You are on page 1of 23

Prosiding 9 WSEAS Internasional Konferensi APLIKASI dari ENGINEERING LISTRIK

Sistem Usulan untuk Edge Mammogram Gambar

Yessi Jusman 1, NOR ASHIDI MAT ISA 2, Rahmadi KURNIA 3 1,2 Imaging dan Tim
Penelitian Sistem Cerdas (ISRT)
Sekolah Teknik Elektro dan Teknik Elektronik
Universiti Sains Malaysia (USM), Teknik Kampus
14300 Nibong Tebal, Penang, Malaysia
1Email: anisah_rabbani02@yahoo.co.id
2Email: ashidi@eng.usm.my, http://ee.eng.usm.my/eeacad/shidi/

3 Sekolah Teknik Elektro dan Elektronik


Universitas Andalas, Limau Manis Kampus
Padang, Sumatera Barat, INDONESIA

3 Email: rahmadi@ft.unand.ac.id

Abstrak: - Dalam diagnosis kanker payudara, ahli radiologi terutama


menggunakan mata mereka untuk mengamati kelainan terjadi pada
mammogram. Namun, dalam banyak kasus, kanker tidak mudah terdeteksi oleh
mata karena kondisi pencitraan buruk. Dalam rangka meningkatkan tingkat
diagnosis yang benar kanker, teknologi peningkatan gambar sering digunakan
untuk meningkatkan kualitas gambar dan membantu ahli radiologi. Dalam
tulisan ini, kita membangun sistem peningkatan citra baru di mammogram untuk
ahli radiologi untuk layar mammogram dengan mudah dan benar. Pertama,
sistem yang diusulkan memodifikasi kecerahan dan kontras untuk meningkatkan
gambar untuk kualitas visual yang lebih baik. Kedua, peningkatan citra berbelitbelit dengan topeng detektor tepi dan dengan demikian dapat meningkatkan
nilai dari tepi pixel di gedung image image tepi untuk proses lanjutan. Ketiga,
yang terbaik tepi gambar di antara beberapa gambar tepi yang dihasilkan oleh
detektor tepi digunakan dalam sistem ini secara otomatis divisualisasikan
berdasarkan parameter tunggal.

Key-Kata: - Peningkatan, Brightness, Contrast, image Edge, Ujung detektor.

1. Perkenalan

Kanker payudara adalah salah satu penyebab paling umum kematian bagi pria
dan wanita di negara-negara Amerika dan diharapkan menjadi penyebab utama
kematian di beberapa dekade berikutnya. Telah terbukti bahwa deteksi dini dan
pengobatan kanker adalah metode yang paling efektif untuk mengurangi angka
kematian [2]. Oleh karena itu, cara mendeteksi, menganalisis, dan mengobati
kanker telah menjadi bidang penelitian besar. teknologi pencitraan modern telah
memiliki efek menyelamatkan nyawa pada kemampuan kita untuk mendeteksi
kanker secara dini dan lebih akurat diagnosis penyakit. Namun, dalam rangka
untuk lebih meningkatkan efisiensi dan kebenaran diagnosis dan pengobatan,
teknologi pengolahan citra telah banyak diterapkan untuk analisis dan
pengakuan kanker. Dalam tulisan ini, kita akan mengamati sistem peningkatan
citra untuk membantu ahli radiologi di mammogram.

Potensi mamografi digital untuk mendeteksi kanker payudara saat ini sedang
diselidiki. Dalam ilmu kedokteran, gambar mamografi adalah menjadi landasan
untuk memeriksa kanker payudara pada manusia. Bahkan jika output gambar
yang diperoleh di

Proses scanning dengan sinar X adalah sering cetak biru dan ketidakjelasan
untuk tepi gambar. Layar film mamografi memiliki kemampuan deteksi terbatas
untuk lesi kontras rendah di payudara yang padat. Keterbatasan ini menimbulkan
masalah bagi diperkirakan 40% dari wanita dengan payudara yang padat yang
menjalani mamografi [1]. Dengan demikian, akan diperlukan sebuah proses
untuk meningkatkan kontras gambar mamografi adalah pengolahan gambar
digital.

Para peneliti telah dilakukan beberapa metode untuk meningkatkan kemampuan


gambar mamografi untuk mendeteksi kelainan. Peningkatan kontras dari
mammogram yang telah dilakukan oleh para peneliti di masa lalu. Dhawan et al.
(1986) mengusulkan adaptif algoritma pengolahan lingkungan yang optimal
dengan satu set fungsi kontras-perangkat tambahan untuk meningkatkan fitur
mammografi [2]. Morrow et al. (1992) [3] telah mengembangkan algoritma
peningkatan kontras berbasis wilayah untuk mammogram. Teknik wilayah
berkembang yang digunakan didasarkan pada algoritma benih-fill grafis
sederhana. Algoritma ini terdiri dari dua langkah. Pada langkah pertama,

ISSN: 1790-2769 117 ISBN: 978-960-474-171-7

Prosiding 9 WSEAS Internasional Konferensi APLIKASI dari ENGINEERING LISTRIK

algoritma yang digunakan setiap pixel dalam gambar sebagai benih untuk
tumbuh daerah. Pada langkah kedua, kontras ditingkatkan menggunakan
transformasi empiris berdasarkan nilai masing-masing daerah benih pixel,
kontras, dan informasi latar belakang. Algoritma ini adalah metode gambarenhancement langsung karena ukuran kontras didefinisikan dan kontras
ditingkatkan dengan modifikasi kontras gambar secara langsung. Algoritma itu
efektif dalam mengidentifikasi keganasan klasifikasi terkait dalam gambar
mamografi. Efektivitas algoritma meningkatkan sensitivitas diagnosis kanker
payudara diteliti lebih lanjut oleh Rangayyan et al. (1997) [4]. Tiga set gambar
(asli, digital dan ditingkatkan) yang digunakan oleh ahli radiologi untuk diagnosis
kanker dan penerima operasi karakteristik (ROC) analisis digunakan untuk
mengevaluasi algoritma. Hasil eksperimen telah menunjukkan bahwa algoritma
perangkat tambahan meningkatkan ahli radiologi kinerja secara keseluruhan.
Selain itu, Zong et al. (1998) [5] telah disajikan algoritma untuk pengurangan
bintik dan peningkatan kontras gambar ekokardiografi. Mereka menerapkan
teknik-teknik penyusutan wavelet melalui thresholding lunak dalam tingkat yang
lebih halus dari skala untuk menghilangkan kebisingan sambil menjaga
ketajaman fitur yang menonjol. Mereka telah menunjukkan bahwa hasil statistik
dari penelitian mereka gambar klinis menunjukkan perbaikan secara keseluruhan
dalam konsistensi perbatasan didefinisikan secara manual oleh pengamat ahli
setelah denoising dan peningkatan. Demikian pula, Laine et al. (1994) [6] telah
menggunakan dua representasi multiskala overcomplete untuk peningkatan
kontras. Mammogram direkonstruksi dari koefisien transformasi dimodifikasi
pada setiap tingkat dengan fungsi pembobotan nonlinier. Dalam [7] telah
digunakan algoritma perangkat tambahan artefak-bebas berdasarkan
representasi multiskala overcomplete untuk peningkatan mammogram digital.
Sebuah operasi nonlinier, mengintegrasikan koherensi dan orientasi informasi,
diterapkan untuk memodifikasi koefisien transformasi direkonstruksi melalui
inverse wavelet cepat transformasi, yang mengakibatkan peningkatan visualisasi
fitur mammografi signifikan yang lebih akrab untuk ahli radiologi karena
peningkatan lokal fitur, dalam tingkat yang berbeda dari analisis . Kemudian,
Ferrari et al. (2004) [8] telah mengusulkan metode baru menggunakan Gabor
wavelet untuk identifikasi otot-otot dada di miring medio-lateral (MLO)

mammogram berdasarkan teknik multiresolusi. Nilai besarnya masing-masing


pixel disebarkan ke arah fase setelah menghitung besarnya dan fase gambar
menggunakan prosedur vektor-penjumlahan. Itu

image dihasilkan kemudian digunakan untuk mendeteksi tepi relevan dan tepi
otot dada yang benar. Namun, dalam banyak kasus, kanker tidak mudah
terdeteksi oleh mata. Dengan demikian, Tang et al. (2009) [2] telah
mengembangkan teknologi image-enhancement baru dalam domain wavelet
untuk ahli radiologi untuk layar mammogram. Pertama, teknologi gambarperangkat tambahan yang diusulkan telah dimodifikasi ukuran multiskala
menjadi kualitas visual yang lebih baik maka dicapai dalam domain wavelet,
selanjutnya pengguna akhir dapat menyesuaikan perangkat dengan
memanipulasi parameter tunggal.

Dalam tulisan ini, kami mengusulkan sistem meningkatkan kecerahan, histogram


equalitation adaptif gambar asli untuk meningkatkan kejelasan yang tepi antara
intensitas homogen dan intensitas homogen lainnya di gambar mammogram,
dan kemudian convoluting gambar ditingkatkan dengan enam detektor tepi
(yaitu Robert operator, Prewitt operator, Sobel Operator, operator Log, operator
Canny, dan operator Kompas) untuk mendeteksi tepi dalam gambar. Selanjutnya,
sistem yang diusulkan visualisasi gambar tepi terbaik di antara beberapa
gambar tepi mengakibatkan menggunakan parameter tunggal. Pendekatan yang
dilakukan dalam makalah ini adalah untuk meningkatkan mammogram sulit
untuk kualitas yang cukup untuk memungkinkan ahli radiologi untuk membuat
diagnosis dengan lebih percaya diri, dan untuk menunjukkan citra terbaik tepi
otomatis.

2 Metodologi

gambar asli

gambar ditingkatkan

detektor tepi

ambang &

penjarangan

Deteksi nilai maksimum

Representasi tepi gambar

Ara. 1. Alur dari prosedur tetap untuk memvisualisasikan gambar tepi yang lebih
baik dari gambar tepi diproduksi oleh semua deteksi tepi digunakan.

ISSN: 1790-2769 118 ISBN: 978-960-474-171-7

Prosiding 9 WSEAS Internasional Konferensi APLIKASI dari ENGINEERING LISTRIK

(A) gambar asli (b) gambar Ditingkatkan

1000
900
800
piksel 700
600
Jangka Waktu 400
500

300

200

100

0 Intensitas keabuan
0 50 100 150 200 250

(C) Kontras histogram dari mammogram asli

Jangka Waktu piksel

800

700

600

500

400

300

200

100

0 Intensitas Keabuan
0 50 100 150 200 250

(D) Kontras histogram dari gambar yang disempurnakan

Ara. 2. (a) Menyajikan gambar asli 256x256 piksel, (b) menyajikan gambar yang
disempurnakan 256x256 piksel, (c) menyajikan histogram kontras mammogram
asli, dan (d) menyajikan histogram kontras gambar ditingkatkan.

2.1 Peningkatan Teknik Gambar

Peningkatan mendasar yang dibutuhkan dalam mamografi adalah peningkatan


kontras antara jaringan ganas dan jaringan padat normal, tetapi di bawah
ambang persepsi manusia. Selain itu, kami menemukan kurang mammogram
kecerahan sering. Metode sederhana yang digunakan dalam makalah ini untuk
meningkatkan kualitas gambar adalah untuk meningkatkan kecerahan dengan
menambahkan nilai intensitas pixel dan untuk meningkatkan kontras
mammogram dengan menggunakan histogram equalization performing
histogram ekualisasi adaptif secara independen selama segmen yang berbeda
dari gambar. Gambar asli dan gambar ditingkatkan dengan histogram mereka
ditunjukkan pada Gambar. 2.

Dalam [3], prosedur ini adalah komputasi yang sangat intensif, sehingga teknik
telah dikembangkan untuk interpolasi antara histogram seperti beberapa sama
spasi melalui gambar untuk mendapatkan gambar menyamakan kedudukan.
Adaptif histogram equalization telah ditunjukkan untuk meningkatkan kontras
dalam gambar radiologi, yang pada umumnya memiliki rentang dinamis global
besar, tetapi variasi tingkat fitur abu-abu kecil lokal. Daerah gambar yang
mengelilingi sebuah pixel yang diberikan digunakan untuk menghitung
histogram, yang kemudian menyamakan kedudukan untuk memberikan nilai
pixel baru.

2.2 Konvolusi Masker Deteksi Tepi

Lilit masking adalah salah satu metode yang paling umum digunakan dari
gambar tambahan digital [9], [10]. deteksi tepi adalah jenis metode segmentasi
citra berdasarkan rentang non-kontinuitas. Tepi selalu muncul di dua daerah
tetangga yang memiliki tingkat abu-abu yang berbeda. Ini ada antara objek dan
latar belakang, objek dan objek, wilayah dan daerah, dan antara unsur dan
elemen. Penelitian ini menggunakan enam detektor tepi (yaitu Roberts Operator,
operator Sobel, operator Prewitt, Laplacian of Gaussian operator (Log), operator
Canny, dan operator Kompas) untuk konvolusi mammogram. detektor tepi ini
memiliki perbedaan ukuran dan koefisien mask mereka menghasilkan kualitas
gambar tepi perbedaan untuk mendeteksi tepi di mammogram.

2.2.1 Operator Diferensial

Operator Diferensial dapat outstand perubahan abu-abu. Ada beberapa poin di


mana perubahan abu-abu yang lebih besar, dan nilai yang dihitung di titik-titik

yang lebih tinggi menerapkan operator derivatif. Jadi nilai-nilai diferensial ini
dapat dianggap sebagai 'intensitas tepi' yang relevan dan mengumpulkan poin
set tepi melalui pengaturan ambang batas untuk nilai diferensial ini. derivatif
pertama adalah koefisien diferensial sederhana.

ISSN: 1790-2769 119 ISBN: 978-960-474-171-7

Misalkan gambar adalah f (x, y), dan operator turunannya adalah urutan pertama
parsial derivatif f / x, f / y. Vektor dengan arah dan modulus dari f (x, y)
disebut sebagai gradien dari fungsi, yaitu
;
Prosiding 9 WSEAS Internasional Konferensi APLIKASI dari ENGINEERING LISTRIK

Dalam Operator Prewitt, The gradien modulus


Operator dirancang dalam persamaan (7)

M = P 2 P 2 (7)
xy

f Gx
f = =

x
f Gy

G x = f (x, y) = f (x + x, y) - f (x, y)
x x

Untuk mengurangi pengaruh kebisingan ketika mendeteksi tepi, operator Prewitt


membesar deteksi tepi

(1) Operator template dari dua oleh dua sampai tiga oleh tiga untuk menghitung
Operator perbedaan. Menggunakan operator Prewitt tidak hanya dapat
mendeteksi tepi poin, tetapi juga menahan kebisingan. Misalkan jumlah pixel
dalam 3 3 sub-domain dari gambar adalah sebagai berikut:

G = f (x, y) = f (x, y + y) - f (x, y) (2) a 0 a1 2


y x, y

y y 7 3
Jadi operator modulus gradien dirancang dalam 5
64
eQuestion yang (3). Kami memesan bahwa:
G f (x, y) = G x2 + G y2
= Gx + G y (3) P x = (2 + ca 3 + 4) - (0 + ca 7 + 6), dan

Arah turunan dari fungsi f (x, y), memiliki


P y = (0 + ca 1 + 2) - (6 + ca 5 + 4) (8)
maksimum pada titik tertentu. Dan arah
Dengan c = 1, masker p x dan p y dapat dinyatakan sebagai:
titik ini adalah;

(x, y) = tan -1 Gy (4) P x =

gx

Operator diferensial sebagian besar termasuk Roberts operator, Operator Prewitt


dan Sobel Operator.

-1 0 1 dan P y = 1 1 1
000
-1 0 1
-1 0 1 -1 -1 -1

2.2.1.1 Robert Operator arah titik ini adalah:


(x, y) = tan -1 P (9)
Operator Roberts adalah jenis y yang paling sederhana

Operator yang menggunakan parsial perbedaan Px

operator untuk mencari tepi. Hal ini disebut dengan 2.2.1.3 Operator lintas
'Sobel
Operator ditampilkan di Gbr.3.
Operator Sobel menghitung perbedaan menggunakan
R + (x, y) = f (x + 1, y + 1) - f (x, y)
tertimbang untuk 4 lingkungan atas dasar yang
Prewitt Operator. Operator Sobel memiliki sejenis
berfungsi sebagai operator Prewitt, tapi tepi
terdeteksi oleh operator Sobel lebih lebar. Sobel
Operator dapat memproses gambar-gambar dengan banyak
suara dan gradient abu-abu dengan baik. Kami memesan bahwa:
S x = (2 + ca 3 + 4) - (0 + ca 7 + 6), dan

S y = (0 + ca 1 + 2) - (6 + ca 5 + 4)
Ara. Operator 3. Palang 'Dengan c = 2, masker s x dan s y dapat dinyatakan
sebagai:
S x = - 1 0 1 dan 1 2 1
R - (x, y) = f (x, y + 1) - f (x + 1, y) S y =
-202000
- 1 0 1 -1 - 2 -1
R=10R=01
+-

0-1-10
M = SX2 S y2 (10)
Dalam Operator Roberts tertentu, arah
titik ini adalah: Arah titik ini adalah:
(x, y) = tan -1 R (5) (x, y) = tan -1 S (11)
4y

R+
Sx

Jadi operator modulus gradien dirancang Gambar asli dari mammogram dan
persamaan (6).
tepi deteksi menggambar operator Sobel diperoleh
G f (x, y) =
R + 2 + R 2 (6) menggunakan Matlab 7 simulasi ditunjukkan pada Gambar. 4.
2.2.1.2 Operator Prewitt

ISSN: 1790-2769 120 ISBN: 978-960-474-171-7

Prosiding 9 WSEAS Internasional Konferensi APLIKASI dari ENGINEERING LISTRIK

(Sebuah)

(B)

Ara. 4. (a) gambar asli, dan (b) gambar Ujung operator Sobel

Smoothing oleh Laplace


fungsi Gauss h (x, y) Operator k (x, y)
f (x, y)
g (x, y) 2

Ara. 5. Proses Deteksi operator Log

deteksi tepi menggunakan operator yang Log juga dapat digunakan dengan
menggunakan masker Log ditampilkan langsung dalam persamaan (14).

00-100
0 - 1 - 2 - 1 0 (14)

- 1-2 16- 2 - 1
0-1-2-10
00-100

2.2.3 Operator Canny

Operator Canny adalah semacam operator deteksi tepi baru. Ini memiliki kinerja
yang baik untuk mendeteksi tepi, yang memiliki aplikasi luas. Deteksi tepi
Operator Canny adalah untuk mencari nilai maksimum parsial gradien gambar.
gradien dihitung oleh turunan dari Gauss filter. Operator Canny menggunakan
dua ambang batas untuk mendeteksi tepi kuat dan tepi lemah masing-masing.
Dan hanya jika tepi yang kuat dihubungkan dengan ujung yang lemah, tepi
lemah akan terkandung dalam nilai output. Teori dasar operator Canny
ditunjukkan pada persamaan (15) - (18).

-X2+y2
Gauss: G e 2 2 (15)

Tepi yang normal: n = (g * P) / (g * P) (16)

2.2.2 Log Kekuatan Ujung Operator: G n P = g * P (17)


Operator Log adalah linear dan waktu-invariant n
operator. Mendeteksi tepi poin melalui mencari
Kekuatan maksimal: 0 = Gn P = g * P (18)
bintik-bintik yang dua-order koefisien diferensial adalah nol
n n 2
di tingkat abu-abu gambar. Untuk fungsi kontinu

Untuk gambar dua dimensi, operator Canny bisa


f (x, y), operator Log didefinisikan sebagai pada titik (x, y):
menghasilkan dua informasi termasuk perbatasan
2f2f
2 (12) arah dan intensitas gradien. Operator Canny adalah
f x 2 y 2

benar-benar menggunakan template dari arah yang berbeda untuk melakukan


Operator Log adalah proses penyaringan dan lilitan pada gambar masingmasing. kemudian
menghitung koefisien diferensial untuk gambar. Hal ini sebagian besar arah
diambil. Dari sudut pandang
menentukan posisi nol akurasi penyaring posisi tumpang tindih, operator Canny
lebih baik dari
output menggunakan konvolusi bergulir simetris operator lain.
Log Template dan gambar. Log operator Oleh karena itu, metode ini tidak mudah
terganggu oleh
Template ditampilkan sebagai berikut: kebisingan dan dapat menjaga
keseimbangan yang baik antara kebisingan
0 0 - 1- 1- 1 dan deteksi tepi. Hal ini dapat mendeteksi tepi lemah benar.
1 atau
-4-1-

Operator 1 1 8 1 2.2.4 Kompas


010-1-11 Operator Kompas digunakan untuk mendeteksi semua tepi dari

Berdasarkan Gambar. 5, proses deteksi Log 8 jenis arah titik kompas di gambar.
Itu
operator Kompas bertopeng telah ditunjukkan pada Gambar.
Operator dapat diilustrasikan matematis,
6.
k (x, y) = f (x, y) * 2 g (x, y)
(13)

ISSN: 1790-2769 121 ISBN: 978-960-474-171-7

Prosiding 9 WSEAS Internasional Konferensi APLIKASI dari ENGINEERING LISTRIK

Utara Northeast East Tenggara


1 1 1 1 1 1 -1 1 1 -1 -1 1

1 -2 1 1 -2 1 -1 -2 1 -1 -2 1
1
-1 -1 -1 -1 -1 1 -1 1 1 1 1

South Southwest Barat Northwest


-1 -1 -1 1 -1 -1 1 1 -1 1 1 1

-1 -2 1 1 -2 -1 1 -2 -1 1 -2 -1
1 -1
1 1 1 1 1 1 1 -1 1 -1

Ara. 6. bertopeng arah titik kompas

deteksi digunakan oleh convoluting gambar dan topeng operator kompas, maka
arah sisi ditentukan oleh besarnya tertinggi arah mask kompas.

2.3 Thresholding dan Menipis

Threshold adalah batas luar yang keadaan yang sangat berbeda dari tepi urusan
menjadi nilai 1 atau 0. Pada dasarnya, berdasarkan nilai ambang batas yang ada,
gambar tepi yang lebih representatif untuk menunjukkan tepi dalam gambar.
Intensitas pixel atas batas nilai ambang batas akan menjadi ujung pixel dengan 1
nilai, dan di sisi lain, itu akan menjadi non tepi pixel dengan nilai 0.

Selanjutnya, proses dilanjutkan dengan proses penipisan, dimana meningkatkan


citra tepi

setelah proses threshold itu menipis menjadi kerangka tebal dengan satu pixel
atau skeletonization untuk mengamati dengan mudah.

3 Hasil dan Pembahasan

Berdasarkan penjelasan sebelumnya, gambar berbelit-belit menggunakan


masker dari detektor tepi memiliki magnitude yang berbeda tergantung pada
karakteristik topeng. Proses deteksi tepi dilanjutkan dengan thresholding dan
proses penipisan. Output gambar adalah citra biner ditunjukkan pada Gambar. 7.

detektor dibandingkan yang Roberts Operator, operator Sobel, operator Prewitt,


operator Canny, operator Log, dan operator Kompas. Meskipun gambar
mamografi ini memiliki contast rendah dan kecerahan, larutan padat harus
ditemukan untuk meningkatkan kualitas gambar. Untuk proses lebih lanjut,
gambar ditingkatkan telah digunakan untuk menjadi input dari masing-masing
detektor. Kami telah menganalisis hasil dari semua operator untuk mammogram
menggunakan analisis visual dengan mengamati gambar tepi menunjukkan pada
Gambar. 7 dan menghitung piksel tepi di tepi gambar yang dalam penelitian ini
kami menggunakan tidak ada suara gambar. Dengan demikian, tepi gambar
memiliki paling tepi pixel (pixel putih) adalah yang terbaik gambar tepi
ditabulasikan pada Tabel 1.

Kedua analisis menggunakan mengamati gambar tepi dan menghitung tepi


gambar tepi telah menyimpulkan bahwa operator Canny lebih baik dari operator
lain di

(A) (b) (c) (d)

(E) (f) (g) (h)

Ara. 7. (a) Menyajikan sebuah image1 asli 256x256 piksel, (b) peningkatan citra
256x256 piksel, (c) Robert tepi gambar, (d) Canny tepi gambar, (e) Prewitt tepi
gambar, (f) gambar Sobel edge, ( g) image Log tepi, dan (h) Kompas tepi gambar

ISSN: 1790-2769 122 ISBN: 978-960-474-171-7

Prosiding 9 WSEAS Internasional Konferensi APLIKASI dari ENGINEERING LISTRIK

TABEL I

HASIL PERHITUNGAN EDGE PIXELS IMAGES

Nama Image1 Image2 Image3


digunakan Jumlah tersebut (%) Jumlah (%) Jumlah (%)
Operator
putih putih putih

piksel piksel piksel

Sobel 11.492 17,54 10.234 15,62 10.410 15,88


Robert 11.174 17,05 10.330 15,76 10.250 15,64
Canny 11.547 17,62 10.708 16,34 12.995 19,83
Prewitt 10.175 15,53 9284 14,17 9171 13,99
Log 7167 10,94 6567 10,02 8635 13,18
Kompas 10190 15,55 9314 14,21 8896 13,57

memproduksi tepi gambar jelas merepresentasikan informasi dari gambar yang


disempurnakan. Berdasarkan penjelasan sebelumnya, operator cerdik dapat
menghasilkan dua informasi termasuk arah gradien perbatasan dan intensitas
untuk gambar dua dimensi, dan operator Canny sebenarnya menggunakan
template dari arah yang berbeda untuk melakukan konvolusi untuk gambar
masing-masing.

Sistem otomatis dibangun dari parameter tunggal diusulkan untuk


memvisualisasikan gambar terbaik tepi antara beberapa gambar tepi yang
dihasilkan oleh detektor tepi digunakan dalam sistem ini. Kami menggunakan

Matlab 7 simulasi dalam memvisualisasikan gambar terbaik tepi menggunakan


kuantitas tepi piksel dalam gambar tepi.

4. Kesimpulan

Dalam tulisan ini, dua anhancement mammogram telah dilakukan dengan


menambahkan intensitas pixel untuk kecerahan dan meningkatkan kontras
mammogram dengan menggunakan histogram pemerataan adaptif. perangkat
tambahan berguna untuk mengamati tepi preferablely dengan menggunakan
beberapa operator deteksi tepi. operator deteksi tepi ini dapat memiliki efek tepi
yang lebih baik dalam situasi tepi yang jelas dan kebisingan yang rendah.
Operator Canny adalah operator yang lebih baik tidak mudah terganggu oleh
kebisingan dan dapat menjaga keseimbangan yang baik antara kebisingan dan
deteksi tepi. Dengan demikian, sistem otomatis diusulkan untuk
memvisualisasikan gambar terbaik tepi antara beberapa gambar tepi yang
dihasilkan oleh detektor tepi digunakan dalam sistem ini berdasarkan total tepi
piksel.

Referensi:

[1] Shtern F. Digital mamografi dan teknologi yang terkait: perspektif dari
National Cancer Institute, Radiologi 1992; 183: 629-630.

[2] J. Tang ,, X. Liu, T. Sun, A Direct Gambar Kontras Peningkatan Algoritma dalam
Wavelet Domain untuk Screening Mammogram, IEEE

Jurnal topik yang dipilih dalam pemrosesan sinyal, Vol. 3, No. 1, 2009

[3] W.M Morrow, R.B Paranjape, R.M. Rangayyan, dan J.E.L Desautels ReEion
Berbasis Peningkatan Kontras Mammogram, Transaksi IEEE pada pencitraan
medis, Vol. 11, No. 3, 1992

[4] R. M. Rangayyan et al., Peningkatan sensitivitas diagnosis kanker payudara


dengan peningkatan kontras lingkungan adaptif mammogram, IEEE Trans.
Memberitahu. Technol. Biomed., Vol. 1, tidak ada. 3, pp. 161-170 1997

[5] X. Zong, A.F. Laine, dan E. A. Geiser, pengurangan Speckle dan Peningkatan
kontras echocardiograms melalui pengolahan nonlinear multiskala, Transaksi
IEEE pada pencitraan medis, Vol. 17, No. 4, 1998

[6] A. Laine et al., Mammografi fitur tambahan dengan analisis multiskala, IEEE
Trans. Med. Imag., Vol. 13, tidak ada. 4, pp. 725-740, April 1994

[7] C. M. Chang dan A. Laine, Coherence fitur multiskala untuk peningkatan


mammogram digital, Transaksi IEEE pada Teknologi Informasi di Biomedik, Vol. 3,
No. 1, 1999

[8] R. J. Ferrari, R. M. Rangayyan ,, J. E. L. Desautels, R. A. Borges, dan A. F. Frre,


identifikasi otomatis otot-otot dada di mammogram, Transaksi IEEE pada
pencitraan medis, Vol. 23, No. 2, 2004

[9] F. Cui dan L. Zou, dan B. Lagu, fitur ekstraksi Ujung berdasarkan teknik
pengolahan citra digital, prosiding Konferensi Internasional IEEE pada Otomasi
dan Logistik, Qingdao, China September 2008

[10] Y. Zhao, W. Gui, dan Z. Chen, Deteksi tepi berdasarkan multi-struktur elemen
morfologi,

Prosiding Kongres Dunia ke-6 pada Cerdas Kontrol dan Otomasi, Dalian, Cina, 21
Juni - 23, 2006

Pengakuan

Proyek ini sebagian didukung oleh FRGS hibah berjudul 'Investigasi Mammogram
Images Karakteristik untuk Medical Imaging Application'.

ISSN: 1790-2769 123 ISBN: 978-960-474-171-7

Semua referensi dalam teks digarisbawahi dengan warna biru terkait dengan
publikasi pada ResearchGate, membiarkan Anda mengakses dan membaca
mereka segera.