Dengan peningkatan jumlah pemeriksaan kanser payudara di seluruh dunia, pembangunan system CAD yang tepat adalah diperlukan bagi mengesan tumor melalui mammogram. Kajian ini bertujuan untuk menghasilkan sebuah algoritma pemprosesan gambar yang mampu mengurangkan kadar kesilapan berbanding pengendali. Algoritma yang akan dihasilkan akan merangkumi langkah pra-pemprosesan, penambahbaikan dan segmentasi imej. Kajian ini juga bertujuan untuk menghasilkan algoritma yang menggunakan penukaran imej skala kelabu kepada imej berwarna RGB sebagai sejenis pendekatan bagi pemprosesan imej skala kelabu. Bagi pemprosesan imej ini, fasa pra-pemprosesan dijalankan dengan membuang artefak dan otot dada menggunakan segmentasi imej dan pemilihan melalui saiz keluasan kawasan dan ID kawasan masing-masing. Kemudian, fasa pemprosesan dimulakan dengan penambahbaikan imej menggunakan CLAHE bagi menambahbaik butiran dan kontras dalam imej yang digunakan. Kemudian, imej skala kelabu yang digunakan ditukar kepada gambar berwarna RGB. Imej tersebut kemudiannya disegmentasi berdasarkan warna dan diterjemahkan menjadi bulatan yang mempunyai centroid yang sama dengan kluster asal dan bilangan piksel yang sama dengan tumor yang dikesan untuk dibandingkan dengan data sebenar. Ketepatan algoritma yang dihasilkan dalam mengesan tumor adalah 94.38% tepat menunjukkan ia sebagai relevan untuk digunakan oleh pakar radiologi. Algoritma ini boleh dibangunkan dan digunapakai dalam masalah lain yang menggunakan gambar skala kelabu juga.
_______________________________________________________________________________________________________
Due to an increase in number of breast cancer screening worldwide, development of accurate CAD is needed for tumour detection in mammograms. This study aims to develop an image processing algorithm that can produce lesser errors than human operators. The algorithms to be developed will consist of pre-processing, enhancement and image segmentation. This study also aims to develop an algorithm that uses conversion of greyscale image into RGB as an approach to image processing for greyscale image. For the image processing, the pre-processing is done by removal of artefacts and pectorals muscle using image segmentation and selection by region area and region ID respectively. Then, the process begins with the image enhancement using CLAHE to improve the details and contrast in the image. After that, the greyscale image undergo conversion into RGB by changing the colourmap. The image is segmented based on colour then translated into a circle which centroid is same with the cluster and the number of pixel is same to the tumour detected for comparison with the ground truth data. The accuracy of the algorithm developed in detecting tumour is 94.38% showing that it is relevant for use by radiologists. The algorithm may be developed for application in other field that uses greyscale image as well.