Abstrak
Tulisan ini membahas penggunaan Circular Hough
Transformation(CHT) untuk mengenali multi koin
Indonesia pada sebuah citra dengan array accumulatornya menggunakan software MatlabR2012b. CHT
merupakan perluasan pada Hough Transformation(HT),
dengan persamaan lingkaran sebagai berikut :
Persamaan di atas dapat diubah ke dalam bentuk persaman
parameter berikut :
1. PENDAHULUAN
Dalam sistem deteksi dan pengenalan koin,
mula-mula semua citra koin diambil, bisa
menggunakan kamera atau scanner. Citra ini
diproses menggunakan berbagai teknik atau
metode pemrosesan citra seperti FFT[1,2],
Gabor Wavelets[3], DCT, deteksi tepi,
segmentasi,
subtraksi
citra[4],
pohon
keputusan[5] dan berbagai fitur diekstraksi dari
citra. Kemudian berdasarkan fitur yang berbeda
ini koin dikenali.
1. PENDAHULUAN
Deteksi dan pengenalan citra koin dilakukan
menggunakan metode Circular Hough Transformation.
Metode Circular Hough Transformation merupakan
perluasan
Hough
Transformation[6]
untuk
mengidentifikasi circular objek sebuah citra. Metode
ini membantu dalam mengatasi batasan yang dialami
oleh metode Hough Transformation. Metode Circular
Hough Transformation mengggunakan tepi canny dan
gradient direksi untuk mendeteksi tepi citra koin dan
berdasarkan jari-jari koin, koin dapat dideteksi dan
dikenali[7][8]. Perbedaan nominal koin bisa dikenali
berdasarkan jari-jari koin[7].
1. PENDAHULUAN
2. METODOLOGI PENELITIAN
2.1 Deteksi Koin
Dalam penelitian ini digunakan metode gradient
direksi untuk mendeteksi multi koin dikarenakan
metode ini menggunakan batasan dengan filtering
intesitas cahaya yang didapat dari perubahan citra
grayscale menjadi biner. Hough Transformation
menggunakan citra dengan warna grey(abu-abu) dan
penggunaan setiap piksel untuk mendeteksi garis dan
kurva untuk persegi empat dan lingkaran[8].
2. METODOLOGI PENELITIAN
2.2 Segmentasi Citra
Tujuan segmentasi adalah untuk menyederhanakan
dan atau merubah representasi suatu citra ke dalam
sesuatu yang lebih berguna dan lebih mudah untuk
dianalisa. Deteksi tepi merupakan suatu cara
segmentasi yang paling ampuh, Proses deteksi tepi
sangat penting sebagai informasi tepi yang diperlukan
pada teknik Circular Hough Transformation. Berbagai
metode deteksi tepi diterapkan untuk aplikasi yang
berbeda.
2. METODOLOGI PENELITIAN
2. METODOLOGI PENELITIAN
2. METODOLOGI PENELITIAN
2. METODOLOGI PENELITIAN
2. METODOLOGI PENELITIAN
2.5 Circular Hough Transformation
2. METODOLOGI PENELITIAN
2.6. Algoritman CHT
Langkah 1. Set akumulator array (a,b,r) menjadi 0.
Langkah 2.
2. METODOLOGI PENELITIAN
Sambungan Algoritma CHT
Langkah 3.
2. METODOLOGI PENELITIAN
Sambungan Algoritma CHT
2. METODOLOGI PENELITIAN
2.7 Metode Gradient Direksi
Implementasi yang lebih cepat untuk CHT diperoleh dengan
menggunakan suatu metode gradient direksi untuk menganalisa
batas citra hitam dan putih, seperti yang dilakukan oleh Kimme et.al
(1975) dan Haralik dan Sapiro (1992).
Berikut adalah algoritma menggunakan metode gradient direksi pada
CHT.
Langkah 1. Set akumulator array (a,b,r) menjadi 0.
Langkah 2.
2. METODOLOGI PENELITIAN
Sambungan Metode Gradient Direksi
Langkah 3.
2. METODOLOGI PENELITIAN
Sambungan Metode Gradient Direksi
Langkah 4.
Langkah 5.
2. METODOLOGI PENELITIAN
2.8 Langkah-Langkah Penyelesaian
Deteksi dan pengenalan koin dilakukan dengan metode Circular
Hough Transformation. Langkah-langkah yang dilakukan untuk deteksi
dan pengenalan multi koin adalah :
1.
2.
3.
4.
5.
6.
7.
8.
Memulai proses.
Penangkapan data atau akuisisi data citra (input citra koin)
Ubah citra RGB ke citra Grayscale
Proses segmentasi koin(hole) menjadi citra biner
Deteksi dan Pelabelan koin
Cropping individu koin
Pengenalan koin
Selesai
Luas
4880.0
3049.0
3595.0
2926.0
1904.0
3049.0
3412.0
3486.0
3364.0
2929.0
4743.0
2043.0
Pusat X
40.9
37.1
47.3
202.7
106.0
120.5
161.5
184.2
186.8
232.2
256.6
271.2
Pusat Y
204.7
107.8
38.1
145.2
80.0
209.3
34.5
116.9
213.2
44.5
171.4
99.0
Diameter
78.8
62.3
67.7
61.0
49.2
62.3
65.9
66.6
65.4
61.1
77.7
51.0
Radius
39.4
31.2
33.8
30.5
24.6
31.2
33.0
33.3
32.7
30.5
38.9
25.5
Koin
Rp.1000
Rp. 200
Rp. 500
Rp. 200
Rp. 100
Rp. 200
Rp. 500
Rp. 500
Rp. 500
Rp. 200
Rp.1000
Rp. 100
5. DAFTAR PUSTAKA
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
Cai-ming Chen, Shi-qing Zhang, Yue-fen Chen.(2010). A Coin Recognition System with Rotation
Invariance,International Conference on Machine Vision and Human machine Interface, 2010, pp.
755-757.
Thumwarin, P., Malila, S., Janthawong, P. and Pibulwej, W.(2006). A Robust Coin Recognition Method
with Rotation Invariance, International Conference on Communications, Circuits and Systems
Proceedings, pp. 520-523.
Shen, L., Jia, S., Ji, Z. and Chen, W.S.(2009). Statictics of Gabor features for coin reco gnition, IEEE
International Workshop on Imaging Systems and Techniques, pp.295 - 298.
Gupta, V., Puri, R., Verma, M.(2011). Prompt Indian Coin Recognition with Rotation Invariance using
Image Subtraction Technique, International Conference on Devices and Communications (ICDeCom).
P. Davidsson.(1996). Coin classification using a novel technique for learning characteristic decision
trees by degree of generalization, Ninth International Conference controlling the on Industrial &
Engineering Applications of Artificial Intelligence & Expert Systems.
R. Gonzales and R. E.Wood.(2002). Digital Image Processing, Second Edition. Prentice Hall, Inc., New
Jersey
Deepika Mehta et al. (2013). A Survey on Various Techniques of Coin Detection and Recognition,
International Journal of Computer Applications, Volume 69-No.5 May 2013.
Jain, N and Jain, N.(2012). Coin Recognition Using Circular Hough Transformation, International
Journal of Electronics Communication and Computer Technology, Vol.2 Issue 3.
D. Luo (1998). Pattern Recognition and Image Procerssing, Woodhead Publishing Limited.
[10] Just Kjeldgaard Pedersen and Simon (2007). Circular Hough Transform. Aalborg University,
Vision, Graphics, and Interactive Systems.