Implementasi Proses pengenalan Plat Motor

65

4.1.2 Implementasi Proses pengenalan Plat Motor

Proses pengenalan menggunkan algoritma perambatan maju dari jaringan saraf tiruan Backpropagation. Ada beberapa tahap yang harus dilakukan sebelum tahap pengenalan diproses. Tahap awal yang dilakukan adalah preprocessing normalisasi terhadap gambar plat motor dalam bentuk RGB. Tujuan prepocessing ini dilakukan untuk menormalisasi gambar sehingga gambar yang dihasilkan siap untuk digunakan dalam tahap proses selanjutnya. Normalisasi gambar pola aksara yang dilakukan pada sistem ini yaitu gambar yang sudah di dalam database dan dapat dibaca oleh sistem, kemudian gambar diubah menjadi gambar grayscale. Tujuan gambar ini di grayscale membantu untuk menghilangkan noise yang ada pada gambar. Hasil gambar keabuan yang diperoleh ini akan diproses selanjutnya menjadi gambar yang hanya memiliki warna putih dan hitam. Tujuannya untuk mendapatkan angka biner. Dari gambar grayscale menjadi gambar hitam putih dilakukan tresholding. Tujuannya untuk menambah kontras antara latar belakang dengan karakter gambar. Hasil yang diperoleh adalah gambar plat motor hitam putih. Pada program dilakukan proses croping secara otomatis oleh sistem dengan cara melakukan pencarian titik dari setiap sudutnya. Tujuan dilakukan proses ini untuk mendapatkan ukuran yang sesuai dengan kebutuhan sistem. Dari hasil croping akan diperoleh nilai vektor dari gambar plat motor yang akan digunakan pada proses pengujian. Berikut dapat dilihat program prepocessing pada potongan program berikut ini : I=rgb2grayI; 66 imshowI; I = imadjustI; imhistI; Morphology Image Dilation se = strel square ,1; I = imdilateI, se; se = strel square ,3; I=imerodeI,se; imshowI; I = im2bwuint8I,graythreshI; imshowI; Edge detectionsh Image Filling I = bwareaopenI,1000,8; figure imshowI; [Ilabel num]=bwlabelI Potongan program diatas langsung menggunakan fungsi dari Matlab sendiri. Fungsi imadjust dimana ini digunakan untuk menyesuiakan nilai intesitas dari citra grayscale dengan nilai-nilai baru. Hal ini akan meningkatkan kontras warna gambar output. Sedangkan fungsi imdilate mendeskripsikan seberapa meluasnya hasil olahan grayscale atau biner. Hal ini dibantu dengan elemen yang telah dibentuk secara array. Dalam preprocessing foto yang diolah belum menggunakan fungsi tertentu untuk menghilangkan noise yang cukup besar. Proses pengenalan dilakukan setelah memperoleh nilai v dan w maksimal dari proses pelatihan. Nilai yang diperoleh dipakai untuk menghitung nilai pada lapisan tersembunyi dan lapisan keluaran. Nilai pada lapisan keluaran dibandingkan dengan target sehingga diperoleh karakter terlatih apa yang sesuai dengan karakter yang ingin diidentifikasi. Proses ini dapat dilihat pada potongan kode program berikut ini: 67 num=j; m=7; n=5; A=[]; for i=1:num cmd=[ I=imread char39 num2stri .jpg char39 ; ]; evalcmd; I=imresizeI,[m n]; I=reshapeI,[],1; aray A=[A I]; end Abaru=[]; for i=1:lengthb1 Abarui,:=Ab1i,:,:; end [m1 n1]=sizeAbaru; Anew=[]; for i=1:m1 for j=1:n1 if Abarui,j=128 Anewi,j=1; else Anewi,j=0; end end end Abaru=Anew; 4.2 Impementasi Antar Muka yang Ligunakan pada Sistem 4.2.1 Halaman Lepan