PENERAPAN CITRA TERKOMPRESI PADA SEGMENTASI CITRA MENGGUNAKAN ALGORITMA K-MEANS

JUTEI (Jurnal Terapan Teknologi Informasi)

关键词: Image;    Medic;    K-Means;    Segmentation;   

DOI  :  10.21460/jutei.2018.21.65

学科分类：工程和技术（综合）

来源: Universitas Kristen Duta Wacana

【 摘 要 】

Suatu citra tidak hanya sebagai dokumentasi dari kejadian yang pernah dialami. Salah satu bidang yang memerlukan pengolahan citra (image processing) adalah pada bidang kedokteran yaitu radiologi. Pada bidang radiologi terdapat citra medis atau medical image yang diperlukan oleh dokter maupun peneliti untuk kebutuhan analisis pasien. Salah satu permasalahan penting dalam bidang pengolahan citra dan pengenalan pola adalah segmentasi citra ke dalam area homogen. Segmentasi pada citra medis akan menghasilkan citra medis yang disertai batasan-batasan area yang merupakan ciri penting karena dapat menggali informasi untuk pengenalan pola guna keperluan analisis. Penelitian ini menerapkan algoritme K-Means pada segmentasi citra medis MRI (Magnetic Resonance Imaging). Citra input yang digunakan adalah citra MRIotak dan payudara yang sudah melalui tahap kompresi. Proses kompresi ini dilakukan dengan tujuan mengurangi penggunaan memori namun kadungan informasi penting citra MRI masih tetap terjaga. Citra hasil segmentasi dievaluasi melalui uji performansi menggunakan parameter GCE, VOI, MSE, dan PSNR. Algoritme K-Means yang diusulkan untuk proses segmentasi mampu bekerja pada citra dengan ekstensi JPG, PNG, mapun ekstensi BMP. Dari hasil penelitian, nilai VOI citra BMP memiliki nilai kesamaanyang lebih besar dengan citra aslinya dibandingkan citra JPG maupun citra PNG. Nilai GCE dan MSE yang dihasilkan dari ketiga ekstensi tersebut juga relatif kecil, mendekati 0. Ini menandakan citra hasil segmentasi memiliki nilai kesamaan yang yang besar dengan citra aslinya. Selanjutnya citra BMP juga memiliki nilai PSNR yang paling besar dibandingkan dengan citra JPG dan citra PNG.

【 授权许可】

CC BY-NC-ND