2.2.2.1. Dilation
Dilasi adalah operasi yang berkebalikan dari operasi erosi. Dilasi memperbesar foreground sedangkan erosi memperkecil foreground. Foreground direntangkan dari
batas luar foreground tersebut. Jika terdapat lubang di dalam foreground pada citra, lubang tersebut akan menghilang. Sama seperti erosi, operasi dilasi menggunakan
structural elements Jawas Suciati, 2013. Dilasi menggunakan persamaan 2.1 dibawah ini Tambe et al, 2013.
X
⊕
B = X + b = { x + b : x
∈ X b ∈ B} 2.1 Dimana
: X = citra grayscale asli B = structuring elements
x = set dari citra asli b = set dari structing elements
2.2.2.2. Gaussian Blur
Di dalam image processing, operasi yang paling umum adalah penggunaan dari kernel filter. Persamaan dari Gaussian yang menghasilkan jenis-jenis dari kernel-kernel
tersebut dianggap memiliki nilai mean nol. Berikut adalah persamaan Gaussian satu dimensi 2.2 didefinisikan dibawah ini Robinson et al, 2012.
2.2 Dimana
: a = amplitude dari
curve σ = variansi dari Gaussian
2.2.3. Min-Max Linear Contrast Stretch
Sewaktu menggunakan minimum-maximum linear contrast strectch, nilai minimum dan maximum dari citra asli diubah menjadi sekumpulan nilai-nilai yang spesifik yang
mewakili jangkauan dari tingkat kecerahan pada citra Saleh et al, 2010. Berikut persamaan dari Min-Max Linear Contrast Stretch 2.3 dibawah ini Saleh et al, 2010.
2.3
Universitas Sumatera Utara
Dimana : gx,y = citra Min-Max Linear Contrast Stretch dengan matriks x
dan y
fx,y = citra input dengan matriks x dan y min = nilai intensitas minumum pada citra input
max = nilai intensitas maximum pada citra input
2.2.4. Colour Space Conversion
Warna adalah cara dari HVSHuman Visual System dalam menghitung sebuah bagian dari gelombang elektromagnetik, diantara nilai 300 sampai dengan 830 nm.
Disebabkan oleh beberapa elemen dari HVS yang tidak dapat dilihat dari semua kemungkinan pengabungan spektrum oleh mata manusia, tetapi manusia lebih
cenderung untuk membedakan keberagaman spektrum dengan warna. Colour space adalah sebuah notasi yang dimana dapat menspesifikan warna Tkalci Jurij, 2003.
2.2.4.1. RGB2Grayscale
Semua pengubahan color-space menggunakan konvensi : citra-citra 8-bit berskala 0- 255, citra-citra 16-bit berskala 0-65536, dan angka pecahan adalah diantara 0.0 dan
1.0. Ketika citra keabuan diubah menjadi citra berwana, semua komponen yang menghasilkan citra dianggap menjadi sama; tetapi untuk transformasi yang
berkebalikan RGB atau BGR menjadi Grayscale, nilai keabuan dihitung dengan rumusan yang berbobot secara perseptual Bradski Kaehler, 2008.Berikut
persamaan 2.4 untuk menghitung transformasi citra RGB atau BGR menjadi citra keabuan Bradski Kaehler, 2008.
2.4 Dimana
: Y = nilai grayscale yang dihasilkan R = nilai red dari citra RGB atau BGR
G = nilai green dari citra RGB atau BGR B = nilai blue dari citra RGB atau BGR
Universitas Sumatera Utara
2.2.5. Resizing
Sering dijumpai citra dengan berbagai ukuran yang perlu diubah sesuai dengan ukuran yang diinginkan. Secara umum, diperlukan pemetaan dari sumber citra ke cirta resized
tujuan menjadi semulus mungkin Bradski Kaehler, 2008.
2.2.6. Image Normalization
Di dalam mendapatkan hasil pengenalan yang baik, normalisasi biasa digunakan untuk mengskalakan dan memindahkan karakter ke dalam ukuran yang
ternormalisasikan dan sesuai dengan aspek rasio. Algoritma normalisasi yang baik akan menggunakan grid untuk proses yang lebih jauh Liu, Y., 2009. Berdasarkan
hasil penelitian oleh X.Ding, karakter yang ternormalisasikan berdasarkan pada center mass lebih cepat untuk diproses daripada batas-batas citra yang mengakibatkan
beberapa informasi dari citra hilang ketika kualitas input tidak sempurna Ding, 2002. Dalam menghadapi ukuran font yang berbeda, normalisasi juga akan mengcocokkan
ukuran font dan sesuai dengan aspek rasio pada karakter Liu, Y., 2009.
2.2.7. Thresholding
Threshold menjadi sangat sederhana tetapi merupakan sebuah tool yang efektif untuk memisahkan objek dari background. Keluaran dari operasi threshold adalah citra biner
yang akan mengindikasikan objek foreground, yang merupakan, teks yang tercetak, simbol-simbol, tujuan pada peta dan bahan materi dari sebuah objek. Berikut
persamaan 2.5 threshold dibawah ini Romen et al, 2011. {
2.5 Dimana
: bx,y = citra yang terbinerisasikan Ix,y = citra asli yang akan dilakukan threshold
Tx,y = nilai matriks threshold untuk citra.
2.2.8. Thinning
Kategori