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

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

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

Salah satu teknik penajaman tepi-tepi obyek suatu citra yang digunakan untuk memperbaiki kualias citra dikenal dengan persamaan Laplacian.[4] Region Properties Region properties adalah bagian dari segmentasi. namun operasi morfologi ini dapat digenerasikan agar dapat diterapkan untuk citra grayscale yang memiliki tingkat keabuan [0. 255]. pada kenyataannya setiap citra menerima foton dengan jumlah terbatas. 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). Derau yang merupakan sumber dari rusaknya citra dikelompokkan dalam tiga kategori. operasi morfologi memandang citra sebagai suatu himpunan.[3] Segmentasi citra Segmentasi citra merupakan bagian dari proses pengolahan citra. Ketiga. 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. penguatan elektronis untuk pengolahan sinyal menyebabkan derau thermal.[4] Gambar 1 menjelaskan bagaiman region growing bekerja.dilakukan graylevel. Gambar 1. properties dapat berubah pixel value atau dapat berupa bentuk dari image 4 . konversi suatu citra dari bentuk optis menjadi bentuk elektrik merupakan proses statistik. Proses segmentasi citra ini lebih banyak merupakan suatu proses pra pengolahan pada sistem pengenalan objek dalam citra. Pertama. yaitu bagaimana kita menentukan properties dari sebuah image. Penajaman citra Tujuan utama dilakukan penajaman citra adalah untuk memperjelas transisi dalam intensitas. Kedua. Region growing adalah prosedur yang mengelompokan piksel atau sub-region ke dalam region yang lebih besar bedasarkan pada kriteria yang sudah ditentukan untuk pertumbuhannya. Operasi morfologi secara dasar diterapkan khusus untuk citra biner (hanya terdiri dari nilai 0 dan 1). citra asli yang direkam pada film fotografi merupakan subyek degradasi oleh grain noise film. dengan transformasi Peredaman derau Suatu citra digital tidak dapat lepas dari adanya derau (noise) yang disebakan oleh banyak faktor. Proses region growing Operasi Morfologi Operasi morfologi berbeda dengan operasi citra biasa (bukan secara morfologi).

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

untuk melakukan region growing. NR. dan L merupakan keluaran atau citra yang telah melalui proses labeling. Structure element yang digunakan adalah 6 . Operasi proses morfologi dilengkapi dengan structure element dan nilai ketetanggaan. Pada penelitian ini telah ditentukan nilai untuk ekstraksi ciri agar dapat mengidentifikasi dengan baik. SI. Orientation. ada M-function dengan nama regiongrow.99 dan Orientation > 35 dan Orientation < -35 • Direksi Transversal : nilai Eccentrecity > 0. Nilai propertis ini didapat menggunakan perintah regionprops yang telah ada pada Toolbox Matlab. Segmentasi region dapat ditangani. dengan f sebagai citra inputan yang akan dilakukan yaitu hasil dari proses segmentasi proses labeling. Pada proses morfologi ini terdapat 3 pilihan untuk pengekstrakan komponen citra yang berguna dalam representasi yaitu morfologi closing. Ekstraksi ciri citra digital Setelah nilai label dari tiap citra diketahui.T) Pada Gambar 3 dijelaskan bagaimana metode region growing bekerja. dan erosi.n] = bwlabel (f). Labeling Proses labeling pada penelitian ini dilakuakan dengan mengunakan fungsi [L. dilasi. Perubahan structure element dan nilai ketetanggaan dapat berepangaruh pada citra masukan yang akan diproses pada pengekstrakan.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. Proses region growing Morfologi citra Citra hasil segmentasi yang telah didapat kemudian dilakukan proses morfologi. maka selanjutnya menentukan nilai propertis dari citra cacat lasan seperti Eccentricity. Dan n adalah konektivitas dari piksel labeled. disk. nilai tersebut adalah sebagai berikut : • Direksi longitudinal : nilai Eccentrecity > 0.99 dan Orientation < 35 dan Orientation > -35 • Gelap : nilai MeanIntencity < 140 • Terang : nilai MeanIntensity > 140 Gambar 3. dan MeanIntensity. arbitrary. Sintaks fungsinya adalah: [g.S. TI] = regiongrow (f. diamond. dan square sedangkan nilai ketetanggaan dapat diubah dari ketetanggaan berjarak 1 hingga 10.

fungsi segmentasi. Pemotongan citra Perintah untuk melakukan pemotongan citra digital yaitu crop=imcrop(f). low out. Untuk pilihan auto menggunakan perintah stretchlim sedangkan untuk manual operator dapat menentukan nilai low in. Hasil peregangan kontras Setelah didapatkan hasil dari proses peregangan kontras baik secara auto. Pada peregangan kontras. 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. Proses pemotongan citra Gambar 6. high in. 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 morfologi. dan penajaman. Radiograf yang dimaksud merupakan film yang akan diidentifikasi apakah terdapat cacat lasan radiografi atau tidak dan memilikki indikasi. 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. Histogram sebelum peregangan kontras 7 . Hal ini terlihat pada Gambar 6 dan Gambar 7 dimana histogram dari hasil peregangan kontras lebih menyebar. (a)Sebelum (b) sesudah Gambar 5. terlihat bahwa hasil yang diperoleh lebih baik daripada sebelumnya. operator dapat memilih secara auto maupun manual. pada penelitian ini meliputi peregangan kontras (contrast stretching) pengurangan derau (noise). sedangkan crop merupakan hasil pemotongan.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). Perbaikan citra digital Proses perbaikan citra dilakukan setelah proses pemotongan citra). Gambar 4. Hasil dari proses ini terlihat pada Gambar 4. dan labeling yang selanjutnya akan dilakukan identifikasi IV. dimana f merupakan citra yang akan dipotong.

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

 Eccentricity = 0..73 %. pemilihan titik pengujian pada citra radiograf yang 9 . Berikut ini adalah contoh indikasi bentuk cacat bulat yang tertampil pada GUI sesuai Gambar 10. maka citra label tersebut termasuk indikasi direksi cacat longitudinal dan gelap. Sehingga bedasarkan simulsi dan pengujian yang dilakukan sistem mempunyai tingkat keberhasilan rerata sebesar 92.9 %. Hasil indikasi bentuk cacat bulat Dari indikasi bentuk cacat bulat di atas memiliki nilai parameter – parameter berikut.unik atau citra baru yang telah dipisahkan dari background yang selanjutnya akan dilakukan ekstarksi ciri menggunakan perintah regionprops. untuk indikasi transversal adalah 80 %. dan MeanIntensityyang dipakai untuk pengukuran citra yang telah di labeling. dan 2 citra indikasi warna terang. dan warna cacat lasan radiografi Selain kualitas dari citra masukan terutama pada proses perbaikan citra. Orientation. Dari 21 citra masukan terdapat 51 citra indikasi yang didapat dari proses labelling. Gambar 10. Melalui perintah tersebut dapat diketahui ciri yang dapat membantu untuk mengindentifikasi indikasi cacat seperti Eccentricity.9998  Orientation = 1. Pengujian citra labeling Pengujian program ini dilakukan dengan melakukan analisis perbandingan indikasi cacat yang tertera pada panel indikasi dengan secara visual oleh penulis. Pada penelitian ini terdapat 7 citra yang terindikasi memiliki direksi longitudinal. indikasi gelap 100 % dan indikasi terang 100 %. 5 citra untuk indikasi direksi transversal. Grafik hasil pengujian identifikasi indikasi direksi. Hasil dari pengujian citra label menunjukan untuk indikasi direksi longitudinal memiliki tingkat keberhailan 90.3485  MeanIntensity = 36.7976 Dari nilai parameter tersebut. yang dipakai untuk pengukuran citra label pada penelitian ini. Gambar 11 merupakan grafikhasil keseluruhan dari pengujian citra label yang dilakukan. Gambar 11. 7 citra untuk indikasi warna gelap.

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

Sign up to vote on this title
UsefulNot useful