LANDASAN TEORI
Hema, 2013), model based segmentation (Bourouis dan Hamrouni, 2011), active
contour-model (Airouche et al, 2009) dan lain-lain.
Active Contour merupakan salah satu algoritma yang digunakan dalam
segmentasi citra. Kass et al (1987) menyatakan active contour merupakan suatu
batas objek atau beberapa fitur gambar lainnya sebagai kurva parametric (Kass et
al, 1987). Active contour diimplementasikan dengan sebuah fungsi energi E yang
dikaitkan dengan kurva dan memiliki variabel pengkoreksian (error) apabila
terjadi kesalahan, maka didapatkan hasil yang akurat.
Active contour juga dapat digunakan untuk mensegmentasi citra menjadi
beberapa region (Amine dan Farida, 2012). Active contour banyak diimplementasi
pada berbagai macam citra, salah satunya untuk mendeteksi citra (Rocca et al).
Active Contour juga dapat dikombinasikan dengan beberapa metode, salah
satunya adalah level set. Level set merupakan salah satu metode yang
menggunakan fungsi evolusi energi, maka dapat mengoptimalkan proses
segementasi.
Brox dan Weickert (2004) menyatakan bahwa formula pada level set
Mumforh and Shah terdapat beberapa kesalahan, yang diimplementasikan pada
citra MRI otak dengan intensitas inhomogen. Berdasarkan permasalahan tersebut
maka dilakukan penelitian yang mengembangkan formula level set untuk
segmentasi citra pada citra yang memiliki intensitas inhomogen (Brox dan
Weickert, 2004).
Li et al (2005) menyatakan bahwa fungsi level set
yang digunakan
model dan level set method. Kombinasi metode level set dan active contour model
dapat diimplementasikan pada berbagai macam citra, seperti ISL (Indian Sign
Language) (Krishnaveni dan Radha, 2011), citra MRI (Lazrag dan Naceur, 2012 ;
Angelini et al, 2007).
Chan dan Zhu (2005) menyatakan bahwa pada proses penyebaran level set
tidak memiliki acuan, maka dilakukan penelitian dengan menggabungkan ChanVese Model dengan Shape (Chan dan Zhu, 2005). Lee (2005) mengembangkan
memperhalus hasil segmentasi citra, maka ditambahkan Gaussian Filter (Lee,
2005). Munim dan Abd (2007) bahwa Shape menjadi acuan proses penyebaran
level
set
(Munim
dan
Abd,
2007).
Dubrovina
dan
Kimmel
(2012)
mengembangkan active contour model dan level set Mumford Shah Model yang
dikombinasikan
untuk
menyelesaikan
masalah
segementasi
agar
dapat
10
komputasi yang kompleks, maka membutuhkan waktu yang cukup lama untuk
menyelesaikan proses tersebut. Untuk mengatasi kelemahan tersebut ditemukan
solusi yang baik, yaitu penggunaan komputasi paralel yang berbasis GPU
(Graphic Processing Unit) CUDA.
GPU merupakan suatu perangkat grafis yang digunakan untuk kalkulasi
grafis. Dengan processor parallel dapat membantu mempercepat proses
komputasi, khususnya pada pengolahan citra (Ghorpade et al, 2012 ; Bhatotia et al
; Lin et al, 2012 ; Grama et al, 2003).
Adapun beberapa masalah yang diselesaikan menggunakan GPU, seperti
enkripsi menggunakan AES yang diparalel menggunakan CUDA, dan
memperoleh hasil transfer data 20x lebih cepat dibandingkan menggunakan CPU
(Iwai et al., 2012), enkripsi dan deskripsi menggunakan System P menggunakan
GPU menghasil kecepatan yang lebih cepat dibandingkan menggunakan CPU
(Zaher et al., 2012), deteksi tepi citra menggunakan canny method berbasis GPU
CUDA menghasilkan efisiensi waktu pada proses komputasi (Roodt et al., 2007),
segmentasi citra biomedikal berbasis GPU yang menghasilkan kecepatan proses
komputasi 30 sampai 40 kali lebih cepat (Mostofi, 2009), Optimasi ICA dan EEG
(Raimondo et al., 2012), Pattern matching menggunakan metode Aho-Corasick
hanya membutuhkan waktu 14.74 detik lebih cepat daripada CPU (Lin et al.,
2012), pencitraan USG menggunakan Angular Spectrum Method (Varray et al.,
2011), pengolahan citra menggunakan metode fast fourrier transformation
(Haque dan Uddin, 2011).
11
(2.1)
12
dan kolom N hingga citra membentuk matriks M x N dan jumlah tingkat keabuan
piksel G (Sutoyo et al,2009).
b.
c.
13
14
perkembangan
level
set
method,
salah
satunya
yang
(2.3)
15
Dimana
dan
merupakan konstanta,
adalah boundary dari
pada persamaan
2.4.
(2.4)
Parameter
maka akan
(2.5)
Dimana
Apabila nilai
16
(2.6)
5. Fungsi Update
Fungsi update nilai level set
(2.7)
merupakan time-step.
(2.8)
17
18
19
20
CPU
Kinerja cache pada CPU yang
cepat
Percabangan pada granularity yang
baik
Kinerja pada thread tunggal
Kinerja CPU digunakan untuk task
secara parallel
CPU dioptimalkan pada sequential
code
GPU
Banyak unit untuk perhitungan
Menjalankan program pada setiap
lapisan (vertex)
Kinerja secara parallel
Kinerja GPU digunakan untuk data
secara parallel
GPU dioptimalkan pada floating
point operations
21
22
23
4. Register
5. Local Memory
6. Constant memory
24
25
tinggi
yang
digunakan
untuk
komputasi
teknik.
Bahasa
ini