Review Jurnal Pengolahan Citra
Digital
Judul : Deteksi Plat Nomor Kendaraan
Bermotor Berdasarkan Area pada
Image Segementation
Penulis :
Nur Wakhidah UNIVERSITAS SEMARANG
Reviewer :
Lukman Hakim
NIM : 153040038
Abstract
Parking system has begun to
use the camera to capture images of licence plates of motor vehicles. However,
shooting is only a database of images only. Human factors can lead to errors of
recording the number of motor vehicles and course this will affect the duration
of the service of the existing parking system. Pattern recognition can be used
to implement automatic number plate
identification is very useful for everday life, such as parking management,
traffic moitoring, ticketing arrangements, and payment of the toll road.
Keywords : detection, plate, image, segmentation
1.
PENDAHULUAN
Di Indonesia pencatatan plat nomor kendaraan dijumpai
salah satunya di tempat parkir. Dimana sistem parkir menggunakan kamera untuk
menangkap gambar dari plat nomor polisi kendaraan bermotor. Namun pengambilan
gambar tersebut hanya sebatas database berupa
image saja. Faktor manusia juga bisa
menyebabkan kesalahan pencatatan nomor kendaraan bermotor dan tentu saja hal
ini akan mempengaruhi lamanya proses pelayanan dari sistem perparkiran yang
ada. Pengenalan pola dapat dimanfaatkan untuk menerapkan
identifikasi plat nomor secara otomatis yang sangat berguna bagi kehidupan
sehari-hari, misalnya manajemen tempat parkir, monitoring lalu lintas, pengaturan
tiket, dan pembayaran jalan tol.
2.
PERMASALAHAN
Bagaimana mendeteksiplat nomor mobil berdasarkan region
pada image segmentasi dari data gambar (citra) yang diambil dari kamera,
seperti yang tampak pada gambar dibawah ini ?
3.
LANDASAN TEORI
3.1. Citra
(Image)
Cita dikelompokan menjadi citra tampak dan citra tak
nampak. Contoh citra nampak adalah foto keluarga, lukisan, apa yang tampak di
layar monitor. Sedangkan citra tak tampak misalnya gambar dalam file (citra
digital), citra yang representasikan dengan fungsi matematis. Agar citra tak
tampak dapat dilihat manusia maka harus diubah dulu menjadi citra tampak dengan
menampilkannya dimonitor atau dicetak diatas kertas.
3.2. Citra
Digital (Digital Image)
Merupakan citra digital
berbentuk persegi panjang, dengan dimensi ukuranya dinyatakan sebagai lebar x
tinggi (width x height). Selain itu Citra digitaljuga memiliki koordinat spasi,
dengan tingkat kecerahan atau intensitas cahaya yang memiliki numeric yang
diskrit dipresentasikan dalam bentuk fungsi matematis yang menyatakan f(x,y)
yang menyatakan cahaya pada titik (x,y). Citra digital disimpan didalam berkas (file)
dengan format tertentu. Format citra yang baku di lingkungan system operasi Microsoft Windows adalah berkas bitmap (bmp). Format bmp
mempunyai kelebihan dari segi kualitas gambar apabila citra ditampilkan pada layar monitor,
karena citra dalam format BMP umumnya tidak dimampatkan, sehingga tidak ada
informasi yang hilang, walaupun akibatnya ukuran berkasnya relative besar.
4.
PEMBAHASAN
Untuk menyelesaikan permasalahan tersebut, maka
dilakukan beberapa tahap yaitu
4.1.
Tahap Preprossesing
Tahap
preprossesing adalah proses awal yang
dilakukan untuk memudahkan mengenal objek yang dikenali/ diklasifikasikan.. Sehingga dalam tahap ini adalah
mengkondisikan gambar
plat agar dapat ditemukan posisi plat nomor dan memisahkan dari latar belakangnya.
Langkah-langkah yang dilakukan adalah:
4.1.1
Resize Image
Sebuah
proses yang dilakukan untuk mengubah sebuah citra digital. Image diresize menjadi 0,6 dari ukuran
semula bertujuan untuk mempercepat proses. Proses resize dilakukan dengan menggunakan
interpolasi. Dimana
interpolasi adalah proses yang digunakan untuk mengestimasi nilai intensitas diantara dua pixel. Sehingga
proses ini menghasilkan
lokasi píxel yang baru. Metode interpolasi
yang disediakan oleh matlab 7.4.0 (R2007a) adalah Nearestneighbor interpolation, Bilinear interpolation, dan Bicubic interpolation.
4.1.2
Konversi Warna RGB ke
Greyscale
Untuk
mengubah warna RGB menjadi grayscale dengan mempertahankan Luminance (Y) dan menghapus Hue (I) dan Saturation
(S) harus diawali dengan mengetahui nilai warna merah, hijau dan biru. Pengubahannya
adalah dengan menjumlahkan nilai 30% dari warna merah, 59% nilai
hijau, dan 11% dari nilai warna biru. Level yang digunakan dapat menggunakan 0.0 sampai 1.0,
0 sampai 255, atau 0% sampai 100%. Coding yang dituliskan pada Matlab adalah :
4.1.3
Deteksi Tepi
Tepi (edge) adalah perubahan nilai intensitas derajat
keabuan yang cepat/tiba-tiba (besar) dalam jarak yang singkat. Dimana tujuan deteksi
tepi adalah untuk meningkatkan penampakan garis batas suatu daerah atau obyek di
dalam citra sehingga dapat menentukan batas antara dua daerah dengan greylevel
yang berbeda. Operator
yang dapat digunakan dalam pendeteksian tepi adalah :
4.1.4
Menghilangkan noise
Dengan
menghilangkan luasan yang mempunyai luasan kurang dari 10 pixel, sehingga
luasan yang tidak digunakan akan dibersihkan.
4.2.
Tahap Segmentasi
Plat
Dalam tahap
ini merupakan tahap pemecahan image kedalam obyek-obyek yang terkandung didalamnya
yang dapat menjadi sarana untuk automated image analysis, misal untuk pengenalan obyek-obyek dalam image.Segmentasi dapat dilakukan
berdasar pada kemiripan (similarity), dimana image dibagi berdasar
kemiripan gray level.
Mencari luas area yang telah
diindex
Masing-masing kandidat
dicari luasannya, kandidat yang terpilih dicari koordinatnya, dan informasi koordinat digunakan untuk mencrop image yang hanya terdapat informasi plat nomor.
Tahapan segmentasi plat adalah sebagai berikut:
· Mengindex semua objek yang terdapat pada image
· Mencari luas masing-masing objek
· Mencari objek yang mempunyai luas sebagai plat nomor
Tujuan dari proses ini
adalah untuk mengekstrak plat nomor dari gambar yang diambil.
Output dari proses ini adalah gambar plat nomor yang tepat pada plat nomornya.
5.
KESIMPULAN
Dari uraian diatas dapat ditarik beberapa kesimpulan,
yaitu:
·
Tahap preprossesing
merupakan tahap yang dapat
memudahkan untuk mengenali objek yang akan dikenali/ diklasifikasikan.
·
Resize Image mampu
mempercepat proses dengan teknik interpolasinya.
·
Deteksi Tepi dengan operator
sobel memberikan
hasil yang lebih baik daripada operator lainnya.
·
Luas area maksimum mampu
mengidentifikasi plat nomor mobil setelah penyambungan piksel, menghilangkan noise,
menghilangkan hole dan pengindeksan setiap objek.
