BAB II: DASAR TEORI
3.2. Proses Pengenalan Potongan Huruf Jawa
Proses di mana potongan huruf jawa yang dicapture dikenali bentuknya adalah proses pengenalan potongan huruf jawa. Secara garis besar proses pengenalan terdiri dari empat tahap yaitu pengambilan citra, preprocessing, pengenalan, dan keluaran. Proses pengenalan dapat dilihat pada gambar 3.3.
Pengambilan citra potongan huruf jawa Penentuan keluaran Penghitungan fungsi jarak euclidean Ekstraksi ciri menggunakan wavelet Keluaran berupa teks dan suara
Database
potongan huruf
Preprocessing
Gambar 3.3 Blok diagram proses pengenalan potongan huruf jawa.
Citra masukan berupa potongan huruf jawa masuk ke tahapan pengambilan citra, kemudian tahap preprocessing adalah tahap di mana citra yang telah dikonversi ke dalam bentuk grayscale akan dicropping sebesar citra potongan huruf jawa, setelah citra dicropping selanjutnya citra diresizing sesuai dengan ukuran yang diinginkan. Citra yang telah diresizing menjadi masukan ke tahap selanjutnya adalah tahap pengenalan. Tahap pengenalan terdiri dari ekstraksi ciri, penghitungan fungsi jarak, dan database citra huruf. Terakhir dari tahap pengenalan huruf yaitu tahap penentuan keluaran. Hasil pengenalan huruf ditentukan berdasarkan jarak minimum yang diperoleh setelah proses penghitungan jarak.
3.2.1 Citra Potongan Huruf Jawa
Citra potongan huruf jawa diambil menggunakan webcam, gambar yang akan diambil (capture) oleh webcam akan disimpan dalam satu folder. Jarak pengambilan gambar oleh webcam dengan potongan huruf jawa adalah 21cm dengan sudut kemiringan 65º dan menghasilkan gambar yang fokus. Pada proses ini memakai cahaya sendiri yaitu dengan menggunakan cahaya dua lampu LED 5 watt yang dipasang pada lampu belajar agar tidak bergantung pada cahaya sekitar.
Pada proses pengambilan citra, sebelumnya webcam terlebih dulu diinisialisaasi ke dalam program dengan menggunakan fungsi imaqhwinfo. Fungsi imaqhwinfo bertujuan untuk mengetahui nama adaptor dalam webcam tersebut. Kemudian diinisialisasi sesuai nama adaptornya yaitu winvideo dan untuk mengambil citra menggunakan perintah getsnapsot. Berikut ini merupakan perintah program inisialisasi webcam dan pengambilan citra.
vidobj = videoinput('winvideo',1,'YUY2_640x480');
preview(vidobj); pause
frame = getsnapshot(vidobj); stop(vidobj) delete(vidobj) gambar=yuy2torgb(frame); imshow(gambar)
3.2.2 Tahap Preprocessing
Preprocessing merupakan proses di mana ada tiga tahap yaitu grayscale, cropping,
dan resizing. Secara garis besar dapat dilihat pada gambar 3.4.
Mulai Input: Citra potongan huruf Grayscale Cropping Resizing Output: Citra hasil Preprocessing Selesai
Gambar 3.4 Diagram alir pemrosesan citra
Tahap grayscale menggunakan perintah program rgb2gray yang berada di dalam
matlab. Fungsinya untuk mengubah citra potongan huruf jawa yang telah diambil menjadi berwarna keabuan. Citra hasil grayscale dapat dilihat pada gambar 3.5.
X: 496 Y: 208 Index: 0.3098 RGB: 0.294, 0.294, 0.294 X: 248 Y: 208 Index: 0.851 RGB: 0.851, 0.851, 0.851 X: 248 Y: 338 Index: 0.8196 RGB: 0.816, 0.816, 0.816 50 100 150 200 20 40 60 80 100 120 (a) (b)
Gambar 3.5 contoh konversi citra potongan huruf dengan RGB (a) menjadi grayscale (b)
>> a=imread('1.jpg');
>> x=double(rgb2gray(a)); >> gmbr=x/255;
>> imshow(gmbr)
Tahap cropping menggunakan perintah program imcrop (I,*x y Δx Δy+) yang telah
disediakan di dalam matlab. Hal tersebut dilakukan untuk memotong bagian citra atau potongan huruf jawa yang tidak digunakan dalam proses pengenalan. Nilai x dan y adalah koordinat pada sumbu x dan y kiri atas ditunjukkan pada Gambar 3.6 bagian a, Δx adalah selisih antara sumbu x kanan atas dengan sumbu x kiri atas ditunjukkan pada Gambar 3.6 bagian b, Δy adalah selisih antara sumbu y kiri bawah dengan sumbu y kiri atas ditunjukkan pada Gambar 3.6 bagian c. Citra hasil cropping dapat dilihat pada gambar 3.6 bagian d.
)
(a) (b) (c)
(d)
10 20 30 5 10 15 50 100 150 200 20 40 60 80 100 120 20 40 60 80 100120 20 40 60 >> a2=imcrop(gmbr,[248 208 248 130]); >> imshow(a2)
Tahap resizing menggunakan perintah program imresize. Ukuran resizing yang digunakan akan bervariasi dan ukuran dari ekstraksi ciri wavelet akan menyesuaikan dengan ukuran
resizing yang digunakan. Contoh nilai-nilai pikel yang bervariasi seperti 32x64, 16x32,
8x16. Citra hasil resizing dapat dilihat pada gambar 3.7.
(a) (b) (c)
Gambar 3.7 Contoh resizing pada citra potongan huruf. (a) Citra sebelum diresizing. (b) citra setelah diresizing 64x128. (c) citra gambar a setelah diresizing 16x32
>> a3=imresize(a2,[64 128]);
>> imshow(a3); axis on
3.2.3 Tahap Ekstraksi Ciri
Wavelet adalah ekstraksi ciri yang digunakan dalam tahap pengambilan ciri pada suatu citra. Wavelet yang digunakan yaitu wavelet Haar yang memiliki 4 macam filter, tetapi yang digunakan hanya low-pass filter dekomposisi karena hanya bentuk dasar dari citra yang akan dicari. Wavelet Haar dilakukan dengan menerapkan konvolusi dan low-pas
filter dekomposisi secara simultan untuk mendapatkan sinyal global. Secara keseluruhan
tahap ekstraksi ciri dapat dilihat pada gambar 3.8. Masukan dari proses ekstraksi ciri adalah citra hasil preprocessing yang kemudian akan dikonvolusi dilanjutkan dengan tahap downsampling. Output dari ekstraksi ciri tergantung dari jumlah desimasi (N) yang akan di tentukan oleh user. Tahap ini akan melakukan pengulangan sampai menghasilkan jumlah N=0.
Mulai
Desimasi = N
Output: Hasil ekstraksi ciri
Selesai Input: Citra Hasil Preprocessing Konvolusi menggunakan wavelet Haar Downsampling N = 0 Tidak Ya N = N - 1
Gambar 3.8 Diagram ekstraksi ciri
Tahap konvolusi merupakan tahap untuk melakukan filtering, menggunakan
decomposition low pass filter Wavelet Haar. Tahap konvolusi ini berada pada bidang
dimensi dua, maka konvolusi diterapkan dua kali yaitu pada kolom dan baris citra input. Dari masukan berupa citra hasil preprocessing yang kemudian akan dikonvolusi per baris dan per kolom (lihat gambar 3.9).
Mulai
Selesai Input:
Citra hasil preprocessing
Konvolusi (1D) dengan ekstensi per baris
Konvolusi (1D) dengan ekstensi per kolom
Output: Hasil Konvolusi 2D
Tahap downsampling adalah tahap setelah konvolusi, di mana hasil dari konvolusi merupakan masukan untuk downsampling. Untuk memproses masukan ada dua proses yaitu menghilangkan baris dan kolom ganjil dengan menjaga baris dan kolom genap seperti diperlihatkan pada gambar 3.10
Mulai
Selesai Input: Hasil konvolusi 2D
Menghilangkan baris ganjil
Menghilangkan kolom ganjil
Output:
Hasil Downsampling(hasil ekstraksi ciri)
Gambar 3.10 Diagram alir downsampling
3.2.4 Tahap Fungsi Jarak
Tahap fungsi jarak ini adalah tahap membandingkan citra masukan huruf yang dicapture dengan database huruf yang telah dimasukkan sebelumnya. Dalam sistem ini yang digunakan yaitu fungsi jarak Euclidean. Jarak euclidean adalah jarak untuk mencari selisih dari data yang dibandingkan. Hasil dari selisih perbandingan merupakan jarak yang paling pendek yang kemudian akan digunakan dalam proses selanjutnya yaitu penentuan keluaran. Proses fungsi jarak direpresentasikan pada diagram alir gambar 3.11.
Mulai Input:
Hasil Ekstraksi ciri masukan, Ekstraksi ciri database
Penghitungan jarak: Ekstraksi ciri data masukan dengan ekstraksi ciri database
Output:
Hasil perhitungan jarak menghasilkan jarak minimum
Selesai
Gambar 3.11 Diagram alir fungsi jarak Euclidean
3.2.5 Penentuan Keluaran
Pada proses penentuan keluaran ini hasil pengenalan potongan huruf jawa ditentukan berdasarkan selisih perbandingan jarak yang paling pendek yang didapatkan setelah proses penghitungan jarak. Proses ini adalah bagian sistem terakhir dari proses pengenalan potongan huruf jawa jenis cetak, dapat dilihat pada gambar 3.12.
Mulai
Input: Hasil perhitungan jarak minimum (r)
Citra keluaran = jarak minimum (r)
Output: Hasil berupa teks dan suara
Selesai