Anda di halaman 1dari 9

Analisis Tekstur - GLCM

Oleh:mulkan.ms@gmail.com http://softscients.blogspot.com

Manusia mengenal tekstur seperti lembut dan kasar walaupun tangan tidak menyentuh benda tersebut, tapi otak mampu membedakan hal tersebut melalui visualisasi yang ditangkap oleh mata. Tekstur dapat dicirikan sebagai berikut a. Pengulangan pola dari variasi lokal sehingga membentuk kesatuan yang utuh b. Menyediakan informasi susunan spasial dari warna dan intensitas citra c. Dicirikan dengan distribusi spasial dari level intensitas dari nilai pixel ketetanggaan d. Tidak bisa didefinisikan sebagai suatu satu point / nilai tertentu karena merupakan sebuah pola / kesatuan Lihatlah ilustrasi berikut tentang tekstur sebuah citra yaitu terdiri dari 50% hitam dan 50% putih

Tentunya uji statistik standar seperti mean, standar deviasi tidak akan mampu membedakan ketiga citra tersebut karena akan menghasilkan nilai yang sama. Seperti yang sudah dijelaskan bahwa tekstur merupakan suatu pengulangan pola dan distribusi spasial artinya ketiga citra tersebut mempunyai tingkat intensitas nilai pixel yang sama tapi mempunyai distribusi spasial yang berbeda. Analisis tekstur merupakan salah satu metode untuk melakukan identifikasi atau klasifikasi suatu citra, analisis tersebut telah banyak digunakan dalam berbagai

bidang yaitu uji tekstur wajah, mutu keramik, ker amik, membedakan jenis daun dan dalam interpretasi suatu peta sehingga dapat diketahui jenis lahan.

GLCM SEBAGAI SALAH SATU S ATU METODE ANALISIS TEKSTUR

Gray-Level Co-occurrence occurrence matrix merupakan metode paling banyak digunakan untuk analisis tekstur. Metode ini diperkenalkan oleh Haralick di tahun 1973 yang merupakan bagian dari project yang didukung olah NASA yaitu tepatnya NASA Goddard Space Flight Center. Haralick menggunakan citra dari NASA ERTS untuk melakukan klasifikasi dengan tingkat akurasi diatas 80%. Matrix GLCM dihitung dari nilai pixel yang berpasangan dan memiliki nilai intensitas tertentu. Misalkan d adalah jarak antara dua pixel yaitu (x 1 ,y1) dan (x2 ,y2) dan tetha didefinisikan sebagai sudut antara keduanya, maka matrix GLCM merupakan distribusi spasial dari Pd (i,j). Banyak paper menuliskan berbagai versi tentang perhitungan GLCM terutama mengenai masalah sudut yang digunakan. Berikut adalah ilustrasi yang menggambarkan arah sudut dengan jarak 1 pixel dan ada 4 jenis sudut yang digunakan: a. 0o=180o; b. 45o=225o, c. 90o=270o, dan d. 135o=315o tapi terkadang ada yang menyatakan terdiri dari 8 arah, hal ini terjadi karena antara sudut 0o dan 180o dianggap berbeda begitu juga dengan arah sudut yang lainnya

Berikut adalah beberapa fitur yang bisa dihitung menggunakan GLCM yaitu terdiri dari 7 fitur utama dan 7 fitur tambahan yang diturunkan dari 7 fitur utama. 1. Angular second moment/uniformity/energy 2. Entropy 3. Dissimilarity 4. Contrast/inertia 5. Correlation 6. Homogeneity/inverse difference momen 7. Autocorrelation Contoh: Berikut disajikan contoh untuk analisis fitur GLCM. ada 3 matrix gray yaitu M1; M2; M3 yang masing-masing mempunyai jumlah nilai pixel yang sama, akan tetapi mempunyai sebaran lokasi pixel yang berbeda (pola-tekstur). Perhitungan GLCM menggunakan sudut 0o dan jarak 1 yaitu P (1,0)
M1 0 0 0 0 0 4 0 0 0 0.1667 0 0 1 1 1 1 4 0 4 0 0.1667 0 0.1667 0 2 2 2 2 0 4 0 4 0 0.1667 0 0.1667 3 3 3 3 0 0 4 0 0 0 0.1667 0 0 3 2 1 6 0 0 0 0.25 0 0 0 0 3 2 1 0 6 0 0 0 0.25 0 0
gray

M2 0 3 2 1 0 0 6 0 0 0 0.25 0 0 3 2 1 0 0 0 6 0 0 0 0.25 0 0 3 1 0 2 2 2 0 0.0833 0.0833 0.0833 3 2 1 2 2 0 1 3 0.0833 0 0.0417 0.1250

M3 1 0 0 2 2 1 4 0 0.0833 0.0417 0.1667 0 3 1 3 2 2 3 0 0 0.0833 0.1250 0 0

glcmNorm

glcm

Hasil: Fitur Energy Entropy

M1 0.166 1.791

M2 0.25 1.386

M3 0.104 2.325

Dissimiliarity Contrast

1 1

0 0

1.583 3.416

M2 mempunyai keseragaman paling tinggi bila diukur dari sudut 0o M3 mempunyai ketidakseragaman paling tinggi hal ini menandakan entropy mempunyai hubungan terbalik secara kuat dengan hasil energy M3 bernilai paling tinggi karena paling acak M2 mempunyai nilai pixel ketetanggan yang sama (bila diukur dari sudut 0o) sehingga bernilai 0 M2 mempunyai linearitas paling tinggi M2 mempunyai nilai yang seragam yaitu bernilai 1 M2 mempunyai nilai paling tinggi pada diagonal utamanya

Correlation Homogeneity

0.45 0.5

1 1 7.5

-0.466 0.391 5.5

Autocorrelation 6.6

Optimasi:
Faktor yang mempengaruhi hasil perhitungan GLCM adalah sudut yang digunakan. Maka beberapa referensi telah mengoptimasi agar hasil perhitungan tidak rancu yaitu menggunakan semua sudut sebagai perhitungan fitur tekstur. Berikut adalah hasil optimasi tersebut yang dapat memberikan gambaran menyeluruh bahwa ada perbedaan hasil untuk M1 dan M2 tapi untuk M3 tidak berubah sedikitpun yaitu jikalau hasil nya paling tinggi ataupun paling rendah Fitur M1 M2 M3 Energy 0.105 0.105 0.069 M1 dan M2 mempunyai keseragaman paling tinggi bila diukur dari berbagai arah Entropy 2.274 2.274 2.689 M3 mempunyai ketidakseragaman paling tinggi. Sedangkan M1 dan M2 bernilai sama Dissimiliarity 0.71 1.19 1.5 M3 bernilai paling tinggi karena paling acak Contrast 0.71 2.619 3.11 M1 mempunyai nilai pixel ketetanggan yang sama (paling tinggi) dibandingkan dengan M2 dan M3 Correlation 0.647 -0.0973 -0.259 M1 mempunyai linearitas paling tinggi Homogeneity 0.642 0.5476 0.411 M1 mempunyai nilai yang seragam kemudian disusul M2 dan M3 Autocorrelation 6.904 7.38 5.4047 M2 mempunyai nilai paling tinggi pada diagonal utamanya

Seperti terlihat pada plot grafik dibawah ini, bahwa untuk M3 hasilnya adalah stabil yaitu bernilai paling rendah ataupun paling tinggi.

Kesimpulan:
Penentuan sudut sangat mempengaruhi karena merupakan sudut pandang terhadap suatu citra maka sebaiknya menggunakan aturan berikut Jenis sudut kondisi Arah sudut tertentu Mensyaratkan hasil capture citra dalam kondisi arah tertentu Semua arah Tidak mensyaratkan pada arah tertentu (free angle)

Contoh yang lain

Citra diatas berasal dari 1 sumber yaitu pada satu citra 3 (paling bawah)! Citra 1;2 adalah pengacakan lokasi citra dari citra 3 menggunakan arnold cat maps! Tentunya tidak terbayangkan bukan! Sehingga ketiga citra tersebut mempunyai histogram yang sama pula! Tentunya uji stastistik biasa seperti mean dan std tidak akan mampu membedakan mereka!Mereka hanya berbeda lokasi saja!

Bagaimana olah citra memandang kasus diatas!


Mari kita hitung GLCM (gray level co-occurance matrix) sehingga didapatkan hitungan seperti berikut Citra 1 fitur Sudut 0 Semua sudut energy 0.0024491731852073566 0.0019999998691495554 entropy 8.881482015485222 9.087883959367886 dissimiliarity 19.99326998432589 24.313528681669332 contrast 1001.725146943572 1410.4633268086686 correlation 0.7598046888674038 0.6617515419555503 homogen 0.13792759034452218 0.12155782248758404 autocorrelation 6433.853644200653 6227.047264779985 Citra 2 fitur energy entropy dissimiliarity contrast correlation homogen autocorrelation Sudut 0 0.00686034145023157 8.546145676952188 26.45563651248484 1997.1030208759723 0.5837297599072392 0.2024030694706558 5966.94012279981 Semua sudut 0.007369170523500995 8.56710329673388 24.938276539141167 1833.1363654996183 0.6178863147428804 0.21297468096737177 6048.57035839163

Ternyata menghasilkan perhitungan yang berbeda! Mari kita lihat tentang energy 1. Energy: akan bernilai tinggi ketika nilai pixel mirip satu sama lain sebaliknya akan bernilai kecil menandakan nilai dari GLCM normalisasi adalah heterogen. Nilai maksimum dari energy adalah 1. Ternyata menurut GLCM diketahui bahwa yang paling seragam adalah citra 2 karena nilai energy mendekati angka 1 2. Entropy: akan bernilai tinggi ketika citra tidak seragam. Jadi menurut GLCM yang tidak seragam adalah citra 1. Artinya energy akan berbanding terbalik dengan entropy!!

Apakah benar tersebut!! Mari kita buktikan

Citra diatas adalah citra hasil dari penerapan logistisc maps dari citra 3!! Acak bukan!! Liat perhitungan berikut energy 4.204133335019299E 4.204133335019299E-4 entropy 9.320597913207715 dissimiliarity 54.662665085794956 contrast 4738.066676547164 correlation 0.006238878449850933 homogen 0.04553850662291374 autocorrelation 4572.914896420003 Terlihat bahwa energy bernilai sangat kecil 4.2 10- 4 angka yang menuju 0 sedangkan entropy sangat besar yaitu 9.32 lebih besar dari citra 1 yaitu 9.087.

Jadi apa kesimpulannya!


Ternyata GLCM bisa menilai hal diatas bahwa GLCM adalah salah satu dari analisis tekstur yang cukup baik

Demo Aplikasi
Penulis menggunakan Java sebagai tools utama nya, berikut adalah tampilan aplikasi