Upload
mdickiherlambang
View
36
Download
6
Embed Size (px)
DESCRIPTION
dstgvwtwtfwf
Citation preview
SEGMENTASI IRIS MATA MENGGUNAKAN
METODE DETEKSI TEPI DAN
OPERASI MORFOLOGI
Oleh :
1. Agus Khoirul Huda 09622025
2. Galih Wicaksono 09622019
3. M. Arif Zulianto 09622037
4. Misbahul Ulum 09622006
5. Solikh Maarif 09622007
TEKNIK INFORMATIKA
UNIVERSITAS MUHAMMADIYAH GRESIK
2011
PENDAHULUAN
Kemajuan teknologi terutama dalam bidang teknologi informasi pada saat ini telah
berubah dengan sangat cepat seiring dengan kemajuan zaman. Salah satu contohnya adalah
pemanfaatan anggota tubuh secara unik untuk membedakan antara satu orang dengan orang
lain, yang biasa disebut biometrik.
Biometrik adalah suatu metoda untuk mengenali manusia berdasarkan pada satu atau
lebih ciri-ciri fisik atau tingkah laku yang unik. Biometrik merupakan sistem pengenalan
individu yang terdiri dari dua macam yaitu secara modern dan tradisional. Sistem pengenalan
individu secara modern yaitu berdasarkan ciri fisik dan perilaku individu dan secara
tradisional yaitu berdasarkan knowledge base (pengisian password/PIN) dan token base
(menggunakan kartu magnetik atau kartu pintar / smart card). Kelemahan menggunakan
knowledge base (pengisian password / PIN) yaitu mudah lupa dan dapat ditebak oleh orang,
sedangkan kelemahan menggunakan token base (kartu magnetik atau kartu pintar / smart
card) yaitu mudah hilang, dicuri dan digandakan sehingga dapat dipalsukan oleh orang lain.
Penggunaan sistem biometrik sebagai salah satu sistem identifikasi dan verifikasi
sebenarnya bukanlah suatu hal yang baru. Sistem biometrik menggunakan ciri-ciri fisiologis
(physiological) seseorang dan tingkah laku seseorang/perilaku (behavioral) untuk mengenali
atau membuktikan identitas seseorang. Yang menggunakan ciri-ciri fisik misalnya wajah
(face recognition), sidik jari (fingerprint), iris mata (iris recognition) dan geometri tangan
(hand geometry). Sedangkan yang menggunakan perilaku/tingkah laku misalnya tulisan
tangan, suara (voice recognition) dan tanda tangan (signature).
Salah satu penggunaan sistem biometrik sebagai salah satu sistem identifikasi telah
berkembang dengan pesat, salah satu yang digunakan adalah iris mata. Iris mata adalah
daerah berbentuk gelang pada mata yang dibatasi oleh pupil dan sclera (bagian putih dari
mata). Kelebihan iris mata adalah iris memiliki tingkat penerimaan kesalahan sangat kecil,
karena itu iris dapat menjadi alat biometrik aplikasi identifikasi yang baik, dan iris sangat
unik serta sulit untuk digandakan.
Secara umum tahapan sistem pengenalan iris mata terdiri dari beberapa tahapan, yaitu
akuisisi citra, segmentasi/lokalisasi, ekstraksi dan pengenalan. Pada tahapan segmentasi /
lokalisasi cukup penting, karena dapat melokalisasi beberapa bagian citra dari suatu objek.
Penelitian-penelitian sistem pengenalan iris terdahulu telah sebelumnya pernah dibuat oleh
Daugman dan Wildes. Dimana Daugman dan Wildes, menggunakan beberapa metode dalam
sistem pengenalan iris. Menurut Daugman, tahapan segmentasi/lokalisasi dilakukan dengan
menggunakan integrasi dan differensiasi untuk menentukan bentuk iris yang berupa
lingkaran. Setelah proses segmentasi dilakukan, untuk menentukan ekstraksi ciri suatu citra
pada metode Daugman ini menggunakan Metode Filter Gabor 2-D dan pada tahapan
pencocokan ciri suatu citra menggunakan jarak Hamming (Hamming Distance). Sedangkan
menurut Wildes, tahapan pada segmentasi/lokalisasi dapat dilakukan dengan Filter Gaussian
Low pass. Sedangkan pada tahap ekstraksi ciri menggunakan metode
Transformasi Hough, karena dapat menentukan parameter-parameter lingkaran dari pupil dan
pada tahap pencocokan ciri iris dapat dilakukan dengan menggunakan Laplacian Filter
Gaussian.
Pada penelitian ini, penulis mencoba suatu alternatif lokalisasi/ segmentasi dengan
memanfaatkan ciri pupil yang memiliki intensitas gelap yang homogen dan bentuk lingkaran
pupil dan iris dengan menggunakan bahasa pemrograman Matlab 7.0
2.1 Anatomi dan Fisiologi Mata
Mata adalah suatu struktur sferis berisi cairan yang dibungkus oleh tiga lapisan. Dari
luar ke dalam, lapisan–lapisan tersebut adalah dari : (1) sclera/ kornea, (2) koroid/badan
siliaris/iris, dan (3) retina. Sebagian besar mata dilapisi oleh jaringan ikat yang protektif dan
kuat di sebelah luar, sklera, yang membentuk bagian putih mata. .
Struktur mata manusia berfungsi utama untuk memfokuskan cahaya ke retina. Semua
komponen–komponen yang dilewati cahaya sebelum sampai ke retina mayoritas berwarna
gelap untuk meminimalisir pembentukan bayangan gelap dari cahaya. Kornea dan lensa
berguna untuk mengumpulkan cahaya yang akan difokuskan ke retina, cahaya ini akan
menyebabkan perubahan kimiawi pada sel fotosensitif di retina. Hal ini akan merangsang
impuls–impuls syaraf ini dan menjalarkannya ke otak.
Gambar 2.1 Struktur Anatomi Mata
Cahaya masuk ke mata dari media ekstenal seperti, udara, air, melewati kornea dan
masuk ke dalam aqueous humor. Iris yang berada antara lensa dan aqueous humor,
merupakan cincin berwarna dari serabut otot. Cahaya pertama kali harus melewati pusat dari
iris yaitu pupil. Adapun karakteristik iris adalah :
a. Mempunyai warna yang beraneka ragam yaitu hitam, coklat, emas, biru tua, hijau,
biru muda, dan abu-abu. Kesemuanya itu dapat dibagi dalam tiga bagian yaitu
biru, coklat, dan campuran.
b. Memiliki guratan-guratan yang tidak sama/heterogen.
c. Memiliki lingkaran tidak sempurna, karena tertutup oleh sebagian kelopak mata
bagian atas/bawah atau bulu mata.
Ukuran pupil itu secara aktif dikendalikan oleh otot radial dan sirkular untuk
mempertahankan level yang tetap secara relatif dari cahaya yang masuk ke mata. Adapun
karakteristik pupiladalah:
a. Mempunyai warna yang lebih gelap dibandingkan dengan yang lain.
b. Berbentuk lingkaran.
2.2 Pengenalan Iris (Iris Recognition)
Pengenalan iris adalah suatu proses untuk mengenal seseorang dengan menganalisa
pola acak dari iris. Dimana pengenalan iris bertujuan untuk mengenali suatu objek dengan
cara mengekstraksi informasi yang terdapat dalam suatu citra tersebut. Iris merupakan suatu
otot didalam mata yang mengatur ukuran dari pupil, mengendalikan jumlah cahaya yang
masuk ke mata. Iris juga adalah bagian yang diwarnai dengan pewarna mata berdasarkan
jumlah pigmen melatonin didalam otot mata.
Gambar 2.2 Struktur Iris
Meskipun pewarnaan dan struktur iris adalah terhubung genetik, dan rincian pola
tidak. Tetapi iris yang berkembang selama pertumbuhan sebelum melahirkan melalui suatu
proses dari pembentukan lipat yang ketat dari jaringan selaput. Sebelum kelahiran, degenerasi
terjadi sehingga menghasilkan pembukaan pupil dan acak, serta pola-pola unik dari iris.
Walaupun genetik serupa, seseorang yang memiliki struktur iris yang unik dan berbeda, dapat
memungkinkan untuk digunakan untuk tujuan pengenalan.
2.3 Teori-teori Sistem Pengenalan Iris
2.3.1 Metode Daugman
Menurut Daugman, pengambilan data dapat dilakukan dengan sebuah kamera video,
lensa, framegrabber, dan sebuah monitor tampilan yang dihubungkan ke sebuah komputer
workstation. Dalam penelitian ini, pengambilan database telah diasumsikan tersedia di
Opthalmology Assosiates of Connecticut. Jumlah citra mata yang diambil sebanyak 592 iris
yang berasal dari 323 orang yang berbeda (masingmasing orang sekitar 3 citra iris) dengan
ukuran 480x640 monokrom 8 bits/pixel. Pada proses segmentasi ini, metode Daugman
melakukan beberapa tahapan yaitu proses pengenalan citra, proses deteksi tepi, dan proses
pendeteksian batas radius pupil dan iris. Proses pengenalan citra yang digunakan adalah
pengenalan batas lingkar iris yang memisahkan iris dengan white sclera (bagian putih dari
mata). Proses ini dilakukan oleh edge detector dan tidak akan berhasil (batas lingkar tidak
terdeteksi) jika mata tertutup dan/atau tidak ada mata di depan kamera. Bentuk iris yang
berupa lingkaran, untuk menentukan lokasinya dibutuhkan rumus integrasi dan differensiasi.
Proses ini dilakukan dengan memperbesar rekayasa pengaburan gambar parsial, dan
menambahkan batas radius r, dari integral kontur gambar yang dinormalisasi sepanjang busur
radius dan pusat iris. Berikut ini rumus dari integrasi dan diferensiasi adalah :
Dimana * menandakan perkalian dan Gσ (r) adalah fungsi smoothing (penghalusan)
seperti gaussian skala σ. Lengkap operator behaves berlaku sebagai ujung detektor circular,
kabur pada skala σ yang telah ditetapkan oleh intensitas pencarian untuk maksimum garis
integral turunan dengan peningkatan berturutturut di radius halus skala analisis melalui tiga
parameter ruang pusat dan radius koordinat (x0, y0, r) mendefinisikan jalan garis integrasi.
Implementasi discrete untuk rumus di atas dapat menggunakan integro-differential
operator, karena lebih efisien untuk mengubah susunan lilitan dan perbedaan dan untuk
menyatukan, sebelum komputer yang mempunyai ciri-ciri rangkaian undersampled sums dari
piksel sepanjang kontur circular untuk meningkatkan radius menggunakan terbatas perbedaan
perkiraan ke turunan yang berlainan dalam seri n,
Dimana _r merupakan kenaikan kecil dalam radius, dan mengganti lilitan dengan
kontur integrals sums, dapat memperoleh melalui manipulasi discrete operator yang efisien
untuk menemukan lingkaran dalam dan luar batas-batas iris, dimana _θ adalah angular
sampling interval yang tajam sepanjang circular arcs, dimana I (x, y) merupakan intensitas
piksel yang mewakili garis kontur integral. Setelah proses segmentasi dilakukan, untuk
menentukan ekstraksi ciri suatu citra iris digunakan metode filter Gabor 2-D. Dimana
Daugman memperkenalkan filter ini pada tahun 1980. Property matematis yang digunakan
memiliki kemampuan menyediakan informasi resolusi tinggi tentang orientasi dan isi
frekuensi spasial dari struktur gambar. Dengan memperoleh koefisien yang dibutuhkan untuk
fungsi kompleks ini akan menghasilkan informasi yang dibutuhkan untuk merepresentasikan
iris dengan transformasi Gabor. Rumus Filter Gabor 2-D yaitu :
Dimana (x0,y0) merupakan posisi dari gambar, (α, β) merupakan panjang dan lebar
gambar, dan (u0, v0) nilai modulasi. Kode akhir dari iris (256 byte) dihitung per bit dengan
memproyeksikan area iris tertentu pada filter Gabor. Jumlah byte dipilih berdasarkan
kapasitas tiga channel yang ada pada pita magnetik yang menjadi standar kartu kredit. Perlu
diketahui bahwa nilai ini adalah batas atas kapasitas untuk merepresentasikan iris.
Pencocokan ciri iris menurut Daugman, dapat dilakukan dengan jarak Hamming (Hamming
Distance) yang cocok untuk pencocokan vektor biner. Hasil pencocokan ini adalah skor yang
akan menentukan hasil pengenalan citra. Dengan menggunakan opersai XOR sederhana
antara pasangan kode akan menghasilkan Hamming Distance-nya. Berikut ini rumus untuk
mencari Hamming Distance (jarak Hamming) yaitu :
Dimana A adalah citra metriks yang pertama dan B adalah citra metriks yang kedua.
Proses ini dilakukan dengan mengetahui bahwa iris memiliki kira-kira 400 derajat kebebasan
(DOF). Transformasi Fourier dari fitur ini dapat direpresentasikan dalam berbagai oktaf dan
pada skala analisis yang berbeda. Lebih jauh lagi, korelasi dihasilkan oleh property bandpass
dari filter Gabor.
2.3.2 Metode Wildes
Sistem Wildes ini, pengambilan gambar mata dengan kualitas dan resolusi yang tinggi,
digunakan kamera putih (Silicon Intensified SIT) dengan tingkat pencahayaan rendah
digabungkan dengan penangkap frame standar (DASMFGM Analog) dengan resolusi 512 x
480 piksel. Diameter iris sebenarnya menjadi 256 piksel pada array sensor pada penangkapan
gambar 20 cm dari mata. Proses pencahayaan yang merata tanpa mengurangi kenyamanan
pengguna, digunakan sebuah array cahaya (8.5 watt lampu quartzhalogen) diarahkan pada
iris. Pencahayaan merata dapat dicapai dengan meletakkan filter (panel difusi) antara iris
dengan kamera. Panel ini juga membantu mendistribusikan intensitas cahaya. Lensa kamera
berada pada posisi tengah dari panel difusi ini. Proses peletakan posisi mata menggunakan
proses otomatis yang diarahkan oleh self positioning operator. Tujuannya adalah
memberikan batasan pada tiga derajat kebebasan mata yang akan digambarkan dengan
menempatkan mata di tengah array sensor pada fokus lensa. Dalam metode Wildes terdapat 2
langkah yang dapat dilakukan dalam segmentasi. Langkah pertama adalah informasi
intensitas gambar dikonvert menjadi biner edge-map, kedua adalah edge point untuk
memberikan nilainilai parameter garis tertentu. Berikut ini adalah rumus untuk mencari nilai
intensitas threshold magnitude gambar yang terdapat pada metode Wildes yaitu :
Rumus diatas adalah dua dimensi Gaussian dengan pusat (x0,y0) dan standar deviasi σ
yang digunakan untuk menghaluskan gambar untuk memilih ruang skala tepi gambar. Proses
segmentasi ini dilakukan dengan menggunakan filter sederhana dan operasi histogram.
Tujuannya adalah mengisolasi iris dari area sekitarnya. Efisiensi komputasi dicari dengan
filter Gaussian lowpass diikuti dengan subsampling sebagian. Hal ini juga membantu
menghilangkan noise frekuensi tinggi. Menurut Wildes, untuk ekstraksi ciri dari citra iris
dapat menggunakan metode Transformasi Hough. Dengan melakukan segmentasi kita dapat
menentukan lokasi iris melalui lokasi komponenya atau dengan batas luar dan dalam iris
(limbic, papillary, dan kelopak mata). Dengan Tranformasi Hough, kita dapat menentukan
parameter-parameter lingkaran dari pupil.
Pencocokan ciri iris dapat dilakukan dengan menggunakan bandpass decomposition
yang berasal dari Laplacian Filter Gaussian. Berikut ini adalah rumus untuk filter tersebut :
Dimana, σ merupakan standar deviasi Gaussian dan ρ merupakan jarak radius dari pusat
filter. Untuk menghasilkan pengenalan, dilakukan formulasi 3 bagian yaitu untuk memilih
representasi iris, menetapkan korespodensi antara model dengan gambar percobaan dan
melakukan evaluasi kemiripannya. Untuk memanfaatkan karakteristik ini digunakan proses
dekomposisi 2-D bandbass.
2.4 Rumus Perhitungan Lingkaran
Rumus perhitungan lingkaran digunakan untuk menghitung jari-jari pupil dan jari-jari iris
mata.
Gambar 2.3 Bentuk Lingkaran yang
menggambarkan Pupil dan Iris
Dari persamaan lingkaran :
r² = (x – a)² + (y – b)² .....................(11)
dimana,
r = Jari-jari lingkaran (belum diketahui)
(a,b) = Titik pusat lingkaran (belum diketahui)
(x,y) = Koordinat titik sepanjang lingkaran (tepi pupil pada 8 arah sudut)
2.5 Deteksi Tepi dan Operasi Morfologi
Deteksi tepi (Edge Detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-
tepi dari obyek-obyek citra, , tujuannya adalah :
· Untuk menandai bagian yang menjadi detail citra.
· Untuk memperbaiki detail dari citra yang kabur, yang terjadi karena error atau adanya efek
dari proses akuisisi citra.
Deteksi tepi berfungsi untuk mengidentifikasi garis batas (boundary) dari suatu objek yang
terdapat pada citra. Dimana pada penelitian ini, menggunakan Metode Canny. Ada beberapa
kriteria pendeteksi tepian paling optimum yang dapat dipenuhi oleh algoritma Canny :
1. Mendeteksi dengan baik (kriteria deteksi)
Kemampuan untuk meletakkan dan menandai semua tepi yang ada sesuai dengan
pemilihan parameter-parameter konvolusi yang dilakukan. Sekaligus juga memberikan
fleksibilitas yang sangat tinggi dalam hal
menentukan tingkat deteksi ketebalan tepi sesuai yang diinginkan.
2. Melokalisasi dengan baik (kriteria lokalisasi)
Dengan Canny dimungkinkan dihasilkannya jarak yang minimum antara tepi yang
dideteksi dengan tepi yang asli.
3. Respon yang jelas (kriteria respon)
Hanya ada satu respon untuk tiap tepi. Sehingga mudah dideteksi dan tidak
menimbulkan kerancuan pada pengolahan citra selanjutnya. Sedangkan operasi morfologi
adalah teknik pengolahan citra yang didasarkan pada bentuk segmen atau region dalam citra.
Ada beberapa operasi morfologi yang dapat dilakukan antara lain, yaitu dilasi, erosi, opening
(pembukaan), closing (penutupan), dan filling (pengisian) :
1. Dilasi
Adalah suatu proses menambahkan piksel pada batasan dari objek dalam suatu
gambar sehingga nantinya apabila dilakukan operasi ini maka gambar hasilnya lebih besar
ukurannya dibandingkan dengan gambar aslinya. Operasi dilasi dilakukan untuk
memperbesar ukuran segmen objek dengan menambah lapisan di sekeliling objek.
2. Erosi
Operasi erosi adalah kebalikan dari operasi dilasi. Pada operasi ini, ukuran objek
diperkecil dengan mengikis sekeliling objek.
3. Opening (Pembukaan)
Operasi pembukaan juga merupakan kombinasi antara operasi erosi dan dilasi yang
dilakukan secara berurutan, tetapi citra asli dierosi terlebih dahulu baru kemudian hasilnya
didilasi. Operasi ini digunakan untuk memutus bagian-bagian dari objek yang hanya
terhubung dengan 1 atau 2 buah titik saja.
4. Closing (Penutupan)
Operasi penutupan adalah kombinasi antara operasi dilasi dan erosi yang dilakukan
secara berurutan. Citra asli didilasi terlebih dahulu, kemudian hasilnya dierosi. Operasi ini
digunakan untuk menutup atau menghilangkan lubanglubang kecil yang ada dalam segmen
objek. Operasi penutupan juga digunakan untuk menggabungkan 2 segmen objek yang saling
berdekatan (menutup sela antara 2 objek yang sangat berdekatan).
5. Filling (Pengisian)
Operasi pengisian merupakan kebalikan dari operasi pencarian batas citra. Pada
operasi ini, citra masukan adalah citra batas/kontur, kemudian dilakukan pengisian sehingga
diperoleh segmen objek yang solid. Prosesnya dimulai dengan menentukan titik awal
pengisian yang terletak di dalam objek, kemudian bergerak ke arah titik-titik tetangganya.
3. ANALISIS DAN PERANCANGAN
Ada beberapa tahapan yang harus dilakukan dalam sistem pengenalan iris mata. Tahapan ini
dapat dilihat dalam langkah – langkah sebagai berikut :
Gambar 3.1 Model Sistem Pengenalan Citra
Tahapan-tahapan perancangan untuk setiap bagian dari proses pengenalan iris mata
dijelaskan lebih lengkap pada tahapan berikut ini:
3.1.1 Akuisisi Citra
Di dalam suatu pengambilan data dapat dilakukan dengan menggunakan berbagai
media, seperti kamera digital, handycam, scanner atau suatu kamera khusus yang didesain
untuk akuisisi citra mata. Dengan memperhitungkan jarak dan pencahayaan. Dalam
penelitian ini, proses akuisisi citra diasumsikan telah dilakukan yaitu oleh Chinese Academy
of Sciences Institute of Automation (CASIA), sehingga penulis mengambil data iris mata dari
database CASIA tersebut. Database iris mata ini diambil pada CASIA versi 1.0. Citra yang
dihasilkan adalah citra keabuan dalam format BMP, dengan ukuruan 320 x 280 piksel.
Database tersebut terdiri dari 756 citra yang diambil dari 108 objek, dari tiap objek diambil
untuk mata kanan dan kiri.
3.1.2 Segmentasi/Lokalisasi Pupil dan Iris
Segmentasi bertujuan untuk melokalisasi beberapa bagian citra dari suatu objek.
Dalam penelitian pengenalan iris mata, segmentasi / lokalisasi terdiri dari lokalisasi pupil,
lokalisasi iris, lokalisasi kelopak mata, dan sclera.
3.1.2.1 Lokalisasi Pupil
Proses pertama setelah database CASIA kita peroleh adalah melakukan lokalisasi
pupil. Pupil adalah ruangan di tengah – tengah iris, ukuran pupil bervariasi dalam merespon
intensitas cahaya dan memfokuskan objek (akomodasi) untuk memperjelas penglihatan, pupil
mengecil jika cahaya terang atau untuk penglihatan dekat.
Untuk melokalisasi bagian pupil, langkah pertama yang dilakukan adalah :
1. Deteksi Tepi Canny
Untuk melihat batas-batas dari tepi yang ada pada citra mata yaitu dilakukan proses
deteksi tepi dengan menggunakan deteksi tepi Canny. Deteksi tepi Canny dipilih karena
dapat mendeteksi dengan baik sehingga dapat melakukan pemilihan parameter-parameter
untuk menandai semua tepi, melokalisasi dengan baik sehingga dapat menghasilkan jarak
yang minimum antara tepi yang dideteksi dengan tepi yang asli, dan respon yang jelas
sehingga mudah dideteksi dan tidak menimbulkan kerancuan pada pengolahan citra
selanjutnya. Dalam MATLAB dapat digunakan fungsi berikut ini :
img=edge(handles.data1,'canny',.28);%Metode Canny edge detection
Dari program di atas, nilai ambang (threshold) yang dipilih untuk menentukan deteksi
tepian adalah 0.28. Karena dengan nilai ambang kecil akan menghasilkan tepian yang
semakin baik, sehingga tepian yang ada pada citra dapat terlihat dengan jelas. Berikut ini
adalah hasil citra yang telah di deteksi tepi pada program di atas:
Gambar 3.3 Citra Hasil Deteksi Tepi denganDeteksi Tepi Canny
2. Operasi Morfologi (Dilasi dan Fill)
Setelah proses deteksi tepi selesai, maka akan dilakukan operasi morfologi. Dimana, dalam
operasi morfologi citra mata tersebut terdiri dari operasi dilasi dan fill. Dilasi adalah suatu
proses menambahkan piksel pada batasan dari objek dalam suatu citra sehingga nantinya
apabila dilakukan operasi ini maka citra hasilnya lebih besar ukurannya dibandingkan dengan
citra aslinya. Dalam MATLAB dapat digunakan fungsi berikut ini :
se=strel('line',11,90);%seadalah komponen morphologiBWdil=imdilate(img,[se]);%DilasiCitra
Kemudian setelah proses dilasi selesai, akan dilakukan operasi morfologi berikutnya yaitu fill
(pengisian). Fill adalah proses untuk menentukan titik awal pengisian yang terletak di dalam
objek, kemudian bergerak ke arah titiktitik tetangganya. Program yang dapat digunakan
adalah sebagai berikut :
BWfil = imfill(BWdil,'holes');
Berikut ini adalah hasil citra yang telah di dilasi dan di fill (pengisian) pada program di atas:
(a) (b)Gambar 3.4 Hasil Morfologi Citra
(a) Hasil Dilasi Citra (b) Hasil Fill Citra
3. Euclidean Highlight
Tahapan berikutnya untuk melokalisasi pupil yaitu Euclidean highlight. Dimana setelah
dilakukan operasi morfologi dengan menggunakan dilasi dan fill, kita akan melakukan proses
Euclidean Highlight, sehingga akan menghasilkan gambar yang berupa kilatan atau cahaya
disekitar area pupil. Program yang dapat digunakan adalah sebagai berikut :
BWdis=bwdist(~BWfil); %Euclidean Highlight
Berikut ini adalah hasil citra yang telah di Euclidean highlight pada program di atas:
Gambar 3.5 Citra Hasil Euclidean Highlight
4. Penentuan Titik Radius Dari Pupil
Pada bagian ini, batas pupil dideteksi dengan menggunakan deteksi titik batas dalam dan
batas luar dari sebuah citra, secara umum dapat direpresentasikan sebuah lingkaran yang
kosentris satu sama lain.
• Pencarian Titik Koordinat Lingkaran Pupil
Titik pusat sebagai referensi dapat dicari dari tepian yang telah terdeteksi pada proses
pendeteksian tepi dengan deteksi tepi Canny. Dari titik piksel pembentukan tepian pupil
dapat diambil 8 buah titik pada arah keluar dari atau titik estimasi (perkiraan) yang terletak di
tengahtengah citra.
• Penentuan Titik Pusat Pupil
Telah dibahas sebelumnya pada tinjauan pustaka, tentang perhitungan lingkaran. Dalam
persamaan tersebut koordinat dari titik pusat (a,b) dimana a adalah koordinat pusat pada
sumbu horizontal (sumbu x) dan b adalah koordinat pusat pada sumbu vertikal (sumbu y).
Dimana, kedelapan koordinat titik kemudian akan digunakan untuk mencari 6 buah titik pusat
yang kemudian dijumlahkan dan diambil nilai rata-ratanya untuk digunakan sebagai titik
pusat lingkaran.
3.1.2.2 Lokalisasi Iris
Iris adalah daerah berbentuk gelang pada mata yang dibatasi oleh pupil dan sclera
(bagian putih dari mata). Iris merupakan suatu otot didalam mata yang mengatur ukuran dari
pupil, mengendalikan jumlah cahaya yang masuk ke mata.
Untuk melokalisasi iris, langkah pertama yang dilakukan adalah :
1. Filter Median
Untuk mengurangi noise, dapat dilakukan penapisan pada citra iris mata
menggunakan matriks konvolusi yang sesuai. Karena dengan mengurangi noise (derau),
maka mengurangi bagian tidak penting yang terdapat pada iris mata. Dalam program Matlab
ini, untuk mengurangi noise menggunakan Filter Median. Karena dengan filter median lebih
efektif menghilangkan noise (derau) yang berfrekuensi tinggi pada citra mata. Berikut ini
pemakaian filter median dengan kernel 8x8 dapat dilakukan pada program dibawah ini :
im2=filter2(fspecial('average',8),handles.data1)/255;im2=medfilt2(im2,[8,8]);
Berikut ini adalah hasil citra yang telah di Filter pada program di atas:
Gambar 3.9 Citra Hasil Filter Median
2. Deteksi Tepi Canny
Setelah proses filter median selesai, maka kita akan mendeteksi garis tepian citra iris
mata dengan menggunakan metode deteksi tepi Canny. Dalam MATLAB dapat digunakan
fungsi berikut ini :
BW=edge(im2,'canny',.02);
Dari program di atas, nilai ambangnya (threshold) yang dipilih untuk menentukan
deteksi tepian adalah 0.02. Karena dengan nilai ambang kecil akan menghasilkan tepian yang
semakin baik, sehingga tepian yang ada pada citra dapat terlihat dengan jelas. Berikut ini
adalah hasil citra yang telah di deteksi tepi pada program di atas:
Gambar 3.10 Citra Hasil Deteksi Tepi
Canny
3. Operasi Morfologi (Dilasi Citra)
Pada tahapan ini berbeda dengan lokalisasi pupil, di lokalisasi iris ini hanya
menggunakan operasi dilasi saja. Karena hanya akan menentukan parameter iris mata,
sehingga tidak diperlukan operasi fill (pengisian). Pada operasi dilasi ini program yang
digunakan untuk lokalisasi iris mata adalah :
se=strel('line',11,90);%se adalah komponen morphologiBWfinal=imdilate(BW,[se]);%Dilasi Citra
Berikut ini adalah hasil citra yang telah di deteksi tepi pada program di atas:
Gambar 3.11 Citra Hasil Dilasi
4. Penentuan Titik Koordinat Iris
Berbeda dengan pupil, pencarian piksel demi piksel untuk lingkaran iris bergerak dari
batas citra mata menuju titik tengah. Hal ini dilakukan dengan pertimbangan pencarian akan
bertemu titik/garis tekstur iris hasil dari deteksi tepi yang telah dideteksi. Langkah ini
diharapkan memiliki keberhasilan yang lebih besar. Hal ini yang harus diperhatikan adalah
citra iris mata tidak hanya iris saja, namun termasuk juga area selain iris seperti kelopak mata
dan sclera.
4. PENGUJIAN DAN HASIL
Dari hasil proses uji coba yang dilakukan pada beberapa citra mata yang digunakan
sebagai objek ternyata tidak semua citra dapat ditemukan titik radius pupil dan titik radius
iris. Karena setiap citra mata memiliki tingkat nilai ambangya berbeda dengan citra mata
lainnya, sehingga ada beberapa citra mata tidak terdeteksi oleh program tersebut.
Berikut adalah citra mata yang digunakan sebagai objek dalam proses lokalisasi pupil
dan lokalisasi iris :
1. Citra mata asli yang diperoleh dari database CASIA, akan diambil beberapa
sampel citra untuk mendeteksi lokalisasi pupil dan lokalisasi iris. Dari beberapa
sampel data dapat berhasil dideteksi lokalisasi pupil dan lokalisasi iris. Hasil uji
coba dikatagorikan menjadi 3 macam, yaitu berhasil bila hasil deteksi membentuk
lingkaran tepat pada tepi pupil dan iris, sedangkan hampir berhasil bila deteksi
lingkaran mendekati tepi pupil dan iris, dan tidak berhasil bila deteksi lingkaran
menjauhi tepi pupil dan iris.
Berikut ini salah satu gambar yang berhasil membentuk lingkaran pupil dengan
sempurna dengan yang hampir mendekati tepi pupil. Gambar 4.1b adalah hasil citra
mata uji coba yang berhasil ditepi tengah pupil, sedangkan gambar 4.1c adalah hasil
citra mata uji coba yang hampir berhasil berada di titik tengah pupil.
Gambar 4.1a Citra Mata Asli
Gambar 4.1b Hasil Citra Mata Uji Coba dengan Kategori Berhasil ditepi tengah pupil
Gambar 4.1c Hasil Citra Mata Uji Coba dengan Kategori Hampir Berhasil berada di titik tengah
pupil.
2. Berikut ini salah satu citra untuk mendeteksi lokalisasi iris. Gambar 4.2b adalah
hasil citra mata uji coba yangberhasil membentuk lingkaran pupil dan iris,
sedangkan gambar 4.2c adalah hasil citra mata yang hampir berhasil membentuk
lingkaran pupil dan iris.
Gambar 4.2a Citra Asli Mata
Gambar 4.2b Hasil Citra Mata Uji Coba dengan Kategori Hampir Berhasil.
Tabel 4.1 Hasil Segmentasi/LokalisasiKeseluruhan Citra