Fisher Thresholding Sauvola Thresholding

188 thresholding. Fisher thresholding dilakukan sebagai tahap pertama, kemudian local thresholding dilakukan pada tahap keduanya.

2.2 Fisher Thresholding

Gambar berikut menunjukkan alur proses dari metode Fisher thresholding. Gambar 1. Proses Fisher Thresholding Fisher thresholding melakukan perhitungan threshold dengan mencari nilai maksimum antara Between-Class Scatter dan Within-Class Scatter. Misalkan I merupakan citra grayscale dengan L sebagai gray level [ 0,1, …, L-1], maka probabilitas dari nilai gray i yang muncul pada citra dapat didefinisikan sebagai berikut [4]. 1 Asumsikan piksel-piksel pada citra terbagi menjadi 2 kelas C1 dan C2 berdasarkan nilai gray t. 2 Maka nilai mean gray level pada tiap kelas dapat didefinisikan sebagai berikut. 3 Sedangkan variansi kelas dapat dihitung berdasarkan: 4 dan variansi antar kelas: 5 maka, nilai threshold dapat dihitung berdasarkan: 6 di mana nilai 7 yang memenuhi 8 Keterangan: n i = Frekuensi gray level i N = Jumlah piksel pada citra L = Gray level Mulai Input Citra Grayscale Hitung histogram citra Lakukan proses morphological erosi dan dilasi Hitung fungsi objektif untuk mendapatkan nilai maksimum gunakan nilai k yang menghasilkan nilai maksimum sebagai threshold Output citra hasil Fisher Thresholding Selesai 189 p i = Peluang gray level i w = Probabilitas tiap kelas k = Nilai threshold yang dihitung m = Mean gray level tiap kelas σ 2 = Variansi tiap kelas λ = Fungsi objektif

2.3 Sauvola Thresholding

Gambar 2. Proses Sauvola Thresholding Metode Sauvola merupakan modifikasi dari metode Niblack [5]. Pendekatan dari Niblack adalah membedakan threshold citra berdasarkan nilai rataan dan standard deviasi lokal yang dihitung berdasarkan ketetanggaan pada piksel dengan menggunakan jendela ketetanggaan. Modifikasi yang dilakukan Sauvola adalah dengan menghitung threshold menggunakan nilai dinamis R dari standard deviasi [5]. Berikut rumus yang digunakan untuk menghitung nilai threshold T [5]. 9 di mana nilai m merupakan rata-rata gray level tiap kelas dan nilai s merupakan standard deviasi. Nilai R yang digunakan adalah 128 yang merupakan nilai maksimum standard deviasi untuk citra grayscale. 3 PERANCANGAN SISTEM Deskripsi Umum Sistem Gambar berikut menunjukan alur kerja sistem secara keseluruhan. Gambar 3. Alur kerja secara umum sistem OCR yang dibangun Proses diawali dengan input citra melalui proses capture kamera atau me-load citra yang sudah ada pada storage. Kemudian, dilakukan proses Fisher Thresholding. Setelah itu dilanjutkan dengan Sauvola Thresholding pada citra. Citra biner yang dihasilkan dari mixed binarization tersebut kemudian diproses menggunakan Tesseract Engine untuk menghasilkan data teks dari hasil pengenalan kata yang terdapat pada citra. Mulai Input Citra Grayscale Hitung mean per window size Hitung Standar Deviasi per window size Hitung nilai threshold per window size Lakukan thresholding tiap window Selesai Input Citra Convert Grayscale Morphological Operation Fisher Thresholding Sauvola Thresholding Output Citra Biner OCR melalui Tesseract Engine Output Data Teks 190

3.1 Kebutuhan Sistem