NIM : 5302410016
Rombel : 01
SEGMENTASI CITRA
Image processing terdiri dari lima tahap: akusisi, prepocessing,
segmentasi, post-processing, dan analisa. Tujuan utama dari image
processing di instrumentasi biomedis adalah untuk mengumpulkan
informasi, screening atau invertigasi, mendiagnosis, terapi dan
kontrol, serta monitoring dan evaluasi. Segmentasi memegang peranan yang sangat
penting dengan memfasilitasi penggambaran daerah yang penting dalam suatu citra
atau disebut sebagai region of interest (ROI).
Segmentasi merupakan proses partisi gambar digital ke
beberapa daerah dengan tujuan untuk menyederhanakan ataupun merubah
representasi gambar menjadi sesuatu yang lebih bermakna dan mudah dianalisa.
Ada beberapa metoda yang sering digunakan dalam segmentasi citra antara lain:
metode thresholding, metode shapebased, metode region
growing, dan metode statistik atau juga disebut metode clustering. Berikut beberapa metode yang umum
digunakan dalam segmentasi citra.
A. Thresholding
Metode thresholding didasarkan pada
pemisahan pixel ke dalam kelas yang berbeda tergantung pada tingkat keabuan
masing-masing pixel. Intensitas citra medis seperti tumor dan jaringan pada
otak biasanya sangat rumit dan memiliki tingkat keabuan yang sangat dekat
sehingga menyebabkan kesulitan penentuan ambang batas (threshold).
Metode thresholding tidak bisa diterapkan untuk citra dengan tingkat
keabuan yang berdekatan sehingga biasanya dikombinasikan dengan metode lain.
B. Region growing
Metode region growing seperti menggabungan
thresholding dengan kondisi konektivitas atau kriteria daerah homogenitas.
Keberhasilan dari metode tersebut bergantung pada kepresisian informasi anatomi
untuk meletakkan baik satu mapun beberapa pixel untuk masing-masing daerah
homogen. Kelemahan lain dari metode region growing adalah metode
tersebut hanya dapat bekerja dengan baik pada daerah yang homogen dan
membutuhkan operator untuk menentukan daerah yang akan disegmentasi.
Metode region growing yang paling umum
digunakan adalah watershed. Prinsip dasar dari watershed adalah merubah
gradien tingkat keabuan citra menjadi permukaan topografi. Daerah minimum dari
citra merupakan sumber dimana air meluap dan bentuk-bentuk “kolam”
(“catchment basin”) menggambarkan permukaan air. Algoritma ini akan
berhenti bila dua “kolam” dari dua sumber yang berbeda bertemu. Jika pada citra
terdapat banyak pola dan noise, maka akan terbentuk banyak “kolam” sehingga
terjadi segmentasi yang berlebihan.