Identifikasi dan Pengenalan Citra Pelat Nomor Kendaraan dengan Metode Histogram Matching dan Template Matching. Pendahuluan

Identifikasi dan Pengenalan Citra Pelat Nomor Kendaraan  dengan Metode ​Histogram Matching ​  dan ​Template Matching    Yuandri Trisaputra G64120004  R. Achmad Satriadi W. G64120055  Muhammad Zulfikar G64120062  Aiman Fakhri G64120090  Ammar Imron Muhammad G64120099    Departemen Ilmu Komputer  Fakultas Matematika dan Ilmu Pengetahuan Alam  Institut Pertanian Bogor 

  Pendahuluan  Latar Belakang  Saat  ini  sistem  parkir  yang  biasa   diterapkan  di  sebagian  besar  wilayah  Indonesia  adalah  sistem  parkir  manual  yang  pencatatan  nomor  polisi  kendaraan  bermotor  dilakukan  dengan  cara  memasukkan  nomor  polisi  kendaraan  bermotor  ke  dalam  komputer   yang  kemudian  diproses  untuk  dicetak  dan  dihitung  waktu  parkirnya.  Beberapa  dari  sistem  parkir  yang  ada  sudah  mulai  menggunakan   kamera  untuk  menangkap  gambar  dari  pelat  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  memengaruhi lamanya proses pelayanan dari  sistem parkir yang ada.   Pengenalan  pola  merupakan  pengelompokan  data  numerik  dan  simbolik  (termasuk  citra)  secara  otomatis  oleh komputer agar suatu objek  dalam citra dapat  dikenali  dan  diinterpretasi,  yang juga merupakan tahapan selanjutnya atau analisis  dari  pengolahan  citra.  Pengenalan  pola  dapat  dimanfaatkan  untuk   menerapkan  identifikasi  pelat  nomor  secara  otomatis  yang  sangat  berguna  bagi  kehidupan  sehari­hari,  misalnya  manajemen ​  tempat parkir, ​monitoring lalu lintas, pengaturan   tiket,  dan  pembayaran  jalan  tol.  Oleh  karena  itu,  proyek  ini  akan  menerapkan  pemrosesan  citra  untuk  mengidentifikasi  dan  mengenali  pelat  nomor  secara   otomatis.    Rumusan Masalah  Rumusan  masalah  dalam  proyek  ini  adalah  bagaimana  mengidentifikasi  dan mengenali karakter yang ada pada pelat nomor.   

Tujuan  Tujuan  dalam  proyek  ini  adalah  menerapkan  pemrosesan  citra  yang  dapat  mengenali dan mengidentifikasi pelat nomor kendaraan di Indonesia.    Ruang Lingkup  Ruang lingkup dalam proyek ini, yaitu:  1. Citra  pelat  nomor  yang  digunakan  adalah  citra  pelat  nomor  yang  berwarna  hitam, kuning, putih dan merah.   

Tinjauan Pustaka  Chi­ Square  Chi­kuadrat  (χ²)  adalah  uji  statistik  yang   biasa  digunakan  untuk  membandingkan  data observasi dengan data yang diharapkan untuk menguji suatu  hipotesis.  chi  square  merupakan  salah  satu  jenis  uji  komparatif  non  parametris  yang  dilakukan  pada  dua   variabel,  di  mana  skala  data  kedua  variabel  adalah  nominal.  (Apabila  dari  2  variabel,  ada  1  variabel  dengan  skala  nominal  maka  dilakukan  uji  ​chi­square  dengan  merujuk  bahwa  harus  digunakan uji pada derajat  yang terendah).     Euclidean Distance  Euclidean  distance  adalah  panjang  dari  garis  lurus  yang  menghubungkan   posisi  dua  buah  objek.  Secara  umum  diketahui  bahwa  jarak  terpendek  antara  dua  titik adalah garis lurus antara kedua titik tersebut.   Model  matematis  Euclidean   distance  dapat  dirumuskan  dalam  persamaan  1 dan 2 sebagai berikut:  

  

 

​

w adalah indeks template karakter, nilai F train ke j,w merupakan matriks data citra yang  dihasilkan dari bagian ke j, dengan j ∈ 1…m dan m adalah banyaknya bagian. F uji  merupakan matriks dari citra input. Hasil pengukuran kemiripan yang didapat adalah  d=min(dv). (Yulida et al. 2013) 

  Template Matching  Template  matching  method  digunakan  untuk  mengikuti  objek  atau  pattern  yang  ingin  dicari sebagai data input citra. Template matching mengenali potongan  dengan  korelasi  tertinggi  sebagai  target  untuk  dibandingkan  (Bae  ​et  al  2008).  Nilai korelasi pada proyek ini menggunakan jarak ​euclidean.   

Histogram Matching  Histogram  matching    adalah  proses  di  mana  serangkaian  waktu,  gambar,  atau  data  yang  lebih  tinggi  skalar  dimensi  dimodifikasi  sehingga  histogram  yang  cocok  dengan  yang   lain   (referensi)  dataset.  Sebuah  aplikasi  umum  ini  adalah  untuk mencocokkan gambar dari dua citra. (​Paul Bourke​ 2011).   

Metode  Data  Data  yang  digunakan  pada  proyek  ini  adalah  data  citra  pelat  nomor mobil   sebanyak  26  citra  yang  dibagi  menjadi  4 kelas yaitu pelat hitam, merah, putih dan  kuning dengan pembagian masing­masing 15, 4, 3, dan 4.    Tahapan  Tahapan­tahapan  yang  dilakukan  pada  proyek  ini  dapat  dilihat  pada  gambar 1.  

  Gambar 1 Tahapan proyek    Akuisisi Citra  Pada  tahap  awal  dilakukan  akuisisi  citra  untuk  mendapatkan  citra  digital.  Citra  digital  diambil  dari  internet.   Kemudian  dikelompokkan  dalam  beberapa   kategori berdasarkan warna pelat nomor yaitu hitam, merah, putih, dan kuning.   

Praposes Citra  Setelah  citra   dikumpulkan,  tahapan  selanjutnya  dilakukan  praproses.  Praproses  citra  yang  dilakukan  antara  lain,  segmentasi  citra  menjadi  citra  yang  hanya  mengandung  pelat  nomor  saja,  setelah  itu  dilakukan  penyamaan  ukuran  citra  pelat   nomor  menjadi  220  x  60  ​pixels.  Kemudian  citra  dibuat  menjadi  citra  biner  dan  diterapkan   teknik  morfologi  citra ​opening dan citra keabuan. Citra biner  digunakan  untuk  pengenalan  karakter  sedangkan  citra  keabuan  untuk  identifikasi  jenis pelat nomor.    Identifikasi Jenis  Pada  tahapan  ini  dilakukan identifikasi jenis kendaraan berdasarkan warna  menggunakan  ​histogram  matching.  Metode  dalam  tahapan  ini  dapat  dilihat  pada  gambar 2. 

  Gambar 2 Metode Identifikasi Jenis    Setiap  data  citra  keabuan  dicari  histogramnya.  Kemudian,  histogram  citra  pelat  nomor  dari input pengguna dilakukan ​histogram matching dengan histogram  data  citra  menggunakan  perbandingan  ​chi­square.  Hasil  perhitungan 

perbandingan  ​chi­square   untuk  setiap  data  citra  dicari  nilai  minimumnya.  Nilai  minimum  berarti  citra  tersebut mirip terhadap data citra yang ada dalam ​database.  Setelah  nilai  minimum  diperoleh,  input  citra  pelat  nomor  dapat  diidentifikasi  menjadi  jenis  yang  sesuai  dengan  kategori/jenis  yang  mirip  pada  data  citra  tersebut.      Pengenalan Nomor  Pada  tahapan  ini  dilakukan  pengenalan  nomor  kendaraan  berdasarkan  menggunakan  ​template  matching.  Metode  dalam  tahapan  ini  dapat  dilihat  pada  gambar 3. 

  Gambar 3 Metode Pengenalan Nomor    Template Matching  Hasil  praproses  input  citra  yang   dalam  bentuk  citra  biner  dibagi  menjadi  ukuran  yang  sama  besar  yaitu  22  x  40  pixels.  Citra  biner  di­invers  untuk  pelat  nomor  yang  berwarna  kuning  dan  merah.  Kemudian,  citra  dibagi­bagi  mulai  dari  sisi  kiri  hingga  ke  kanan  dengan  perpindahan  5  pixels.  Setelah  itu,  citra  tersebut  dicocokkan  dengan  seluruh  citra  karakter/huruf  menggunakan  jarak  ​euclidean.  Citra  karakter  yang   digunakan  mempunyai  ​background  hitam  dengan  karakter  berwarna   putih.  Data  citra  karakter  diambil  dari  potongan  karakter  pada  pelat  nomor  dan  ​font  karakter  pelat  nomor.  ​Kemudian  dicari  nilai  minimum  dari  hasil 

jarak  ​euclidean.  Nilai  minimum  tersebut  yang  menjadi prediksi karakter yang ada  dalam pelat nomor.      Evaluasi  Pada  tahapan  ini  akan  dievaluasi  mengenai  hasil  pengenalan  karakter  beserta  identifikasi  jenis   pelat  nomor.  Evaluasi  dapat  dilihat  langsung  dari  hasil  output yang diberikan.    Lingkungan Pengembangan  Proyek  ini  dilakukan  dengan   menggunakan perangkat keras dan perangkat  lunak sebagai berikut:  1. Perangkat keras berupa laptop dengan spesifikasi sebagai berikut:  ● Intel® Core™ i3 GHz  ● RAM 6 GB  ● Harddisk 500 GB  ● Monitor  ● Mouse dan ​keyboard  2. Perangkat lunak:  ● Sistem operasi Windows 10  ● Code editor Notepad++ dan Codeblocks  ● Library Opencv 2.4.9   

Pembahasan  Data  Data  yang  diambil  dari  internet  menggunakan  ​google  image.  Citra  pelat 

nomor  diambil  sebanyak  26  citra  yang  dibagi  menjadi  4  kelas  yaitu  pelat  hitam  (dapat  dilihat  pada  gambar  4),  merah  (dapat  dilihat  pada  gambar  5),  putih  (dapat  dilihat  pada  gambar  6)  dan  kuning  (dapat  dilihat  pada  gambar  6)  dengan   pembagian  masing­masing  15,  4,  3,  dan  4.  Sebanyak  1  citra  diambil  dari  masing­masing kelas yang akan digunakan sebagai input citra.   

 

Gambar 4 Contoh Citra dengan Pelat Nomor Warna Hitam 

  Gambar 5 Contoh Citra dengan Pelat Nomor Warna Merah   

  Gambar 6 Contoh Citra dengan Pelat Nomor Warna Putih   

  Gambar 7 Contoh Citra dengan Pelat Nomor Warna Kuning    Praproses Citra  Praproses  yang  dilakukan  pada  data  citra  yaitu  mengambil  bagian  pelat  nomor,  kemudian  mengubah   ukuran  citra  menjadi  220  x  60  pixels.  Kemudian  citra  dibuat  menjadi  citra  biner  dan  citra  keabuan.  Citra  biner  hasil  morfologi  opening  digunakan  untuk  pengenalan  karakter  sedangkan  citra  keabuan  untuk  identifikasi jenis pelat nomor. Hasil praproses citra dapat dilihat pada Gambar 8.      Gambar 8 Contoh Hasil Praproses Citra 

  Identifikasi Jenis Pelat Nomor  Identifikasi  jenis  pelat  nomor  dilakukan  untuk  mengetahui  jenis  pelat  nomor  input  citra.  Jenis  pelat  nomor  tersebut  yaitu  pelat  hitam,  merah,  putih, dan  kuning.  Pada  tahapan  ini  digunakan  citra  keabuan  dari  hasil  praproses.  Contoh  identifikasi jenis citra input (Gambar 9) sebagai berikut:   

  Gambar 9 Input Citra   

  Gambar 10 Citra Keabuan    Dari  citra  keabuan  (Gambar  10)  kemudian  dicari  histogramnya  kemudian  dibandingkan  dengan  histogram  data  citra  menggunakan  ​chi­square.  Hasil  chi­square dapat dilihat pada Tabel 1.    Tabel 1 Nilai ​chi­square antar histogram  No 

Nama File 

Jenis Pelat 

Nilai ​chi­square  antar histogram 

1 

1.jpg 

Hitam 

35.8 

2 

2.jpg 

Hitam 

4.6 

3  4 

3.jpg  4.jpg 

Hitam  Hitam 

2.2  19.9 

5 

5.jpg 

Hitam 

445.8 

6  7 

6.jpg  7.jpg 

Hitam  Hitam 

8.8  4.1 

8 

8.jpg 

Hitam 

20.1 

9  10 

9.jpg  10.jpg 

Hitam  Hitam 

0.9  3.7 

11 

11.jpg 

Hitam 

66.7 

12 

12.jpg 

Hitam 

1.9 

13  14 

13.jpg  14.jpg 

Hitam  Hitam 

1.6  3.0 

15 

k1.jpg 

Kuning 

2.8 

16  17 

k2.jpg  p1.jpg 

Kuning  Putih 

0.5  145.8 

18 

p2.jpg 

Putih 

109.7 

19 

m1.jpg 

Merah 

34.4 

20 

m2.jpg 

Merah 

57.9 

  Dari  tabel  1  terlihat  nilai  minimum   terdapat  pada  nomor  16  dengan  nilai  0.5  dengan  jenis  kuning.  Oleh  hal   itu,  input  citra  diidentifikasikan  menjadi  jenis  warna  kuning.  Potongan  program  untuk  identifikasi  jenis  dapat  dilihat  pada  Lampiran 1.    Pengenalan Nomor Pelat  Pengenalan  nomor  pelat  menggunakan  citra  biner  dan  ​template  matching.  Template  yang  digunakan  adalah  citra  karakter  dengan  ukuran   22   x   40   pixels  dengan  latar  belakang  hitam  dan  warna  karakternya   adalah  putih  seperti  Gambar  11  dan  representasi   dalam  bentuk  matriks  seperti  gambar  12.  Selain  itu,  ​template  juga  menggunakan  potongan  karakter  yang  berada  pada  pelat  nomor.  Seluruh  template yang digunakan sebanyak 279 citra.   

    Gambar 11 Contoh Template Citra Karakter   

  Gambar 12 Representasi Karakter 0 dalam Matriks    Setelah  itu  citra  biner  dibagi­bagi  mulai  dari  sisi  kiri  hingga  ke  kanan  dengan  perpindahan  5  pixels   dengan  ukuran  yang  sama  seperti  ukuran  citra  karakter.  Representasi  matriks  citra  biner  dapat  dilihat  pada  Gambar  13.  Pembagian citra menjadi blok­blok citra seperti gambar 14.   

  Gambar 13 Contoh Representasi Matriks Citra Biner   

  Gambar 14 Contoh Pembagian Citra    Pada  setiap  bagian­bagian  citra  tersebut  dilakukan  ​template  matching.  Template  matching  dilakukan  hanya  pada  bagian  yang  border  matriks  tidak  mengandung  nilai  1.  Dari   Gambar  14,  nomor  (2)  yang  hanya  dapat  dilakukan  template  matching.  Hasil  ​template   matching  yang  menjadi  prediksi  karakter yang  ada  dalam  pelat  nomor.  Potongan  program  untuk  melakukan  pengenalan  citra  dapat dilihat pada Lampiran 2.    Evaluasi  Evaluasi  dilakukan  dengan  melihat  hasil  identifikasi  jenis  dan  pengenalan  nomor.  Evaluasi  menggunakan  4  citra  sebagai  input  yang  merupakan  1  citra   dari  masing­masing  jenis.  Citra  input  yang  digunakan  dapat  dilihat  pada  Gambar  15.  Sedangkan hasil identifikasi dan pengenalan nomor dapat dilihat pada tabel 2.      Gambar 15. Citra Input             

Tabel 2. Hasil Evaluasi  No 

Identi Pengen fikasi  alan  Jenis  Nomor 

Evaluasi 

Citra 

 

1 

Benar 

Output 

Salah 

 

Citra   

2 

Benar 

Output 

TB  J1T711 4J1  PQQ  Benar 

Citra    Output 

Salah 

 

27833  X7KX 

Citra   

4  Output 

K  11424 J 

Salah 

 

3 

06J  67063  JF 

Benar   

Salah 

  Berdasarkan  hasil  evaluasi,  semua  citra  input  dapat  diidentifikasi  jenis  kendaraan  dengan  benar.  Sedangkan  untuk  pengenalan  nomor  pelat  untuk  semua  citra  input  tidak  akurat.  Hal  ini  dapat  disebabkan  oleh  ​template  karakter  yang  digunakan  atau  penggunaan step/perpindahan pixels dalam pembagian citra dalam  blok­blok belum tepat.    

     

Kesimpulan dan Saran  Kesimpulan  Kesimpulan  dalam  proyek  ini  adalah  pemrosesan  citra  dapat  diterapkan  untuk  mengidentifikasi  dan  mengenali  pelat  nomor  kendaraan  di  Indonesia.  Identifikasi  jenis  kendaraan  menggunakan  ​histogram  matching,  sedangkan  pengenalan  nomor  pelat  menggunakan  ​template  matching.  Pada  proyek  ini,  identifikasi  jenis  kendaraan  memberikan  hasil  yang  baik,  sedangkan  pengenalan  nomor pada pelat tidak memberikan hasil yang baik.  Saran  Saran yang dapat diberikan untuk proyek ini adalah:  1. Menggunakan banyak citra untuk setiap kelas.  2. Memperbanyak ​template untuk setiap karakter.  3. Menggunakan teknik lain untuk pengenalan nomor pada pelat kendaraan. 

  Daftar Pustaka  Bae  SJ,  Taek  LS.  2008.  Image  Tracking Algorithm using Template Matching and  PSNF­m.  International  Journal  of  Control,  Automation,  and,  Systems.  6(3):414­423.   Yulida S, Kusumawardhan A, Setijono H. 2013. PERANCANGAN SISTEM  PENGENALAN PLAT NOMOR KENDARAAN MENGGUNAKAN  METODE PRINCIPAL COMPONENT ANALYSIS . JURNAL TEKNIK  POMITS. 2(1):5. doi:2337­3539.   

Lampiran   

Lampiran 1 Potongan Program untuk Identifikasi Jenis Kendaraan  int n_citra = 22;  int n_hitam = 14;  int n_kuning = 3;  int n_putih = 3;  int n_merah = 2;  int numBins = 256;  float range[] = {0,255};  float *ranges[] = {range};  float comp[n_citra][2];  float temp;  int argmin = 0;    //input citra  char namafile[100];  cout << "Nama file : "; 

cin >> namafile;  cout << "Jenis pelat/kendaraan : ";  IplImage* img2 = cvLoadImage(namafile,­1);  plate(namafile);    //membuat histogram untuk citra input  CvHistogram *hist2 = cvCreateHist(1, &numBins, CV_HIST_ARRAY,  ranges, 1);  cvClearHist(hist2);  IplImage* img_gray2 = cvCreateImage(cvGetSize(img2),  IPL_DEPTH_8U, 1);  cvSplit(img2, img_gray2, NULL, NULL, NULL);  //cvShowImage("Grayscale",img_gray2);  cvCalcHist(&img_gray2, hist2, 0, 0);  cvNormalizeHist(hist2,2);    IplImage* img[n_citra];  CvHistogram *hist[n_citra];  IplImage* img_gray[n_citra];    //menghitung histogram untuk setiap citra  for (int num=0; (num
  comp[num][1] =  cvCompareHist(hist[num],hist2,CV_COMP_CHISQR);    if (num comp[num][1])    {    temp = comp[num][1];    argmin = num;    }  }    int tipe_biner;  if (comp[argmin][0]==1) {cout << "Pelat Nomor Hitam atau Kendaraan  Pribadi" << endl;    tipe_biner = 1;  }  else if (comp[argmin][0]==2) {cout << "Pelat Nomor Kuning atau  Angkutan Umum" << endl;    tipe_biner = 2;  }  else if (comp[argmin][0]==3) {cout << "Pelat Nomor Putih" << endl;    tipe_biner = 2;  }  else if (comp[argmin][0]==4) {cout << "Pelat Nomor Merah" << endl;    tipe_biner = 1;  }  cvClearHist(hist2);   

  Lampiran 2 Potongan Program untuk Pengenalan Nomor  //membuat template karakter­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­  int jum_char = 279;  int width = 22;  int height = 40;  IplImage* imgk[jum_char];  CvMat *mat[jum_char];  CvScalar scal;  float matrix[jum_char][width][height];  float trans[jum_char][height][width];    for (int num=0; (num<jum_char); num++)      {    char filename[100];    sprintf(filename,"./char/char (%d).jpg",num);    imgk[num] =  cvLoadImage(filename,CV_LOAD_IMAGE_GRAYSCALE);    cvThreshold(imgk[num], imgk[num], 150, 255,  CV_THRESH_BINARY);    mat[num] =  cvCreateMat(imgk[num]­>height,imgk[num]­>width,CV_32FC1);    //cout << filename << endl;    cvConvert(imgk[num], mat[num]);    //system("pause");  }    //matrix template  for (int num=0;num< jum_char;num++)  {    for(int i=0;i<mat[num]­>width;i++)    {    for(int j=0;j<mat[num]­>height;j++)    {    scal = cvGet2D(mat[num],j,i);    matrix[num][i][j] = scal.val[0];    trans[num][j][i] = matrix[num][i][j];    }    }  }  //end template­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­    //citra binary threshold­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­  IplImage* image1 = cvLoadImage(namafile); 

IplImage* imGray =  cvCreateImage(cvGetSize(image1),IPL_DEPTH_8U,1);  cvCvtColor(image1, imGray, CV_RGB2GRAY);  IplImage* im_bw =  cvCreateImage(cvGetSize(image1),IPL_DEPTH_8U,1);  if(tipe_biner==1) {    cvThreshold(imGray, im_bw, 150, 255, CV_THRESH_BINARY);  }  else cvThreshold(imGray, im_bw, 100, 255,  CV_THRESH_BINARY_INV);  cvShowImage("Biner", im_bw);  cv::moveWindow("Biner",712,100);    cvErode(im_bw, im_bw, NULL, 1);  cvDilate(im_bw, im_bw, NULL, 1);    cvShowImage("Opening",im_bw);  cv::moveWindow("Opening",500,190);    CvMat *matb;  CvScalar scalb;  matb = cvCreateMat(im_bw­>height,im_bw­>width,CV_32FC1);  float transb[matb­>height][matb­>width];  float matrixb[matb­>width][matb­>height];  cvConvert(im_bw, matb);  for(int i=0;i<matb­>width;i++)  {    for(int j=0;j<matb­>height;j++)    {    scalb = cvGet2D(matb,j,i);    matrixb[i][j] = scalb.val[0];    transb[j][i] = matrixb[i][j];    }  }  //end biner ­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­    cout << "Nomor polisi : ";// << endl;  //template matching­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­  float d[jum_char];  float sum_square;  float kode[height][width];  //float out[height][width];  int width_plate = 220;  int width_block = 5;  int height_block = 4;  string hasil_no = ""; 

for(int it=0; it<=(width_plate­width)/width_block; it++){  int frame_width = it*width_block;  for(int i=height_block;i
                              int cek_border_kiri;int cek_border_atas;    int cek_border_kanan;int cek_border_bawah;    for (int num=0; num<jum_char; num++){    sum_square = 0;    cek_border_kiri = 0;    cek_border_kanan = 0;    cek_border_atas = 0;    cek_border_bawah = 0;    for(int i=0;i<mat[num]­>height;i++)    {    for(int j=0;j<mat[num]­>width;j++)    {    if(kode[i][0]==1&&kode[i][1]==1) cek_border_kiri = 1;    if(kode[i][mat[num]­>width]==1&&kode[i][mat[num]­>width­1]==1)  cek_border_kanan = 1;    //if(kode[0][j]==1) cek_border_atas = 1;    //if(kode[mat[num]­>height][j]==1) cek_border_bawah = 1;    if ((int)trans[num][i][j]==255)    {    sum_square += (1­kode[i][j])*(1­kode[i][j]); //printf("1");    }    else    {    sum_square += (0­kode[i][j])*(0­kode[i][j]); //printf("0");    }    }    //printf("\n");    }    //system("pause");    d[num] = sqrt(sum_square); 

  //cout << num << " " << d[num] << endl;    }    temp = d[0];    argmin = 0;    for(int num=1; num<jum_char; num++)    {    if (temp > d[num])    {    temp = d[num];    argmin = num;    }    }    //cout << d[argmin] << " ";    if (cek_border_kiri==0 && cek_border_kanan==0 &&  cek_border_atas==0 && cek_border_bawah==0){    //printf("­%d ",it);    if (argmin<10) hasil_no += "0"; else if (argmin<20) hasil_no += "1";  else if (argmin<30) hasil_no += "2";    else if (argmin<40) hasil_no += "3"; else if (argmin<50) hasil_no +=  "4"; else if (argmin<60) hasil_no += "5";    else if (argmin<70) hasil_no += "6"; else if (argmin<80) hasil_no +=  "7"; else if (argmin<90) hasil_no += "8";    else if (argmin<100) hasil_no += "9"; else if (argmin<110) hasil_no +=  "A"; else if (argmin<120) hasil_no += "B";    else if (argmin<127) hasil_no += "C"; else if (argmin<130) hasil_no +=  "D"; else if (argmin<137) hasil_no += "E";    else if (argmin<146) hasil_no += "F"; else if (argmin<156) hasil_no +=  "G"; else if (argmin<161) hasil_no += "H";    else if (argmin<164) hasil_no += "I"; else if (argmin<168) hasil_no +=  "J"; else if (argmin<178) hasil_no += "K";    else if (argmin<181) hasil_no += "L"; else if (argmin<187) hasil_no +=  "M"; else if (argmin<193) hasil_no += "N";    else if (argmin<202) hasil_no += "O"; else if (argmin<214) hasil_no +=  "P"; else if (argmin<227) hasil_no += "Q";    else if (argmin<232) hasil_no += "R"; else if (argmin<238) hasil_no +=  "S"; else if (argmin<249) hasil_no += "T";    else if (argmin<255) hasil_no += "U"; else if (argmin<263) hasil_no +=  "V"; else if (argmin<266) hasil_no += "W";    else if (argmin<269) hasil_no += "X"; else if (argmin<273) hasil_no +=  "Y"; else if (argmin<275) hasil_no += "Z"; else hasil_no += " ";    }  }    cout << hasil_no << endl;  //end template matching­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­