PENGENALAN ANGKA PADA PLAT NOMOR DENGAN METODE TEMPLATE MATCHING Rendra Pranadipa1, Vika Novitasari2, Maya Kurniawati3, Nurlia Puspitasari4, Yana Bonita5 Informatika, Universitas Brawijaya, Malang 1
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
pola. Template dalam konteks rekognisi pola
PENDAHULUAN
menunjuk pada konstruk internal yang jika 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
cocok (match) dengan stimulus penginderaan mengantar pada rekognisi suatu objek. Atau pengenalan pola terjadi jika terjadi kesesuaian antara stimulus indera dengan bentuk mental internal.
ini,
nomor
Sedangkan menurut Yuen dan kawan-kawan
kendaraan bermotor secara otomatis telah
[2], metode template matching telah menjadi
menjadi suatu aplikasi yang sangat penting
konvensional untuk mendeteksi obyek. Obyek
untuk membantu pekerjaan manusia.
disini mencakup berbagai macam bentuk
pendeteksi
dan
pengenalan
plat
seperti bentuk wajah atau pengenalan gambar. Saat
ini
sistem
perparkiran
dengan
menggunakan plat nomor masih menggunakan
Dan menurut Jurie [3], metode ini adalah salah
cara manual, yaitu dengan mencatat atau
satu metode yang paling popular untuk
menginputkan nomor kendaraan pada kertas
mendapatkan informasi dari media gambar.
parkir atau komputer. Metode ini dinilai
Dalam metode ini dikenal pencarian fitur
kurang efisien dan membutuhkan waktu yang
tertentu atau target dari waktu ke waktu yang
cukup lama apabila terdapat antrian panjang
didasarkan
atau banyak kendaraan yang harus dicatat plat
gambar dengan sample template. Template
nomornya ketika akan parkir.
matching
pada
adalah
perbandingan
sebuah
isi
teknik
setiap
dalam
pengolahan citra digital untuk menemukan Melihat permasalahan tersebut, muncullah ide untuk membuat sebuah aplikasi yang berfungsi
bagian-bagian kecil dari gambar yang cocok dengan template gambar.
untuk pengenalan angka di plat nomor kendaraan. Diharapkan dengan adanya aplikasi
Roberto Brunelli [4], menerangkan bahwa
ini akan memudahkan dalam menerapkan
template matching adalah suatu teknik untuk
sistem parkir yang lebih modern.
mengukur kesamaan dari dua gambar digital, untuk menentukan apakah mereka adalah sama
Untuk
membuat
program
ini,
kami
atau tidak.
menggunakan salah satu pola yang dapat mengenali angka dari gambar pada plat nomor
Dari acuan yang ada di atas, maka kami
dengan metode template matching.
menggunakan metode template matching untuk menyelesaikan program ini. Ada beberapa
Menurut
Ursa
[1],
template
matching
merupakan salah satu ide yang digunakan untuk
menjelaskan
bagaimana
otak
kita
mengenali kembali bentuk-bentuk atau pola-
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
sering digunakan yaitu 0 untuk pixel hitam, 1
matching tadi untuk mendapatkan hasil dari
atau 255 untuk pixel putih.
gambar yang telah diinputkan. Proses thresholding menggunakan sebuah parameter yang disebut dengan intensity
METODOLOGI
threshold. 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
dibandingkan
Setiap
pixel
dengan
dari
intensity
image 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.
dan dilanjutkan dengan template maching. Pada aplikasi ini nilai intensity threshold yang Pre-processing Citra
dipakai adalah 128. Jika intensitas pixel untuk
gambar lebih rendah dari intensitas threshold
yang
maka pixel itu akan di-set menjadi hitam
dilakukan ialah resizing citra dan thresholding.
begitu sebaliknya. Intensitas pixel gambar <
Pre-processing melakukan
citra
dilakukan
pendektesian.
Tahapan
128
Mengubah Ukuran Citra
(Intensitas threshold)
=
0
(hitam).
Intensitas pixel gambar > 128 (Intensitas
Mengubah ukuran citra (resizing image) artinya adalah mengubah besarnya ukuran citra
threshold) = 1 (putih)
Template Matching
digital dalam pixel. Ada kalanya ukurannya berubah menjadi lebih kecil dari file aslinya
Pada dasarnya template matching adalah
dan ada kalanya sebaliknya [5]. Pada aplikasi
proses yang sederhana. Suatu citra masukan
ini image di-resize menjadi 10 x 12 pixel.
yang
mengandung
template
tertentu
dibandingkan dengan template pada basis data.
Thresholding
Template ditempatkan pada pusat bagian citra yang akan dibandingkan dan dihitung seberapa
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
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.
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
Gambar 1. Ilustrasi template matching
template. Pixel citra biner ditelusuri mulai dari 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
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.
pola pada citra masukan dengan pola pada citra Gambar 2 berikut adalah gambar yang
template.
mengilustrasikan angka 1 dan 0 yang mewakili Tingkat kesesuaian antara citra masukan dan
nilai pixel citra.
citra template bisa dihitung berdasarkan nilai error terkecil. Template dengan nilai error
0
0
0
1
1
1
1
0
0
0
paling kecil adalah template yang paling sesuai
0
1
1
1
1
1
1
1
1
0
1
1
1
0
0
0
0
1
1
1
dengan citra masukan yang akan dibandingkan.
1
1
1
0
0
0
0
1
1
1
Ukuran objek yang beragam bisa diatasi
1
1
1
0
0
0
0
1
1
1
dengan
menggunakan
template
berbagai
1
1
1
0
0
0
0
1
1
1
ukuran.
Namun
ini
membutuhkan
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
membutuhkan komputasi yang besar. Jika
0
1
1
1
1
1
1
1
1
0
suatu template berukuran persegi dengan
0
0
1
1
1
1
1
1
0
0
hal
tambahan ruang penyimpanan. Penambahan template
dengan
berbagai
ukuran
akan
ukuran m x m dan sesuai dengan citra yang berukuran N x N, dan dimisalkan pixel m2 sesuai
dengan
komputasi
semua
yang
harus
titik
citra,
dilakukan
maka 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 menjadi lamban.
metode
template
matching
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.
sehingga ditemukan klasifikasi dari angka
HASIL DAN PEMBAHASAN
yang diinputkan. 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.
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.
(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.
Gambar 5. Program pengenalan angka di plat nomor
Program
tersebut
telah
mengaplikasikan
dengan
metode-metode yang telah diuraikan di atas.
membandingkan nilai pixel pada hasil pra-
Terlihat pada Gambar 5 bahwa benar image
pemrosesan dengan template yang merupakan
angka 9 yang diuji terbaca sebagai angka 9.
Pemrosesan
citra
dilakukan
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
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
2012, URL: http://studiopemrograman.
test yang jauh lebih banyak lagi.
hmif-ittelkom.org/dasar-pemrosesan-citradengan-matlab/,
KESIMPULAN
diakses
tanggal
20
Desember 2012.
Hasil penelitian dengan metode template
[6] Digilib Petra, Teori Penunjang, URL:
maching ini dapat digunakan untuk mendeteksi
http://digilib.petra.ac.id/viewer.php?submi
angka pada plat nomor kendaraan dengan
t.x=12&submit.y=15&submit=prev&page
membandingkan jumlah pixel-pixel yang sama
=2&qual=high&submitval=prev&fname=
antara template database dengan template
%2Fjiunkpe%2Fs1%2Finfo%2F2004%2F
inputan
jiunkpe-ns-s1-2004-26400129-4453-
meskipun
diperlukan
template
database yang cukup banyak. Hasil pengujian
template-chapter2.pdf, diakses tanggal 20
aplikasi pengenalan angka pada plat nomor
Desember 2012.
dengan menggunakan 34 data uji menunjukkan bahwa
aplikasi
yang
dibuat
dapat
[7] Bahri R.S., I. Maliki, Perbandingan Algoritma
Template
Matching
dan
Feature Extraction Pada Optical Character
menghasilkan tingkat akurasi yang tinggi.
Recognition, 2012.
DAFTAR PUSTAKA PENULIS [1] Majorsy
U,
Pattern
Recognition Rendra Pranadipa adalah
(Rekognisi Pola), 2008.
mahasiswa
[2] Yuen, C.T., M. Rizon, W.S. San and T.C.
semester
5
Seong, Facial Features for Template
program studi Informatika
Matching Based Face Recognition, 2009,
Universitas
URL:http://thescipub.com/html/10.3844/a
Malang, dia tertarik dengan
jassp.2009.1897.1901,
diakses
21
[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. R,
rekayasa perangkat
lunak.
Desember 2012.
[4] Brunelli
keminatan di bidang
Brawijaya
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
Vika
Novitasari
mahasiswi
adalah
semester
5
program studi Informatika Universitas
Brawijaya
Malang, dia tertarik dengan keminatan di bidang rekayasa perangkat lunak.
Maya Kurniawati adalah
Yana
mahasiswi
5
mahasiswi semester 5 program
program studi Informatika
studi Informatika Universitas
Universitas
Brawijaya
Brawijaya Malang, dia tertarik
Malang, dia tertarik dengan
dengan keminatan di bidang
semester
keminatan di bidang komputasi cerdas dan visual. Nurlia
Puspitasari
mahasiswi program
adalah
semester studi
Universitas
5
Informatika Brawijaya
Malang, dia tertarik dengan keminatan di bidang jaringan komputer.
jaringan komputer.
Bonita
adalah