Melola Discovery

← Melola Discovery

Jurnal SINTA 2

LOCAL BINARIZATION FOR DOCUMENT IMAGES CAPTURED BY CAMERAS WITH DECISION TREE

Jurnal Ilmu Komputer dan Informasi (JIKI) · Vol. 5 No. 1 (2012) · pp. 24–30

DOI
10.21609/jiki.v5i1.183
ISSN
2502-9274, 2088-7051
Published
2012-07-29
Publisher
Faculty of Computer Science - Universitas Indonesia
Language
eng

Abstract

Character recognition in a document image captured by a digital camera requires a good binary image as the input for the separation the text from the background. Global binarization method does not provide such good separation because of the problem of uneven levels of lighting in images captured by cameras. Local binarization method overcomes the problem but requires a method to partition the large image into local windows properly. In this paper, we propose a local binariation method with dynamic image partitioning using integral image and decision tree for the binarization decision. The integral image is used to estimate the number of line in the document image. The number of line in the document image is used to devide the document into local windows. The decision tree makes a decision for threshold in every local window. The result shows that the proposed method can separate the text from the background better than using global thresholding with the best OCR result of the binarized image is 99.4%. Pengenalan karakter pada sebuah dokumen citra yang diambil menggunakan kamera digital membutuhkan citra yang terbinerisasi dengan baik untuk memisahkan antara teks dengan background. Metode binarisasi global tidak memberikan hasil pemisahan yang bagus karena permasalahan tingkat pencahayaan yang tidak seimbang pada citra hasil kamera digital. Metode binarisasi lokal dapat mengatasi permasalahan tersebut namun metode tersebut membutuhkan metode untuk membagi citra ke dalam bagian-bagian window lokal. Pada paper ini diusulkan sebuah metode binarisasi lokal dengan pembagian citra secara dinamis menggunakan integral image dan decision tree untuk keputusan binarisasi lokalnya. Integral image digunakan untuk mengestimasi jumlah baris teks dalam dokumen citra. Jumlah baris tersebut kemudian digunakan untuk membagi citra dokumen ke dalam window lokal. Keputusan nilai threshold untuk setiap window lokal ditentukan dengan decisiontree. Hasilnya menunjukkan metode yang diusulkan dapat memisahkan teks dari dokumen citra lebih baik dari binarisasi global dengan tingkat pengenalan OCR hingga 99.4%.

Keywords

Collaboration network of the authors

40 authors · 90 co-authorship links · 10 across different organisations · showing the 40 most connected

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Institut Teknologi Sepuluh Nopember
  • University of Brawijaya
  • Lampung University
  • Universitas Islam Negeri Raden Intan Lampung
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Diana PurwitasariInstitut Teknologi Sepuluh Nopember6
Dini Adni NavastaraInstitut Teknologi Sepuluh Nopember4
Rarasmaya IndraswariInstitut Teknologi Sepuluh Nopember3
Munjiah Nur SaadahInstitut Teknologi Sepuluh Nopember2
Rigga Widar AtmagiInstitut Teknologi Sepuluh Nopember2
Dyah S. RahayuInstitut Teknologi Sepuluh Nopember2
Khoirul UmamInstitut Teknologi Sepuluh Nopember2
Gulpi Qorik Oktagalu PratamasunuAffiliation unknown2
Anny YuniartiInstitut Teknologi Sepuluh Nopember2
Darlis HerumurtiInstitut Teknologi Sepuluh Nopember2
Safri AdamInstitut Teknologi Sepuluh Nopember2
Wawan GunawanUniversitas Islam Negeri Raden Intan Lampung1
⁠Undang RosidinLampung University1
Nina KadaritnaLampung University1
Go Frendi GunawanInstitut Teknologi Sepuluh Nopember1
Sonny Christiano GosariaInstitut Teknologi Sepuluh Nopember1
Yuita Arum SariUniversity of Brawijaya1
Evy Kamilah RatnasariInstitut Teknologi Sepuluh Nopember1
Siti MutrofinInstitut Teknologi Sepuluh Nopember1
Mutmainnah MuchtarInstitut Teknologi Sepuluh Nopember1
Jayanti Yusmah SariInstitut Teknologi Sepuluh Nopember1
Mohammad ZarkasiInstitut Teknologi Sepuluh Nopember1
Fidi Wincoko PutroInstitut Teknologi Sepuluh Nopember1
Khadijah Fahmi Hayati HolleInstitut Teknologi Sepuluh Nopember1
Andi Baso KaswarInstitut Teknologi Sepuluh Nopember1
Saprina MamaseInstitut Teknologi Sepuluh Nopember1
Saiful Bahri MusaInstitut Teknologi Sepuluh Nopember1
Ahmad Mustofa HadiInstitut Teknologi Sepuluh Nopember1
Christian Sri Kusuma AdityaInstitut Teknologi Sepuluh Nopember1
Mamluatul Hani`ahInstitut Teknologi Sepuluh Nopember1
Aryo HartoInstitut Teknologi Sepuluh Nopember1
Arif FadllullahInstitut Teknologi Sepuluh Nopember1
Dasrit Debora KamudiInstitut Teknologi Sepuluh Nopember1
Muhamad NasirInstitut Teknologi Sepuluh Nopember1
Ratri Enggar PaweningAffiliation unknown1
Tio DarmawanInstitut Teknologi Sepuluh Nopember1
Rizqa Raaiqa BintanaInstitut Teknologi Sepuluh Nopember1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jiki.cs.ui.ac.id/index.php/jiki/oai, first harvested 26 Okt 2026, last seen 26 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">LOCAL BINARIZATION FOR DOCUMENT IMAGES CAPTURED BY CAMERAS WITH DECISION TREE</dc:title>
	<dc:creator>Jawas, Naser</dc:creator>
	<dc:creator>Wihandika, Randy Cahya</dc:creator>
	<dc:creator>Arifin, Agus Zainal</dc:creator>
	<dc:subject xml:lang="en-US">binarization</dc:subject>
	<dc:subject xml:lang="en-US">binerisasi</dc:subject>
	<dc:subject xml:lang="en-US">citra dokumen</dc:subject>
	<dc:subject xml:lang="en-US">decision tree</dc:subject>
	<dc:subject xml:lang="en-US">document images</dc:subject>
	<dc:subject xml:lang="en-US">image partitioning</dc:subject>
	<dc:subject xml:lang="en-US">local window</dc:subject>
	<dc:subject xml:lang="en-US">membagi image</dc:subject>
	<dc:subject xml:lang="en-US">window lokal</dc:subject>
	<dc:description xml:lang="en-US">Character recognition in a document image captured by a digital camera requires a good binary image as the input for the separation the text from the background. Global binarization method does not provide such good separation because of the problem of uneven levels of lighting in images captured by cameras. Local binarization method overcomes the problem but requires a method to partition the large image into local windows properly. In this paper, we propose a local binariation method with dynamic image partitioning using integral image and decision tree for the binarization decision. The integral image is used to estimate the number of line in the document image. The number of line in the document image is used to devide the document into local windows. The decision tree makes a decision for threshold in every local window.  The result shows that the proposed method can separate the text from the background better than using global thresholding with the best OCR result of the binarized image is 99.4%.  Pengenalan karakter pada sebuah dokumen citra yang diambil menggunakan kamera digital membutuhkan citra yang terbinerisasi dengan baik untuk memisahkan antara teks dengan background. Metode binarisasi global tidak memberikan hasil pemisahan yang bagus karena permasalahan tingkat pencahayaan yang tidak seimbang pada citra hasil kamera digital. Metode binarisasi lokal dapat mengatasi permasalahan tersebut namun metode tersebut membutuhkan metode untuk membagi citra ke dalam bagian-bagian window lokal. Pada paper ini diusulkan sebuah metode binarisasi lokal dengan pembagian citra secara dinamis menggunakan integral image dan decision tree untuk keputusan binarisasi lokalnya. Integral image digunakan untuk mengestimasi jumlah baris teks dalam dokumen citra. Jumlah baris tersebut kemudian digunakan untuk membagi citra dokumen ke dalam window lokal. Keputusan nilai threshold untuk setiap window lokal ditentukan dengan decisiontree. Hasilnya menunjukkan metode yang diusulkan dapat memisahkan teks dari dokumen citra lebih baik dari binarisasi global dengan tingkat pengenalan OCR hingga 99.4%.</dc:description>
	<dc:publisher xml:lang="en-US">Faculty of Computer Science  - Universitas Indonesia</dc:publisher>
	<dc:date>2012-07-29</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jiki.cs.ui.ac.id/index.php/jiki/article/view/183</dc:identifier>
	<dc:identifier>10.21609/jiki.v5i1.183</dc:identifier>
	<dc:source xml:lang="en-US">Jurnal Ilmu Komputer dan Informasi; Vol. 5 No. 1 (2012): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information); 24-30</dc:source>
	<dc:source>2502-9274</dc:source>
	<dc:source>2088-7051</dc:source>
	<dc:source>10.21609/jiki.v5i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://jiki.cs.ui.ac.id/index.php/jiki/article/view/183/284</dc:relation>
</oai_dc:dc>