PERANCANGAN PENGENALAN PLAT NOMOR MELALUI CITRA DIGITAL DENGAN OPENCV Abdillah Komarudin 1401139432 Program Studi Sistem Komputer, Universitas Bina Nusantara, abdee_dillah@yahoo.com Ahmad Teguh Satria 1401112102 Program Studi Sistem Komputer, Universitas Bina Nusantara, thestre3t@gmail.com Wiedjaja Program Studi Sisitem Komputer, Universitas Bina Nusantara, steff@binus.edu ABSTRAK Dalam berkembangnya pengetahuan teknologi tentang Image Processing maka penelitian ini memiliki tujuan untuk merancang sebuah aplikasi yang dapat melakukan proses penerjemahan objek ke teks, Khususnya diperangkat desktop. Dalam perancangan penelitian ini ada 3 hal yang membangun, diantaranya OpenCV sebagai library dasar dalam pengambilan objek, dan preprocessing program, yang kedua adalah Tesseract sebagai penerjemah hasil proses dari OpenCV untuk dijadikannya teks, dan terakhir adalah bahasa C++ sebagai bahasa utama dalam menggunakan dan memanfaatkan kedua jenis library ini. Kata kunci : OpenCV, C++, Tesseract, OCR, dan Image Processing
PENDAHULUAN Perancangan Pengenalan Plat Nomor melalui Citra Digital dengan OpenCV adalah sebuah aplikasi yang dirancang untuk dapat mengekstrak sebuah informasi dari sebuah objek plat nomor, aplikasi ini juga sudah menjadi trend dalam sebuah image processing dan menjadi software translator bagi aplikasi-aplikasi lain yang membutuhkan informasi dari sebuah objek khususnya plat nomor kendaraan. OpenCV adalah library open source computer vision yang dikembangkan oleh Intel untuk pengembangan aplikasi computer vision saat ini yang dapat diintegrasikan dengan berbagai bahasa pemrograman salah satunya adalah C/C++. Dengan library open source computer vision ini komputer akan mempunyai kemampuan melihat informasi dari sebuah objek seperti halnya manusia. Dengan memanfaatkan OpenCV maka proses pemindahan plat nomor ke dalam bentuk digital dapat dilakukan, hal ini bertujuan untuk mendokumentasikan hasil pencitraan gambar yang diambil dengan menggunakan kamera. Selain itu juga aplikasi image processing ini dalam jangka kedepannya diharapkan dapat dikembangkan dan diterapkan diberbagai aplikasi dalam bentuk lainnya yang bertujuan untuk aplikasi pendukung. Karena alasan tersebut, Perancangan Pengenalan Plat Nomor melalui Citra Digital dengan OpenCV ini dibuat untuk mendapatkan performa yang baik maka digunakan bahasa pemograman C++. Pada dasarnya pemograman bahasa C++ memiliki performa yang lebih cepat dari pemograman bahasa java, maka dari itu pada saat ini yang dibutuhkan adalah kecepatan proses data, dengan demikian C++ adalah jawaban untuk hal kecepatan proses data. ii
Gambar 1. Rancangan Penerapan Aplikasi Gambar 2. Tampilan Aplikasi iii
Mulai Capture objek menggunakan kamera Capture File berformat JPG Plate Detection Plate Recognition Text Selesai Flowchart 1. Perancangan Alur Sistem Pada flowchart akan dijelaskan mengenai parameter-parameter yang diukur pada perancangan aplikasi Automatic Number Plate Recognition. Pada perancangan Automatic Number Plate Recognition yang diutamakan adalah 3 langkah berikut, Capture, Plate Detection dan Plate Recognition. iv
METODE PENELITIAN Pada uji coba Modul Image Processing terdapat empat bagian yang akan diuji dan pada setiap bagian yang dilalukan pengujian akan mempengaruhi pada algoritma dan batasan pendeteksian pengenalan plat nomor kendaraan. Untuk itu bagian yang akan diuji pertama kali adalah rasio pada image, hal ini berguna untuk membandingkan blob yang terdeteksi dengan ukuran yang sebenarnya sebagai syarat kandidat plat nomor. Yang kedua adalah pengujian rotate atau rotasi, pengujian ini berguna untuk menentukan kemiringan plat nomor kendaraan yang dapat dideteksi oleh pogram, hal ini juga dilakukan untuk mengantisipasi kemungkinan posisi plat nomor kendaran karena suatu hal, baik posisi kamera yang tidak sesuai, atau posisi plat nomor yang memiliki kemiringan. Yang ketiga adalah pengujian jarak, pengujian jarak ini bertujuan untuk mengetahui kemampuan kamera 2MegaPixel untuk mendeteksi seberapa dekat dan jauh jarak untuk pendeteksian sebuah plat nomor, sehingga menghasilkan data yang akurat. Yang ke empat adalah menentukan nilai ambang batas binary dengan Threshold Global dan Adaptive Threshold. Berikut penjelasan mengenai uji coba tersebut. HASIL DAN BAHASAN Dari hasil uji coba yang telah dilakukan maka dapat diambil kesimpulan bahwa dengan Adaptive Threshold, dalam program mampu mengenali plat nomor kendaraan dari v
beberapa range block size sehingga keberhasilan pengenalan plat nomor ketimbang menggunakan Global Threshold. Table 1. Persentase Keberhasilan Menggunakan Global Threshold dan Adaptive Threshold Image Clasification Global Adaptive High (15 Data) 93.4 100 Medium (23 Data) 56.5 82.6 Low (9 Data) 55.6 44.5 All Data (47 Data) 68.1 80.9 Gambar 3. Persentase Keberhasilan Menggunakan Global Threshold dan Adaptive Threshold vi
SARAN DAN SIMPULAN Berdasarkan hasil percobaan yang diperoleh, maka kesimpulan yang didapat dari Program ini adalah: 1. Proses Plate Detection dan Plate Recognition mampu mengenali objek plat nomor kendaraan yang menggunakan model terbaru dengan spesifikasi ukuran 43.5x13.5 dengan garis tepi berwarna putih, serta kondisi pengambilan pada waktu siang hari dan mempunyai bentuk yang baik serta pemasangan yang sesuai aturan. 2. Dukungan kamera dengan resolusi 2 Megapixel pada jarak 150cm berfungsi sebagai first step yang sangat berperan untuk menghasilkan data dan melancarkan proses plate detection. 3. Dari pengujian gambar dapat disimpulkan dengan Adaptive Threshold mempunyai hasil dibawah 90% sedangkan Global Threshold mempunyai hasil diatas 90%. Berdasarkan pada kesimpulan yang diperoleh, maka berikut ini adalah saran yang dapat membangun untuk perkembangan program ini selanjutnya: 1. Pengambilan objek plat nomor kendaraan disarankan tidak dipengaruhi oleh waktu dan keadaan yang tidak memungkinkan lainnya. 2. Pengembangan selanjutnya diharapkan dapat menggunakan hardware yang mampu memberikan performa lebih baik, secara kecepatan proses dan tingkat akurasi pendenteksian. vii
3. Dan dapat membuat algoritma yang mampu mendeteksi berbagai jenis kondisi dan model plat nomor kendaraan. REFERENSI Chirag Patel, Atul Patel, PhD and Dharmendra Patel. (2012). Optical Character Recognition by Open Source OCR Tool Tesseract, 55-10. K.M Sajjad (2010). Automatic License Plate Recognition using Python and OpenCV, 4-6. Ronak P Patel, Narendra M Patel, Keyur Brhambhatt,(2013) Automatic License Plate Recognition, 285-294. Reshma P dan Tushar Patnik,(2012) Noise Removal and Blob Identification Approach for Number Plate Recognition 47-8. S.Kranthi, K.Pranathi, A.Srisaila,(2011) Automatic Number Plate Recognition, 2-3. viii