ABSTRAKSI: Ekstraksi karakter sebagai preprocessing dari proses character pattern recognition telah banyak dimanfaatkan dalam kehidupan sehari-hari. Sebagai contoh, untuk pengenalan karakter pada kertas cek bank, plat nomor kendaraan, barcode, dll. Namun, belum banyak system yang mampu menangani citra dengan background yang kompleks atau bervariasi warna sebagai citra inputan. Sehingga dibutuhkan suatu metode untuk menangani citra jenis tersebut. Tugas akhir ini menerapkan metode Multilevel Thresholding dan Region Growing dalam mengekstraksi citra jenis tersebut. Metode Multilevel Thresholding digunakan untuk menangani citra dengan background yang kompleks, sedangkan Region Growing digunakan untuk mensegmentasi karakter dari backgroundnya. Untuk analisis performansi dilakukan penilaian secara objektif dan subjektif. Penilaian secara objektif dilakukan dengan menghitung nilai akurasi segmentasi, dengan cara membandingkan tingkat kemiripan hasil segmentasi citra uji dengan citra banding. Sedangkan penilaian secara subjektif dilakukan dengan menggunakan Mean Opinion Score (MOS) melalui sepuluh orang pengamat.Kata Kunci : ekstraksi karakter, segmentasi, Multilevel Thresholding, Region Growing, Mean Opinion ScoreABSTRACT: Extraction character as a preprocessing from the character pattern recognition process have been usefulable in daily live. For the example, for character recognition that use in bank for check paper, transportation plate number, barcode, and so on. But there is not much system that can handle image with complex background or with variation of colour as inputs image, so that needs a method for handle the image. This final project apllying Multilevel Thresholding dan Region Growing method for extracts that image. Metode Multilevel Thresholding method is used for handle complex background image, while Region Growing method is used for segment a character from the background. For performance analyze used Objective and subjective scoring. Objective scoring used with calculating segmentation accuration score, that compare the similarity rate of segmentation test image result with the compare image. Subjective scoring used Mean Opinion Score (MOS) with ten observers.Keyword: character extraction, segmentation, Multilevel Thresholding, Region Growing, Mean Opinion Score