APLIKASI DOKUMEN SCANNER BERBASIS DEKSTOP MENGGUNAKAN OPERATOR CANNY DAN CONTOUR PADA OPEN CV

Choiro Fadhilatul Umami; Erikah Mahdiyah Erikah Mahdiyah; Uzlatul Faridah Uzlatul Faridah; Alimin Alimin*

doi:10.53567/josiati.v2i1.38

Authors

Choiro Fadhilatul Umami Fakultas Teknologi Informatika ITB Yadika Pasuruan
Erikah Mahdiyah Erikah Mahdiyah Sistem dan Teknologi Informasi, Institut Teknologi dan Bisnis Yadika Pasuruan, Indonesia
Uzlatul Faridah Uzlatul Faridah Sistem dan Teknologi Informasi, Institut Teknologi dan Bisnis Yadika Pasuruan, Indonesia
Alimin Alimin* Sistem dan Teknologi Informasi, Institut Teknologi dan Bisnis Yadika Pasuruan, Indonesia

DOI:

https://doi.org/10.53567/josiati.v2i1.38

Keywords:

Pemindaian dokumen, pemrosesan citra, OpenCV, GUI,prespektif wrap, deteksi tepi

Abstract

Laporan ini menyajikan hasil praktikum mengenai pengembangan aplikasi pemindai dokumen menggunakan teknologi pemrosesan citra. Dalam praktikum ini, kami menggunakan beberapa pustaka penting seperti OpenCV, Imutils, dan Scikit-image untuk melakukan berbagai tahap pemrosesan gambar, pengubahan ukuran, konversi ke skala abu-abu, hingga penerapan deteksi tepi dan pencarian kontur. Kami juga mengimplementasikan metode prespektif wrap untuk mendapatkan hasil pemindaian yang optimal. Selain itu, aplikasi ini dilengkapi dengan antarmuka pengguna grafis (GUI) yang memudahkan pengguna dalam memilih dan menyimpan hasil pemindahan dalam format PNG dan PDF. Hasil dari praktikum ini menunjukkan bahwa aplikasi yang dikembangkan mampu melakukan pemindaian dokumen dengan baik dan efisien, serta memberikan kemudahan dalam menyimpan hasil.

References

R. Kahn, “The Impact of Digitalization on Document Management,” Journal of Information Technology., 2018.

G. Szyjewski, “Securing Digital Copies of the Documents to Ensure Documents’ Integrity,” EUROPEAN RESEARCH STUDIES JOURNAL, vol. XXVI, no. Issue 4, pp. 718–726, Oct. 2023, doi: 10.35808/ersj/3321.

J. Smith, “High-Quality Scanning Techniques for Document Preservation.,” International Journal of Archival Science., 2020.

L. Johnson, “User -Friendly Scanning Software: A New Era in Document Management.,” Technology and Innovation Journal., 2021.

M. Li and P. Yin, “Model2SAS : software for small-angle scattering data calculation from custom shapes,” Journal of Applied Crystallography, vol. 55, no. 3, pp. 663–668, Jun. 2022, doi: 10.1107/S1600576722003600.

R. E. Gonzalez, R. C., & Woods, Digital Image Processing., 4th Editio. New York: published by Pearson Education, 2018.

R. Szeliski, Computer Vision: Algorithms and Applications, 1st editio. seattle: springer, 2010.

Alimin and S. Riyadi, “Sistem engembangan deteksi kanker prostat berbasis image processing dengan metode convolutional neural network,” Jurnal Explore IT, vol. 14, no. 2, pp. 52–63, 2022, [Online]. Available: https://doi.org/10.35891/explorit

et al. Y. Zhang, “Image Resizing Techniques: A Review,” Journal of Image Processing, vol. 6, no. 1, pp. 1–12, 2016, doi: 10.18280.

L. G. S. and G. C. Stockman, Computer Vision, 2nd editio. Upper Saddle River: Prentice Hall, 2001.

J. Canny, “A Computational Approach to Edge Detection,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. PAMI-8, no. 6, pp. 679–698, 1986, doi: 10.1109/TPAMI.1986.4767851.

R. H. and A. Zisserman, Multiple View Geometry in Computer, 2nd Editio. Cambrige: Cambridge University Press, 2004.

E. K. Laurence Likforman-Sulem, Document Image Processing. MDPI, 2018. doi: 10.3390/books978-3-03897-106-1.

H. Behin, A. Ebrahimi, and S. Ebrahimi, “Incorporated preprocessing and physical layout analysis of a binary document image using a two stage classification,” in International Conference on Computer and Communication Engineering (ICCCE’10), IEEE, May 2010, pp. 1–5. doi: 10.1109/ICCCE.2010.5556766.

A. Gummaraju, A. K. B. Shenoy, and S. N. Pai, “Performance Comparison of Machine Learning Models for Handwritten Devanagari Numerals Classification,” IEEE Access, vol. 11, pp. 133363–133371, 2023, doi: 10.1109/ACCESS.2023.3336912.

J. Hom, J. Nikowitz, R. Ottesen, and J. C. Niland, “Facilitating clinical research through automation: Combining optical character recognition with natural language processing,” Clinical Trials, vol. 19, no. 5, pp. 504–511, Oct. 2022, doi: 10.1177/17407745221093621.