PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR.

(1)

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH

TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN

LOKASI PLAT NOMOR

SKRIPSI

Diajukan untuk memenuhi sebagian syarat untuk memperoleh gelar Sarjana S1 Program Studi Ilmu Komputer

Oleh: Diky Pratansyah

NIM 0909183

PROGRAM STUDI ILMU KOMPUTER DEPARTEMEN PENDIDIKAN ILMU KOMPUTER

FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM


(2)

(3)

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Oleh Diky Pratansyah

NIM 0909183

Sebuah Skripsi yang Diajukan untuk Memenuhi Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Ilmu Komputer pada Fakultas Pendidikan Matematika dan Pengetahuan Alam

© Diky Pratansyah 2015 Universitas Pendidikan Indonesia

Oktober 2015

Hak Cipta dilindungi Undang – Undang

Skripsi ini tidak boleh diperbanyak seluruhnya atau sebagian,dengan dicetak ulang,difoto kopi atau cara lainnya tanpa ijin peneliti.


(4)

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Oleh,

DIKY PRATANSYAH 0909183

Disetujui dan disahkan oleh:

Pembimbing I

Dr. Wawan Setiawan, M.Kom

NIP. 196601011991031005

Pembimbing II

Eddy Prasetyo Nugroho, MT

NIP. 197505152008011014

Mengetahui,

Ketua Departemen Pendidikan Ilmu Komputer

Prof. Dr. H. Munir, M.IT


(5)

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH

TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN

LOKASI PLAT NOMOR

Diky Pratansyah, 0909183, pratansyah@gmail.com

ABSTRAK

Proses lokalisasi plat nomor adalah tahapan yang sangat menentukan akurasi dari sebuah sistem pembacaan plat nomor karena keakuratan proses lokalisasi menjadi penentu keberhasilan tahapan-tahapan selanjutnya. Pada saat ini telah ada beberapa algoritma yang dapat melakukan proses lokalisasi dengan baik dan salah satunya adalah algoritma analisis histogram. Algoritma analisis histogram akan medeteksi garis menggunakan sobel edge detector lalu menghitung akumulasi nilai piksel pada sumbu x dan y sebagai dasar perhitungan penentuan lokasi plat nomor. Hasil dari pendeteksian garis ini seringkali mengandung banyak noise yang dapat mengganggu proses analisa histogram dan pada akhirnya mengurangi tingkat akurasi. Pada penelitian ini akan dilakukan eliminasi noise tersebut dengan memanfaatkan algoritma Fast Hough Connective Transfrom yang akan melakukan ekstraksi panjang dan sudut orientasi garis dari hasil pendeteksian garis dengan menggunakan kedua hal tersebut sebagai kriteria. Hasil pengujian membuktikan bahwa proses eliminasi noise ini dapat menghilangkan hingga 78% noise dan menghasilkan akurasi hingga 97%.


(6)

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH

TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN

LOKASI PLAT NOMOR

Diky Pratansyah, 0909183, pratansyah@gmail.com

ABSTRACT

Plate number localization is a crucial step that determines the success rate of an automated plate number recognition because the succession of this step became the determining factor of the next steps in the system. There are several methods that can localize the plate number and one amongst them are histogram analysis. This method will detect the existence of lines using sobel edge detector then accumulate pixel’s value on axis x and y as a base to find the plate. The result of line detection often contains lots of noise that can disturb the process of histogram analysis and causing the algorithm to fail. This research presents a method to eliminate the noise by utilizing fast connective hough transform that will extract the length and orientation of lines from sobel edge detector and using those two information as criteria to eliminate noise. The result of experiment proved that this method can eliminate as much as 78% of noise and can correctly localize 97% of plate number in the testing data.


(7)

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

DAFTAR ISI

ABSTRAK ... Error! Bookmark not defined. KATA PENGANTAR ... Error! Bookmark not defined. DAFTAR ISI ... iv DAFTAR TABEL ... vi DAFTAR GAMBAR ... vii BAB I PENDAHULUAN ... Error! Bookmark not defined. 1.1. Latar Belakang ... Error! Bookmark not defined. 1.2. Rumusan Masalah ... Error! Bookmark not defined. 1.3. Tujuan Penelitian ... Error! Bookmark not defined. 1.4. Batasan Penelitian ... Error! Bookmark not defined. 1.5. Sistematika Penulisan ... Error! Bookmark not defined. BAB 2 KAJIAN PUSTAKA ... Error! Bookmark not defined. 2.1 Computer Vision ... Error! Bookmark not defined. 2.2 Pemrosesan Gambar ... Error! Bookmark not defined. 2.3 Gambar digital ... Error! Bookmark not defined. 2.4 Pendeteksian Tepi Garis ... Error! Bookmark not defined. 2.5 Fast Connective Hough Transform ... Error! Bookmark not defined. 2.6 Analisis histogram ... Error! Bookmark not defined. 2.7 OpenCV ... Error! Bookmark not defined. BAB III METODE PENELITIAN... Error! Bookmark not defined. 3.1. Desain Penelitian ...Error! Bookmark not defined. 3.2. Metode Penelitian ...Error! Bookmark not defined. 3.3. Alat dan Bahan Penelitian ...Error! Bookmark not defined. BAB IV HASIL PENELITIAN DAN PEMBAHASAN ... Error! Bookmark not

defined.

4.1 Pengembangan Model Sistem ... Error! Bookmark not defined. 4.2 Analisis Kebutuhan Sistem ... Error! Bookmark not defined. 4.3 Perancangan Sistem ... Error! Bookmark not defined.


(8)

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

4.4 Implementasi Sistem ... Error! Bookmark not defined. 4.5 Pengujian ... Error! Bookmark not defined. 4.6 Hasil Pengujian ... Error! Bookmark not defined. BAB V KESIMPULAN DAN SARAN ... Error! Bookmark not defined. DAFTAR PUSTAKA ... Error! Bookmark not defined. LAMPIRAN ... Error! Bookmark not defined.


(9)

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

DAFTAR TABEL

Tabel 4.1 Frekuensi nilai dalam matriks ... 39

Tabel 4.2 Probabilitas nilai dalam matriks ... 40

Tabel 4.3 Nilai probabilitas kumulatif matriks ... 41

Tabel 4.4 Hasil perkalian nilai probabilitas akumulatif dengan angka 20 ... 42

Tabel 4.5 Daftar widget ... 63

Tabel 4.6 Modul-modul pada proses pembangunan perangkat lunak ... 68

Tabel 4.7 Hasil pengujian akurasi dan waktu ... 73


(10)

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

DAFTAR GAMBAR

Gambar 2.1 Penjahitan beberapa gambar menjadi satu ... 13

Gambar 2.2 Pemodelan 3 dimensi menggunakan foto ... 13

Gambar 2.3 Contoh gambar biner ... 16

Gambar 2.4 Contoh gambar grayscale ... 17

Gambar 2.5 Contoh gambar true color ... 18

Gambar 2.6 Ilustrasi perbandingan ruang kartesian dan ruang hough ... 22

Gambar 2.7 Ilustrasi pendeteksian oleh algoritma FCHT ... 23

Gambar 3.1 Desain Penelitian ... 29

Gambar 3.2 Alur proses ekualisasi histogram ... 31

Gambar 3.3 Alur proses analisis histogram ... 32

Gambar 3.4 Alur proses verifikasi plat nomor ... 33

Gambar 3.5 Diagram iterative development ... 35

Gambar 4.1 Diagram Blok Sistem Lokalisasi Plat Nomor ... 36

Gambar 4.2 Gambar format RGB (a), Gambar format grayscale (b) ... 38

Gambar 4.3 Gambar dengan kontras yang kurang baik ... 38

Gambar 4.4 Histogram matriks asli (a), Histogram hasil ekualisasi (b) ... 44

Gambar 4.5 Sebelum proses ekualisasi (a), Setelah proses ekualisasi (b) ... 45

Gambar 4.6 Hasil pendeteksian garis Sobel ... 46

Gambar 4.7 Contoh gambar yang akan diproses oleh FCHT ... 47


(11)

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Gambar 4.9 Pembagian kategori pendeteksian garis ... 49

Gambar 4.10 Garis yang memiliki titik awal yang sama ... 50

Gambar 4.11 Sebelum proses FCHT (a), Setelah proses FCHT ... 50

Gambar 4.12 Gambar mengandung banyak noise (a), Setelah eliminasi (b) ... 51

Gambar 4.12 Data garis dan histogram vertikalnya ... 52

Gambar 4.13 Pemotongan dari praproses (a) Pemotongan dari gambar asli(b) ... 54

Gambar 4.15 Sebelum pengaburan (a) Setelah pengaburan (b) ... 55

Gambar 4.16 Pemeriksaan distribusi garis ... 57

Gambar 4.17 Hasil akhir proses pencarian plat nomor ... 58

Gambar 4.18 Use case sistem ... 60

Gambar 4.19 Diagram sekuen ... 61

Gambar 4.20 Perancangan antarmuka sistem ... 65


(12)

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

BAB I PENDAHULUAN Latar Belakang

Sistem pengawasan menggunakan kamera merupakan salah satu aplikasi praktis dari perkembangan teknologi yang dapat membantu permasalahan sehari-hari. Dengan sistem pengawasan yang baik maka proses penyelesaian tindak kejahatan bisa menjadi lebih cepat atau bahkan bisa dicegah sebelum kejahatan tersebut terjadi. Selain dalam bidang keamanan, sistem pengawasan kamera juga bisa digunakan untuk berbagai bidang yang lain seperti di bidang komersial untuk penghitungan durasi parkir mobil dengan cara membaca plat nomor kendaraan ketika keluar dan masuk area parkir (Jadhav, Ganesh R, 2015). Di bidang statistik, sistem pengawasan kamera bisa digunakan untuk menghitung jumlah kendaraan yang melewati suatu jalan dengan cara membuat sebuah garis virtual dan menghitung kendaraan yang melewati garis tersebut (Belle L. Tseng, 2002).

Secara garis besar sistem pengawasan menggunakan kamera bisa dibagi menjadi 2 yaitu manual dan otomatis. Pada sistem yang manual dibutuhkan operator manusia untuk memantau sistem melalui monitor, sedangkan pada sistem yang otomatis tidak diperlukan operator manusia karena sistem telah memiliki kecerdasan untuk melakukan pemantauan dan pengambilan keputusan (Dick, Anthony R, 2003).

Salah satu contoh dari sistem pengawasan otomatis adalah Automated Number Plate Recognition (ANPR). ANPR dapat menjembatani objek mobil dari bentuk fisik ke dalam bentuk konseptual yang bisa diperlakukan sebagai data dan diolah sesuai kebutuhan. Fungsi ANPR ini sangat berguna mengingat potensinya yang dapat mengambil ribuan data kendaraan yang melintas dalam suatu daerah untuk keperluan pengolahan data lebih lanjut. Karena kegunaannya ini, berbagai macam teknik telah dikembangkan dan sistem pembacaan plat nomor otomatis kini telah digunakan di berbagai aplikasi “… various recognition techniques have been developed and number plate recognitions systems are today used in various


(13)

10

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

traffic and security applications, such as parking, access and border control, or tracking of stolen cars“ (Martinski, 2007).

Secara garis besar sistem ANPR dapat dibagi menjadi 3 tahap yaitu lokalisasi plat nomor, segmentasi karakter, dan pengenalan karakter. Proses lokalisasi plat nomor dianggap sebagai tahap yang paling penting karena akurasi 2 proses selanjutnya sangat bergantung pada proses pertama “Among them, license plate localization (LPL) is considered the most crucial stage because a high accuracy and real time segmentation and recognition can be performed only if the

license plates are correctly localized”. (Nguyen et al, 2008).

Telah ada beberapa penelitian yang berfokus pada proses lokalisasi plat nomor, salah satunya adalah penelitian dengan judul A real time license plate localization method based on vertical edge analysis (Tarabek, 2012) mengajukan sebuah metode analisis garis vertikal sebagai dasar perhitungan untuk menentukan lokasi plat nomor di dalam sebuah gambar. Metode tersebut memiliki kelemahan dimana semua garis vertikal yang terdeteksi akan dihitung untuk mencari lokasi plat nomor sehingga menjadi kurang efisien pada gambar yang memiliki banyak garis yang tidak relevan terhadap proses atau sering disebut sebagai noise.

Diperlukan sebuah metode praproses yang dapat mengeliminasi noise sehingga proses lokalisasi plat nomor dapat menjadi lebih efisien. (Liming, Chen. 2005) mengajukan sebuah algoritma bernama Fast hough connective transform (FCHT) yang dapat mendeteksi panjang dan sudut garis dalam suatu gambar dengan memanfaatkan fungsi trigonometri. Algoritma ini dapat dimanfaatkan dalam praproses pendeteksian plat nomor dengan cara menghilangkan garis yang panjang dan sudut kemiringannya tidak memenuhi syarat.

Sebelum gambar siap untuk diproses oleh algoritma FCHT perlu dilakukan beberapa proses yaitu konversi gambar ke format grayscale, peningkatan kontras, dan pendeteksian garis. Untuk konversi gambar ke format grayscale akan dilakukan penambahan nilai dari masing-masing channel kemudian nilai tersebut akan dibagi 3 untuk mendapatkan nilai rerata (Kumar, Tarun. 2010). Setelah didapat gambar grayscale maka akan dilakukan peningkatan kontras gambar


(14)

11

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

dengan metode ekualisasi histogram yang akan mendistribusikan nilai di dalam gambar secara merata (Cheng, H. D. 2004). Langkah selanjutnya adalah mendeteksi garis di dalam gambar menggunakan pendeteksi sobel. Operasi ini dilakukan dengan melakukan konvolusi menggunakan kernel sobel (Vairalkar, Manoj K. 2012).

Berdasarkan hal-hal tersebut maka akan dilakukan penelitian untuk menggunakan algoritma FCHT dan analisis histogram untuk menentukan lokasi plat nomor di dalam gambar.


(15)

12

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Rumusan Masalah

Berdasarkan latar belakang yang telah diuraikan, maka peneliti mengambil beberapa hal untuk dijadikan rumusan masalah agar penelitian ini tepat sasaran, diantaranya:

1. Berapa besar persentase akurasi lokalisasi plat nomor dengan penggabungan algoritma FCHT dan analisis histogram.

2. Seberapa besarkah tingkat reduksi noise menggunakan algoritma FCHT.

Tujuan Penelitian

Berdasarkan pada rumusan masalah yang telah dijabarkan, maka dirumuskan tujuan yang ingin dicapai, diantaranya:

1. Mengetahui tingkat reduksi noise menggunakan algoritma FCHT dalam proses lokalisasi plat nomor.

2. Mengetahui akurasi pendeteksian plat nomor dengan menggunakan algoritma FCHT dan analisis histogram.

Batasan Penelitian

Adapun batasan masalah dalam penelitian ini diantaranya adalah:

1. Gambar yang digunakan dalam penelitian memiliki kualitas yang lebih tinggi dibandingan dengan gambar yang dihasilkan oleh kamera CCTV.

2. Penelitian yang dilakukan hanya sampai pada tahap pertama dari sistem ANPR yaitu tahap lokalisasi plat nomor.

3. Pengambilan gambar dilakukan dengan posisi kamera kurang lebih tegak lurus terhadap plat nomor.

4. Jarak kamera dan plat nomor pada saat pengambilan gambar memiliki rentang yang sudah ditentukan yaitu 2-3 meter.


(16)

13

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

5. Gambar diambil pada siang hari dengan kondisi pencahayaan yang terang.

6. Gambar yang digunakan selama masa pelatihan sistem adalah gambar kendaraan dari berbagai negara.

7. Plat nomor yang dibaca adalah plat nomor negara Indonesia yang ketentuan bentuk dan warnanya telah diatur dalam peraturan pemerintah.

8. Gambar masukan sistem diambil secara offline dalam artian sistem tidak mengambil gambar langsung.

Sistematika Penulisan

Sistematika penyusunan dalam skripsi ini adalah sebagai berikut: BAB I PENDAHULUAN

Berisi pembahasan masalah secara umum, terdiri dari latar belakang, rumusan masalah, batasan masalah, tujuan penelitian dan sistematika penulisan.

BAB II KAJIAN PUSTAKA

Berisi dasar teori yang digunakan dalam penelitian skripsi. Adapun yang dibahas pada bab ini adalah teori yang berkaitan dengan computer vision, digital image processing, FCHT, serta analisis histogram.

BAB III METODE PENELITIAN

Bab ini berisi tentang desain penelitian, alat dan bahan serta metode penelitian yang akan digunakan pada penelitian ini. Bagian-bagian tersebut akan dijelaskan secara lengkap pada bab 3 ini.

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

Berisi penjelasan dari hasil penelitian yang telah dilakukan dan pembahasannya.


(17)

14

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu BAB V KESIMPULAN

Bab ini berisi kesimpulan dari penelitian yang telah dilakukan. Kesimpulan merupakan menjawab dari tujuan penelitian yang terdapat pada bab 1. Selain itu pada bab ini juga terdapat saran untuk penelitian selanjutnya.


(18)

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

BAB III

METODE PENELITIAN

Dalam penelitian ini diperlukan sebuah desain dan metode penelitian agar dalam pelaksanaaannya dapat menjadi lebih teratur dan terurut.

3.1. Desain Penelitian

Bentuk dari desain penelitian ini adalah sebuah diagram yang mewakili masing-masing proses yang akan dilakukan untuk mencapai hasil akhir tujuan.

Gambar 3.1. Desain Penelitian Lokasisasi Plat Nomor Menggunakan


(19)

31

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Penjelasan dari desain penelitian tersebut adalah sebagai berikut: a. Pengumpulan Data

Data yang dikumpulkan alat dan bahan penelitian yang akan digunakan pada tahap pelatihan dan pengujian.

b. Praproses

Praproses adalah manipulasi gambar sebagai tahap awal sebelum gambar tersebut siap untuk diproses oleh metode LSTD. Praproses ini terbagi menjadi beberapa tahap sebagai berikut:

1. Konversi ke Format Grayscale

Gambar yang menjadi input sistem adalah gambar dengan format RGB yang direpresentasikan oleh komputer ke dalam 3 buah layer untuk masing-masing warna. Tahap konversi ke grayscale ini akan merubah representasi 3 layer tersebut ke dalam 1 buah layer dengan cara mengambil rerata dari masing-masing piksel di ketiga layer sehingga gambar menjadi berwarna hitam putih.

2. Peningkatan Kontras Gambar

Tujuan dari tahap ini adalah untuk memperjelas kontras sehingga garis-garis batas di dalam gambar akan terlihat semakin jelas untuk mempermudah tahapan selanjutnya. Metode yang digunakan untuk tahap ini adalah ekualisasi histogram di mana intensitas cahaya akan berusaha didistribusikan secara merata sehingga tidak ada garis yang terlalu gelap atau terlalu terang.

Proses ekualisasi histogram ini dilakukan secara mandiri oleh sistem dalam artian tidak diperlukan interaksi dan atau parameter dari pengguna untuk melakukan proses. Terdapat beberapa tahap dalam ekualisasi histogram yang digambarkan di dalam diagram berikut.


(20)

32

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Gambar 3.2. Alur proses ekualisasi histogram

3. Pendeteksian Tepi Sobel

Pendeteksian tepi sobel adalah salah satu diantara beberapa teknik pendeteksian tepi yang menggunakan operasi konvolusi matrix terhadap gambar. Metode ini dipilih karena bisa mendeteksi garis horizontal dan vertikal secara terpisah sehingga proses menjadi lebih cepat.

4. FCHT

FCHT adalah sebuah algoritma yang akan mendeteksi segmen garis di dalam gambar. Hasil dari proses ini adalah data garis dengan atribut panjang, lokasi, serta sudut kemiringan garis tersebut.

5. Eliminasi Noise

Proses ini bertujuan untuk menghilangkan data garis yang tidak relevan terhadap proses lokalisasi plat nomor. Pada tahap ini data garis yang diambil dari FCHT akan disaring berdasarkan kriteria tertentu dan data yang tidak lolos akan dibuang. Hasil dari proses ini adalah data garis yang jauh lebih sedikit sehingga diharapkan proses analisis histogram bisa menjadi lebih cepat dan lebih akurat.


(21)

33

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu c. Analisis Histogram

Data garis yang lolos dari proses eliminasi di bagian praproses akan diolah untuk menemukan lokasi plat nomor. Dilakukan penelusuran dari atas ke bawah untuk menghitung kemunculan garis di masing-masing kolom gambar dan hasilnya diproyeksikan ke sumbu y sehingga hasilnya adalah sebuah larik yang merepresentasikan histogram kemunculan garis dilihat dari sisi vertikal.

Histogram tersebut akan dicari nilai maksimalnya untuk menentukan kemungkinan lokasi plat nomor. Setelah ditemukan lokasi kandidat plat nomor secara vertikal lalu dilakukan lagi operasi penelusuran namun dari kiri ke kanan untuk menentukan lokasi plat nomor secara horizontal. Hasil dari proses ini adalah kandidat plat nomor.

Apabila ditunjukan ke dalam bentuk diagram maka proses analisis histogram ini dapat digambarkan sebagai berikut.

Gambar 3.3. Alur proses analisis histogram

d. Verifikasi Plat Nomor

Setelah kandidat plat nomor ditemukan maka tahapan selanjutnya adalah verifikasi kandidat tersebut untuk menentukan apakah area hasil proses sebelumnya berisi plat nomor atau tidak. Dalam proses ini terdapat dua tahap verifikasi yang dapat dilihat pada gambar berikut.


(22)

34

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Gambar 3.4. Alur proses verifikasi plat nomor

Tahap pertama dari proses ini adalah pemeriksaan bentuk area. Plat nomor di Indonesia memiliki bentuk segi empat dengan sisi horizontal yang lebih panjang dari sisi vertikal. Bentuk plat nomor ini bisa dijadikan sebuah kriteria untuk memverifikasi keberadaan plat nomor di mana apabila kandidat plat nomor tidak memiliki sisi horizontal yang lebih besar daripada sisi vertikal maka kandidat tersebut gugur.

Tahap kedua verifikasi adalah pemeriksaan data garis di dalam area kandidat. Plat nomor memiliki data garis vertikal yang jarak horizontalnya cenderung seragam. Hal ini disebabkan oleh angka dan huruf di dalam plat nomor yang berbaris sehingga memiliki pola kemunculan garis yang khas. Ciri khas ini dapat dijadikan kriteria kedua dalam proses verifikasi sehingga kandidat yang kemunculan garisnya tidak seragam akan dieliminasi.

e. Analisis Hasil Penelitian dan Kesimpulan

Setelah hasil dari penelitian atau objek sudah didapatkan melalui proses training dan testing selanjutnya akan dianalisa berdasarkan beberapa parameter berikut :

Waktu eksekusi, Waktu yang diperlukan oleh program untuk memproses 1 gambar dari awal sampai akhir

 Tingkat akurasi, Berhasil atau tidaknya program melokalisasi plat nomor di dalam gambar


(23)

35

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

3.2. Metode Penelitian

Dalam penelitian ini terdapat 2 metode, yaitu pengumpulan data dan pengembangan perangkat lunak.

3.2.1 Pengumpulan Data

Pada tahap ini dilakukan pengumpulan data yang akan digunakan dalam tahap pengembangan perangkat lunak. Ada pun pengumpulan data ini dapat dibagi lagi menjadi beberapa bagian.

a. Studi Literatur

Data yang didapat dari studi literatur adalah berupa pengetahuan yang berasal dari buku, jurnal, maupun artikel. Tujuan dari pengumpulan data melalui studi literatur ini adalah untuk mengetahui cara melakukan penelitian dan memperdalam pemahaman terhadap topik yang dibahas di dalam penelitian.

b. Pengumpulan Sample

Tahap ini dilakukan untuk mendapatkan gambar yang akan diproses oleh sistem. Gambar yang diperoleh terbagi menjadi 2 berdasarkan tujuannya yaitu data pelatihan dan data uji coba.

3.2.2 Pengembangan Perangkat Lunak

Pada tahap ini dilakukan pengembangan perangkat lunak dengan menggunakan metode iterative development karena dalam pengembangannya akan dilakukan pengulangan beberapa tahap untuk meningkatkan akurasi, durasi, dan lain-lain. Berdasarkan (Scacchi, Walt. 2001) Proses iterative development dapat digambarkan sebagai berikut.


(24)

36

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Gambar 3.5 Diagram iterative development

Penjelasan dari diagram tersebut adalah sebagai berikut: a. Perencanaan Awal

Pada tahap ini akan ditentukan tujuan utama dari perangkat lunak serta kebutuhan-kebutuhan yang akan diperlukan dalam proses yang akan dilakukan mulai dari analisis hingga implementasi.

b. Analisis dan Desain

Setelah ditentukan tujuan dan kebutuhan dari perangkat lunak, maka tahap selanjutnya adalah menganalisa pengetahuan apa saja yang diperlukan untuk membangun perangkat lunak yang sesuai dengan tujuan yang telah ditentukan pada tahap sebelumnya.

Tahap ini juga mencakup desain dari perangkat lunak di mana hasil akhirnya adalah model objek serta alur data yang sesuai dengan analisis dan akan diimplementasikan ketika mengembangkan perangkat lunak.

c. Coding

Pada tahap ini akan dikembangkan perangkat lunak berdasarkan desain yang telah ditentukan sebelumnya.


(25)

37

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu d. Testing

Perangkat lunak yang telah selesai dibangun akan diuji coba di mana parameter uji coba adalah tingkat akurasi sistem pembacaan plat nomor dengan toleransi kemiringan.

e. Evaluasi

Setelah uji coba dilakukan maka diperlukan evaluasi untuk menentukan apakah akurasi sistem sudah cukup bagus untuk diimplementasikan atau diperlukan iterasi tambahan untuk merubah beberapa hal sehingga bisa meningkatkan akurasi.

f. Implementasi Sistem

Perangkat lunak yang telah selesai dikembangkan akan diterapkan di lingkungan nyata untuk digunakan sesuai dengan tujuannya.

3.3. Alat dan Bahan Penelitian

Dalam penelitian ini diperlukan seperangkat alat komputer dengan perangkat lunak pendukung lainnya. Sedangkan bahan yang digunakan adalah dataset gambar yang mengandung plat nomor

3.3.1 Alat Penelitian

a. Kebutuhan Perangkat Keras

Perangkat keras yang digunakan di dalam penelitian ini adalah:  Processor Core i3-2310M 2.1GHz

RAM 6 GB  Hard disk 512 GB

 Monitor Resolusi 1366x768 32bit Mouse dan keyboard

b. Kebutuhan Perangkat Lunak


(26)

38

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu  Windows 7 Profesional

 Qt Creator 3.2.2  OpenCV 2.4

3.3.2 Bahan Penelitian

a. Training dataset

Data untuk pelatihan ini adalah sekumpulan gambar yang di dalamnya terdapat plat nomor. Data ini diambil dari beberapa database publik yang dapat diakses lewat internet yaitu:

 http://www.medialab.ntua.gr/research/LPRdatabase.html

 http://www.zemris.fer.hr/projects/LicensePlates/hrvatski/rezultati.s html .

Training dataset ini berisi gambar yang mengandung objek plat nomor dari beberapa negara pada berbagai situasi dan lingkungan yang berbeda.

b. Testing dataset

Data ini adalah sekumpulan gambar yang tidak termasuk ke dalam training dataset. Data ini berguna untuk menguji apakah sistem dapat melakukan lokalisasi plat nomor dari gambar yang sebelumnya belum pernah diproses.


(27)

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

BAB V

KESIMPULAN DAN SARAN

Setelah dilakukan penelitian mengenai penggunaan algoritma FCHT dan analisis histogram untuk menentukan lokasi plat nomor di dalam gambar, maka dapat diambil beberapa kesimpulan dan saran.

5.1 Kesimpulan

Adapun kesimpulan dari penelitian ini adalah:

a. Proses eliminasi noise dengan memanfaatkan algoritma FCHT telah menghasilkan tingkat reduksi noise sebesar 78% dan 74% pada lokasi di dalam dan di luar ruangan secara berurut.

b. Penggunaan algoritma FCHT dan analisis histogram telah berhasil mencapai akurasi 97% untuk gambar yang diambil di dalam ruangan sementara untuk gambar yang diambil di luar ruangan hanya menghasilkan akurasi sebesar 68%

5.2 Saran

Beberapa saran yang diberikan untuk penelitian lebih lanjut adalah sebagai berikut:

a. Penelitian selanjutnya diharapkan dapat mengatasi penurunan akurasi yang drastis ketika algoritma diterapkan di luar ruangan. Karena akurasi penentuan lokasi plat nomor cukup rendah apabila diterapkan outdoor dikarenakan terlalu banyak noise.

b. Penelitian selanjutnya diharapkan dapat menerapkan metode ini dalam aplikasi real time karena perangkat lunak yang dikembangkan ini mengambil gambar secara offline sehingga metode yang diajukan belum teruji keakuratannya apabila pendeteksian dilakukan secara real time.


(28)

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

DAFTAR PUSTAKA

Woods, Richard E., Gonzales, Rafael E. 2008. Digital Image Processing Third Edition. Pearson Education. New Jersey.

Szeliski, Richard. Computer Vision: Algorithms and Applications. 2010. Springer.

Nguyen, Chu-Duc. Real-time License Plate Localization Based on a New Scale and Rotation Invarition Texture Descriptor. 2008. Lyon Research Center for Images and Intelligent Information Systems. France.

Fullerton, Eric., Kannov, Soren E. 2007. Keeping Watch on The City: IP Video Surveillance. Milestone White Paper.

Brooks, Michael J., Dick, Anthony R. 2003. Issues in Automated Visual Surveillance. University of Adelaide.

Yuen, Shiu Yin K. 1991. Connective Hough Transform. University of Sussex.

Chen, Liming. Pujol, Alain. 2005. A Hough Transform Based Cityscape Classifier. Ecole Centrale de Lyon.

Martinsky, Ondrej. 2007. Algoritmic and Mathematical Principles of Automatic Number Plate Recognition Systems. Brno Univerysity of Technology.

Munir, Rinaldi. 2004. Pengolahan Citra Digital Dengan Pendekatan Algoritmik. Informatika. Bandung


(29)

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Merlyn, Indira. 2008. Perbandingan Metode Pendeteksi Tepi Studi Kasus : Citra USG Janin. Seminar Ilmiah Nasional Komputer dan Sistem Inteligen

Ahmad, Usman. 2005. Pengolahan Gambar Digital dan Tekhnik Pemrogramannya. Graha Ilmu. Yogyakarta.

Tarabek, Peter. 2012. A Real-Time License Plate Localization Method Basedon Vertical Edge Analysis. Proceedings of the Federated Conference on Computer Science and Information Systems.

Jadhav, Ganesh R, Karande, Kailash J. 2015. Automatic Vehicle Number Plate Recognition for Vehicle Parking Management System. International Journal of Industrial Electronics and Electrical Engineering

Belle L. Tseng, Ching-Yung Lin dan John R. Smith. 2002. Real-time Video Surveillance for Traffic Monitoring Using Visual Line Analysis. IEEE International Conference on Multimedia and Expos.

Kumar, Tarun. Verma, Karun. 2010. A Theory Based on Conversion of RGB Image to Gray Image. International Journal of Computer Applications.

H.D. Cheng, X.J. Shi. 2004. A Simple and Effective Histogram Equalization Approach to Image Enhancement. Digital Signal Processing 14

Vairalkar, Manoj K, Nimbhorkar, S.U. 2012. Edge Detection of Images Using Sobel Operator. International Journal of Emerging Technology and Advanced Engineering


(1)

36

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Gambar 3.5 Diagram iterative development

Penjelasan dari diagram tersebut adalah sebagai berikut: a. Perencanaan Awal

Pada tahap ini akan ditentukan tujuan utama dari perangkat lunak serta kebutuhan-kebutuhan yang akan diperlukan dalam proses yang akan dilakukan mulai dari analisis hingga implementasi.

b. Analisis dan Desain

Setelah ditentukan tujuan dan kebutuhan dari perangkat lunak, maka tahap selanjutnya adalah menganalisa pengetahuan apa saja yang diperlukan untuk membangun perangkat lunak yang sesuai dengan tujuan yang telah ditentukan pada tahap sebelumnya.

Tahap ini juga mencakup desain dari perangkat lunak di mana hasil akhirnya adalah model objek serta alur data yang sesuai dengan analisis dan akan diimplementasikan ketika mengembangkan perangkat lunak.

c. Coding

Pada tahap ini akan dikembangkan perangkat lunak berdasarkan desain yang telah ditentukan sebelumnya.


(2)

37

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

d. Testing

Perangkat lunak yang telah selesai dibangun akan diuji coba di mana parameter uji coba adalah tingkat akurasi sistem pembacaan plat nomor dengan toleransi kemiringan.

e. Evaluasi

Setelah uji coba dilakukan maka diperlukan evaluasi untuk menentukan apakah akurasi sistem sudah cukup bagus untuk diimplementasikan atau diperlukan iterasi tambahan untuk merubah beberapa hal sehingga bisa meningkatkan akurasi.

f. Implementasi Sistem

Perangkat lunak yang telah selesai dikembangkan akan diterapkan di lingkungan nyata untuk digunakan sesuai dengan tujuannya.

3.3. Alat dan Bahan Penelitian

Dalam penelitian ini diperlukan seperangkat alat komputer dengan perangkat lunak pendukung lainnya. Sedangkan bahan yang digunakan adalah dataset gambar yang mengandung plat nomor

3.3.1 Alat Penelitian

a. Kebutuhan Perangkat Keras

Perangkat keras yang digunakan di dalam penelitian ini adalah:  Processor Core i3-2310M 2.1GHz

RAM 6 GB  Hard disk 512 GB

 Monitor Resolusi 1366x768 32bit Mouse dan keyboard

b. Kebutuhan Perangkat Lunak


(3)

38

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

 Windows 7 Profesional  Qt Creator 3.2.2

 OpenCV 2.4 3.3.2 Bahan Penelitian

a. Training dataset

Data untuk pelatihan ini adalah sekumpulan gambar yang di dalamnya terdapat plat nomor. Data ini diambil dari beberapa database publik yang dapat diakses lewat internet yaitu:

 http://www.medialab.ntua.gr/research/LPRdatabase.html

 http://www.zemris.fer.hr/projects/LicensePlates/hrvatski/rezultati.s html .

Training dataset ini berisi gambar yang mengandung objek plat nomor dari beberapa negara pada berbagai situasi dan lingkungan yang berbeda.

b. Testing dataset

Data ini adalah sekumpulan gambar yang tidak termasuk ke dalam training dataset. Data ini berguna untuk menguji apakah sistem dapat melakukan lokalisasi plat nomor dari gambar yang sebelumnya belum pernah diproses.


(4)

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

BAB V

KESIMPULAN DAN SARAN

Setelah dilakukan penelitian mengenai penggunaan algoritma FCHT dan analisis histogram untuk menentukan lokasi plat nomor di dalam gambar, maka dapat diambil beberapa kesimpulan dan saran.

5.1 Kesimpulan

Adapun kesimpulan dari penelitian ini adalah:

a. Proses eliminasi noise dengan memanfaatkan algoritma FCHT telah menghasilkan tingkat reduksi noise sebesar 78% dan 74% pada lokasi di dalam dan di luar ruangan secara berurut.

b. Penggunaan algoritma FCHT dan analisis histogram telah berhasil mencapai akurasi 97% untuk gambar yang diambil di dalam ruangan sementara untuk gambar yang diambil di luar ruangan hanya menghasilkan akurasi sebesar 68%

5.2 Saran

Beberapa saran yang diberikan untuk penelitian lebih lanjut adalah sebagai berikut:

a. Penelitian selanjutnya diharapkan dapat mengatasi penurunan akurasi yang drastis ketika algoritma diterapkan di luar ruangan. Karena akurasi penentuan lokasi plat nomor cukup rendah apabila diterapkan outdoor dikarenakan terlalu banyak noise.

b. Penelitian selanjutnya diharapkan dapat menerapkan metode ini dalam aplikasi real time karena perangkat lunak yang dikembangkan ini mengambil gambar secara offline sehingga metode yang diajukan belum teruji keakuratannya apabila pendeteksian dilakukan secara real time.


(5)

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

DAFTAR PUSTAKA

Woods, Richard E., Gonzales, Rafael E. 2008. Digital Image Processing Third Edition. Pearson Education. New Jersey.

Szeliski, Richard. Computer Vision: Algorithms and Applications. 2010. Springer.

Nguyen, Chu-Duc. Real-time License Plate Localization Based on a New Scale and Rotation Invarition Texture Descriptor. 2008. Lyon Research Center for Images and Intelligent Information Systems. France.

Fullerton, Eric., Kannov, Soren E. 2007. Keeping Watch on The City: IP Video Surveillance. Milestone White Paper.

Brooks, Michael J., Dick, Anthony R. 2003. Issues in Automated Visual Surveillance. University of Adelaide.

Yuen, Shiu Yin K. 1991. Connective Hough Transform. University of Sussex.

Chen, Liming. Pujol, Alain. 2005. A Hough Transform Based Cityscape Classifier. Ecole Centrale de Lyon.

Martinsky, Ondrej. 2007. Algoritmic and Mathematical Principles of Automatic Number Plate Recognition Systems. Brno Univerysity of Technology.

Munir, Rinaldi. 2004. Pengolahan Citra Digital Dengan Pendekatan Algoritmik. Informatika. Bandung


(6)

Diky Pratunayah, 2015

PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Merlyn, Indira. 2008. Perbandingan Metode Pendeteksi Tepi Studi Kasus : Citra USG Janin. Seminar Ilmiah Nasional Komputer dan Sistem Inteligen

Ahmad, Usman. 2005. Pengolahan Gambar Digital dan Tekhnik Pemrogramannya. Graha Ilmu. Yogyakarta.

Tarabek, Peter. 2012. A Real-Time License Plate Localization Method Basedon Vertical Edge Analysis. Proceedings of the Federated Conference on Computer Science and Information Systems.

Jadhav, Ganesh R, Karande, Kailash J. 2015. Automatic Vehicle Number Plate Recognition for Vehicle Parking Management System. International Journal of Industrial Electronics and Electrical Engineering

Belle L. Tseng, Ching-Yung Lin dan John R. Smith. 2002. Real-time Video Surveillance for Traffic Monitoring Using Visual Line Analysis. IEEE International Conference on Multimedia and Expos.

Kumar, Tarun. Verma, Karun. 2010. A Theory Based on Conversion of RGB Image to Gray Image. International Journal of Computer Applications.

H.D. Cheng, X.J. Shi. 2004. A Simple and Effective Histogram Equalization Approach to Image Enhancement. Digital Signal Processing 14

Vairalkar, Manoj K, Nimbhorkar, S.U. 2012. Edge Detection of Images Using Sobel