Seiring berkembangnya zaman ke arah era digital, komputer dan personal device assistant mulai menggantikan buku tradisional dan koran. Hal ini membuat banyaknya usaha untuk mendigitalisasi buku dan dokumen kertas lainnya. Optical Character Recognition (OCR) adalah proses mengubah alfabet dalam citra digital atau gambar menjadi computer-coded text sehingga dapat diolah oleh komputer. Sistem OCR mampu menangani teks dari citra dengan latar belakang berwarna hitam putih. Namun, apabila OCR diberikan citra dengan latar belakang kompleks, sistem OCR biasanya memiliki hasil yang kurang baik. Diantara metode yang dihasilkan dari penelitian OCR ada beberapa metode image preprocessing seperti operator pendeteksian tepi objek yang dikenal, yaitu metode Sobel. Sementara K-Means
Clustering merupakan metode data clustering non-hirarki yang mempartisi data ke dalam bentuk satu atau lebih kelompok. Oleh karena itu, penelitian ini menggunakan algoritma Sobel dan K-Means Clustering untuk mendeteksi teks secara real time. Algoritma Sobel digunakan untuk memfilter hal yang tidak relevan pada background dan algoritma K-Means digunakan untuk segmentasi antara background dan foreground. Uji coba aplikasi akan dilakukan pada objek yang memiliki tulisan pada permukaan datar. Kemudian nilai recall, precision, dan F1- score akan dihitung dan dianalisis lebih dalam pada penerapan kedua algoritma tersebut. Penelitian ini merupakan penelitian dasar yang akan berlangsung selama 6 bulan. Luaran yang ditargetkan untuk penelitian ini adalah software, model, dan publikasi dalam conference internasional.