Multi-functional semiconductor lighting

Features of the development of the multifunctional semiconductor illuminators are discussed. The design and characteristics of the experimental model of the “Photobox 3138” illuminator are described. The lighting variation does not exceed 2 % at the edges of the working field of 300*300 mm. The design includes a white LED illuminator with a color temperature of 5000 K (CIE D50) and a high color rendering index (CRI 97+) and a set of six independently switched monochrome led illuminators in the spectral range from 365 to 880 nm. Digital images of objects obtained in “Photobox 3138” are of use to colorimetric, spectrozonal, and multispectral analysis.

Penggabungan Fitur Tekstur yang Invariant terhadap Iluminasi dan Fitur Bentuk untuk Deteksi Acute Lymphoblastic Leukemia

Detection with microscopic blood image can help early detection of Accute Lymphoblastic Leukemia (ALL). Therefore, image acquisition process under lighting variation cause varying illumination image, so it’s needed to find texture feature extraction method that is invariant towards illumination. Shape feature also needed in this study because can represent characteristics of microscopic blood image.This study proposes combination of texture feature that is illumination invariant and shape feature for ALL detection. Texture feature will be extracted using Complete Robust Local Binary Pattern (CRLBP) method and will be tested on microscopic blood image dataset named ALL_IDB1. Testing will be conducted by using various combination of different texture feature and shape feature. Combination of shape feature and CRLBP is perform better than others. In indvidual cell test, highest result using SVM Linear with accuracy 90.89%, sensitivity 94.24% and specificity 64.82%. Classification using ALL image reach accuracy 88.00 %, sensitivity 82.35% and specificity 100%.Keywords: Acute Lymphoblastic Leukemia detection, Complete Robust Local Bianry Pattern, Local Binary Pattern, shape feature, texture feature. Abstrak. Deteksi dengan citra mikroskopik sel darah dapat membantu untuk deteksi dini Accute Lymphoblastic Leukemia (ALL). Namun, proses akuisisi citra mikroskopik dengan variasi pencahayaan yang berbeda menyebabkan iluminasi citra menjadi beragam sehingga dibutuhkan metode yang dapat mengekstraksi fitur tekstur yang invariant terhadap iluminasi. Fitur bentuk juga dibutuhkan dalam penelitian ini karena dapat merepresentasikan perbedaan pada citra mikroskopik sel darah. Penelitian ini mengusulkan penggabungan fitur tekstur yang invariant terhadap iluminasi dan fitur bentuk untuk deteksi dini ALL. Fitur tekstur akan diekstraksi dengan menggunakan metode Complete Robust Local Binary Pattern (CRLBP) dan diuji coba pada dataset ALL_IDB1. Uji coba dilakukan dengan variasi penggabungan fitur bentuk dan fitur tekstur. Penggabungan fitur bentuk dan CRLBP merupakan kombinasi fitur dengan performansi paling baik. Pada pengujian sel tunggal memberikan hasil tertinggi pada klasifikasi SVM Linear dengan akurasi 90,89%, sensitifitas 94,24% dan sepesifisitas 64,82%. Pada klasifikasi citra ALL akurasi mencapai 88,00%, dengan sensitifitas 82,35% dan spesifisitas 100%.Kata Kunci: Complete Robust Local Binary Pattern, deteksi Acute Lymphoblastic Leukemia, Local Binary Pattern, fitur bentuk, fitur tekstur

Segmentasi Variasi Pencahayaan Citra Tomat Menggunakan Marker Controlled Watershed dan Arimoto Entropy untuk Perbaikan Citra

Tomatoes image acquisition in outdoors condition results in an image that cannot be processed because of lighting variation on the glossy surface. Lighting variation is one of the problems in image processing because the resulting color values on tomatoes is lost from the affected area due to lighting variation. This research is meant to improve the image of tomatoes with lighting variations in the preprocessing stage. Segmentation methods proposed to detect and eliminate lighting variation is marker-controlled watershed with Arimoto entropy. After eliminating the detected area with lighting, tomatoes image are improved in three ways, namely by applying RGB average, searching the value of pixels with pixels index, and using a moving window with various kernel sizes. The error segmentation of the proposed method is by 36.67%, which better than the previous method. The best results tomato image enhancement is by using a moving window with a kernel size 15x15.Keywords: arimoto entropy, image enhancement, marker controlled watershed, preprocessing, segmentation. Â Abstrak. Pengambilan citra tomat di luar ruangan mengakibatkan citra tidak dapat langsung diproses karena memiliki variasi pencahayaan pada permukaannya yang glossy. Variasi pencahayaan merupakan salah satu masalah dalam pemrosesan citra tomat karena mengakibatkan hilangnya nilai warna yang dimiliki area yang terkena variasi pencahayaan. Tujuan penelitian ini adalah untuk memperbaiki citra tomat yang terdeteksi memiliki variasi pencahayaan pada tahap preprocessing. Metode segmetasi yang diusulkan pada penelitian ini untuk mendeteksi dan menghilangkan area variasi pencahayaan adalah marker controlled watershed dengan arimoto entropy. Setelah menghilangkan area yang terdeteksi memiliki pencahayaan, citra tomat diperbaiki dengan tiga cara, yaitu dengan rata-rata RGB tomat, pencarian nilai piksel dengan indeks piksel, dan menggunakan moving window dengan berbagai ukuran kernel. Eror segmentasi dari metode yang diusulkan sebesar 36,67%, yaitu lebih baik dari pada metode sebelumnya. Hasil perbaikan citra secara visual menunjukkan hasil yang paling baik dengan menerapkan perbaikan citra menggunakan moving window dengan ukuran kernel 15x15.Kata Kunci: arimoto entropy, marker controlled watershed, perbaikan citra, preprosesing, segmentasi.