Gambar 5.6. Hasil pemotongan gambar elips
Terlihat pada gambar input kiri, sisi sebelah kanan terlihat lebih gelap dari sisi kiri. Selain itu terdapat garis dibagian kiri atas gambar input kiri.
Kedua hal ini mempengaruhi proses transformasi ke dalam citra biner dan pemotongan gambar karena terlihat sisi kanan yang lebih gelap tampak
terabaikan dan dianggap menjadi putih setelah melalui proses binerisasi. Selain itu banyaknya noise di sisi gambar input mempengaruhi
pemotongan gambar tidak sempurna dan gambar tidak menjadi fokus. Kedua hal ini menyebabkan hasil gambar yang terpotong tidak sempurna
sehingga menghilangkan sebagian informasi dari gambar yang diinputkan.
5.2.3. Hasil rotasi gambar
Pada gambar segitiga di bawah, gambar kiri bw adalah gambar awal, sedangkan gambar kanan bw2 merupakan gambar setelah dikenai
proses imrotate. bw
bw2
Gambar 5.7. Hasil rotasi gambar segitiga
Dari kedua gambar tersebut didapatkan nilai dimensi pada variabel bw dan bw2 seperti berikut :
Selain itu contoh lain adalah pada gambar persegi berikut : bw
bw2
Gambar 5.8. Hasil rotasi gambar persegi
Dari kedua gambar di atas didapatkan nilai dimensi pada variabel bw dan bw2 seperti berikut :
Terlihat pada kedua contoh di atas bahwa nilai dimensi gambar awal dapat lebih besar atau lebih kecil, sehingga gambar yang akan
dikenai proses berikutnya adalah gambar dengan dimensi yang terkecil karena dianggap sudah dalam posisi benar.
5.2.4. Hasil ekstrak fitur gambar bangun datar
Setelah melalui proses transformasi ke dalam citra biner dan pemotongan otomatis supaya lebih fokus, gambar input akan dilanjutkan
pada proses ekstraksi fitur. Hasil proses ekstraksi fitur akan dibandingkan dengan nilai rata-rata ekstrak fitur model segitiga, segi empat, dan
lingkaran. Hasil ekstrak fitur merupakan matriks berukuran 1x25. Kemudian
dibandingkan dengan nilai rata-rata ekstrak fitur model segitiga, segi empat, dan lingkaran melalui perhitungan matriks jarak euclidean
distance. Pada proses ekstraksi fitur, matriks nilai ekstrak fitur dirutkan dari
nilai terkecil yang didapat sampai nilai maksimal menggunakan fungsi sort. Hal tersebut karena adanya asumsi bahwa posisi sudut masing-
masing gambar berbeda, sehingga dengan membuat urutan fitur secara acak melalui proses sorting didapatkan lebih banyak kemiripan. Gambar
keterangan dapat dilihat pada halaman lampiran. Kemudian setelah melalui proses sorting, bagi nilai matriks ekstrak fitur yang sudah
diurutkan dengan nilai maksimal ekstrak fitur yang didapat sehingga didapat nilai terkecil 0 dan nilai terbesar 1. Hal ini dilakukan supaya range
fitur tidak terlalu besar, yaitu hanya antara 0 sampai 1.
