MULAI Input citra
deteksi tepi
i = 0 i tinggi
j lebar Yes
SELESAI i = i + 1
j = 0 No
imagei,j = threshold
imagei,j = 255 Yes
Yes
imagei,j = 0 No
j = j + 1 No
Output citra biner
Inisialisasi image hasil deteksi tepi
tinggi = imageheight lebar = imagewidth
threshold, i, j
Gambar 3.10 Diagram alir pembentukan citra biner
Contoh citra hasil dari proses pembentukan citra biner ditunjukkan pada gambar 3.11.
Gambar 3.11 Citra hasil binerisasi
3.5. Ekstraksi Fitur
Tahap ekstraksi fitur dilakukan setelah tahap pra-pengolahan citra selesai dilakukan. Tahap ekstraksi fitur digunakan untuk mendapatkan nilai fitur sebagai ciri dari suatu
citra. Pada tahap ini, data sampel citra diekstrak menggunakan metode operasi blok non-overlapping. Hasil dari fitur ini disimpan dan digunakan sebagai nilai acuan pada
Universitas Sumatera Utara
tahap pencocokan. Nilai fitur disimpan dalam matriks dengan indeks ke-0 sampai dengan indeks ke-99. Matriks nilai fitur dapat dilihat pada gambar 3.12.
… …
… …
Gambar 3.12 Matriks penyimpanan nilai fitur
Pada penelitian ini, data sampel citra telapak tangan berukuran 200x200 piksel. Ukuran citra diseragamkan dengan tujuan memudahkan pengolahan citra karena jika
ukuran citra terlalu besar akan memperlambat kinerja sistem. Setiap data sampel citra dibagi menjadi blok-blok berukuran 20x20 piksel dengan hasil pembagian blok
terdapat 10 kolom dan 10 baris. Jumlah blok yang dihasilkan sebanyak 100 blok. Jadi matriks penyimpanan fitur berisi dari blok indeks ke-0 sampai dengan blok indeks ke-
99. Pembagian blok sebanyak 100 blok dapat ditunjukkan pada gambar 3.13.
Gambar 3.13 Pembagian blok menjadi 10 kolom dan 10 baris
Diagram alir proses ekstraksi fitur dengan metode operasi blok non-overlapping dapat dilihat pada gambar 3.14.
99
10
10
20 20
Universitas Sumatera Utara
Bagi citra menjadi 10 kolom dan 10 baris dengan ukuran 1
blok 20x20 piksel
Hitung rata-rata setiap blok
MULAI
Input citra biner
Nilai fitur = rata-rata
setiap blok SELESAI
Gambar 3.14 Diagram alir proses ekstraksi fitur operasi blok non-overlapping
Proses ekstraksi fitur tersebut dapat dijelaskan sebagai berikut: 1. Sebuah citra biner yang telah diproses sebelumnya menjadi input pada proses
ekstraksi fitur. 2. Citra biner dibagi ke dalam blok-blok dengan total jumlah blok adalah 100 blok.
Setiap blok yang dibagi memiliki ukuran sebesar 20x20 piksel. Jadi total keseluruhan piksel dari setiap blok adalah 400 piksel.
3. Pada setiap blok dihitung jumlah dari piksel putih x, dengan n adalah urutan blok selanjutnya dihitung rata-rata
setiap blok dimana 1 ≤ n ≤ 100. 3.1
Nilai rata-rata fitur akan disimpan sebagai nilai dari setiap matriks sesuai urutan indeks matriks. Contoh fitur rata-rata
akan disimpan sebagai nilai dari indeks ke-0.
4. Selanjutnya didapat hasil dari fitur dari citra biner tersebut berbentuk vektor fitur 3.2
Hasil fitur tersebut akan disimpan ke dalam database sebagai parameter yang dibandingkan saat proses pencocokan fitur uji dengan fitur latih yang telah dilatih.
Diagram alir dari proses ekstraksi fitur operasi blok non-overlapping lebih rinci dapat dilihat pada gambar 3.15.
Universitas Sumatera Utara
MULAI
h total_blok Input citra
biner
h = 0
i total_blok Yes
nilai_pixel = 0; jlh_pixel = 0;
index_i = h max_pixel_blok; temp_hasil = 0;
Yes No
jindex_i + max_pixel_blok j = index_i
index_j = i max_pixel_blok k = index_j
k index_j + max_pixel_blok
SELESAI temp_hasil += gambar[k][j]
k = k+1 Yes
Yes j = j+1
No No
h = h+1 No
hasil[hasil_index] = temp_hasil 400 hasil = hasil + 1
kolom = kolom + 1
Output hasil nilai rata-
rata i = i+1
Inisialisasi imagehasil biner tinggi = imageheight
lebar = imagewidth, gambar[tinggi][lebar];
totalBlok ç 10, maxPixelBlok ç 20; nilai_pixel, jlh_pixel, index_i, index_j,
hasil_index ç 0, h, i, j, k
Gambar 3.15 Diagram alir ekstraksi fitur operasi blok non-overlapping
Contoh vektor fitur yang dihasilkan ditunjukkan pada gambar 3.16.
Universitas Sumatera Utara
Gambar 3.16 Contoh hasil fitur citra dari gambar 3.13
3.6. Tahap Pelatihan
