Apa Itu Ekstraksi Fitur pada Citra Digital

Apa Itu Ekstraksi Fitur pada Citra Digital

Fitur merupakan karakteristik unik dari suatu objek. Fitur dibedakan menjadi dua yaitu fitur “alami” merupakan bagian dari gambar, misalnya kecerahan dan tepi objek. Sedangkan fitur “buatan”  merupakan fitur yang diperoleh dengan operasi tertentu pada gambar, misalnya histogram tingkat keabuan (Gualtieri et al,1985). Sehingga ekstraksi fitur adalah proses untuk mendapatkan ciri-ciri pembeda yang membedakan suatu objek dari objek yang lain (Putra, 2010).

 

Feature Extraction atau ekstraksi fitur merupakan suatu pengambilan ciri (feature) dari suatu bentuk yang nantinya nilai yang didapatkan akan dianalisis untuk proses selanjutnya. Ekstraksi fitur (Feature Extraction) bertujuan untuk mencari daerah fitur yang signifikan pada gambar tergantung pada karakteristik intrinsik dan aplikasinya. Wilayah tersebut dapat didefinisikan dalam lingkungan global atau lokal dan dibedakan oleh bentuk, tekstur, ukuran, intensitas, sifat statistik, dan sebagainya.

 

Feature extraction dilakukan dengan cara menghitung jumlah titik atau pixels yang ditemui dalam setiap pengecekan, dimana pengecekan dilakukan dalam berbagai arah tracing pengecekan pada koordinat kartesian dari citra digital yang dianalisis, yaitu vertikal, horizontal, diagonal kanan, dan diagonal kiri.

 

Ekstraksi fitur terbagi menjadi tiga macam yaitu ekstraksi fitur bentuk, ekstraksi fitur tekstur, ekstraksi fitur warna.

  1. Ekstraksi fitur bentuk

Bentuk dari suatu objek adalah karakter konfigurasi permukaan yang diwakili oleh garis dan kontur. Fitur bentuk dikategorikan bergantung pada teknik yang digunakan. Kategori tersebut adalah berdasarkan batas (boundary-based) dan berdasarkan daerah (region-based). Teknik berdasarkan batas (boundary-based) menggambarkan bentuk daerah dengan menggunakan karakteristik eksternal, contohnya adalah piksel sepanjang batas objek. Sedangkan teknik berdasarkan daerah (region-based) menggambarkan bentuk wilayah dengan menggunakan karakteristik internal, contohnya adalah piksel yang berada dalam suatu wilayah. Fitur bentuk yang biasa digunakan adalah

  1. Wilayah (area) yang merupakan jumlah piksel dalam wilayah digambarkan oleh bentuk (foreground).

  2. Lingkar (perimeter) adalah jumlah dari piksel yang berada pada batas dari bentuk. perimeter didapatkan dari hasil deteksi tepi.

  3. Kekompakan (compactness).

  4. Euler number atau faktor E adalah perbedaan antara jumlah dari connected component (C)dan jumlah lubang (H) pada citra.

  1. Ekstraksi fitur tekstur

Pada ekstraksi fitur ini, fitur pembeda adalah tekstur yang merupakan karakteristik penentu pada citra. Teknik statistik yang terkenal untuk ekstraksi fitur adalah matriks gray level co-occurrence. Teknik tersebut dilakukan dengan melakukan pemindaian untuk mencari jejak derajat keabuan setiap dua buah piksel yang dipisahkan dengan jarak d dan sudut θ yang tetap. Biasanya sudut yang digunakan adalah 0, 45, 90, dan 135.

  1. Ekstraksi fitur warna

Pada ekstraksi fitur warna, ciri pembeda adalah warna. Biasanya ekstraksi fitur ini digunakan pada citra berwarna yang memiliki komposisi warna RGB (red, green, blue) (Nahari, 2010).

Penelitian sebelumnya, Nahari (2010) mengemukakan bahwa untuk melakukan pendeteksian pada bagian luar objek, dipergunakan fitur bentuk. Sedangkan Indrati et al (2009) menggunakan ekstraksi fitur bentuk untuk menentukan jenis tumor payudara disebabkan karena perbedaan bentuk tumor payudara. Demikian pula dengan Fifin (2010) menggunakan metode ekstraksi fitur bentuk untuk mengidentifikasi jenis citra leukosit. Ekstraksi bentuk digunakan karena adanya perbedaan bentuk diantara kelima jenis leukosit yaitu basofil, eosinofil, limfosit, monosit, neutrofil. Kesalahan proses identifikasi dan klasifikasi yang diperoleh relatif kecil yaitu 30%. Oleh karena itu pada penelitian ini, jenis ekstraksi fitur yang digunakan adalah ekstraksi fitur bentuk karena lubang terbentuk pada bagian luar objek dan adanya perbedaan bentuk lubang yang dihasilkan oleh tiap energy density laser Nd:YAG yang berbeda.

 

Sumber:

  1. Nirmawaty, Dewi Ary. 2012. DETEKSI KELAINAN KANKER SERVIKS ( CARSINOMA SERVIKS UTERI ) PADA CITRA HASIL REKAMAN CT-SCAN MENGGUNAKANJARINGAN SYARAF TIRUAN. Surabaya: Universitas Airlangga.

  2. Kurniastuti, Ima. 2012. DESAIN SISTEM DETEKSI KERUSAKAN JARINGAN DERMIS DARI CITRA MIKROSKOP DIGITAL MENGGUNAKAN METODE EKSTRAKSI FITUR. Surabaya: Universitas Airlangga