Deteksi Tepi pada Pengolahan Citra Berbasis Logika

Fuzzy untuk Segmentasi Blood Vessel

Graffit Tika1, Diarnise Senko2, Pramesrani Dyah3*
1,3
Jurusan Teknik Fisika FTI ITS
1lathifagraffitika@gmail.com

Intisari— Penyakit yang berhubungan dengan jaringan dapat ditafsirkan dengan segmentasi pada blood vessel dengan menggunakan
alat secara komputasi. Proses pembagian pada angiogram agar tidak tumpang antara pembuluh dengan latar gambar. Teknik
deteksi tepi digunakan untuk membagi gambar ke gap yang lebih kecil pada tepi di sekitar pixel. Metode yang digunakan untuk
segmentasi blood vessel gambar angiograf diimplemntasikan pada project ini. Tujuan penggunaan metode ini untuk menganalisis
gambar blood vascular secara otomatis. Pada paper ini, kami mengevaluasi kinerja dari fuzzy inference system dan filter morfologi
untuk segmentasi blood vessel pada gambar angiograms.
Kata kunci : pembuluh darah, deteksi tepi, penyekatan, Fuzzy Inference System

Abstract— Vascular disease was could assessmented from segmentation of blood vessels use medical computing tools. It is process of
partitioning an angiogram into nonoverlapping vascular dan background regions. Edge detection technique when used alone for image
segmentation results in small gaps in edge boundaries to any the neighbouring pixels. A new supervised method for segmentation of blood
vessels in angiograms photograpgh is implemented in the project. The purpose of this method is to automate the blood vascular image
analysis. In this paper, we evaluate the performance of a fuzzy inference system and morphology filters for blood vessel segmentation in
a angiograms image
Keywords : Vascular, Edge Detection, Segmentation, Fuzzy Inference System

yang terdeteksi. Gambar biner hanya memiliki dua

I. PENDAHULUAN
Tepian didefinisikan sebagai variasi abrupt dalam
intensitas pixel dari suatu gambar selama proses
pendeteksian garis luar dari object dan batas antara
object dengan background dalam gambar. Deteksi
tepi merupakan suatu metode yang penting dan
banyak digunakan pada banyak bidang seperti
computer vision dan aplikasi pengolahan gambar.
[1] Salah satu metode yang dapat membantu
mendeteksi tepi adalah dengan menggunakan fuzzy
logic. Pengolahan citra dengan menggunakan fuzzy
merupakan gabungan dari semua pendekatan yang
terhubung, memberikan dan memproses citra dari
pixel dan intensitas sebagai fitur fuzzy set.
Deteksi tepi adalah suatu set metode matematika
yang bertujuan mengidentifikasikan poin dalam
gambar digital yang kecerahaan gambar mengalami
perubahan tajam atau diskontinuitas. Diskontinuitas
ini secara kasar akan merubah intensitas pixel yang
akan mengkarakterisasi tepian dari object dalam
sebuah gambar. Deteksi tepi biasanya dilakukan
dengan pengukuran derivative pertama dan kedua
yang kemudian diikuti dengan pembandingan
dengan threshold yang menandai pixel tersebut
sebagai tepian atau bukan. Hasil yang ditunjukkan
adalah gambar biner yang hanya terdapat pixel tepi
level yaitu hitam dan putih yang didapatkan dari
gambar awal. [2]
Pencitraan medis meliputi metode untuk
menggambarkan organ manusia untuk meghasilkan
keakuratan yang lebih tepat untuk mendiagnosa
organ serta pengobatan yang dibutuhkan untuk
organ- organ tersebut. Selanjutnya, penggunaan
instrument untuk mendiagnosa dan pemantauan
yang lebih tepat dan cepat untuk memperhitungkan
dan meninjau berbagai kondisi medis dan kejadian
kesehatan dalam pemerikasaan klinis. [3]
Segmentasi dari pembuluh darah merupakan
salah satu alat medis yang berbasis komputasi untuk
menafsirkan secara klinis penyakit yang
berhubungan dengan pembuluh darah. Itu
merupakan sebuah proses dari pembagian sebuah
angiogram kedalam jaringan yang tidak tumpang
tindih dan daerah background. Berdasarkan hasil
dari pembagian angiogram tersebut, maka
permukaan dari jaringan dapat diekstrak,
dimodelkan, dimanipulasi, diukur dan
dimanipulasikan. Hal ini sangat berguna untuk dan
mengambil peran penting untuk pengobatan
endovascular dari penyakit vaskular. [4]
Pada paper kali ini khusus menjelaskan
penggunaan fuzzy logic rules berdasarkan algoritma

1
untuk mendeteksi tepian dari suatu object. Object Untuk filter high- pass, bentuk matrixnya jug 3 x
yang digunakan untuk paper ini adalah vessel. 3 seperti ini :
II. METODOLOGI PENELITIAN
−1/16 −1/8 −1/16
Metodelogi dari simulasi penggunaan metode 𝐻ℎ𝑝 = [ −1/8 3/4 −1/8 ] (3)
fuzzy untuk mendeteksi tepi pada Blood Vessel −1/16 −1/8 −1/16
Segmentation dijelaskan seperti diagram blok
dibawah ini: Selanjutnya, filter Hm digunakan untuk
Input Preproce FIS Threshold
memastikan level gray dari setiap pixel dari gambar
ssing pada output merupakan matematik dari mean level
gray pada daerah 5 x 5 dari pixel yang sama dengan
gambar yang digunkan sebagai input. Hg
Output Morphology merupakan filter Gaussian yang dijelaskan dengan:
Image Filteers
𝑥 2 +𝑦 2
𝐻𝑔(𝑥, 𝑦, 𝑧) = exp (− 2𝑧 2 ) , 𝑧 = 1 (4)
Gambar 1. Sistem Segmentasi Blood Vessel Filter untuk gambar yang akan dideteksi akan
dihitung dengan operasi konvolusi bi dimensional
Proses preprocessing dilakukan dengan seperti:
mengaplikasikan operator Sober untuk DH = Hdh * I
mengestimasikan derivative pertama dari input DV = Hdv *I
yang berupa gambar angiogram dalam arah HP = Hhp * I
horizontal dan vertikal. Penjarabaran proses G = Hg * I
preprocessing dijelaskan pada gambar dibawah ini:
Fuzzy Inference System
Hdh
Fuzzy Inference merupakan proses secara actual
Hdv
untuk memetakan suatu input dalam konteks ini
FIS merupakan gambar menjadi suatu outputan yang
Input
menggunakan logika fuzzy.
Hhp Langkah pertama adalah dengan mengambil input
yang menyatakan derajat yang saling terhubung
Hm pada fuzzy sets melalui fungsi membership. Input
yang dimasukkan selalu berupa nilai matematik
yang memiliki batas tertentu hingga tak hingga dari
Gambar 2. Sistem Segmentasi Blood Vessel pada suatu topik dari input. Sedangkan output merupakan
proses preprocessing derajat fuzzy dari membership yang nilai
intervalnya antara 0 dan 1.
Hhp dan Hm merupakan inti dari filter High pass
dan Low Pass. Operator Sobel Hdh dan Hdv
merupakan inti dengan element 3 x 3 seperti ini:

1 0 1
𝐻𝑑ℎ = [ 2 0 2]` (1)
−1 0 1
1 2 2
𝐻𝑑𝑣 = [ 0 0 0] (2)
−1 −2 −1

2
 Gambar 3. Fuzzy Inference System dari Sistem
Segmentasi Blood Vascular
Membership function dari variabel DH dengan
parameter [-101 55.7 127.8] seperti pada gambar :
Gambar 4. Membership Function dari variabel
DH
Pada variabel DV dengan parameter variabel [-
102 51.61 124] memiliki membership seperti:
Gambar 5. Membership Function dari variabel
DV
Membership dari HP yang memiliki parameter [-
102 52.96 125] ditunjukkan seperti gambar:
Gambar 6. Membership Function dari variabel
HP
Variabel G memiliki parameter [-101 52.96 125]
dengan fungsi membership seperti pada gambar:
3
 Gambar 7. Membership Function dari variabel G Gambar 9. Rule Editor pada Sistem Fuzzy
Sedangakan fungsi membership dari output
dengan parameter [-101 52.28 126] ditunjukan
III. HASIL DAN PEMBAHASAN
dengan gambar :
Tampilan dari sistem fuzzy ini ditampilkan dalam
GUI seperti pada gambar 9. Dengan mengklik
button browse maka dapat menginputkan gambar
dari file yang ada pada salah folder di computer.
Kemudian mengklik result, hasil yang ditunjukkan
akan berupa 2 gambar. Gambar ke dua akan
menampilkan gambar dengan algoritma fuzzy.
Kemudian pada gambar ke tiga menampilkan
gambar dengan filter morfologi.

Gambar 8. Membership Function dari variabel

output
Sistem fuzzy diatas memiliki rule sebanyak 7.
Rule tersebut berfungsi untuk mencari tepian dari
gambar dalam level grayscale.

Gambar 10. Hasil dari Sistem Segementation

Blood Vascular

IV. KESIMPULAN
Pada paper ini, dapat disimpulkan bahwa sistem
fuzzy dan algoritma matematik morfologi dapat
digunakan untuk segmentasi dari blood vessels.

4
Hasil yang diberikan menunjukkan bahwa
algoritma fuzzy dapat mengahasilkan segmentasi
untuk gambar angiogram dengan baik.
REFERENSI
[1] D. Aborisade, “Fuzzy Logic Based Digital
Image Edge Detection,” Global Jpurnal of
Computer Science and Technology, pp. 78-82,
2010.
[2] M. B. A. H. B. HIchem Guedri, “Novel
Computerized Method for Measurement of
Retinal Vessel Diameters,” Biomedicines, pp. 1-
17, 2017.
[3] R. P. P.G, “Ennhancement of Retinal Blood
Vessel Segmentation and Classification,”
Scholars S. A Engineering College.
[4] S. N. P. P. K. Mohammed Aslam C, “Blood
Vessel Segmentation in Angiograms using
FuzzyInference System and Mathematical
Morphology,” International JOurnal of
Computer Application in Engineering Science,
vol. 1, no. IV , pp. 446-449, 2011.
[1] D. Aborisade, “Fuzzy Logic Based Digital
Image Edge Detection,” Global Jpurnal of
Computer Science and Technology, pp. 78-82,
2010.
[2] M. B. A. H. B. HIchem Guedri, “Novel
Computerized Method for Measurement of
Retinal Vessel Diameters,” Biomedicines, pp. 1-
17, 2017.
[3] R. P. P.G, “Ennhancement of Retinal Blood
Vessel Segmentation and Classification,”
Scholars S. A Engineering College.
[4] S. N. P. P. K. Mohammed Aslam C, “Blood
Vessel Segmentation in Angiograms using
FuzzyInference System and Mathematical
Morphology,” International JOurnal of
Computer Application in Engineering Science,
vol. 1, no. IV , pp. 446-449, 2011.