Professional Documents
Culture Documents
ABSTRACT
Physical characteristics analysis of metal by analyzing metal microstructures were explored to determine
the metal alloys phases in an effort to improve the mechanical characteristics of metal alloys. This research
studied the techniques for of digital image processing of metal microstructures followed by a classification
scheme phase pattern microstructures. Image pre-processings preceded the rests to reduce normally inherent
noise and to enhance get better the specific features. The extraction of the phase patterns were based on a
boundary detecting masks and a technique of threshold segmentation of RGB (red, green, blue), luminans, and
histogram spreads. The final steps of the phase pattern classification resorted to some autocorrelation methods
based on the eigen values as the distinguishing parameters. The results worked satisfactorily indicate that the
overall scheme. Quantitatively the nodular cast iron had longest randomness pattern with of a ratio of 13,18 and
high carbon steel had shortest randomness pattern with a ratio of 13,72. The percentages of the image phases
pattern widths of metal microstructures could be determined as well.
Keywords: Digital image preprocessing, metals microstructures, boundary detect segmentation, histogram
segmentation, autocorrelation.
F-1
Seminar Nasional Aplikasi Teknologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022
Yogyakarta, 16 Juni 2007
High level processing, bertujuan untuk proses citra. Kemudian dilakukan normalisasi untuk
pengenalan dan pengklasifikasian pola. mendapatkan nilai maksimum adalah 1,
Citra (image) adalah gambar pada bidang dua- menggunakan rumus:
dimensi, maka sebuah citra merupakan dimensi R(k , l ) , dengan
ρ (k , l ) = R(0,0) adalah nilai hasil
spasial atau bidang yang berisi informasi warna yang R (0,0)
tidak bergantung waktu (Munir, 2004).
korelasi piksel citra pada koordinat (0,0) .
Pada penelitian ini operasi pra-pengolahan
citra yang dilakukan meliputi: 1) pengubahan
dimensi citra (resize); 2) pengubahan citra true color 2. METODE
ke keabuan (grayscale); 3) pengubahan kecerahan Penelitian ini menggunakan peralatan,
(image brightness); 4) peregangan kontras (contrast diantaranya adalah: 1) Perangkat-lunak berupa:
stretching); 5) pererataan histogram (histogram Microsoft® Windows XP, Microsof Office, Delphi
equalization); 6) penajaman citra (image 7.0, Adobe Photoshop 7.0; dan 2) Perangkat-keras
sharpening), dan 7) pengambangan (thresholding). berupa: Notebook Toshiba Tecra 8100 processor
Segmentasi citra berarti membagi suatu citra pentium III 600 MHz (intel), harddisk 12 GB,
menjadi wilayah-wilayah yang homogen berdasarkan memory DDR 256 MB, kamera digital Olympus C-
kriteria keserupaan yang tertentu antara tingkat 35AD-4, 5 MP yang terintegrasi dengan mikroskop
keabuan suatu piksel dengan tingkat keabuan piksel- optis Olympus PMEU-F200, dan printer HP Deskjet
piksel tetangganya (Jain, 1995). Segmentasi yang 3920. Lima spesimen logam ferro yang digunakan
dilakukan dengan teknik perambangan, maka kriteria yaitu besi cor kelabu, besi cor nodular, baja karbon
yang digunakan adalah histogram. Segmentasi rendah, baja karbon sedang, dan baja karbon tinggi,
histogram berguna untuk seleksi nilai ambang batas serta mesin poles logam merk METKON model
objek. Jika segmentasi dilakukan dengan teknik Gripo 2M Grinder and polisher.
deteksi tepi atau batas, maka kriteria yang digunakan
adalah matriks gradien. Pendeteksian tepi dilakukan 3. HASIL PENELITIAN DAN PEMBAHASAN
dengan dua cara, yaitu operator Laplacian dan Proses klasifikasi menggunakan sampel citra
operator Gradien. logam ferro yang terdiri atas lima benda uji yang
Pendekatan statistis menggunakan fungsi ditunjukkan pada Gambar 1. Fase ferrite dicirikan
autokorelasi untuk mengelompokkan pola fase pada dengan warna putih, sedangkan pearlite warna hitam
suatu citra strukturmikro logam. Fungsi autokerelasi bergaris-garis. Fase graphite untuk besi cor kelabu
digunakan untuk menentukan korelasi antara nilai- berbentuk seperti batang panjang hitam, sedangkan
nilai intensitas piksel dari suatu data atau informasi graphite untuk besi cor nodular berbentuk bulat
citra, fungsi autokorelasi memanfaatkan hubungan hitam. Citra asli strukturmikro logam hasil
kedekatan atau kesamaan antara nilai piksel pemotretan dan penglihatan menggunakan mikroskop
tetangganya. Keseragaman nilai piksel yang besar optis dengan perbesaran 200 kali, sebelum dilakukan
dapat digunakan untuk menentukan karakteristik pra-pengolahan dapat dilihat pada Gambar 3 Setiap
suatu citra. Nilai piksel yang besar diambil, sampel diambil 20 kali pemotretan dengan lokasi dan
sedangkan nilai piksel yang rendah bisa diabaikan jarak pemotretan yang berbeda pada setiap logam.
dan dihilangkan, karena bisa dianggap sebagai derau. Pada Gambar 4 sampai dengan Gambar 8
Nilai korelasi (R ) diperoleh menggunakan rumus: menunjukkan bahwa setelah dilakukan operasi
127 127
segmentasi histogram dengan batas bawah 30 dan
R(k , l ) = ∑∑ f (m, n ) × f (m + k , n + l ) ,
4 4 batas atas adalah 127. sumbu-x menyatakan nilai-
M N m=0 n =0 nilai elemen warna dari piksel citra (0 sampai 255)
dengan, R(k,l) adalah nilai hasil korelasi piksel citra, dan sumbu-y menyatakan frekuensi dari kemunculan
M x N adalah dimensi citra asli berdimensi 128x128 nilai_piksel.
piksel, f (m, n ) adalah posisi koordinat piksel citra,
k dan l adalah variabel pergeseran koordinat piksel
F-2
Seminar Nasional Aplikasi Teknologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022
Yogyakarta, 16 Juni 2007
Ferrite
Graphite Pearlite
Pearlite
Graphite Ferrite
20 µm
(a) (b)
Ferrite
Pearlite Ferrite
Pearlite
Pearlite
Ferrite
F-3
Seminar Nasional Aplikasi Teknologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022
Yogyakarta, 16 Juni 2007
Gambar 6. Segmentasi histogram citra strukturmikro baja karbon rendah: (a) citra asli; (b) citra hasil
segmentasi; (c) grafik segmentasi histogram
F-4
Seminar Nasional Aplikasi Teknologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022
Yogyakarta, 16 Juni 2007
Pada Gambar 10 Terlihat bahwa besi cor strukturmikro baja karbon tinggi memiliki ciri
kelabu mempunyai nilai rasio sebaran panjang paling sebaran nilai parameter korelasi yang paling pendek.
besar, karena nilai-nilai parameter korelasinya Hal ini dikarena citra strukturmikro baja karbon
tampak lebih merapat pada sebaran panjang dan tinggi memiliki perbedaan pola atau bentuk fase
menggemuk pada sebaran pendeknya. Citra strukturmikro logam yang hampir seragam, yaitu
strukturmikro besi cor nodular memiliki ciri khas antara fase pearlite dan ferrite memiliki butir-butir
(features) sebaran nilai parameter korelasi yang fase yang halus dan lebih padat dan lebih rapat.
paling panjang. Hal ini dikarena citra strukturmikro Nilai harapan (eigen values) dapat digunakan
besi cor nodular memiliki perbedaan pola atau untuk mewakili ciri khas (features) pola fase
bentuk fase strukturmikro logam yang paling strukturmikro logam, yaitu dengan cara
menonjol, yaitu adanya fase graphite yang pola membandingkan nilai sebaran parameter korelasi
fasenya bulat berwarna hitam, dimana disekeliling pada sumbu panjang terhadap sumbu pendek yang
luarnya adalah fase ferrite yang dicirikan dengan terdapat pada grafik sebaran nilai parameter korelasi
warna putih, sedangkan fase pearlite dicirikan antar lima jenis logam ferro.
dengan pola garis-garis lembut (lamel) warna hitam Pengelompokkan berdasarkan komponen fase
keabuan. Hal ini menimbulkan perbedaan warna strukturmikro logam dan jenis logam bisa digunakan
yang sangat signifikan, sehingga juga akan pernyataan kualitatif, yaitu dengan cara segmentasi
mempengaruhi perbedaan nilai parameter dengan jarak relatifnya. Seperti ditunjukkan pada Gambar
citra strukturmikro logam yang lain. Sedangkan citra 11.
1,4E-02
Nilai Parameter Korelasi (a2/a0
1,2E-02
1,0E-02
Bcklb
Bcndl
8,0E-03
Bjcrdh
Bjcsdg
6,0E-03
Bjctgi
Linear (Bcklb)
4,0E-03
Linear (Bcndl)
2,0E-03
Linear (Bjcrdh)
Linear (Bjcsdg)
0,0E+00 Linear (Bjctgi)
-1,6E-01 -1,4E-01 -1,2E-01 -1,0E-01 -8,0E-02 -6,0E-02 -4,0E-02 -2,0E-02 0,0E+00
-2,0E-03
-4,0E-03
-6,0E-03
Gambar 10. Sebaran nilai parameter korelasi lima jenis logam ferro
F-5
Seminar Nasional Aplikasi Teknologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022
Yogyakarta, 16 Juni 2007
1,E-01
4. KESIMPULAN
a. Citra strukturmikro logam dengan proses pra- PUSTAKA
pengolahan memberikan hasil kualitas citra yang [1] Duda, Richard O., and Peter E. Hart, 1973,
lebih baik daripada citra strukturmikro logam “Pattern Classification and Scene Analysis”,
tanpa pra-pengolahan. John Willey & Sons Inc, New York, USA.
b. Segmentasi tekstur pola fase citra strukturmikro [2] Gonzalez, Rafael C., 1987, “Digital Image
logam menggunakan metode pendeteksian tepi Processing”, Massachusetts, Addison-Wesley,
dan segmentasi histogram akan memperjelas USA.
atau mempertegas batas-batas butir fase citra [3] Jain, Anil K., 1989, “Fundamental of Digital
strukturmikro logam, sehingga akan lebih Image Processing”, Prentice Hall International
memudahkan dalam menganalisis sifat-sifat fisis Inc, New York, USA.
logam. [4] Lins, Hugo, Sandim, and Rosinel, 2003,
c. Nilai harapan (eigen values) dapat digunakan “Determination of Grain Size Distribution in
untuk mewakili ciri khas (features) pola fase Niobium Using an Image Analysis Routine”,
strukturmikro dan jenis logam. Sebaran nilai IEEE Transaction, Volume 12, Number 1.
parameter korelasi berdasarkan sebaran panjang [5] Mehl, Robert F., 1972, “Metals Handbook
dan sebaran pendek (a1/a0 dan a2/a0) citra Atlas of Microstructures of Industrial Alloys”,
strukturmikro besi cor kelabu mempunyai ciri vol. 7, 8th Edition, American Society for
khusus, yaitu sebesar 23,52; besi cor nodular Metals, Metals Park, Ohio, USA.
13,18; baja karbon rendah 6,97; baja karbon [6] Munir, Rinaldi, 2004, “Pengolahan Citra
sedang 5,54; dan baja karbon tinggi 13,72. Digital dengan Pendekatan Algoritmik”,
d. Sistem ini juga bisa digunakan untuk Informatika Bandung.
menentukan besarnya prosentase luas sebaran [7] http://ciks.cbt.nist.gov/~bentz/cemhyd3d/node8.
masing-masing fase citra strukturmikro logam html
dengan menggunakan teknik pengambangan. [8] http://www.matworld.com
F-6