Beruflich Dokumente
Kultur Dokumente
ABSTRAK
Registrasi citra adalah proses transformasi beberapa
kumpulan data yang berbeda ke dalam satu sistem
koordinat. Registrasi citra banyak digunakan dalam bidang
kedokteran, khususnya kedokteran gigi. Dengan
menggunakan registrasi citra, perubahan-perubahan kecil
pada citra radiografi gigi dapat dideteksi menggunakan
konsep registrasi citra.
Salah satu implementasi registrasi citra adalah
menggunakan metode Automatic Iterative Point
Correspondence. Titik-titik distinctive diekstrak pada salah
satu citra,
Algoritma Automatic Iterative Point
Correspondence digunakan untuk mendeteksi titik-titik
correspondence antara kedua citra. Proses registrasi citra
dilakukan dengan menggunakan parameter transformasi
geometri yang didapatkan melalui estimasi. Proses
subtraksi dilakukan dengan mengurangkan nilai-nilai piksel
antara kedua citra
Dari hasil uji coba didapatkan bahwa tingkat akurasi
registrasi berdasar pada nilai Measure of Match yang
didapat pada proses deteksi titik-titik correspondence.
Semakin tinggi nilai Measure of Match, semakin tinggi pula
tingkat akurasi registrasi citra. Dua citra yang
perpindahannya berbeda secara translasi dan rotasi dapat
diregistrasi menggunakan metode ini.
Kata Kunci : registrasi, Automatic Iterative Point
Correspondence, radiografi gigi, subtraksi
1.
PENDAHULUAN
2.
2.1 Preprocessing
Suatu citra seringkali mempunyai kualitas yang kurang
baik atau mengalami degradasi yang bisa disebabkan
karena gangguan pada saat pengambilan gambar ataupun
karena telah dikompresi ke dalam bentuk yang lain. Oleh
karena itu diperlukan suatu metode untuk memperbaiki
citra agar didapatkan citra dengan kualitas yang sesuai
dengan kebutuhan suatu aplikasi tertentu. Perbaikan pada
citra meliputi manipulasi tingkat keabuan dan tingkat
kecerahan, pengurangan noise, penghilangan background,
pemerjelasan garis, penajaman, filtering, interpolasi,
pewarnaan, dan lain-lain. Perbaikan citra radiografi gigi
pada sistem ini meliputi :
g i ( x, y ) = r1 +
{( f i ( x, y ) min F ) * (r 2 r1)}
(1)
(max F min F )
1
N
(2)
i, j i2 + j2 < Rn2
(4)
(5)
dimana dan adalah nilai mean dari IR dan IF.
Nilai MoM pada persamaan di atas digunakan untuk
mengukur kemiripan antara area Ai (n)(IR) dari citra
reference IR dengan pusat pada titik i (i = 1, 2, ......, N) dan
area Twi (Ai (n)) (IF) dari citra floating IF. Karena itu, untuk
tiap titik distinctive i, sebuah nilai MoMi diberikan, yang
menunjukkan tingkat kemiripan antara area pada citra
reference dan floating, yang terkait dengan transformasi
Twi.
Selama prosedur iterasi dari algoritma automatic
iterative point correspondence, dilakukan optimasi dari
measure of match, sehingga untuk menentukan parameter
optimal dari transformasi lokal digunakan batas pada citra
reference disekitar tiap titik distinctive. Jadi melalui
prosedur ini, MoMi memegang measure of match terbaik
yang sejauh ini ditemukan untuk titik i dan wi memegang
vektor transformasi yang berkoresponden terhadap MoMi.
measure of match sekarang dan vektor transformasi
sekarang untuk titik i pada iterasi ke-n dinotasikan sebagai
MoMi(n) dan wi(n).
(6)
v.
(8)
vi.
n=n+1
(9)
Dimana :
s = nilai steepnes area linear dari fungsi
c = nilai dimana (c) = 0.5
(10)
dimana :
h(i,j) = e^(||Pi-Pj||2/ 2 )
2
(11)
dan
(12)
(15)
(14)
(16)
3.
HASIL
No
1
2
3
4
5
6
Citra 1
Citra 1
I01.png
I01.png
I01.png
I02.png
I02.png
I03.png
I02.png
I03.png
I04.png
I03.png
I04.png
I04.png
measure of match
Sebelum
Sesudah
Registrasi
Registrasi
0.97029
0.99225
0.97269
0.99775
0.96701
0.99634
0.97135
0.99291
0.98088
0.99021
0.89104
0.98981
Gambar 7. (a) citra reference (b) citra floating (c) citra hasil subtraksi
4.
KESIMPULAN
REFERENSI
[1] Barbara Zitova, Jan Flusser.
methods: a survey
Image registration