Mata merupakan organ penting bagi manusia untuk melihat. Suatu penyakit bisa juga dideteksi melalui mata. Bagian pada mata yang dapat diidentifikasi adalah pembuluh darah. Pendeteksian awal dapat dilakukan dengan melihat pembuluh darah yang membesar, percabangan yang tidak normal pada pembuluh darah, dan sebagainya melalui proses segmentasi. Sehingga diperlukan suatu sistem yang cepat dan akurat dalam mensegmentasi pembuluh darah. Pada Tugas Akhir ini, segmentasi pembuluh darah menggunakan metode Morphology Operator. Segmentasi pembuluh darah ini terdapat dua tahap, yaitu preprocessing dan segmentasi. Langkah pertama adalah tahap preprocessing citra. Tahap preprocessing citra menggunakan beberapa langkah yaitu merubah citra RGB menjadi green channel, lalu memperbaiki citra dengan CLAHE, dan menegasikan citra dengan complement. Langkah kedua adalah tahap segmentasi citra yang terdiri dari morfologi tophat, kemudian melakukan penebalan dan pemutaran sudut menggunakan metode Morphology Operator, membinerkan citra dengan local thresholding, menghapus noise pada citra, dan menghilangkan tepi menggunakan field of view. Metode ini telah diujikan pada database DRIVE yang terdiri dari 20 citra fundus. Dengan database ini, didapatkan rata-rata akurasi sebesar 96,31%. Metode ini terbukti mampu mensegmentasi pembuluh darah pada citra fundus dengan baik.

The eye is an important organ for humans to see. A disease can also be detected by the eye. Part of the eye that can be identified are the blood vessels. Early detection can be done by looking at the veins are enlarged, abnormal branching blood vessels, and so on through the segmentation process. So we need a system that is fast and accurate in segmenting blood vessels. In this final project, a blood vessel segmentation methods Morphology Operator. Segmentation of blood vessels, there are two stages, namely preprocessing and segmentation. The first step is image preprocessing stage. Image preprocessing stage using the steps that change the RGB image into the green channel, and improve the image of the CLAHE, and negates the image with the complement. The second step is image segmentation stage consisting of morphological tophat, then do thickening and playback using methods Morphology Operator corner, binery with local thresholding the image, removing noise in the image, and removes the edges using the field of view. This method has been tested on a database consisting of 20 DRIVE fundus image. With this database, obtained an average accuracy of 96.31%. This method proved capable of segmenting blood vessels in the fundus image well.

Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal