PENGENALAN ANGKA PADA PLAT NOMOR DENGAN METODE
TEMPLATE MATCHING
Rendra Pranadipa1, Vika Novitasari2, Maya Kurniawati3, Nurlia Puspitasari4, Yana Bonita5 Informatika, Universitas Brawijaya, Malang
E-mail: [email protected], [email protected], [email protected], 4
[email protected], [email protected] Abstrak
Pendeteksi dan pengenalan plat nomor kendaraan bermotor secara otomatis dapat membantu meringankan pekerjaan manusia. Saat ini sistem perparkiran dengan menggunakan plat nomor masih menggunakan cara manual, yaitu dengan mencatat atau menginputkan nomor kendaraan pada kertas parkir atau komputer. Akan lebih mudah jika pengenalan plat nomor kendaraan dilakukan secara otomatis menggunakan suatu aplikasi komputer. Aplikasi yang dibuat masih berupa aplikasi awal yang hanya dapat mengenali angka pada plat nomor. Pengenalan angka plat nomor pada aplikasi ini menggunakan metode template matching. Suatu citra masukan yang mengandung template tertentu dibandingkan dengan template pada database. Template ditempatkan pada pusat bagian citra yang dibandingkan dan dihitung berapa banyak titik yang paling sesuai dengan template. Langkah ini diulangi terhadap keseluruhan citra masukan yang akan dibandingkan. Nilai kesesuaian titik yang terbesar antara citra masukan dan template menandakan bahwa template tersebut merupakan citra template yang paling sesuai dengan citra masukan. Aplikasi ini telah diuji dengan 34 data uji dan menghasilkan tingkat akurasi 100% untuk 34 data yang telah diujikan tersebut.
Kata kunci: pengenalan pola, plat nomor kendaraan, template matching.
Abstract
Detection and recognition of vehicle number plates automatically can help alleviate human tasks. Currently parking system using number plate still using the manual method, by recording, writing, or typing the number of vehicles parked on paper or computer. It would be easier if the vehicle number plate recognition is done automatically using a computer application. The application is still a preliminary application that can only recognize the numbers on the license plates. This license plate number recognition use the template matching. An input image containing a particular template compared with the template in the database. Template placed on the central part of the image are compared and calculated how many points that best fit with the template. This step is repeated for the entire input image for comparison. Suitability of the greatest point value between the input image and the template indicates that the template is a template that best fits to the image of the input image.The application has been tested with 34 data test and the result is 100% accurate for all of these data test. Keywords: pattern recognition, vehicle license plate, template matching
PENDAHULUAN
Plat nomor kendaraan merupakan salah satu tanda pengenal untuk kendaraan bermotor, setiap pemilik kendaraan harus mendaftarkan kendaraanya tersebut ke pihak yang berwajib untuk diberikan tanda pengenal atau plat nomor tadi. Pada zaman modern ini, pendeteksi dan pengenalan plat nomor kendaraan bermotor secara otomatis telah menjadi suatu aplikasi yang sangat penting untuk membantu pekerjaan manusia.
Saat ini sistem perparkiran dengan menggunakan plat nomor masih menggunakan cara manual, yaitu dengan mencatat atau menginputkan nomor kendaraan pada kertas parkir atau komputer. Metode ini dinilai kurang efisien dan membutuhkan waktu yang cukup lama apabila terdapat antrian panjang atau banyak kendaraan yang harus dicatat plat nomornya ketika akan parkir.
Melihat permasalahan tersebut, muncullah ide untuk membuat sebuah aplikasi yang berfungsi untuk pengenalan angka di plat nomor kendaraan. Diharapkan dengan adanya aplikasi ini akan memudahkan dalam menerapkan sistem parkir yang lebih modern.
Untuk membuat program ini, kami menggunakan salah satu pola yang dapat mengenali angka dari gambar pada plat nomor dengan metode template matching.
Menurut Ursa [1], template matching
merupakan salah satu ide yang digunakan untuk menjelaskan bagaimana otak kita mengenali kembali bentuk-bentuk atau
pola-pola. Template dalam konteks rekognisi pola menunjuk pada konstruk internal yang jika cocok (match) dengan stimulus penginderaan mengantar pada rekognisi suatu objek. Atau pengenalan pola terjadi jika terjadi kesesuaian antara stimulus indera dengan bentuk mental internal.
Sedangkan menurut Yuen dan kawan-kawan [2], metode template matching telah menjadi konvensional untuk mendeteksi obyek. Obyek disini mencakup berbagai macam bentuk seperti bentuk wajah atau pengenalan gambar. Dan menurut Jurie [3], metode ini adalah salah satu metode yang paling popular untuk mendapatkan informasi dari media gambar. Dalam metode ini dikenal pencarian fitur tertentu atau target dari waktu ke waktu yang didasarkan pada perbandingan isi setiap gambar dengan sample template. Template
matching adalah sebuah teknik dalam pengolahan citra digital untuk menemukan bagian-bagian kecil dari gambar yang cocok dengan template gambar.
Roberto Brunelli [4], menerangkan bahwa
template matching adalah suatu teknik untuk
mengukur kesamaan dari dua gambar digital, untuk menentukan apakah mereka adalah sama atau tidak.
Dari acuan yang ada di atas, maka kami menggunakan metode template matching untuk menyelesaikan program ini. Ada beberapa tahapan dalam program ini untuk mendapatkan hasilnya, pertama kita memasukan sample gambar yang telah ada, lalu me-resize, menjadikannya menjadi gambar biner dengan
metode threshold, lalu menggunakan template
matching tadi untuk mendapatkan hasil dari
gambar yang telah diinputkan.
METODOLOGI
Program ini dibuat untuk memudahkan proses pengenalan angka pada plat nomor kendaraan sehingga proses pencatatan plat kendaraan pada area parkir lebih cepat, mudah, dan efisien. Diawali dengan pre-processing citra dan dilanjutkan dengan template maching. Pre-processing Citra
Pre-processing citra dilakukan untuk melakukan pendektesian. Tahapan yang dilakukan ialah resizing citra dan thresholding.
Mengubah Ukuran Citra
Mengubah ukuran citra (resizing image) artinya adalah mengubah besarnya ukuran citra digital dalam pixel. Ada kalanya ukurannya berubah menjadi lebih kecil dari file aslinya dan ada kalanya sebaliknya [5]. Pada aplikasi ini image di-resize menjadi 10 x 12 pixel.
Thresholding
Thresholding adalah proses untuk memisahkan foreground dengan background dari suatu image [6]. Proses thresholding dilakukan
denga cara melihat perbedaan intensitas warna dari suatu image. Input untuk proses
thresholding ialah grayscale image atau color image. Output dari proses ini ialah binary image, yang mana pixelnya hanya memiliki
dua nilai intensitas. Nilai intensitas yang
sering digunakan yaitu 0 untuk pixel hitam, 1 atau 255 untuk pixel putih.
Proses thresholding menggunakan sebuah parameter yang disebut dengan intensity
threshold. Setiap pixel dari image dibandingkan dengan intensity threshold. Apabila intensitas pixel lebih tinggi dari
intensity threshold maka pixel di-set menjadi
putih, sebaiknya apabila intensitas pixel lebih rendah maka pixel diset menjadi hitam.
Pada aplikasi ini nilai intensity threshold yang dipakai adalah 128. Jika intensitas pixel gambar lebih rendah dari intensitas threshold maka pixel itu akan di-set menjadi hitam begitu sebaliknya. Intensitas pixel gambar < 128 (Intensitas threshold) = 0 (hitam). Intensitas pixel gambar > 128 (Intensitas threshold) = 1 (putih)
Template Matching
Pada dasarnya template matching adalah proses yang sederhana. Suatu citra masukan yang mengandung template tertentu dibandingkan dengan template pada basis data.
Template ditempatkan pada pusat bagian citra
yang akan dibandingkan dan dihitung seberapa banyak titik yang paling sesuai dengan template [7]. Langkah ini diulangi terhadap keseluruhan citra masukan yang akan dibandingkan. Nilai kesesuaian titik yang paling besar antara citra masukan dan citra template menandakan bahwa template tersebut merupakan citra template yang paling sesuai dengan citra masukan.
Gambar 1. Ilustrasi template matching Gambar 1 bagian kiri merupakan citra yang mengandung objek yang sama dengan objek pada template yang ada di sebelah kanan. Template diposisikan pada citra yang akan dibandingkan dan dihitung derajat kesesuaian pola pada citra masukan dengan pola pada citra
template.
Tingkat kesesuaian antara citra masukan dan citra template bisa dihitung berdasarkan nilai
error terkecil. Template dengan nilai error
paling kecil adalah template yang paling sesuai dengan citra masukan yang akan dibandingkan. Ukuran objek yang beragam bisa diatasi dengan menggunakan template berbagai ukuran. Namun hal ini membutuhkan tambahan ruang penyimpanan. Penambahan
template dengan berbagai ukuran akan
membutuhkan komputasi yang besar. Jika suatu template berukuran persegi dengan ukuran m x m dan sesuai dengan citra yang berukuran N x N, dan dimisalkan pixel m2 sesuai dengan semua titik citra, maka komputasi yang harus dilakukan adalah O(N2m2). Komputasi tersebut harus dilakukan dengan template yang tidak beragam. Jika parameter template bertambah, seperti ukuran
template yang beragam, maka komputasi yang
dilakukan juga akan bertambah. Hal ini yang menyebabkan metode template matching menjadi lamban.
Pengenalan pola dengan menggunakan metode
template matching dilakukan dengan cara
membandingkan citra masukan dengan citra
template. Citra masukan dihitung berdasarkan
banyaknya titik yang sesuai dengan citra
template. Pixel citra biner ditelusuri mulai dari
kiri atas hingga ke kanan bawah. Citra biner dengan pixel berwarna hitam akan direpresentasikan dengan nilai 1. Sedangkan pixel citra yang berwarna putih akan direpresentasikan dengan nilai 0.
Gambar 2 berikut adalah gambar yang mengilustrasikan angka 1 dan 0 yang mewakili nilai pixel citra.
0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 1 1 1 1 0 1 1 1 0 0 0 0 1 1 1 1 1 1 0 0 0 0 1 1 1 1 1 1 0 0 0 0 1 1 1 1 1 1 0 0 0 0 1 1 1 0 1 1 1 1 1 1 1 1 1 0 0 0 1 1 1 1 1 1 1 0 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 1 1 1 0 1 1 1 1 1 1 1 1 0 0 0 1 1 1 1 1 1 0 0
Gambar 2. Ilustrasi biner setiap pixel pada image
angka 9
Deretan angka biner pada citra masukan akan dihitung dengan deretan angka biner pada citra
template. Template dengan nilai eror terkecil
merupakan template citra yang paling sesuai dengan citra masukan.
HASIL DAN PEMBAHASAN
Eksperimen dilakukan untuk menguji aplikasi pendeteksi angka yang ada pada plat nomor. Citra yang diuji berjumlah 34 buah, berupa potongan angka yang ada pada plat nomor. Pra-pemrosesan dilakukan agar citra yang diuji memiliki ukuran yang sama dengan template yang ada pada aplikasi yaitu 10 x 12 pixel. Serta agar terbentuk cira dengan warna hitam dan putih (biner) dengan men-threshold citra.
(a) (b)
Gambar 3 (a) image angka 9 sebelum di-threshold,
(b) image angka 9 setelah di-threshold
Gambar 3(a) menunjukkan citra yang diuji yang telah melalui proses resize sedangkan gambar 3(b) merupakan citra yang diuji setelah melalui proses thresholding. Gambar 3(b) tersebut yang akan melalui pemrosesan dengan membandingkan nilai pixel yang sama dengan
template yang ada.
Pemrosesan citra dilakukan dengan membandingkan nilai pixel pada hasil pra-pemrosesan dengan template yang merupakan hasil dari gabungan beberapa sample angka pada plat nomor. Proses tersebut dilakukan pada 10 template yang ada aplikasi, template tersebut terdiri dari template angka 0 hingga 9. Hasil dari perbandingan pada setiap template dicari yang terbesar nilai kemiripannya
sehingga ditemukan klasifikasi dari angka yang diinputkan.
Gambar 4. Grafik hasil pemrosesan untuk image
angka 9
Grafik pada Gambar 4 menunjukkan bahwa citra yang diuji memiliki kemiripan paling besar ke angka 9. Oleh karena itu citra yang diuji tersebut termasuk dalam angka 9.
Gambar 5. Program pengenalan angka di plat
nomor
Program tersebut telah mengaplikasikan metode-metode yang telah diuraikan di atas. Terlihat pada Gambar 5 bahwa benar image angka 9 yang diuji terbaca sebagai angka 9. Data yang ditest dalam percobaan menggunakan program di atas adalah 34 data. Semua data yang diuji tersebut dapat dikelompokkan ke angka yang benar, sehingga tingkat akurasi pengenalan angka menggunakan program ini adalah 100%. Namun tingkat akurasi program ini tentu harus
diuji lebih jauh lagi dengan menggunakan data test yang jauh lebih banyak lagi.
KESIMPULAN
Hasil penelitian dengan metode template
maching ini dapat digunakan untuk mendeteksi
angka pada plat nomor kendaraan dengan membandingkan jumlah pixel-pixel yang sama antara template database dengan template inputan meskipun diperlukan template
database yang cukup banyak. Hasil pengujian aplikasi pengenalan angka pada plat nomor dengan menggunakan 34 data uji menunjukkan bahwa aplikasi yang dibuat dapat menghasilkan tingkat akurasi yang tinggi.
DAFTAR PUSTAKA
[1] Majorsy U, Pattern Recognition (Rekognisi Pola), 2008.
[2] Yuen, C.T., M. Rizon, W.S. San and T.C. Seong, Facial Features for Template Matching Based Face Recognition, 2009, URL:http://thescipub.com/html/10.3844/a jassp.2009.1897.1901, diakses 21 Desember 2012.
[3] Jurie, Dhome, Real Time Template Matching, 2001, URL: http://citeseerx.ist. psu.edu/viewdoc/summary?doi=10.1.1.11. 1755, diakses 21 Desember 2012.
[4] Brunelli R, Template Matching Techniques in Computer Vision: Theory and Practice the code companion, April 2009, URL: http://tev.fbk.eu/TM/html/, diakses 21 Desember 2012.
[5] Studio Pemrograman IT Telkom, Dasar Pemrosesan Citra dengan Matlab, Okt
2012, URL: http://studiopemrograman. hmif-ittelkom.org/dasar-pemrosesan-citra-dengan-matlab/, diakses tanggal 20 Desember 2012.
[6] Digilib Petra, Teori Penunjang, URL: http://digilib.petra.ac.id/viewer.php?submi t.x=12&submit.y=15&submit=prev&page =2&qual=high&submitval=prev&fname= %2Fjiunkpe%2Fs1%2Finfo%2F2004%2F jiunkpe-ns-s1-2004-26400129-4453-template-chapter2.pdf, diakses tanggal 20 Desember 2012.
[7] Bahri R.S., I. Maliki, Perbandingan Algoritma Template Matching dan Feature Extraction Pada Optical Character Recognition, 2012.
PENULIS
Rendra Pranadipa adalah mahasiswa semester 5 program studi Informatika Universitas Brawijaya Malang, dia tertarik dengan keminatan di bidang rekayasa perangkat lunak.
Vika Novitasari adalah mahasiswi semester 5 program studi Informatika Universitas Brawijaya Malang, dia tertarik dengan keminatan di bidang rekayasa perangkat lunak.
Maya Kurniawati adalah mahasiswi semester 5 program studi Informatika Universitas Brawijaya Malang, dia tertarik dengan keminatan di bidang komputasi cerdas dan visual.
Nurlia Puspitasari adalah mahasiswi semester 5 program studi Informatika Universitas Brawijaya Malang, dia tertarik dengan keminatan di bidang jaringan komputer.
Yana Bonita adalah mahasiswi semester 5 program studi Informatika Universitas Brawijaya Malang, dia tertarik dengan keminatan di bidang jaringan komputer.
