DIGITAL IMAGE SEGMENTATION RADIOGRAPH INDICATIONS FOR IDENTIFICATION OF DEFECTS WITH REGION GROWING.

SEGMENTASI CITRA DIGITAL UNTUK IDENTIFIKASI INDIKASI DIREKSI, DAN WARNA CACAT FILM RADIOGRAFI DENGAN REGION GROWING.
Faidhullah1, Muhtadan2, Djoko Marjanto Jurusan Teknofisika Nuklir Sekolah Tinggi Teknologi Nuklir Badan Tenaga Nuklir Nasional Jl. Babarsari PO BOX 6101/YKBB Yogyakarta 55281 Telp: (0274) 48085; Fax: (0274) 489715 Homepage: www.sttn-batan.ac.id E-mail: sttn@batan.go.id , sttn@sttn-batan.ac.id

ABSTRACT DIGITAL IMAGE SEGMENTATION RADIOGRAPH INDICATIONS FOR IDENTIFICATION OF DEFECTS WITH REGION GROWING. A software development for the identification of weld defect shape indications radiographs has been constructed. Computer visual technology to make computer systems have high computing capability to improve the processing of data into an information. The purpose of this research is to produce applications that can identify the shape of weld defects in digital image radiographic film by applying image enhancement process, region growing segmentation, image morphology, feature extraction and labeling methods. Image enhancement process purpose to create a better image quality, including contrast stretching techniques, noise reduction by a median filter, and image sharpening with laplacian filter. In a separate object with disabilities background image using region growing segmentation method of extraction of characteristics in this research conducted by first in-labeling image segmentation, by using parameters such as eccentricity, Orientation, and MeanIntensity on regionprops command in MATLAB toolbox. Results of the study is an application for identifying the defect indication radiographic film with 92.73% success rate of 51 label image data. Keywords: Identification, radiograps, segmentation, Region Growing.

INTISARI SEGMENTASI CITRA DIGITAL UNTUK IDENTIFIKASI INDIKASI DIREKSI, DAN WARNA CACAT FILM RADIOGRAFI DENGAN REGION GROWING. Telah dilakukan pengembangan perangkat lunak untuk identifikasi indikasi bentuk cacat lasan film radiografi. Teknologi visual komputer membuat sistem komputer memiliki kemampuan komputasi tinggi untuk meningkatkan pengolahan data menjadi sebuah informasi. Tujuan dari penelitian ini adalah untuk menghasilkan aplikasi yang dapat mengidentifikasi bentuk cacat lasan pada citra digital film radiografi dengan menerapkan proses perbaikan citra, segmentasi region growing, morfologi citra, dan ekstraksi ciri dengan metode labeling. Proses perbaikan citra bertujuan untuk membuat kualitas citra menjadi lebih baik, meliputi teknik peregangan kontras ,peredaman derau dengan filter median, dan penajaman citra dengan filter laplacian. Dalam memisahkan obyek cacat dengan citra background menggunakan metode segmentasi region growing Ekstraksi ciri dalam penelitian ini dilakukan dengan terlebih dahulu di-labeling citra segmentasi, dengan memanfaatkan parameter seperti eccentricity, Orientation, dan MeanIntensity pada perintah regionprops dalam toolbox MATLAB. Hasil dari penelitian adalah sebuah aplikasi untuk mengidentifikasi indikasi cacat film radiografi dengan tingkat keberhassilan 92.73% dari 51 citra label. Kata kunci: Identifikasi, film radiografi, segmentasi, Region Gowing. ahli radiografi. Oleh karena itu pembacaan film seperti ini harus ditinggalkan mengingat tuntutan jaman untuk melakukan segala sesuatu dengan cara yang lebih cepat dan praktis. Penelitian sebelumnya dengan judul Sistem Pakar Untuk Evaluasi Radiografi Industri Dengan Perbaikan Citra yang dilakukan Atmojo (2011) menghasilkan suatu sitem pakar untuk evaluasi cacat las pada semua benda uji yang dikerjakan dengan teknik [1] pengelasan. Penelitian dari Atmojo, dalam penentuan indikasi cacat masih dilakukan secara manual dimana dalam penentuannya pakar radiografi masih berperan penting. Sehingga dalam penelitian ini akan dilakukan otomatisasi penentuan indikasi cacat yaitu direksi, dan

PENDAHULUAN Kemajuan teknologi sekarang ini terutama dalam bidang teknologi nuklir tentunya memberikan dampak yang baik pada kehidupan manusia. Salah satu kemajuan teknologi nuklir adalah pengujian benda dengan tidak merusak benda tersebut atau yang biasa disebut Uji Tak Rusak (UTR). Penggunaan teknologi UTR itu sendiri, salah satunya adalah radiografi dimana digunakan untuk mengidentifikasi ada atau tidaknya cacat pada suatu benda yang diuji seperti pipa baja, plat, tabung, dan sebagainya. Pembacaan film saat ini masih mengunakan para ahli yang dilakukan secara manual. Pembacaan ini bersifat subyektifitas ini dapat memicu perbedaan pendapat sesama

warna dari cacat tersebut. Untuk selanjutnya diharapkan nantinya dapat dikembangkan sistem yang otomatis secara keseluruhan. Tabel 1 dan Tabel 2 adalah indikasi cacat yang digunakan sebagai acuan dalam mengolah film radiografi. Pola cacat inilah yang digunakan oleh operator sebagai ciri dari adanya cacat pengelasan. Tabel 1 Direksi Indikasi Cacat
No 1 2 Nama Keterangan Indikasi Longitudinal Sejajar dengan arah lasan Tranversal Tegak lurus dengan arah lasan

digunakan dalam dunia industri untuk menentukan jaminan kualitas dari produk yang dihasilkan (plat baja, pipa baja dan sebagainya). Teknik ini adalah pemeriksaan dengan menggunakan sumber radiasi (sinar-x atau sinar gamma) sebagai media pemeriksa dan film sebagai perekam gambar yang dihasilkan. Adapun untuk film radiografi terdapat syarat Penerimaan film yang telah diradiografi (ASME VII). Pengolahan citra digital Pengolahan citra digital adalah kegiatan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia/mesin (komputer). Masukannya adalah citra dan keluarannya juga citra tapi dengan kualitas lebih baik daripada citra masukan.[2] Citra digital Suatu citra didefinisikan sebagai fungsi dua dimensi, f(x,y), dimana x dan y adalah koordinat spasial, dan amplitudo f pada setiap pasangan koordinat (x,y) disebut dengan intensitas atau level keabuan dari citra pada titik tersebut. Ketika x, y, dan nilai intensitas f adalah berhingga, bernilai diskrit, maka citra tersebut disebut dengan citra digital. Transformasi citra Grayscale dan peregangan kontras Teknik peningkatan citra ini dilakukan untuk mendapatkan kualitas citra yang lebih baik dalam hal intensitsnya. Setelah citra diubah dalam format grayscale atau level keabuan, maka selanjutnya untuk meningkatkan intensitas dapat

Tabel 2 Warna Indikasi Cacat

No 1 2 Nama Indikasi Gelap Terang Keterangan Densitas radiografi Nampak gelap merata Densitas radiografi Nampak terang merata

Dalam proses pengenalan pola obyek suatu citra sekarang ini telah berkembang analisis obyek citra secara langsung tanpa melibatkan background, teknik tersebut dikenal dengan segmentasi citra. Proses tersebut dilakukan dengan memisahkan foreground dari background. Hal ini memudahkan melakuakan ekstraksi ciri dari suatu obyek. DASAR TEORI Radiografi Teknik radiografi merupakan salah satu metode pengujian material tak-merusak yang selama ini sering

dilakukan graylevel.

dengan

transformasi

Peredaman derau Suatu citra digital tidak dapat lepas dari adanya derau (noise) yang disebakan oleh banyak faktor. Derau yang merupakan sumber dari rusaknya citra dikelompokkan dalam tiga kategori. Pertama, citra asli yang direkam pada film fotografi merupakan subyek degradasi oleh grain noise film. Kedua, konversi suatu citra dari bentuk optis menjadi bentuk elektrik merupakan proses statistik, pada kenyataannya setiap citra menerima foton dengan jumlah terbatas. Ketiga, penguatan elektronis untuk pengolahan sinyal menyebabkan derau thermal. Penajaman citra Tujuan utama dilakukan penajaman citra adalah untuk memperjelas transisi dalam intensitas. Salah satu teknik penajaman tepi-tepi obyek suatu citra yang digunakan untuk memperbaiki kualias citra dikenal dengan persamaan Laplacian.[3] Segmentasi citra Segmentasi citra merupakan bagian dari proses pengolahan citra. Proses segmentasi citra ini lebih banyak merupakan suatu proses pra pengolahan pada sistem pengenalan objek dalam citra. Segmentasi citra mempunyai arti membagi suatu citra menjadi wilayah-wilayah yang homogen berdasarkan kriteria keserupaan tertentu antara tingkat keabuan suatu piksel dengan tingkat keabuan piksel piksel tetangganya. Region growing adalah prosedur yang mengelompokan

piksel atau sub-region ke dalam region yang lebih besar bedasarkan pada kriteria yang sudah ditentukan untuk pertumbuhannya. Pendekatan dasarnya adalah memulai dengan titik seed dan dari sini untuk menumbuhkan region oleh penambahan pada setiap seed piksel tetangga yang mempunyai properti sama dengan seed (seperti range spesifik dari gray level atau warna).[4] Gambar 1 menjelaskan bagaiman region growing bekerja.

Gambar 1. Proses region growing

Operasi Morfologi Operasi morfologi berbeda dengan operasi citra biasa (bukan secara morfologi), operasi morfologi memandang citra sebagai suatu himpunan. Operasi morfologi secara dasar diterapkan khusus untuk citra biner (hanya terdiri dari nilai 0 dan 1), namun operasi morfologi ini dapat digenerasikan agar dapat diterapkan untuk citra grayscale yang memiliki tingkat keabuan [0, 255].[4] Region Properties Region properties adalah bagian dari segmentasi, yaitu bagaimana kita menentukan properties dari sebuah image, properties dapat berubah pixel value atau dapat berupa bentuk dari image
4

tersebut. Jika properties berbentuk string maka Matlab akan menghitung semua pengukuran yang berhubungan dengan bentuk dari objek, namun jika properties berbentuk grayscale maka Matlab akan menghitung semua pengukuran yang berhubungan dengan pixel value dari objek. Pada penelitian ini digunakan properties berupa bentuk dari image yaitu Eccentricity, Orientation, dan properties bedasarkan nilai piksel yaitu MeanIntensity. III. TATA KERJA Penelitian dikembangkan dengan menggunakan perangkat lunak Matlab versi 7.6.0.324 (R2008a) 2008. Langkah-langkah yang dilakukan dalam penelitian ditunjukkan dalam Gambar 2. .

sebagai bahan penelitian. Citra digital radiografi yang digunakan mempunyai format .bmp, .jpg dan .png dengan tipe citra adalah truecolor atau format RGB. Dalam penelitian ini akuisisi dari citra digital radiograf tersebut diabaikan. Pemotongan citra Operasi ini berfungsi untuk menghindari pengolahan proses identifikasi citra pada bagian yang tidak berguna, citra perlu dipotong menjadi ukuran yang lebih kecil. Perintah untuk melakukan pemotongan citra digital yaitu crop=imcrop(f), dimana f merupakan citra yang akan dipotong,. Perbaikan citra digital Kualitas sebuah radiograf akan mempengaruhi proses interpretasi, tidak terkecuali yang sudah berbentuk citra digital karena pada umumnya proses konversi dari citra analog radiograf ke bentuk digital hanya menggunakan kamera optik.[5] Untuk mengatasi hal tersebut maka citra digital radiograf harus mengalami perbaikan citra terlebih dahulu. Sebelum dilakukan proses perbaikan citra digital, citra RGB harus diubah (convert) terlebih dahulu menjadi citra grayscale dengan menggunakan perintah rgb2gray. Proses perbaikan citra digital dalam penelitian ini meliputi 3 proses, yaitu peregangan kontras, peredaman derau dengan filter median, dan penajaman citra dengan filter laplacian. Untuk ketiga operasi pengolahan citra di atas, digunakan perintah-perintah yang telah tersedia dalam toolbox Matlab.

Gambar 2. Diagram alir penelitian Masukan citra digital radiograf Masukan dari program yang dihasilkan dari penelitian ini merupakan radiograf yang sudah berbentuk citra digital. Citra digital ini diperolah dari lembaga pelatihan radiografi di Pusdiklat BATAN, yang mana citra-citra tersebut memang dikhusukan untuk dijadikan

Segmentasi citra Teknik segmentasi yang dilakukan pada penelitian in adalah region growing adalah prosedur yang mengelompokan piksel atau sub region kedalam region yang lebih besar bedasarkan pada kriteria yang sudah ditentukan untuk partumbuhannya. Segmentasi region dapat ditangani, ada M-function dengan nama regiongrow, untuk melakukan region growing. Sintaks fungsinya adalah: [g, NR, SI, TI] = regiongrow (f,S,T) Pada Gambar 3 dijelaskan bagaimana metode region growing bekerja.

arbitrary, diamond, disk, dan square sedangkan nilai ketetanggaan dapat diubah dari ketetanggaan berjarak 1 hingga 10. Perubahan structure element dan nilai ketetanggaan dapat berepangaruh pada citra masukan yang akan diproses pada pengekstrakan. Labeling Proses labeling pada penelitian ini dilakuakan dengan mengunakan fungsi [L,n] = bwlabel (f), dengan f sebagai citra inputan yang akan dilakukan yaitu hasil dari proses segmentasi proses labeling, dan L merupakan keluaran atau citra yang telah melalui proses labeling. Dan n adalah konektivitas dari piksel labeled. Ekstraksi ciri citra digital Setelah nilai label dari tiap citra diketahui, maka selanjutnya menentukan nilai propertis dari citra cacat lasan seperti Eccentricity, Orientation, dan MeanIntensity. Nilai propertis ini didapat menggunakan perintah regionprops yang telah ada pada Toolbox Matlab. Pada penelitian ini telah ditentukan nilai untuk ekstraksi ciri agar dapat mengidentifikasi dengan baik, nilai tersebut adalah sebagai berikut : Direksi longitudinal : nilai Eccentrecity > 0.99 dan Orientation > 35 dan Orientation < -35 Direksi Transversal : nilai Eccentrecity > 0.99 dan Orientation < 35 dan Orientation > -35 Gelap : nilai MeanIntencity < 140 Terang : nilai MeanIntensity > 140

Gambar 3. Proses region growing Morfologi citra Citra hasil segmentasi yang telah didapat kemudian dilakukan proses morfologi. Pada proses morfologi ini terdapat 3 pilihan untuk pengekstrakan komponen citra yang berguna dalam representasi yaitu morfologi closing, dilasi, dan erosi. Operasi proses morfologi dilengkapi dengan structure element dan nilai ketetanggaan. Structure element yang digunakan adalah

Pengembangan aplikasi dengan Graphical User Interface (GUI) Perancangan Graphical User Interface (GUI) merupakan pembuatan tampilan sebuah aplikasi agar aplikasi tersebut dapat digunakan secara umum (user friendly). Langkah selanjutnya adalah pembuatan program aplikasi GUI dalam Matlab menggunakan fasilitas GUIDE. Pembuatan aplikasi ini dilakukan dengan membuat fungsi fungsi untuk melakukan perbaikan citra digital film radiografi, fungsi segmentasi, fungsi morfologi, dan labeling yang selanjutnya akan dilakukan identifikasi IV. HASIL DAN PEMBAHASAN Masukan data citra digital film radiografi Aplikasi yang dihasilkan dari penelitian ini mempunyai masukan berupa citra digital radiograf dari Pusdiklat BATAN yang telah memenuhi standar IIW. Radiograf yang dimaksud merupakan film yang akan diidentifikasi apakah terdapat cacat lasan radiografi atau tidak dan memilikki indikasi. Pemotongan citra Perintah untuk melakukan pemotongan citra digital yaitu crop=imcrop(f), dimana f merupakan citra yang akan dipotong, sedangkan crop merupakan hasil pemotongan. Hasil dari proses ini terlihat pada Gambar 4.

Perbaikan citra digital Proses perbaikan citra dilakukan setelah proses pemotongan citra), pada penelitian ini meliputi peregangan kontras (contrast stretching) pengurangan derau (noise), dan penajaman. Pada peregangan kontras, operator dapat memilih secara auto maupun manual. Untuk pilihan auto menggunakan perintah stretchlim sedangkan untuk manual operator dapat menentukan nilai low in, high in, low out, dan high out sesuai dengan kebutuhan. Gambar 5 adalah hasil dari proses peregangan kontras untuk pengaturan kontras auto (a) citra sebelum peregangan kontras (b) citra setelah peregangan kontras.

(a)Sebelum (b) sesudah Gambar 5. Hasil peregangan kontras Setelah didapatkan hasil dari proses peregangan kontras baik secara auto, terlihat bahwa hasil yang diperoleh lebih baik daripada sebelumnya. Hal ini terlihat pada Gambar 6 dan Gambar 7 dimana histogram dari hasil peregangan kontras lebih menyebar.

Gambar 4. Proses pemotongan citra

Gambar 6. Histogram sebelum peregangan kontras

Segmentasi Region Growing untuk melakukan region growing. Sintaks fungsinya yang digunakan adalah :
fseg = regiongrow(f, S, T)

Gambar 7 Histogram setelah peregangan kontras Peredaman derau dalam penelitian ini menggunakan operator median filter yaitu medfilt2. Peredaman derau bertujuan untuk mengurangi derau (bintik-bintik putih) sehingga kualitas citra lebih baik. Semakin tinggi nilai filternya, semakin kabur citra hasil peredamannya karena nilai ketetanggaannya semakin luas. Penajaman citra bertujuan untuk memberikan citra yang lebih tajam, terutama pada tepi dari suatu objek, atau yang dimaksud dalam penelitian ini adalah tepi dari bagianbagian yang dianggap sebagai cacat pada film radiografi. Proses perbaikan citra dilakukan secara berurutan mulai dari pengaturan peregangan kontras, median filter, selanjutnya penajaman citra. Gambar 8 adalah gambar hasil penajaman citra.

Gambar 9 adalah citra hasil perbaikan citra menggunakan peregangan kontras dan median filter dengan kernel 5x5 kemudian dilakukan segementasi menggunakan region growing.

Gambar 9. Citra hasil segmentasi region growing Morfologi citra Operasi morfologi pada penelitian ini yang digunakan adalah erosi. Hal ini dikarenakan operasi erosi dapat digunakan untuk melakukan pembentukan obyek cacat lebih baik sehingga tidak mengalami kesalah pada penenteuan nilai intensitas warnanya. Sedangkan untuk structure element yang digunakan adalah disk karena paling baik untuk pembentukan obyek yang di morfologi sehingga mirip dengan obyek asli. Ekstraksi ciri dengan metode Labeling Citra yang telah di segmentasi dan di morfologi, selanjutnya untuk dapat mengetahui ciri indikasi cacat dari tiap pola indikasi cacat menggunakan metode labeling. Pengunaan metode ini bertujuan untuk memperoleh citra

Gambar 8. Citra hasil penajaman citra

unik atau citra baru yang telah dipisahkan dari background yang selanjutnya akan dilakukan ekstarksi ciri menggunakan perintah regionprops. Melalui perintah tersebut dapat diketahui ciri yang dapat membantu untuk mengindentifikasi indikasi cacat seperti Eccentricity, Orientation, dan MeanIntensityyang dipakai untuk pengukuran citra yang telah di labeling. yang dipakai untuk pengukuran citra label pada penelitian ini. Berikut ini adalah contoh indikasi bentuk cacat bulat yang tertampil pada GUI sesuai Gambar 10.

Pengujian citra labeling Pengujian program ini dilakukan dengan melakukan analisis perbandingan indikasi cacat yang tertera pada panel indikasi dengan secara visual oleh penulis. Dari 21 citra masukan terdapat 51 citra indikasi yang didapat dari proses labelling. Pada penelitian ini terdapat 7 citra yang terindikasi memiliki direksi longitudinal, 5 citra untuk indikasi direksi transversal, 7 citra untuk indikasi warna gelap, dan 2 citra indikasi warna terang.. Hasil dari pengujian citra label menunjukan untuk indikasi direksi longitudinal memiliki tingkat keberhailan 90.9 %, untuk indikasi transversal adalah 80 %, indikasi gelap 100 % dan indikasi terang 100 %. Sehingga bedasarkan simulsi dan pengujian yang dilakukan sistem mempunyai tingkat keberhasilan rerata sebesar 92.73 %. Gambar 11 merupakan grafikhasil keseluruhan dari pengujian citra label yang dilakukan.

Gambar 10. Hasil indikasi bentuk cacat bulat Dari indikasi bentuk cacat bulat di atas memiliki nilai parameter parameter berikut. Eccentricity = 0.9998 Orientation = 1.3485 MeanIntensity = 36.7976 Dari nilai parameter tersebut, maka citra label tersebut termasuk indikasi direksi cacat longitudinal dan gelap.

Gambar 11. Grafik hasil pengujian identifikasi indikasi direksi, dan warna cacat lasan radiografi Selain kualitas dari citra masukan terutama pada proses perbaikan citra, pemilihan titik pengujian pada citra radiograf yang
9

dianggap cacat juga mempengaruhi tingkat keberhasilan dalam identifikasi.. PENUTUP KESIMPULAN 1. Aplikasi pada penelitian ini dapat meningkatakan kualitas citra digital film radiografi menjadi baik, melalui panel perbaikan citra. 2. Dari penelitian ini dihasilkan suatu aplikasi yang dapat memisahkan obyek cacat dengan citra background dengan menggunakan metode segmentasi region growing kemudian dilakukan labeling agar dapat mengukur ciri dari obyek. 3. Program yang dikembangkan pada penelitian untuk identifikasi indikasi direksi, dan warna pada cacat pengelasan khususnya indikasi Direksi longitudinal, direksi transversal, indikasi gelap, dan terang. 4. Dari penelitian ini dihasilkan suatu aplikasi berupa peraangkat lunak Graphical User Interface (GUI) untuk identifikasi indikasi direksi dan warna pada cacat pengelasan citra film radiografi . SARAN Berikut ini merupakan saran yang dibutuhkan untuk penelitian selanjutanya; 1. Mengembangkan metode segmentasi citra untuk citra cacat lasan radiograf serta meningkatkan / menambahkan teknik klasifikasi untuk mengoptimalkan pengenalan pola cacat sehingga mampu mengenali lebih banyak indikasi cacat lasan radiografi industri.

2. Diharapkan untuk peneletian selanjutanya dapat membuat suatu sistem identifikasi yang utuh, dimana dalam sistem tersebuh sudah terdapat sistem akusisi citra film radiografi agar dapat melakukan suatu identifikasi otomatis secara penuh. DAFTAR PUSTAKA [1] Atmoyo, BT, 2011, Sistem Pakar untuk Evaluasi Radiograf Industri dengan Perbaikan Citra, Tugas Akhir STTN-BATAN Yogyakarta. [2] Putra, D, 2010, Pengolahan Citra Digital, Penerbit Andi, Yogyakarta. [3] Prasetyo Eko, 2011, Pengolahan Citra Digital dan Aplikasinya menggunakan Matlab, Penerbit Andi, Yogyakarta [4] Gonzales, R. C., Woods, R. E., 2008, Digital Image Processing Third Edition, Pearson Prentice Hall, New Jersey. [5] Muhtadan, Harsono. D, 2008, Pengembangan Aplikasi untuk Perbaikan Citra Digital Film Radiografi, Prosiding SemNas IV SDM Teknologi Nuklir STTN-BATAN, Yogyakart

10