Hand Geometric Recognition

Program ini kami kembangkan untuk mendukung proyek penelitian salah satu klien kami yang kala itu mencoba melakukan pengujian terhadap efektivitas pemanfaatan sejumlah algoritma pengolahan (pemrosesan) citra untuk mengenali ciri fisik dari citra telapak tangan manusia. Sejumlah algoritma yang digunakan antara lain:

1. Algoritma Binerisasi Metode Otsu, algoritma ini digunakan untuk mengubah citra asal yang berupa citra grayscale menjadi citra biner (hitam-putih). Algoritma merupakan bagian dari tahapan preprocessing citra sebelum dapat dilakukan pengolahan lebih lanjut.
2. Proses berikutnya pada tahapan preprocessing adalah melakukan proses pembersihan terhadap citra (penghilangan noise) dengan melakukan operasi closing dan opening. Inti dari operasi tersebut adalah menerapkan algoritma erosi dan dilasi yang dapat membantu menghilangkan noise yang terdapat pada citra.
3. Proses berikutnya adalah melakukan pendeteksian tepi citra dengan menggunakan algoritma deteksi tepi Canny (Canny Edge Detection). Tujuan proses ini adalah menemukan tepian-tepian citra yang dapat digunakan sebagai titik acuan untuk nantinya dapat melakukan ekstraksi (penghitungan) fitur-fitur citra telapak tangan.
4. Proses terakhir adalah melakukan pengukuran terhadap fitur-fitur telapak tangan yang nantinya akan disimpan dalam database untuk digunakan sebagai acuan dalam proses pengujian terhadap data citra yang baru dimasukkan.

Seluruh empat proses yang telah dijelaskan secara singkat di atas digunakan dalam proses pelatihan (training) terhadap data citra yang sudah ada maupun proses pengujian (testing) terhadap data citra baru yang diperoleh. Perbedaan dari proses training dan testing terletak pada tahapan terakhirnya, yaitu jika pada proses training, fitur-fitur yang telah didapat akan disimpan dalam database untuk membantu dalam proses identifikasi (training) yang dilakukan kemudian. Sedangkan pada proses testing fitur-fitur yang diperoleh akan dibandingkan terhadap data fitur yang terdapat dalam database untuk menemukan identitas nama pemilik citra yang dianggap paling mendekati atau mirip.

Berikut ini kami berikan gambar (tampilan) program yang telah selesai kami kembangkan. Secara keseluruhan proses pengembangan program ini memerlukan waktu sekitar 3 bulan, termasuk sejumlah perbaikan yang diperlukan berdasarkan sejumlah saran dari sejumlah pihak. Namun, kami sebagai pengembangnya menyadari bahwa program ini belum lah sempurna 100%. Masih diperlukan sejumlah pengembangan dan uji coba lebih lanjut agar program ini dapat sempurna 100% sehingga dapat digunakan pada lingkungan dunia nyata di luar bidang penelitian.

Tampilan Form Pelatihan (Training) yang digunakan untuk melakukan pelatihan dan sekaligus
mendapatkan data yang akan dijadikan referensi waktu pengujian.

Tampilan Form Pengujian (testing) yang digunakan untuk menguji data citra baru dan
membandingkan hasilnya dengan data telah terdapat pada database program.

Demikian sharing dari kami dan semoga memberikan manfaat. Hubungi kami melalui email petasoftinc@gmail.com, jika Anda memerlukan program serupa dengan yang kami bahas pada portofolio kami ini.