Wahana Fisika,1(1), Analisis Pengolahan Citra Mri Otak Menggunakan Segmentasi Watershed Dengan Filter Sobel Dan Morphological Gradient

Wahana Fisika,1(1), 2016. 1-12 http://ejournal.upi.edu/index.php/wafi

Analisis Pengolahan Citra Mri Otak Menggunakan Segmentasi Watershed Dengan Filter Sobel Dan Morphological Gradient Khoerun Nisa Syaja'ah1* , Yudha Satya Perkasa1 1Jurusan Fisika, Fakultas Sains dan Teknologi UIN Sunan Gunung Djati Bandung * Email : [email protected] ABSTRAK medical imaging adalah

Pencitraan medis atau

suatu

cara untuk

mendapatkan informasi citra medis tanpa harus menggunakan tindakan operasi

atau

bedah.

Proses

diagnosis

dalam pencitraan medis akan

memberikan informasi terkait bentuk, lokasi, objek yang di teliti, atau disebut dengan ROI (Region of Interest). Pada Penelitian ini dibuat sebuah teknik

rancangan metoda watershed dengan

segmentasi secara komputasi menggunakan filter sobel dan morphological gradient untuk

menganalisis daerah tumor dan mengurangi efek segmentasi berlebihan yang muncul pada teknik watershed, pada citra otak dengan tinjauan tiga slice hasil citra MRI yang berbeda yaitu axial, koronal

dan sagital.

Hasil percobaan dari dua metoda kombinasi teknik watershed makers dan morphological

gradient

menghasilkan

segmentasi yang berlebihan

segmentasi

baik

serta hasil yang lebih tajam,

mengurangi dengan hasil

pengujian kualitas citra dengan metoda SNR (Signal Noise to Ratio) untuk setiap slice adalah axial 5.73 dB, koronal 6.38 dB dan sagital 5.96 dB dengan waktu rata-rata komputasi adalah 1.20 s dan kombinasi segmentasi menggunakan filter sobel untuk masing-masing slice adalah axial 5.68 dB, koronal 6.28 dB, dan sagital 5.27 dB dengan waktu rata-rata komputasi adalah1.80 s. Kata kunci: Segmentasi; Watershed; Sobel;Morphological Gradient; SNR ABSTRACT

Medical imaging is a way to get the medical image without surgery.

The

process

using

of diagnosis in medical imaging will provide

1 | Copyright © 2016, Wahana Fisika


information regarding the shape, location, objects in conscientious, or ROI (Region of Interest).

In this research created a design method

of

segmentation computation using the technique watershed with filter Sobel and morphological gradient to analyze the region of the tumor and reduce the effects of segmentation excessive appearing on technique watershed, the image of the brain from three slice results MRI axial, coronal and sagittal planes. The experimental results of the two methods

combination of techniques

and

gradient

makers

segmentation reduces

watershed

excessive segmentation and

produce

better

morphological

image are sharper than segmentation using

Sobel filter, with image quality

results SNR (Signal Noise to Ratio) for

each slice is 5.73 dB axial, coronal and sagittal 6.38 dB 5.96 dB average time computing

is 1.20 s and the combination of segmentation using

Sobel filter for each slice is 5.68 dB axial, coronal 6.28 dB, and sagittal 5.27 dB with an average time of computing adalah1.80 s. Key Words : Segmentation; Watershed; Sobel; Morphological Gradient; SNR sulit untuk di lihat secara visual 1. Pendahuluan karena pada umumnya batas tumor Tumor otak dapat berasal dari tidak jelas apalagi jika masih di elemen saraf pada jaringan otak. stadium awal, kekontrasanya tidak Tumor otak ini sifatnya primer jelas dan bahkan terkadang mirip ataupun merupakan metastasis. dengan jaringan normal. Proses Gangguan yang ditimbulkan dari Segmentasi saat ini masih banyak kanker atau tumor otak ini bisa dilakukan secara manual selain merusak saraf pusat pada otak dan hasilnya yang sangat objektif dan mengakibatkan kerusakan sistem waktu yang digunakannya cukup saraf koginitif. Berdasarkan data lama [6], untuk mengurangi yang dihimpun International permasalahan ini sistem pencitraan Agency for Research on Cancer lebih medis pada penelitian ini dari 126.000 orang di dunia menggunakan teknik segmentasi mengidap tumor otak tiap tahun dan watershed dengan uji coba filter lebih diantaranya 97.000 meninggal sobel dan morphological gradient [1]. Beberapa hal terkait tumor ini yang mempunyai keunggulan



dalam mendeteksi tepi menggunakan persamaan sobel dan identifikasi

(catchmen basins)) c) Titik

yang

merupakan tempat

gradient menggunakan matematika

dimana jika air akan dijatuhkan

morphologi. Segmentasi citra yaitu

maka

teknik pengelompokan (clustering)

kemungkinan untuk jatuh kesalah

untuk kata lain pengelompokan citra

satu posisi minimum Pengujian

kedalam

hasil

wilayah tertentu

diinginkan

atau

yang

mempunyai

air

tersebut mempunyai

segmentasi

akan

menggunakan

metoda

kesamaan fitur antara lain : tingkat

SNR(Signal Noise to Ratio).

keabuan

Pada dasarnya untuk setiap hasil

(grayscale), teksture,

warna, atau gerakan [8]. Metoda

pengolahan

watershed adalah salah satu cara

dibutuhkan kontrol kualitas citra

segmentasi

yang membagi

dan salah satu parameter kontrol

citra menjadi region yang berbeda.

untuk kualitas citra pada MRI

Pada dasarnya

dengan menghitung SNR.

citra

teknik watershed

citra

memiliki prinsip seperti air [9].

dasarnya intensitas

Dengan cara menggambarkan citra

digunakan

pada

sebagai

menhasilkan

noise

relief topografi, pertama

medis

Pada

sinyal yang MRI salah

satu

kali dikenalkan oleh Beucheur dan

penyebab dari

Meyer pada

arus pada koil penerima, oleh

tahun 1993.

Dari

proses ini akan dihasilkan 3 titik

karena

yang diasumsikan sebagai langkah

berpengaruh

terhadap

penting

citra

dihasilkan

dalam

proses

segmentasi[5][10]. minima) yang merupakan tempat air tersebut akan

menuju

titik

ini

akan kualitas [2].

yang

digunakan

adalah

menghitung

dan

membandingkan banyaknya piksel yang ada pada citra [11].

akan

jatuh ke sebuah posisi minimum (titik air=piksel,

SNR dengan

dimana jika setetes air dijatuhkan, maka

yang

noise

acak

Perhitungan menggunakan metoda

a) Titik daerah terendah (region b) Titik

itu

fluktuasi

yang akan minumum

2. Bahan dan Metoda Prosedur penelitian dilakukan pada terdiri

dari

yang

penelitian

beberapa

ini

tahapan



secara umum yaitu percobaan

Operating System Linux 14.0

pertama

LTS).

menguji

gambar

pencitraan medis tumor

otak

Percobaan pertama seperti yag

menggunakan teknik segmentasi

ditunjukan oleh

watershed dengan 2 filter yang

proses

ini menggunakan citra

berbeda, yang pertama gambar

medis

MRI

akan

diuji menggunakan filter

resolusi

sobel dan yang kedua filter

masing

menggunakan

filter

morphological gradient dengan dikombinasikan

segmentasi

watershed makers. Kedua hasil prosesing

ini

berdasarkan

akan

kualitas

diuji citra

menggunakan perhitungan SNR (Signal Noise to Ratio). Dalam penelitian

ini

dibutuhkan

perangkat yang akan digunakan untuk

menjalankan penelitian

diantaranya hardware

perangkat :

PC

keras

(Personal

medis

Gambar 2.2 otak

dengan

512x512

dengan

–

masing

5

citra

dari penampang yang

berbeda

citra yang digunakan

ialan potongan Axial, Koronal dan

Sagital. Proses

ialah

dengan

proses dengan

menambahkan

smoothing sigma

menghilangkan

pertama gausian

0.4 untuk noise.

Proses

segmentasi watershed digunakan setelah

melalui

pendeteksian menggunakan

proses tepi

filter

Computer), Prosesor Intel Atom,

menggunakan operator

RAM 1 GB atau Perangkat

3x3

Lunak Software (Pemograman

2.1.

sobel sobel

secara konvolusi Gambar

Python dan Library Simple ITK

Gambar 2.1 Operator Sobel 3x3



Berikut adalah diagram alir pecobaan pertama

Gambar 2.2 Diagram Alir Prosedur Percobaan Pertama Prosedur percobaan kedua ditunjukan oleh gambar diagram alir Gambar 2.3 sama seperti prosedur percobaan pertama teknik

segmentasi

watershed

makers

kombinasi

dengan

morphological

gradient

hasil

ini

kemudian

dibandingkan prosedur

dengan

percobaan

akan hasil pertama

dengan menilai hasil uji kualitas citra. menggunakan persamaan berikut :

(1)



berikut adalah diagram alir prosedur percobaan ke-dua

Gambar 2.3 Diagram Alir Prosedur Percobaan ke-dua 3. Hasil Dan Pembahasan Segmentasi watershed telah dikenal

sebagai

cukup

efektif namun

beberapa

metoda efek

yang terjadi

menimbulkan

kelemahan

proses

ini

segmentasi

terjadinya berlebihan

segmentasi

yaitu yang

(oversegmentation).

yang



Pada

dasarnya

konsep

dari

segmentasi

ini

adalah

menjadikan

gambar

sebagai

bidang

pada

Tabel 3.1 pada

segmentasi

hasil

watershed

menggunakan filter sobel terhadap gambar

hasil citra yang belum

sempurna menunjukan segmentasi topografi

yang

mempunyai

citra yang belum cukup akurat.

tinggi dan rendah pada sebuah

Deteksi tepi yang dihasil oleh

permukaan

filter sobel terhadap piksel pada

citra,

efek

oversegmentasi

terjadi

gambar

berupa

intensitas

dikarenakan konsep lain yang

dimana akan mempengaruhi nilai

mendasari segmentasi ini adalah

piksel disekitarnya lebih tajam,

dengan

merepresentasikan

air

sehingga pada proses segmentasi

hujan

yang

diatas

akan mengikuti batas tapi yang

jatuh

permukaan bidang topografi dan

kurang

akan menelusuri tiap daerah yang

ditunjukan oleh citra MRI lain

ia lewati, oleh karena itu akan

dari slice yang berbeda dengan

banyak region yang tersegmentasi.

level 13 ditunjukan pada Tabel 3.2

Parameter lain yang diuji ialah

menunjukan hasil

menggunakan level segmentasi

dengan

dari level 7,9,11,13 dan 15.

diberikan

Pengujian

di

segmentasi

proses

kombinasi

gunakan

kualitas

citra

setelah

segmentasi berakhir, output dari hasil

segmentasi

berbentuk kualitas

gambar.

ini

akurat. Hasil

lain

yang sama

segmentasi oleh

terbaik teknik

menggunakan watershed

makers

dan morphological gradient.

ialah

Pengujian

citra menggunakan

perhitungan SNR (Signal Noise to Ratio).

Hasil

segmentasi

watershed

menggunakan

sobel,

tidak

filter mampu

mengurangi oversegmentasi yang terjadi ditunjukan oleh gambar 1



Tabel 3.1 Hasil Segmentasi Watershed Level 13

NO

Hasil Segmentasi

Hasil Segmentasi Watershed Menggunakan Filter Sobel

Citra Asli

Watershed Menggunakan Filter Morphological Gradient

1

2

3

Segmentasi

gradient

menghasilkan

gradient

memberikan

yang tipis dengan cara menaikan

dalam proses segmentasi

ukuran struktur element, operasi

watershed batas

menggunakan

dengan

makers

pendeteksian

daerah

matematika

morphologi

region minima untuk menetukan

mengidetifikasi

dimana makers dimulai. Sehingga

maksimum

proses

menggunakan struktur

segmentasi

terkendali Watershed

untuk Line.

akan

tetap

membentuk Morphological

terdiri

atas

dari nilai

merepresentasikan

dilasi

intensitas setiap biner citra

piksel element untuk dengan



nilai 1 sebagai nilai maksimum

titik yang rendah atau minimum.

atau puncak dan nilai 0 sebagai

Tabel 3.2 Hasil Segmentasi Watershed Dengan Citra yang berbeda Hasil Segmentasi Watershed No

Citra Asli

Hasil Segmentasi Watershed Menggunakan Filter

Menggunakan Filter Sobel

Morphological Gradient

1

2

3


Intensitas gambar

piksel

pada

setiap

juga yang mempengaruhi

hasil segmentasi, vertikal

dan

pada

bidang

horizontal

untuk

karena

tinggi intensitas

setiap citra dengan

tertinggi

di

berikan

watershed

oleh

hasil

makers

morphological

semakin

membuktikan

dari piksel itu

nilai

segmentasi menggunakan kombinasi

dari

mendapatkan nilai puncak sebuah gambar

untuk

SNR

lebih

dan

gradient bahwa besar

ini

saat

nilai

menunjukan

maka akan ditandai dengan warna

bahwa kualitas citra yang diperoleh

putih sebagai puncak dari topografi

oleh

pada

bagus.

citra

piksel

abu,

titik

akan

berdasarkan

dimana diurutkan

nilainya

dan

membentuk sebuah daerah

yang

diinginkan. Hasil pengujian kualitas citra menggunakan metoda SNR (Signal

Noise

to

Ratio)

menghasikan rata - rata nilai SNR untuk

segmentasi

kombinasi

watershed

dan

morphological

gradient memperoleh nilai rata rata untuk setiap slice adalah axial 5.73 dB, koronal

6.38 dB dan

sagital

5.96 dB dengan waktu rata-rata komputasi adalah

1.20

dibandingkan dengan segmentasi

jika

kombinasi

menggunakan

sobel yaitu untuk

s

gambar

tersebut

4. Simpulan Segmentasi tumor hasil

citra

dilakukan

MRI

semakin

otak ini

dari berhasil

dengan menggunakan

preprossessing

filter

sobel,

dan

kombinasi morphological gradient segmentasi

watershed

markers

untuk mengurangi efek segmentasi berlebihan. Dari digunakan

2 metoda

metoda

yang dengan

menggunakan

kombinasi

watershed

markers

dan

morphological

gradient

menghasilkan citra yang lebih baik dengan

mengurangnya

segmentasi

efek

berlebih

dengan

filter

terjadi dengan mempertegas hasil

masing-masing

output citra yang dihasilkan. Hasil

slice adalah axial 5.68 dB, koronal

pengujian

6.28 dB, dan sagital 5.27 dB dengan

menggunakan

waktu rata-rata komputasi adalah

( Signal

1.80

menghasikan rata - rata nilai SNR

s.

Berdasarkan

hasil

perhitungan ini nilai rata-rata SNR

untuk

kualitas

citra

metoda

Noise kombinasi

to

SNR

Ratio) segmentasi


watershed

morphological

dan

[3]

Bairagi.V.K.,

gradient memperoleh nilai rata rata

Sapkal.A.M.,

untuk setiap slice adalah axial 5.73

2013. ROI based

dB, koronal

DICOM image

6.38 dB dan sagital

5.96 dB dengan komputasi

waktu

adalah

1.20s

dibandingkan dengan segmentasi

telemedicine.

jika

Sadhana 38, 123-

kombinasi

menggunakan

sobel yaitu untuk

compression for

rata-rata

131.

filter

masing-masing

[4]

Balafar, M., Ramli

slice adalah axial 5.68 dB, koronal

A., Saripan M., &

6.28 dB, dan

Mashohor., 2010,

sagital

5.27 dB

dengan waktu rata-rata komputasi

Review of Brain

adalah 1.80 s.

MRI Segmentation Methods , Atrificial

5. Referensi [1] Al-Tamimi., Mohammed Sabbih

Hamoud.,

Intelegence Review 33, 261-274.

&

[5]

Ghazali Sulong., 2014,

The Morphological

Tumor Brain Detection

Approach to Segmentation:

Thorugh MR Images A

The Watershed

review of Literature ,

Transformation. Centre de

Journal of Theoretical

Morphologie Mathematique

and Applied Information

Ecole Des Mines de Paris,

Technology, vol. 6, no.2. [2]

Alan

Tanjung

Prastowo.,

Fontaina bleaus, France.

Aji

[6]

Wahyu

Setiabudi, Choirul Anam., 2012, Korelasi Nilai Time Repeatation

(TR)

Signal

to

Noise

Ratio,

J urnal Fisika Undip, vol.

Diah Priyawati., Indah Soesanti., & Indriana Hidayah., 2015. Kajian Pustaka Metoda

Segmentasi Citra Pada MRI Tumor Otak, Prosiding SNST

dan

Time Echo (TE) Terhadap

Beucher., F, Meyer., 1993,

[7]

Gunawan., Fandi Halim., & Evni Wijaya., 2011, Perangkat lunak Segmentasi Citra dengan Metoda

16, no. 4, pp. 103-110.


Watershed, JSIFO STMIK

Mikroskil, Vol. 12 no. 2 , ISSN 1412-0100. [8]

Murinto., & Agus.H., 2009, Segementasi Citra Menggunakan Watershed dan Intensitas Filtering Sebagai PreProsesing Seminar Nasional Informatika ( semnasIF). Yogyakarta ISNN:1979-2328

[9]

Ning Li., Miaomio Liu., & You fu Li., 2007, Image Segementation Algorithm Using Watershed Transform Level set Method,

International Conference on Acoustics Speech and Signal Processing, (ICASSP) IEEE, pp 613616. [10]

Rudi Adi Pranata., 2005, Kombinasi Metode Morphological Gradient dan Transformasi Watershed pada Proses Segemtasi Citra Digital.

Skripsi, Universitas Kristen, Surabaya. [11] Rafael.C.Gonzales., & Richard.E.Woods., 2012, Digital Image Processing. New Jersey: Prentice hall.


Wahana Fisika,1(1), Analisis Pengolahan Citra Mri Otak Menggunakan Segmentasi Watershed Dengan Filter Sobel Dan Morphological Gradient

Recommend Documents