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