Nilai yang lain juga dapat diberikan untuk ketiga parameter tersbut asalkan total keseluruhannya adalah 1 Putra, 2009.
3. Citra Warna
Citra warna adalah citra digital yang memiliki informasi warna pada setiap pikselnya.Sistem pewarnaan citra warna ada beberapa macam seperti RGB,
CMYK, HSV, dll.
2.3. Pengolahan Citra Image Processing
Pengolahan citra adalah setiap bentuk pengolahan sinyal dimana input adalah gambar, seperti foto atau video bingkai, sedangkan output dari pengolahan gambar dapat
berupa gambar atau sejumlah karakteristik atau parameter yang berkaitan dengan gambar. Kebanyakan gambar-teknik pemrosesan melibatkan atau memperlakukan foto
sebagai dimensi dua sinyal dan menerapkan standar-teknik pemrosesan sinyal untuk itu, biasanya hal tersebut mengacu pada pengolahan gambar digital, tetapi dapat juga
digunakan untuk optik dan pengolahan gambar analog. Akuisisi gambar atau yang menghasilkan gambar input di tempat pertama disebut sebagai pencitraan.
Pengolahan citra merupakan proses pengolahan dan analisis citra yang banyak melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan informasi
keluaran yang berbentuk citra. Istilah pengolahan citra digital secara umum didefinisikan sebagai pemrosesan citra dua dimensi dengan komputer. Dalam definisi
yang lebih luas, pengolahan citra digital juga mencakup semua data dua dimensi. Citra digital adalah barisan bilangan nyata maupun kompleks yang diwakili oleh bit-bit
tertentu. Umumnya citra digital berbentuk persegi panjang atau bujur sangkar pada
beberapa sistem pencitraan ada pula yang berbentuk segienam yang memiliki lebar dan tinggi tertentu. Ukuran ini biasanya dinyatakan dalam banyaknya titik atau piksel
sehingga ukuran citra selalu bernilai bulat. Setiap titik memiliki koordinat sesuai posisinya dalam citra. Koordinat ini biasanya dinyatakan dalam bilangan bulat positif,
yang dapat dimulai dari 0 atau 1 tergantung pada sistem yang digunakan. Setiap titik juga memiliki nilai berupa angka digital yang merepresentasikan informasi yang
diwakili oleh titik tersebut.
Universitas Sumatera Utara
2.3.1. Binarization Proses pengambilan citra merupakan suatu langkah awal guna memberikan inputan
terhadap langkah selanjutnya untuk melakukan modifikasi terhadap citra masukan dan menghasilkan suatu citra keluaran yang sesuai dengan sistem yang telah dibangun.
Langkah utama yang dilakukan dalam operasi terhadap citra ini adalah binerisasi. Proses binerisasi adalah proses mengkonversi citra greyscale ke dalam bentuk
citra biner yaitu citra dalam warna hitam dan putih. Tiap-tiap piksel dalam citra levelnya dirubah melalui suatu thresholding tertentu apabila piksel tersebut nilainya
diatas nilai thresholding maka piksel tersebut akan diubah ke warna putih, dan apabila nilai piksel tersebut berada pada level di bawah nilai thresholding maka piksel tersebut
di ubah ke warna hitam. Nilai dari thresholding untuk citra dalam derajat keabuan 256 maka nilai thresholding adalah 128 sehingga untuk mengubah menjadi citra biner
dapat dituliskan dalambentuk pengandaian yaitu : jika nilai point x = 0 x =.
2.3.3. Normalization Sharma et. Al 2012 berpendapat bahwa normalisasi merupakan proses mengubah
ukuran citra, baik menambah atau mengurangi, menjadi ukuran yang ditentukan tanpa menghilangkan informasi penting dari citra tersebut Dengan adanya proses
normalisasi maka ukuran semua citra yang akan diproses menjadi seragam. Normalisasi terkadang disebut juga pelebaran kontras dan pelebaran histogram
Gonzales Woods, 2007.
2.3.4. Thinning Thinning adalah proses pengurangan data yang mengikis erode sebuah objek hingga
menjadi ukuran 1 piksel dan menghasilkan kerangka skeleton dari objek tersebut. Objek seperti huruf atau silhouettes dapat lebih mudah dikenali dengan melihat
kepada kerangkanya saja Phillips, 2000. Pada penelitian ini digunakan algoritma thinning Zhang-Suen.
Algoritma ini adalah algoritma untuk citra biner, dimana piksel background citra bernilai 0, dan piksel foreground region bernilai 1. Algoritma ini cocok
digunakan untuk bentuk yang diperpanjang elongated dan dalam aplikasi OCR Optical Character Recognition. Algoritma ini terdiri dari beberapa penelusuran,
dimana setiap penelusurannya terdiri dari 2 langkah dasar yang diaplikasikan terhadap
Universitas Sumatera Utara
titik yang pikselnya bernilai 1, dan memiliki paling sedikit 1 piksel dari 8-tetangganya yang bernilai 0.
2.4. Ekstraksi Fitur