. Tahapan segmentasi citra yang dibahas pada makalah ini cocok digunakan untuk kasus segmentasi pada citra pelat elemen bakar namun dasar ide teknik edge detection-nya dapat diaplikasikan untuk kasus lain. Hasil segmentasi citra pelat elemen bakar dengan teknik edge detection ini didapatkan hasil segmentasi yang bagus artinya tiap daerah tersegmen dengan baik. Hasil segmentasi hampir sama dengan teknik lain yang biasa dipakai (metode canny yang menggunakan perhitungan local derivative operator). Kata kunci : Segmentasi citra, Pelat elemen bakar, Edge detection, Image Processing

ABSTRACT FUEL PLATES IMAGE SEGMENTATION BASED ON EDGE DETECTION METHOD. Fuel plates testing can be done by non destructive testing based image processing. Image processing is used to divide an image into objects as desired. Image segmentation fuel plates can be done by edge detection method. Basic idea of the commonly edge detection technique is use local computations derivative operator. In this paper discusses the edge detection technique that uses the basic concepts of image segmentation algorithm to detect discontinuities that grayscale intensity values change fast /large within a short distance without any threshold. Image segmentation is discussed in this paper is suitable for the case of image segmentation on fuel plates but the idea of her edge detection techniques can be applied to other cases. The results of image segmentation fuel plates with this technique are obtained good segmentation means that each region can be segmented properly. The result is similar to other commonly used techniques (canny method that using a local derivative operator). Keywords: Image segmentation, fuel plates, edge detection, image processing.

PENDAHULUAN * Pusat Pengembangan Informatika Nuklir – BATAN Serpong, email:[email protected]

241

Lokakarya Komputasi dalam Sains dan Teknologi Nuklir, 10 Oktober 2012 (241-248)

Setiap tahap proses produksi bahan bakar nuklir tipe pelat diikuti berbagai pengujian dengan teknik uji merusak dan tidak merusak terhadap bahan baku, produk tengah dan produk akhir[1]. Salah satunya adalah pengujian produk tengah ( pelat elemen bakar ) menggunakan teknik uji tidak merusak yaitu teknik uji berbasis image processing/pengolahan citra. Pengolahan citra digital adalah pemanfaatan teknologi komputer untuk mengolah citra/gambar digital. Dengan pengolahan citra akan didapatkan ekstraksi informasi citra seperti pengukuran geometri pelat (panjang, lebar), dimensi meat dan mendeteksi ada/tidaknya white spots pada pelat. Pengolahan citra digital secara umum terdiri dari tahapan (1) Pembentukan Citra (Data Acquisition) yaitu menentukan data yang diperlukan dan memilih metode perekaman citra digital (2) Pengolahan Citra Tingkat Awal (Image Preprocessing) yaitu meningkatkan kontras, menghilangkan gangguan geometrik / radiometrik, menentukan bagian citra yang akan diobservasi. Segmentasi Citra (Image Segmentation) dan Deteksi Sisi (edge detection) yaitu melakukan partisi citra menjadi wilayah-wilayah obyek (internal properties) atau menentukan garis batas wilayah obyek (external shape characteristics) (3) Seleksi dan Ekstraksi Ciri (Feature Extraction and Selection) yaitu seleksi ciri memilih informasi kwantitatif dari ciri yang ada, yang dapat membedakan kelas-kelas obyek secara baik. Ekstraksi ciri mengukur besaran kwantitatif ciri setiap piksel2]. Akuisisi gambar pada pelat elemen bakar didapatkan dengan sinar-X radiografi. Kemudian untuk mengolah citra secara elektronik dilakukan digitasi terhadap film pelat elemen bakar dengan pemindaian. Citra digital pelat elemen bakar diproses untuk mendapatkan nilai dari parameter uji geometri pelat seperti panjang pelat, lebar pelat, jarak tepi pelat ke inti elemen bakar, jarak sisi pelat ke inti elemen bakar. Untuk mendapatkan nilai dari parameter-parameter uji tersebut, langkah yang dilakukan adalah melakukan segmentasi citra. Segmentasi citra merupakan langkah awal untuk analisa, pengenalan dan pemahaman citra. Tujuan utama segmentasi citra adalah membagi citra ke dalam beberapa objek sesuai dengan kriteria yang ditentukan. Ada beberapa pendekatan dan teknik pada segmentasi citra yaitu berdasar pendekatan daerah dan berdasar pendekatan tepi/sisi. Secara umum kedua teknik tersebut berbasis pada sifat dasar nilai intensitas yaitu (1). diskontinuitas, membagi suatu citra berdasarkan perubahan besar nilai intensitas derajat keabuan (seperti sisi/tepi) dan (2). similaritas, membagi suatu citra berdasarkan similaritas sesuai kriteria (daerah). Masing- masing teknik/metode digunakan untuk menyelesaikan kasus yang berbeda. Bahasan segmentasi citra masih banyak yang belum terselesaikan karena sangat bervariasi sesuai dengan masalah yang akan diselesaikan dan ada banyak penelitian tentang topik ini. Salah satunya adalah seperti yang dibahas pada makalah ini yaitu segmentasi citra pelat elemen bakar. Untuk mendapatkan hasil segmentasi citra yang bagus atau mencapai kriteria/sifat yang diinginkan tidaklah mudah. Tidak ada teori baku tentang segmentasi citra. Segmentasi citra pada dasarnya adalah teknik tertentu yang dimaksudkan untuk

242

Segmentasi Citra Pelat Elemen Bakar dengan Metode Edge Detection ... (Anik Purwaningsih, Sutopa)

satu tujuan yang tertentu diinginkan[3]. Pada makalah ini akan dibahas segmentasi citra pelat elemen bakar dengan pendekatan algoritma diskontinuitas atau deteksi sisi (edge detection). Teknik segmentasi deteksi titik dan garis penting untuk didiskusikan pada topik segmentasi, namun deteksi sisi/tepi (edge detection) adalah pendekatan yang paling umum untuk mendeteksi diskontinuitas yang bermakna pada derajat keabuan. Tepi/sisi adalah titik pada gambar dimana kecerahan berubah atau batas antara dua daerah yang memiliki perbedaan tingkat keabuan yang signifikan. Deteksi sisi/tepi penting karena merupakan bagian yang paling informatif dari gambar. Hal ini dilakukan dengan menghitung nilai gradien suatu piksel relatif terhadap piksel disekitarnya[4]. Pendeteksian tepi merupakan tahapan untuk melingkupi informasi di dalam citra. Tepi mencirikan batas objek dan karena itu tepi berguna untuk proses segmentasi dan identifikasi objek di dalam citra. Citra pelat elemen bakar mempunyai karakteristik tertentu yaitu bentuknya empat persegi panjang dan citra digital yang didapatkan mempunyai tingkat keabuan yang tegas pada bagian satu dengan yang lain. Pada dasarnya ide yang ada di balik sebagian besar teknik edge detection adalah menggunakan perhitungan local derivative operator. Pada makalah ini dibahas alternatif baru untuk edge detection khususnya untuk edge detection pada citra pelat elemen bakar yaitu tanpa menggunakan perhitungan local derivative operator. Edge detection dilakukan dengan menggunakan konsep dasar segmentasi citra dengan algoritma diskontinuitas yaitu mendeteksi perubahan nilai intensitas derajat keabuan yang cepat/tiba-tiba (besar) dalam jarak yang singkat. Tepi (edge) dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangganya. Teknik segmentasi seperti yang dipaparkan pada makalah ini menggunakan citra digital natural pelat elemen bakar (tanpa thresholding dan tanpa smoothing) dalam penyelesaiannya.

METODOLOGI Pada gambar 1 dapat dilihat proses umum yang dilakukan untuk memperoleh tepi gambar dari suatu citra.

243


Gambar 1. Proses umum pada deteksi tepi/ edge detection Gambar 2 adalah contoh citra salah satu sisi pelat elemen bakar dengan karakteristik warna hitam pekat pada gambar menunjukkan film, warna abu-abu merupakan pelat dan warna yang paling terang adalah inti elemen bakar/meat. Sedangkan angka yang terlihat merupakan nomor pelat.

Gambar 2. Contoh citra digital pelat elemen bakar Segmentasi pada citra pelat elemen bakar dimulai dengan melakukan filterisasi/seleksi pada gambar. Filterisasi dilakukan untuk menentukan titik pemisah antara bagian film, bagian pelat dan bagian meat. Sebelum proses edge detection dilakukan pengukuran lebar dan tinggi gambar dan dinyatakan dengan koordinat matrik gambar seperti yang dilihat pada gambar 3.

244


Gambar 3. Citra pelat elemen bakar dengan koordinat matriknya Tahapan yang dilakukan pada segmentasi pelat elemen bakar adalah sebagai berikut : 1. Membagi lebar citra sebanyak n sampel sama besar, yaitu dengan cara: untuk setiap k dari 1 sampai sampel: Tk=(k/sampel)*lebar gambar , dengan Tk= titik ke-k 2. Memeriksa selisih intensitas beda warna pada setiap titik tepi/edge pixel pada arah horisontal. Jika selisih intensitas beda warna keabuan/grayscale lebih dari 10 maka akan diberi tanda koordinat (x,y) pada titik tepi tersebut. Selisih grayscale 10 diperoleh dari profil gambar/citra sepanjang pelat yang diketahui bahwa selisih intensitas beda warna keabuan antara bagian yang berwarna hitam pekat, abu-abu dan terang adalah lebih besar dari 10.

Gambar 4. Citra pelat yang telah ditandai sebanyak n titik untuk tiap daerah perubahan grayscale. 3. Titik-titik yang ditandai dilakukan filterisasi/seleksi yaitu untuk setiap titik dengan nilai y (lebar) tertentu, dicari nilai y yang hanya mempunyai 4 nilai x. Untuk titik yang pada tahap 1 telah ditandai dan pada nilai y-nya mempunyai jumlah nilai x yang kurang dari 4 atau lebih dari 4 akan dihapus. Diambil hanya 4 titik dengan asumsi bahwa keempat titik tersebut merupakan penanda batas antara dua daerah yang memiliki perbedaan tingkat keabuan yang signifikan. Keempat titik tepi tersebut adalah (1). sisi batas antara film dengan pelat, (2). sisi batas antara pelat dan meat, (3). sisi batas antara meat dan pelat, (4). sisi batas antara pelat dengan film.

245


4. Dari titik-titik yang terpilih kemudian dilakukan seleksi ulang dengan cara pada setiap nilai y pada titik tertentu diperiksa jarak nilai x yang berdekatan. Jika selisih jarak nilai x yang berdekatan kurang dari 2 piksel maka titik tersebut dihilangkan. Hal ini dilakukan untuk menghindari penandaan titik yang terlalu berdekatan yang mungkin disebabkan oleh citra yang blur/membayang.

Gambar 5. Titik-titik yang lolos seleksi ( setiap nilai/koordinat y tertentu hanya mempunyai 4 nilai x, dan jarak nilai x yang berdekatan lebih dari 2 piksel) 5. Piksel tepi tidak selalu mencirikan tepi sepenuhnya karena adanya noise. Oleh karena itu perlu diikuti pendeteksian tepi dengan algoritma linking untuk merakit piksel tepi menjadi tepi yang bermakna atau batas daerah/obyek. Pengolahan untuk memperoleh struktur tepi dapat dilakukan dengan local processing/pengolahan lokal yaitu setiap titik dihubungkan dengan titik sekitarnya jika besar dan arah gradien tersebut adalah sama. 6. Proses selanjutnya adalah melakukan pengecekan gradien. Gradien dari suatu citra f(x,y) pada lokasi (x,y) adalah vector. Untuk menghitung gradien diperlukan perhitungan ∂f /∂x dan ∂f /∂y pada setiap lokasi piksel. Pendekatan digital dari turunan parsial diberikan dengan rumus :

∂f ( x, y ) = f ( x + 1, y ) − f ( x, y ) ∂x ∂f ( x, y ) gy = = f ( x, y + 1) − f ( x, y ) ∂y gx =

(1) (2)

Mencari gradien dua titik yang berdekatan pada satu garis (horisontal). Jika terdapat n titik pada satu garis (horisontal) maka dicari gradien titik pertama dengan titik kedua, titik kedua dengan titik ketiga, begitu seterusnya sampai titik ke-n. Nilai gradien-gradien tersebut kemudian dicari rata-rata-nya. Setelah itu dicari selisih nilai gradien antara nilai gradien rata-rata dengan setiap nilai gradien yang ada pada garis tersebut. Jika selisih nilai gradien lebih dari 0.05 maka titiktitik tersebut akan dihapus. 7. Seleksi piksel tepi/edge pixel dengan arah horisontal dihasilkan sejumlah titik yang berderet masing-masing sebanyak 4 titik pada setiap garis vertikal sepanjang horisontal dengan gradien kurang dari 0.05. 246


HASIL DAN PEMBAHASAN Dari metodologi/tahapan segmentasi pelat elemen bakar dengan menggunakan konsep dasar segmentasi citra dengan algoritma diskontinuitas seperti yang telah dipaparkan pada sub-bab sebelumnya diperoleh hasil seperti berikut:

Gambar 6. Hasil segmentasi citra pelat elemen bakar dengan metode edge detection. Pada gambar 6 dapat dilihat hasil segmentasi citra pelat elemen bakar yaitu gambar telah tersegmen dengan baik. Ada tiga daerah yaitu film radiografi, pelat dan meat. Setiap titik pada tiap garis pembatas obyek telah dapat didefinisikan dan dapat diambil nilai-nya untuk mendapatkan informasi gambar seperti yang diinginkan untuk tahapan selanjutnya. Faktor yang paling utama agar segmentasi citra dapat dilakukan dengan mudah dan hasilnya baik adalah source image harus baik juga. Teknik segmentasi citra pelat elemen bakar beserta tahapan-tahapannya hanya dapat digunakan pada kasus ini saja. Namun untuk konsep segmentasi citra secara umum yaitu segmentasi dengan pendekatan edge detection menggunakan konsep dasar segmentasi citra dengan algoritma diskontinuitas dapat digunakan pada kasus lain.

KESIMPULAN Segmentasi citra untuk pelat elemen bakar dapat dilakukan dengan pendekatan edge detection menggunakan konsep dasar segmentasi citra dengan algoritma diskontinuitas yaitu mendeteksi perubahan nilai intensitas derajat keabuan yang cepat/tiba-tiba (besar) dalam jarak yang singkat dan tanpa dilakukan thresholding dan tanpa smoothing. Hasil segmentasi citra dengan teknik ini didapatkan hasil segmentasi yang bagus dan tak kalah dengan teknik lain artinya bisa digunakan untuk tahapan image processing selanjutnya yaitu seleksi dan ekstraksi ciri untuk kemudian didapatkan informasi yang diinginkan dari citra pelat elemen bakar tersebut. Citra pelat elemen bakar tersegmen dengan baik pada tiap daerah: daerah film, pelat dan meat.

247


DAFTAR PUSTAKA 1. SUPARDJO, ”Kualifikasi pelat elemen bakar U3Si2-Al tingkat muat uranium 2,69g/cm3 pra iradiasi”, Prosiding hasil-hasil penelitian EBN tahun 2008, ISSN 0854-5561, Serpong, 2008. 2. GONZALES R.C. and RICHARD E.W., “Digital Image processing”, Prentice hall, New Jersey, second edition. 3. FERRARI S,” Edge detection”, Universit degli Studi di Milano, 2011. 4. REED D.M.,” Image Processing and Edge Detection”, Capital University, 2009.

DAFTAR RIWAYAT HIDUP 1. 2. 3. 4. 5.

248

Nama Instansi / Unit Kerja Pekerjaan / Jabatan Riwayat Pendidikan Pengalaman Kerja

: : : : :

Anik Purwaningsih, S.Si PPIN – BATAN Peneliti Pertama S1 Matematika, FMIPA, Universitas Airlangga Pusat Pengembangan Informatika Nuklir, 2004 - sekarang

SEGMENTASI CITRA PELAT ELEMEN BAKAR DENGAN METODE EDGE DETECTION. Anik Purwaningsih, Sutopa *

Recommend Documents