Sistem Pengenalan Multi Koin

Dengan Metode Circular Hough Transformation

(CHT) Menggunakan MatlabR2012b
Zaiful Bahri
Jurusan Matematika FMIPA Universitas Riau
Jl. H.R Soebrantas Km. 12,5 Kampus Bina Widya (0761) 63273
Email : zaifulbahri@unri.ac.id

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 :

Dengan menggunakan array accumulator yang ada pada CHT,

maka koin dapat dikenali melalui besaran jari-jarinya dengan
rentang jari-jari tertentu.
Kata kunci : Koin, CHT, citra, jari-jari, array accumulator

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

Dalam penelitian ini yang menjadi masalah utama adalah uang

koin mempunyai ukuran jari-jari yang berbeda-beda termasuk
jumlah nominal koin itu sendiri, warna dan tekstur koin seperti
Rp. 100, Rp. 200, Rp. 500, Rp. 1000. Untuk itu bagaimana
sistem nantinya dapat mendeteksi dan mengenali koin
termasuk nominalnya untuk membedakan koin-koin tersebut
dalam satu citra menggunakan metode Circular Hough
Transformation.

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

di mana W(.) adalah fungsi kernel HT yang didefinisikan

sebagai berikut : jika f(X,P) = 0 untuk suatu observasi X,
maka W(.)=1 lainnya W(.)=0.

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.

Akumulator A(a,b,r) dicari untuk lokal maksimum,

dari parameter (a,b,r) ini lingkaran yang sesuai dapat
ditentukan.

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

HASIL DAN PEMBAHASAN

1. Input Citra Multi Koin
Jika citra berwarna maka citra
harus diubah dulu ke dalam
citra grayscale dengan tujuan
agar proses pendeteksian dan
pengenal citra koin dapat
berjalan dengan mulus. Karena
citra yang dapat dikenal oleh
sistem menggunaka Circular
Hough Transformation adalah
citra
grayscale.
Untuk
mengubah citra berwarna
menjadi citra grayscale dapat
digunakan fungsi rgb2gray().

HASIL DAN PEMBAHASAN

2. Citra RGB ke citra Grayscale dan Segmentasi (Hole)

HASIL DAN PEMBAHASAN

3. Pemberian Intensitas Cahaya
Intensitas cahaya citra multi koin diperlukan untuk memudahkan
pelabelan citra setiap koin, di mana intensitas cahaya citra dilakukan
dari sisi gelap ke terang yang di mulai dari kiri ke kanan dan atas ke
bawah.

HASIL DAN PEMBAHASAN

4. Pemberian Warna HSV
Pemberian warna dilakukan untuk melihat perbedaan masing-masing
ukuran citra dengan fungsi label2rgb() yang merupakan fungsi
pseudo label warna acak.

HASIL DAN PEMBAHASAN

5. Deteksi & Pelabelan Multi Koin
Proses deteksi dan pelabelan citra
multi koin sangat diperlukan untuk
mendeteksi masing-masing citra
koin. Dengan diperolehnya deteksi
dan pelabelan masing-masing citra
koin sehingga dapat ditentukan jarijari masing-masing citra koin
menggunakan
Circular
Hough
Transformation. Dapat dilihat bahwa
deteksi dan pelabelan citra koin
dilakukan untuk citra multi koin
grayscale.

HASIL DAN PEMBAHASAN

6. Cropping dan Ekstraksi Individu Koin
Dengan diperolehnya deteksi tepi untuk setiap koin, maka untuk
meng-cropping dan mengekstrak masing-masing citra koin dapat
dilakukan dengan mudah. Sehingga untuk masing-masing citra koin
yang sudah dihitung jari-jarinya pada proses deteksi dan pemberian
label menggunakan Circular Hough Transformation (CHT). Proses
cropping dan ekstrak koin secara individu ini digunakan untuk
mengambil masing-masing jari-jari koin. Kemudian dibuatkan
rentang jari-jari koin untuk mengenali masing-masing nominal
koinnya.

jari_jari>24 & jari_jari<26 untuk koin Rp. 100

jari_jari>30 & jari_jari<32 untuk koin Rp. 200
jari_jari>32 & jari_jari<36 untuk koin Rp. 500 (baru & lama)
jari_jari>38 & jari_jari<40 untuk koin Rp. 1000

HASIL DAN PEMBAHASAN

7. Cropping dan Ekstraksi Individu Koin

HASIL DAN PEMBAHASAN

8. Hasil Pengenalan Multi Koin
Dari gambar sebelumnya dapat diperoleh hasil pengenalan multi
koin yang dirangkum sebagai berikut :
No. Koin
1
2
3
4
5
6
7
8
9
10
11
12

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

HASIL DAN PEMBAHASAN

9. Sistem Keseluruhan

4. KESIMPULAN DAN SARAN

Kesimpulan :
Dengan menggunakan CHT permasalahan deteksi dan pengenalan
multi koin dapat dilakukan dengan beberapa proses yang harus
dilakukan sebelumnya. Proses-proses tersebut merupakan proses
pendukung terhadap deteksi dan pengenal multi koin. Proses
pengenalan multi koin ini bukan berdasarkan pengenalan citra
pada umumnya, namun pengenalan citra multi koin dengan
metode Circular Hough Transformation dilakukan dengan
menentukan jari-jari koin.
Saran :
Pengenalan koin dengan metode CHT dapat digunakan untuk
menentukan besarnya sebuah objek lingkaran. Disarankan kepada
peneliti untuk mengembangkan penelitian ini pada penelitian yang
berupa objek lingkaran, seperti, mata, roda dan bahkan
memungkinkan untuk meneliti tentang multi koin lanjutan yaitu
bagaimana menentukan nominal multi koin yang overlapping.

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.