THE APPLICATION OF GABOR FILTERS AS A TOOL FOR TEXTURE ANALYSIS OF MAMMOGRAMS IMAGE
Di Ajeng Pambayun, Lussiana ETP
Undergraduate Program, Faculty of Industrial Engineering, 2010 Gunadarma University http://www.gunadarma.ac.id
Keywords: Filter Gabor, Texture Analysis, Mammograms Image
ABSTRACT Mammography is the examination of the activities that have been made through radiology techniques such as X-ray to obtain tissue images of breast (mammogram). Abnormalities in this tissue can be identified by further tests using a particular analytical process. The purpose of this study is to analyze the mammogram image texture using Gabor filters. The research method was obtained from literature review various books, articles and journals. The results indicate that the texture of output which seems very influenced by the value of the frequency and the degree of image orientation parameter. Low frequency value is given, the test result will look brighter and blur. On the other hand, the higher the frequency value, then image will be difficult to determine because the brightness of image is very limited. Therefore, the value at the mid-frequency scale (f = 0176) is considered most suitable for texture analysis. Addition of frequency, orientation parameters are also capable of displaying a high tendency texture in a particular direction. From the display area of the alleged trend texture abnormalities in breast tissue would be more easily detected.
THE APPLICATION OF GABOR FILTERS AS A TOOL FOR TEXTURE ANALYSIS OF MAMMOGRAMS IMAGE Dr. Lussiana ETP, SSi., MT *), Di Ajeng Pambayun **) Information Technology, Graduate Program, Gunadarma University, Jakarta, 2010 Email:
[email protected] *) Dosen Pembimbing Teknik Informatika Universitas Gunadarma **) Mahasiswa Teknik Informatika Universitas Gunadarma
Abstrak—Mammography merupakan kegiatan pemeriksaan yang telah banyak dilakukan melalui teknik radiologi seperti foto sinar-X untuk memperoleh gambaran jaringan payudara (citra mammogram). Adanya kelainan pada jaringan dapat diketahui dengan pemeriksaan lebih lanjut menggunakan proses analisis tertentu. Tujuan dari penelitian ini adalah melakukan analisis tekstur terhadap citra mammogram dengan menggunakan filter Gabor. Metode penelitiannya diperoleh dari studi literatur berbagai buku, artikel, serta jurnal. Hasil penelitian menyatakan bahwa output tekstur yang tampak sangat dipengaruhi oleh besarnya nilai parameter frekuensi serta derajat orientasi citra. Semakin rendah nilai frekuensi yang diberikan, maka hasil pengujianpun akan terlihat semakin terang dan blur. Begitupula sebaliknya, semakin tinggi nilai frekuensi, maka citrapun akan sulit didefinisi karena tingkat terang citra sangat terbatas. Oleh sebab itu, nilai frekuensi pada skala pertengahan (f = 0.176) dianggap paling sesuai untuk melakukan analisis tekstur. Selain frekuensi, parameter orientasi juga mampu memperlihatkan suatu kecenderungan tekstur yang tinggi pada arah tertentu. Dari tampilan tekstur berarah inilah wilayah yang dicurigai adanya kelainan pada jaringan payudara dapat lebih mudah terdeteksi. Kata Kunci : Filter Gabor, Analisis Tekstur, Citra Mammogram Abstract—Mammography is the examination of the activities that have been made through radiology techniques such as X-ray to obtain tissue images of breast (mammogram). Abnormalities in this tissue can be identified by further tests using a particular analytical process. The purpose of this study is to analyze the mammogram image texture using Gabor filters. The research method was obtained from literature review various books, articles and journals. The results indicate that the texture of output which seems very influenced by the value of the frequency and the degree of image orientation parameter. Low frequency value is given, the test result will look brighter and blur. On the other hand, the higher the frequency value, then image will be difficult to determine because the brightness of image is very limited. Therefore, the value at the mid-frequency scale (f = 0176) is considered most suitable for texture analysis. Addition of frequency, orientation parameters are also capable of displaying a high tendency texture in a particular direction. From the display area of the alleged trend texture abnormalities in breast tissue would be more easily detected. Keywords : Filter Gabor, Texture Analysis, Mammograms Image
I. PENDAHULUAN engolahan citra saat ini telah banyak diaplikasikan di berbagai bidang termasuk bidang kedokteran. Proses pengolahan citra pada bidang kedokteran ini digunakan
P
sebagai alat bantu dalam mendiagnosis suatu penyakit ataupun deteksi kelainan yang terdapat pada anatomi tubuh manusia. Citra medis tersebut dapat dihasilkan dari berbagai macam peralatan canggih, seperti Ultra Sound Graphic (USG), MRI, CT-Scan, dan Diagnostic Mammography. Mammography adalah kegiatan pemeriksaan payudara menggunakan teknik radiologi seperti foto sinar-X, sehingga bisa diperoleh gambaran jaringan payudara yang dikenal dengan citra mammogram. Pendeteksian keberadaan kanker dapat dilakukan dengan beberapa kriteria tertentu, salah satunya adalah dengan analisa tekstur payudara dari hasil citra mammogram tersebut. Filter Gabor adalah aplikasi yang dapat mensimulasikan karakteristik sistem visual manusia dalam mengisolasi frekuensi dan orientasi citra. Sehingga wilayah yang dicurigai terdapatnya kelainan pada anatomi manusia dapat lebih mudah terdeteksi melalui hasil analisis tekstur yang tampak. Penulisan ini berisikan proses analisis tekstur citra mammogram melalui aplikasi penerapan filter Gabor. Setiap filter citra dapat menggunakan salah satu nilai parameter frekuensi dan orientasi yang tersedia. Batasan untuk nilai frekuensi adalah (power = 0,1,2,3,4,5,6), sedangkan derajat orientasinya adalah (n = 0º,30º,45º,60º,90º,120º,135º,150º, 180º, dan 225º). Aplikasi ini nantinya juga dapat menyimpan file citra hasil dari proses filtering.
II. LANDASAN TEORI Citra merupakan fungsi menerus dari intensitas cahaya pada bidang dua dimensi. Sebuah citra terkadang mengalami penurunan mutu berupa perubahan kecerahan, peregangan kontras dan kekaburan. Agar citra yang mengalami gangguan mudah diinterpretasi baik oleh manusia maupun mesin, maka citra perlu dimanipulasi menjadi citra lain yang kualitasnya lebih baik (image processing) (Rinaldi Munir, 2004). Pengolahan citra dalam bidang medis (Medical Image Processing) merupakan proses dimana dokter melakukan evaluasi atas bagian dalam tubuh subyek yang tak terlihat. Dan spesialis medis yang secara langsung berinteraksi dengan medical imaging adalah Radiolog. A.
Citra Mammogram
Mamografi (mammography) merupakan metode pencitraan payudara dengan menggunakan sinar X berdosis
rendah (umumnya berkisar 0,7 mSv). Tes yang sesungguhnya disebut mammogram yang digunakan untuk melihat beberapa tipe tumor dan kista, dan telah terbukti dapat mengurangi mortalitas akibat kanker payudara. Sebuah riset penting bernama DMIST (Digital Mammographic Imaging Screening Trial) menunjukkan bahwa 65% wanita akan diuntungkan dari penggunaan digital mamografi, dibandingkan mamografi tradisional yang menggunakan filem. Pada mamografi dengan filem, sekali gambar dihasilkan tidak dapat dilakukan perubahan ataupun pengulangan. Sedangkan mamografi digital dengan gambar elektronik, gambar dapat diolah serta disimpan langsung di dalam komputer
spasial, sebuah fungsi Gabor merupakan sinusoida yang dimodulasi oleh fungsi Gauss : (1)
Fig. 3. Respon Impuls Filter Gabor Dua Dimensi Fig. 1. Mammogram Digital (Kiri) dan Filem (Kanan)
Dalam frekuensi spasial, filter Gabor direpresentasikan : B.
(2)
Analisis Tekstur
Tekstur merupakan karakteristik intrinsik dari suatu citra yang terkait dengan tingkat kekasaran (roughness), granularitas (granulation), dan keteraturan (regularity) susunan struktural piksel. Berdasarkan strukturnya, tekstur dapat diklasifikasikan dalam dua golongan : - Makrostruktur Tekstur makrostruktur memiliki perulangan pola lokal secara periodik pada suatu daerah citra, biasanya terdapat pada pola-pola buatan manusia dan cenderung mudah untuk direpresentasikan secara matematis. - Mikrostruktur Pada tekstur mikrostruktur, pola-pola lokal dan perulangan tidak terjadi begitu jelas, sehingga tidak mudah untuk memberikan definisi tekstur yang komprehensif.
Fig. 4. Parameter Filter Gabor dalam Frekuensi Spasial
Fig. 2. Makrostruktur (Atas) dan Mikrostruktur (Bawah) (album tekstur Brodatz)
C.
Metode Filter Gabor
Kemampuan sistem visual manusia dalam membedakan berbagai tekstur didasarkan atas kapabilitas dalam mengidentifikasikan berbagai frekuensi dan orientasi spasial dari tekstur yang diamati. Filter Gabor merupakan salah satu filter yang mampu mensimulasikan karakteristik sistem visual manusia dalam mengisolasi frekuensi dan orientasi tertentu dari citra. Karakteristik ini membuat filter Gabor sesuai untuk aplikasi pengenalan tekstur dalam computer vision. Secara
Fig. 5. Tabel Parameter Filter Gabor
Ada enam parameter yang harus ditetapkan dalam implementasi filter Gabor. Keenam parameter tersebut adalah: F, θ, σ , σ , BF, dan Bθ. x
y
- Frekuensi (F) dan orientasi (θ) adalah lokasi pusat filter. - Lebar pita frekuensi (BF) dan jangkauan angular filter (Bθ).
- Variabel komponen frekuensi spasial (σ ) terkait dengan x
respon -6 dB. (3)
- Variabel komponen angular (σ ) terkait dengan respon y
sebesar -6dB. (4)
- Posisi (F, θ) dan lebar pita (σ , σ ) dari filter Gabor dalam x
y
domain frekuensi harus ditetapkan dengan cermat agar dapat menangkap informasi tekstural dengan benar. Frekuensi tengah dari filter kanal harus terletak dekat dengan frekuensi karakteristik tekstur. - Setelah mendapatkan ciri Gabor maka dapat dilakukan ekstraksi ciri. Salah satu ciri yang dapat dipilih adalah ciri energi, yang didefinisikan sebagai : (5) - Lebar pita angular 30° dan 45° adalah karena nilai ini dianggap mendekati karakteristik sistem visual manusia.
Bagi user yang menggunakan aplikasi ini akan dihadapkan pada kondisi pilihan menu yang telah disediakan. Pada menu utama, user dapat memilih menu Program yang digunakan untuk melakukan proses ekstraksi tekstur citra. Bila user memilih menu ini, maka langkah awal yang harus dilakukan adalah memasukkan citra asli mammogram untuk diproses menggunakan metode filter Gabor. Selanjutnya adalah memasukkan nilai frekuensi dan orientasi citra. Dengan tombol proses filtering, program akan menampilkan citra hasil segmentasi mammogram beserta nilai energinya ke dalam layar. Kemudian, user dapat menyimpan keluaran tersebut sebagai hasil akhir analisis tekstur. Apabila user ingin mengetahui cara atau petunjuk penggunaan program aplikasi, maka dapat dipilih menu Help. Namun jika tidak, user dapat menuju ke kondisi berikutnya yaitu pemilihan menu About Program. Pada menu ini, user dapat membaca informasi mengenai proses jalannya program dan manfaat dari pembuatan program ekstraksi tekstur. Kondisi pemilihan menu lain yang dapat ditentukan oleh user adalah menu About Me. Menu ini berisikan keterangan tentang Penulis berupa nama, npm, universitas, serta alamat e-mail Penulis. Bila proses pengaksesan aplikasi selesai, user dapat keluar dari jendela menu utama dengan tombol Exit. B. Diagram Alur Program filtering.m
III. PERANCANGAN A. Diagram Alur Aplikasi Diagram alur ini menggambarkan urutan langkah yang dapat dilakukan user dalam mengakses aplikasi.
Fig. 7. Diagram Alur Program filtering.m
Fig. 6. Diagram Alur Aplikasi
Tahap awal dalam melakukan proses eksekusi program adalah melakukan pembacaan terhadap citra masukkan mammogram yang dideklarasikan sebagai variabel I. Kemudian variabel ini dikonversi menjadi citra keabu-abuan menggunakan fungsi rgb2gray pada MATLAB. Hasilnya disimpan sebagai variabel handles.data1.
Proses berikutnya adalah menentukan nilai masukkan bagi skala frekuensi (power) dan orientasi (n). Nilai orientasi o ini dikalikan dengan (0.1667*pi) berupa sudut 30 sebagai konstanta jangkauan angular filter (Bθ) untuk mendapatkan komponen angular (σ ).
3.
Pilih citra mammogram yang akan di proses dengan menekan tombol “Buka File Citra”. Berikut ini citra yang ingin diuji bernama “M1.jpg”.
y
Selanjutnya adalah mencari nilai tengah parameter frekuensi dengan membagi akar 2 dengan hasil pangkat bilangan 2 terhadap variabel power. Hasilnya disimpan sebagai variabel F. Sedangkan konstanta lebar pita frekuensi 1 oktaf berperan untuk mendapatkan komponen frekuensi spasial (σ ) dan besar respon impuls filter Gabor dua dimensi. x
Nilai respon yang dikalikan dengan fungsi trigonometri cos (hc) akan menghasilkan nilai riil image. Sedangkan perkalian dengan sin (hs) akan menghasilkan nilai imajiner image. Proses konversi menjadi tipe double dari kedua nilai tersebut akan menghasilkan keluaran berupa matriks ciri. Hasil konversi digunakan untuk mendapatkan nilai magnitude sebagai inti dari proses filter Gabor (variabel G1). Dan dengan fungsi energi, besar energi citra dapat diketahui.
Fig. 10. Proses Input File Citra
4.
Untuk menampilkan citra, tekan tombol “Open” dan hasilnya dapat dilihat sebagai berikut :
IV. UJICOBA PROGRAM Dalam proses pengujian program, citra mammogram dijadikan sebagai masukan yang akan menghasilkan keluaran dari proses filtering berupa citra bertekstur. Tahapan dari proses uji coba program yang harus dilakukan yaitu : 1.
Membuka menu utama program dengan mengetikkan >>Menu_Utama pada command window MATLAB.
Fig. 11. Tampilan Citra Asli
5.
Selanjutnya dilakukan pemilihan skala frekuensi dan derajat orientasi. Berikut ini digunakan skala = 3 dan orientasi = 125° yang akan menghasilkan nilai energi = 0.0286549 setelah menekan tombol “Proses Filtering”.
Fig. 8. Menu Utama
2.
Dari menu utama, proses filtering citra mammogram dapat dilakukan dengan memilih menu “Program”. Fig. 12. Tampilan Citra Hasil Filtering
6.
Fig. 9. Menu Program
Citra hasil filtering bisa disimpan dengan tombol “Simpan File”. Beri nama file kemudian tekan “Save”.
Fig. 13. Proses Simpan File Citra
7.
Selesai mengakses menu program, user dapat keluar menuju menu utama dengan menekan tombol “Keluar”. Selanjutnya user dapat memilih tombol menu “Help” untuk mengetahui petunjuk dari penggunaan program.
V. ANALISIS Dalam proses analisis tekstur citra mammogram ini terdapat beberapa tahapan proses yang harus dilakukan. Berikut adalah tahapannya :
Fig. 18. Tahapan Analisis Tekstur Cita Mammogram
A.
Hasil Pengujian Citra 1
Fig. 14. Menu Help
8.
Pada menu utama juga dapat diketahui informasi mengenai kegunaan program. Informasi ini ditampilkan dengan cara menekan tombol menu about program.
Fig. 15. Menu About Program
9.
Dari menu utama juga dapat diketahui informasi tentang penulis dengan tombol menu “About Me”.
Fig. 19. Frekuensi Konstan Citra 1 Fig. 16. Menu About Me
10. Button terakhir pada menu utama adalah “Keluar”. Jika menu ini dipilih, tampilan yang akan muncul adalah sebuah message box konfirmasi keluar dari aplikasi.
Fig. 17. Menu Exit
Keterangan : • Semakin tinggi skala frekuensi maka nilai frekuensi tersebut akan semakin rendah. • Semakin tinggi skala frekuensi, hasil pengujian terlihat semakin terang. Bahkan pada skala 4, 5, dan 6 hasil citra terlihat semakin blur sehingga sulit untuk diidentifikasi. Maka skala yang paling baik digunakan untuk analisa citra berada pada skala frekuensi antara 1 hingga 3. • Output yang lebih mudah diidentifikasi berada pada derajat orientasi ke 135º.
Keterangan : • Output yang menghasilkan citra dengan bentuk tekstur lebih jelas dianalisis dibanding lainnya berada pada derajat orientasi 135º.
Fig. 20. Derajat Orientasi Konstan Citra 1 Fig. 22. Derajat Orientasi Konstan Citra 2
Keterangan : • Output tekstur yang paling mudah diidentifikasi berada pada frekuensi 0.176. Tekstur frekuensi dibawahnya sulit diidentifikasi karena tingkat kecerahan citra sangat tinggi. Begitupula sebaliknya. B.
Hasil Pengujian Citra 2
Fig. 21. Frekuensi Konstan Citra 2
Keterangan : • Output tekstur tampak paling jelas pada frekuensi 0.176. Untuk frekuensi yang lebih besar, hasil akan sulit didefinisi karena kecerahan citra sangat rendah. C.
Hasil Pengujian Citra 3
Fig. 23. Frekuensi Konstan Citra 3
Keterangan : • Umumnya menghasilkan output tekstur yang mirip, Namun diantaranya yang paling mudah diidentifikasi adanya perbedaan wilayah tekstur dalam jaringan payudara terdapat pada orientasi 120º.
Fig. 25. Frekuensi Konstan Citra 4
Keterangan : • Semakin tinggi skala frekuensi, hasil pengujian terlihat semakin terang. Bahkan pada skala 4, 5, dan 6 hasil citra terlihat semakin blur dan menyebabkan tekstur sulit diidentifikasi. Jadi, skala yang baik untuk menganalisis berada pada skala 1 hingga 3. • Derajat orientasi 60º mampu menampilkan citra dengan tekstur yang paling mudah diidentifikasi.
Fig. 24. Derajat Orientasi Konstan Citra 3
Keterangan : • Output tekstur tampak lebih jelas pada frekuensi 0.176. Untuk frekuensi yang lebih besar, hasil output sulit dianalisis karena kecerahan citra sangat rendah. D.
Hasil Pengujian Citra 4
Fig. 26. Derajat Orientasi Konstan Citra 4
Keterangan : • Output tekstur yang lebih mudah diidentifikasi berada pada frekuensi 0.176. Untuk frekuensi dibawahnya, citra justru akan terlihat semakin blur karena tingginya tingkat kecerahan. Sedangkan nilai frekuensi yang lebih besar, output tidak bisa terlihat jelas karena tingkat terang citra masih sangat rendah.
VI. PENUTUP Dari penelitian yang telah dilakukan, dapat disimpulkan bahwa proses ekstraksi tekstur bergantung atas nilai frekuensi dan derajat orientasi. Semakin rendah frekuensi, citra terlihat makin terang dan blur. Semakin tinggi frekuensi, tingkat terang citra makin terbatas. Arah orientasi dapat mendeteksi adanya wilayah yang dicurigai kelainan pada tekstur. Filter Gabor dapat dianggap sebagai metode yang tepat dalam proses ekstraksi tekstur khususnya bagi citra mammogram.proses ekstraksi tekstur sangat bergantung atas pemberian nilai parameter frekuensi serta derajat orientasi. Hal ini dimaksudkan agar proses ekstraksi dapat menghasilkan bentuk tekstur citra yang mudah diidentifikasi.
REFERENCES [1] Ahmad, Usman. Pengolahan Citra Digital dan Teknik Pemrogramannya. Graha Ilmu, Yogyakarta, 2005. [2] Anonim, Praktikum EL4027 Pengolahan Citra Biomedika EB7031 Pengolahan Citra Biomedika Lanjut Modul 3 – Analisis Tekstur, Imaging & Image Processing Research Group Institut Teknologi Bandung, 2008. [3] Away, Gunaidi Abdia. The Shortcut of Matlab Programming. Informatika, Bandung, 2010. [4] Levesque, Vincent. Texture Segmentation Using Gabor Filters. Center For Intelligent Machines, McGill University, 2000. [5] Lim, Resmana and M.J.T, Reinder. Facial Landmark detection using a Gabor Filter Representation and a Genetic Search Algorith. Proceeding of ASCI 2000 conference, Lommel Belgium, 2000. [6] Munir, Rinaldi. Pengolahan CITRA DIGITAL dengan Pendekatan Algoritmik. Informatika, Bandung, 2004. [7] Sugiharto, Aris. Pemrograman GUI dengan MATLAB. Andi, Yogyakarta, 2006. [8] http://emedicine.medscape.com/article/346529-media.html [9] http://ensiklopediseismik.blogspot.com/2008/02/transformasigabor.html
Diajeng Pambayun lahir di Tangerang, 21 April 1988 anak pertama dari pasangan Edi Asmoro dan Akin Sumanah. Penulis menyelesaikan pendidikan sekolah dasar pada tahun 2000 di SDN Pondok Bening, sekolah menengah pertama pada tahun 2003 di SLTPN 255 Jakarta Timur, dan sekolah menengah atas di SMA KAPIN Jakarta Timur. Penulis telah menyelesaikan penulisan ilmiah di kampus Gunadarma pada tahun 2010 dengan judul penulisan "Modeling Karakter dan Animasi Robot Menggunakan 3D Studio Max 2009" untuk memperoleh gelar sarjana muda. Penulis tinggal di Jatibening Pondok Gede Bekasi. Alamat Email :
[email protected]
