P. 1
segmentasi citra film radiografi untuk otomatisasi identifikasi cacat

segmentasi citra film radiografi untuk otomatisasi identifikasi cacat

|Views: 130|Likes:
Published by Faidhullah Bardan

More info:

Published by: Faidhullah Bardan on Sep 29, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

01/29/2014

pdf

text

original

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.

1

Salah satu kemajuan teknologi nuklir adalah pengujian benda dengan tidak merusak benda tersebut atau yang biasa disebut Uji Tak Rusak (UTR). plat. Pembacaan film saat ini masih mengunakan para ahli yang dilakukan secara manual. dan sebagainya. Orientation. dan ekstraksi ciri dengan metode labeling. tabung.INTISARI SEGMENTASI CITRA DIGITAL UNTUK IDENTIFIKASI INDIKASI DIREKSI. DAN WARNA CACAT FILM RADIOGRAFI DENGAN REGION GROWING.73% dari 51 citra label. Tujuan dari penelitian ini adalah untuk menghasilkan aplikasi yang dapat mengidentifikasi bentuk cacat lasan pada citra digital film radiografi dengan menerapkan proses perbaikan citra. dan PENDAHULUAN Kemajuan teknologi sekarang ini terutama dalam bidang teknologi nuklir tentunya memberikan dampak yang baik pada kehidupan manusia. Kata kunci: Identifikasi. dalam penentuan indikasi cacat masih dilakukan secara manual dimana dalam penentuannya pakar radiografi masih berperan penting. Region Gowing. Penggunaan teknologi UTR itu sendiri. Penelitian dari Atmojo. Hasil dari penelitian adalah sebuah aplikasi untuk mengidentifikasi indikasi cacat film radiografi dengan tingkat keberhassilan 92. Proses perbaikan citra bertujuan untuk membuat kualitas citra menjadi lebih baik. dan penajaman citra dengan filter laplacian. segmentasi region growing. Pembacaan ini bersifat subyektifitas ini dapat memicu perbedaan pendapat sesama 2 . 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. dan MeanIntensity pada perintah regionprops dalam toolbox MATLAB. ahli radiografi. meliputi teknik peregangan kontras . segmentasi. dengan memanfaatkan parameter seperti eccentricity. 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.peredaman derau dengan filter median. Sehingga dalam penelitian ini akan dilakukan otomatisasi penentuan indikasi cacat yaitu direksi. Telah dilakukan pengembangan perangkat lunak untuk identifikasi indikasi bentuk cacat lasan film radiografi. film radiografi. morfologi citra. Oleh karena itu pembacaan film seperti ini harus ditinggalkan mengingat tuntutan jaman untuk melakukan segala sesuatu dengan cara yang lebih cepat dan praktis. salah satunya adalah radiografi dimana digunakan untuk mengidentifikasi ada atau tidaknya cacat pada suatu benda yang diuji seperti pipa baja. Teknologi visual komputer membuat sistem komputer memiliki kemampuan komputasi tinggi untuk meningkatkan pengolahan data menjadi sebuah informasi.

Ketika x. Tabel 1 dan Tabel 2 adalah indikasi cacat yang digunakan sebagai acuan dalam mengolah film radiografi. y. Hal ini memudahkan melakuakan ekstraksi ciri dari suatu obyek. dan amplitudo f pada setiap pasangan koordinat (x.y) disebut dengan intensitas atau level keabuan dari citra pada titik tersebut. Teknik ini adalah pemeriksaan dengan menggunakan sumber radiasi (sinar-x atau sinar gamma) sebagai media pemeriksa dan film sebagai perekam gambar yang dihasilkan. Masukannya adalah citra dan keluarannya juga citra tapi dengan kualitas lebih baik daripada citra masukan. Setelah citra diubah dalam format grayscale atau level keabuan. bernilai diskrit. teknik tersebut dikenal dengan segmentasi citra. Transformasi citra Grayscale dan peregangan kontras Teknik peningkatan citra ini dilakukan untuk mendapatkan kualitas citra yang lebih baik dalam hal intensitsnya. maka citra tersebut disebut dengan citra digital. Pengolahan citra digital Pengolahan citra digital adalah kegiatan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia/mesin (komputer). Proses tersebut dilakukan dengan memisahkan foreground dari background. dimana x dan y adalah koordinat spasial. Untuk selanjutnya diharapkan nantinya dapat dikembangkan sistem yang otomatis secara keseluruhan. DASAR TEORI Radiografi Teknik radiografi merupakan salah satu metode pengujian material tak-merusak yang selama ini sering 3 .warna dari cacat tersebut. dan nilai intensitas f adalah berhingga.y). f(x. 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. Adapun untuk film radiografi terdapat syarat Penerimaan film yang telah diradiografi (ASME VII). pipa baja dan sebagainya). Pola cacat inilah yang digunakan oleh operator sebagai ciri dari adanya cacat pengelasan.[2] Citra digital Suatu citra didefinisikan sebagai fungsi dua dimensi. 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.

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. Proses region growing Operasi Morfologi Operasi morfologi berbeda dengan operasi citra biasa (bukan secara morfologi). Kedua. konversi suatu citra dari bentuk optis menjadi bentuk elektrik merupakan proses statistik. penguatan elektronis untuk pengolahan sinyal menyebabkan derau thermal. citra asli yang direkam pada film fotografi merupakan subyek degradasi oleh grain noise film. yaitu bagaimana kita menentukan properties dari sebuah image.[4] Gambar 1 menjelaskan bagaiman region growing bekerja.[4] Region Properties Region properties adalah bagian dari segmentasi.[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. Ketiga. Region growing adalah prosedur yang mengelompokan piksel atau sub-region ke dalam region yang lebih besar bedasarkan pada kriteria yang sudah ditentukan untuk pertumbuhannya.dilakukan graylevel. properties dapat berubah pixel value atau dapat berupa bentuk dari image 4 . 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. operasi morfologi memandang citra sebagai suatu himpunan. Salah satu teknik penajaman tepi-tepi obyek suatu citra yang digunakan untuk memperbaiki kualias citra dikenal dengan persamaan Laplacian. namun operasi morfologi ini dapat digenerasikan agar dapat diterapkan untuk citra grayscale yang memiliki tingkat keabuan [0. 255]. Gambar 1. Operasi morfologi secara dasar diterapkan khusus untuk citra biner (hanya terdiri dari nilai 0 dan 1). pada kenyataannya setiap citra menerima foton dengan jumlah terbatas. Penajaman citra Tujuan utama dilakukan penajaman citra adalah untuk memperjelas transisi dalam intensitas. 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). Pertama.

png dengan tipe citra adalah truecolor atau format RGB.[5] Untuk mengatasi hal tersebut maka citra digital radiograf harus mengalami perbaikan citra terlebih dahulu. Jika properties berbentuk string maka Matlab akan menghitung semua pengukuran yang berhubungan dengan bentuk dari objek.324 (R2008a) 2008. Pemotongan citra Operasi ini berfungsi untuk menghindari pengolahan proses identifikasi citra pada bagian yang tidak berguna. peredaman derau dengan filter median. Citra digital ini diperolah dari lembaga pelatihan radiografi di Pusdiklat BATAN. Pada penelitian ini digunakan properties berupa bentuk dari image yaitu Eccentricity. . dan properties bedasarkan nilai piksel yaitu MeanIntensity. Sebelum dilakukan proses perbaikan citra digital. Dalam penelitian ini akuisisi dari citra digital radiograf tersebut diabaikan. namun jika properties berbentuk grayscale maka Matlab akan menghitung semua pengukuran yang berhubungan dengan pixel value dari objek.jpg dan . Perintah untuk melakukan pemotongan citra digital yaitu crop=imcrop(f). Langkah-langkah yang dilakukan dalam penelitian ditunjukkan dalam Gambar 2. III.0. Gambar 2. TATA KERJA Penelitian dikembangkan dengan menggunakan perangkat lunak Matlab versi 7. digunakan perintah-perintah yang telah tersedia dalam toolbox Matlab. . sebagai bahan penelitian.. dimana f merupakan citra yang akan dipotong. Perbaikan citra digital Kualitas sebuah radiograf akan mempengaruhi proses interpretasi. Orientation. Citra digital radiografi yang digunakan mempunyai format . citra RGB harus diubah (convert) terlebih dahulu menjadi citra grayscale dengan menggunakan perintah rgb2gray. Diagram alir penelitian Masukan citra digital radiograf Masukan dari program yang dihasilkan dari penelitian ini merupakan radiograf yang sudah berbentuk citra digital. citra perlu dipotong menjadi ukuran yang lebih kecil.tersebut.bmp. Proses perbaikan citra digital dalam penelitian ini meliputi 3 proses. yang mana citra-citra tersebut memang dikhusukan untuk dijadikan 5 . yaitu peregangan kontras. Untuk ketiga operasi pengolahan citra di atas. tidak terkecuali yang sudah berbentuk citra digital karena pada umumnya proses konversi dari citra analog radiograf ke bentuk digital hanya menggunakan kamera optik. dan penajaman citra dengan filter laplacian.6.

arbitrary. Sintaks fungsinya adalah: [g. untuk melakukan region growing. dan square sedangkan nilai ketetanggaan dapat diubah dari ketetanggaan berjarak 1 hingga 10. Operasi proses morfologi dilengkapi dengan structure element dan nilai ketetanggaan. Pada penelitian ini telah ditentukan nilai untuk ekstraksi ciri agar dapat mengidentifikasi dengan baik. Nilai propertis ini didapat menggunakan perintah regionprops yang telah ada pada Toolbox Matlab. Perubahan structure element dan nilai ketetanggaan dapat berepangaruh pada citra masukan yang akan diproses pada pengekstrakan. dengan f sebagai citra inputan yang akan dilakukan yaitu hasil dari proses segmentasi proses labeling. Orientation.T) Pada Gambar 3 dijelaskan bagaimana metode region growing bekerja. dan MeanIntensity. ada M-function dengan nama regiongrow. nilai tersebut adalah sebagai berikut : • Direksi longitudinal : nilai Eccentrecity > 0. Segmentasi region dapat ditangani.99 dan Orientation > 35 dan Orientation < -35 • Direksi Transversal : nilai Eccentrecity > 0. Proses region growing Morfologi citra Citra hasil segmentasi yang telah didapat kemudian dilakukan proses morfologi. NR. SI.n] = bwlabel (f). dan L merupakan keluaran atau citra yang telah melalui proses labeling. disk. Labeling Proses labeling pada penelitian ini dilakuakan dengan mengunakan fungsi [L. Ekstraksi ciri citra digital Setelah nilai label dari tiap citra diketahui. maka selanjutnya menentukan nilai propertis dari citra cacat lasan seperti Eccentricity. dan erosi. Dan n adalah konektivitas dari piksel labeled. dilasi. diamond.S. Pada proses morfologi ini terdapat 3 pilihan untuk pengekstrakan komponen citra yang berguna dalam representasi yaitu morfologi closing.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. TI] = regiongrow (f.99 dan Orientation < 35 dan Orientation > -35 • Gelap : nilai MeanIntencity < 140 • Terang : nilai MeanIntensity > 140 Gambar 3. Structure element yang digunakan adalah 6 .

high in. (a)Sebelum (b) sesudah Gambar 5. dan penajaman. fungsi segmentasi. Gambar 5 adalah hasil dari proses peregangan kontras untuk pengaturan kontras auto (a) citra sebelum peregangan kontras (b) citra setelah peregangan kontras. Untuk pilihan auto menggunakan perintah stretchlim sedangkan untuk manual operator dapat menentukan nilai low in. Hasil dari proses ini terlihat pada Gambar 4. dan labeling yang selanjutnya akan dilakukan identifikasi IV. operator dapat memilih secara auto maupun manual. Pembuatan aplikasi ini dilakukan dengan membuat fungsi – fungsi untuk melakukan perbaikan citra digital film radiografi. Proses pemotongan citra Gambar 6. sedangkan crop merupakan hasil pemotongan. Pada peregangan kontras. low out. fungsi morfologi. 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. Perbaikan citra digital Proses perbaikan citra dilakukan setelah proses pemotongan citra). Pemotongan citra Perintah untuk melakukan pemotongan citra digital yaitu crop=imcrop(f). Gambar 4. Langkah selanjutnya adalah pembuatan program aplikasi GUI dalam Matlab menggunakan fasilitas GUIDE. Hasil peregangan kontras Setelah didapatkan hasil dari proses peregangan kontras baik secara auto. dan high out sesuai dengan kebutuhan.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). 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. Radiograf yang dimaksud merupakan film yang akan diidentifikasi apakah terdapat cacat lasan radiografi atau tidak dan memilikki indikasi. Histogram sebelum peregangan kontras 7 . pada penelitian ini meliputi peregangan kontras (contrast stretching) pengurangan derau (noise). dimana f merupakan citra yang akan dipotong.

Citra hasil penajaman citra 8 . selanjutnya untuk dapat mengetahui ciri indikasi cacat dari tiap pola indikasi cacat menggunakan metode labeling. 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. Gambar 8 adalah gambar hasil penajaman citra. selanjutnya penajaman citra. Semakin tinggi nilai filternya.Segmentasi Region Growing untuk melakukan region growing. Penajaman citra bertujuan untuk memberikan citra yang lebih tajam. Citra hasil segmentasi region growing Morfologi citra Operasi morfologi pada penelitian ini yang digunakan adalah erosi. S. T) Gambar 7 Histogram setelah peregangan kontras Peredaman derau dalam penelitian ini menggunakan operator median filter yaitu medfilt2. Sintaks fungsinya yang digunakan adalah : fseg = regiongrow(f. semakin kabur citra hasil peredamannya karena nilai ketetanggaannya semakin luas. median filter. Peredaman derau bertujuan untuk mengurangi derau (bintik-bintik putih) sehingga kualitas citra lebih baik. terutama pada tepi dari suatu objek. Pengunaan metode ini bertujuan untuk memperoleh citra Gambar 8. Hal ini dikarenakan operasi erosi dapat digunakan untuk melakukan pembentukan obyek cacat lebih baik sehingga tidak mengalami kesalah pada penenteuan nilai intensitas warnanya. Proses perbaikan citra dilakukan secara berurutan mulai dari pengaturan peregangan kontras. Gambar 9. atau yang dimaksud dalam penelitian ini adalah tepi dari bagianbagian yang dianggap sebagai cacat pada film radiografi. Gambar 9 adalah citra hasil perbaikan citra menggunakan peregangan kontras dan median filter dengan kernel 5x5 kemudian dilakukan segementasi menggunakan region growing.

dan MeanIntensityyang dipakai untuk pengukuran citra yang telah di labeling. Gambar 10.9 %. Sehingga bedasarkan simulsi dan pengujian yang dilakukan sistem mempunyai tingkat keberhasilan rerata sebesar 92. Dari 21 citra masukan terdapat 51 citra indikasi yang didapat dari proses labelling. untuk indikasi transversal adalah 80 %. Gambar 11. Hasil dari pengujian citra label menunjukan untuk indikasi direksi longitudinal memiliki tingkat keberhailan 90. Pada penelitian ini terdapat 7 citra yang terindikasi memiliki direksi longitudinal. indikasi gelap 100 % dan indikasi terang 100 %. Pengujian citra labeling Pengujian program ini dilakukan dengan melakukan analisis perbandingan indikasi cacat yang tertera pada panel indikasi dengan secara visual oleh penulis.7976 Dari nilai parameter tersebut. Melalui perintah tersebut dapat diketahui ciri yang dapat membantu untuk mengindentifikasi indikasi cacat seperti Eccentricity.3485  MeanIntensity = 36.unik atau citra baru yang telah dipisahkan dari background yang selanjutnya akan dilakukan ekstarksi ciri menggunakan perintah regionprops. Berikut ini adalah contoh indikasi bentuk cacat bulat yang tertampil pada GUI sesuai Gambar 10. Orientation. yang dipakai untuk pengukuran citra label pada penelitian ini. pemilihan titik pengujian pada citra radiograf yang 9 . dan warna cacat lasan radiografi Selain kualitas dari citra masukan terutama pada proses perbaikan citra. 7 citra untuk indikasi warna gelap.9998  Orientation = 1.  Eccentricity = 0..73 %. Hasil indikasi bentuk cacat bulat Dari indikasi bentuk cacat bulat di atas memiliki nilai parameter – parameter berikut. Gambar 11 merupakan grafikhasil keseluruhan dari pengujian citra label yang dilakukan. dan 2 citra indikasi warna terang. Grafik hasil pengujian identifikasi indikasi direksi. 5 citra untuk indikasi direksi transversal. maka citra label tersebut termasuk indikasi direksi cacat longitudinal dan gelap.

PENUTUP KESIMPULAN 1. R. Yogyakarta. 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. Pearson Prentice Hall.dianggap cacat juga mempengaruhi tingkat keberhasilan dalam identifikasi. Prosiding SemNas IV SDM Teknologi Nuklir STTN-BATAN. DAFTAR PUSTAKA [1] Atmoyo.. R. BT. C.. melalui panel perbaikan citra. 2008. New Jersey. Yogyakarta [4] Gonzales. SARAN Berikut ini merupakan saran yang dibutuhkan untuk penelitian selanjutanya. direksi transversal. 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 . [3] Prasetyo Eko. 2010. 2008. 4. Sistem Pakar untuk Evaluasi Radiograf Industri dengan Perbaikan Citra. Harsono. Program yang dikembangkan pada penelitian untuk identifikasi indikasi direksi. [5] Muhtadan. dan terang. Pengolahan Citra Digital. E. “Pengembangan Aplikasi untuk Perbaikan Citra Digital Film Radiografi”. 3. Tugas Akhir STTN-BATAN Yogyakarta. Penerbit Andi. D. Woods. [2] Putra. 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. dan warna pada cacat pengelasan khususnya indikasi Direksi longitudinal. D. Diharapkan untuk peneletian selanjutanya dapat membuat suatu sistem identifikasi yang utuh. 2. Yogyakart 10 . dimana dalam sistem tersebuh sudah terdapat sistem akusisi citra film radiografi agar dapat melakukan suatu identifikasi otomatis secara penuh. Aplikasi pada penelitian ini dapat meningkatakan kualitas citra digital film radiografi menjadi baik. indikasi gelap.. 2011. 2. 2011. Penerbit Andi. Digital Image Processing Third Edition. Pengolahan Citra Digital dan Aplikasinya menggunakan Matlab. 1.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->