Bayangkan saya menaruh apel dan jeruk di meja. Anda langsung tahu mana yang mana. Bagi komputer, keduanya hanyalah tabel angka 0 sampai 255. Lihat sendiri:

Karena itu kita tidak bertanya "ini apa", melainkan mengukur: seberapa merah? seberapa bulat? seberapa kasar?

Program ini hanya punya satu class dengan empat method:

• __init__ menyiapkan jendela dan variabel cv_img.
• setup_ui membangun tampilan.
• load_image membuka file lalu memanggil ekstraksi.
• extract_features adalah jantung program.

import tkinter as tk
from tkinter import filedialog
import cv2
import numpy as np
from skimage.feature import graycomatrix, graycoprops
from PIL import Image, ImageTk

Catatan: di scikit-image versi lama fungsinya bernama greycomatrix.

left  = tk.LabelFrame(body, text="Citra Objek & Deteksi Kontur")
right = tk.LabelFrame(body, text="Vektor Ciri yang Diekstraksi", width=420)
right.pack_propagate(False)
self.txt_features = tk.Text(right, font=("Consolas", 10), ...)

• Dua panel: mata kita membandingkan gambar dengan angka secara langsung.
• pack_propagate(False) mengunci lebar panel kanan 420 piksel; tanpa ini panel mengecil mengikuti isinya.
• Font Consolas (monospace) membuat titik dua dan angka sejajar rapi.

p = filedialog.askopenfilename(filetypes=[("Image Files", "*.png *.jpg *.jpeg *.bmp")])
if not p:
    return
self.cv_img = cv2.imread(p)
self.extract_features()

if not p: return adalah guard clause: bila pengguna menekan Cancel, fungsi berhenti dengan sopan.

self.cv_img[:, :, 0].mean()   # Blue
self.cv_img[:, :, 1].mean()   # Green
self.cv_img[:, :, 2].mean()   # Red

Citra berwarna adalah array 3 dimensi [tinggi, lebar, kanal]. Potongan [:, :, 0] berarti "semua baris, semua kolom, kanal ke-0" yaitu Blue.

Perumpamaan: seperti mengaduk semua cat di kanvas menjadi satu warna dominan. Apel merah punya Mean Red tinggi; daun punya Mean Green tinggi.

gray = cv2.cvtColor(self.cv_img, cv2.COLOR_BGR2GRAY)
glcm = graycomatrix(gray, distances=[1], angles=[0],
                    levels=256, symmetric=True, normed=True)
contrast = graycoprops(glcm, 'contrast')[0, 0]

Membaca parameternya:

• distances=[1]: tetangga berjarak 1 piksel.
• angles=[0]: arah horizontal; satuannya radian (np.pi/2 = 90°).
• levels=256: matriks 256 x 256.
• symmetric=True: (i,j) dan (j,i) dihitung sama.
• normed=True: jumlah diubah menjadi probabilitas (total = 1).

Lima properti yang diambil:

[0, 0] di akhir memilih elemen pertama hasil, karena hanya satu jarak dan satu sudut yang dipakai.

_, thresh = cv2.threshold(gray, 200, 255, cv2.THRESH_BINARY_INV)
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL,
                               cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(annotated, contours, -1, (0, 255, 0), 2)

Langkah 1, memisahkan objek dari latar. Dengan THRESH_BINARY_INV dan ambang 200, piksel yang lebih gelap atau sama dengan 200 menjadi putih (objek), sisanya hitam (latar). Program ini mengasumsikan latar belakang terang.

Langkah 2, menelusuri tepinya.

• RETR_EXTERNAL: hanya kontur terluar; lubang di dalam objek diabaikan.
• CHAIN_APPROX_SIMPLE: titik yang segaris dibuang. Persegi panjang cukup disimpan 4 titik sudutnya.

Langkah 3, menggambar. -1 = semua kontur, (0, 255, 0) = hijau dalam BGR, tebal 2 piksel. Digambar pada salinan (.copy()) agar citra asli tidak rusak.

c = max(contours, key=cv2.contourArea)
area = cv2.contourArea(c)
perimeter = cv2.arcLength(c, True)
circularity = 4 * np.pi * (area / (perimeter ** 2))

• max(..., key=contourArea): ambil kontur terbesar, strategi sederhana untuk mengabaikan noise kecil.
• contourArea: luas dalam piksel persegi.
• arcLength(c, True): panjang keliling; True = kontur tertutup.

Pengaman if perimeter > 0 mencegah pembagian dengan nol.

rgb = cv2.cvtColor(annotated, cv2.COLOR_BGR2RGB)
scale = min(420 / w, 450 / h)
resized = cv2.resize(rgb, (disp_w, disp_h))
img_tk = ImageTk.PhotoImage(image=Image.fromarray(resized))
self.lbl_img.config(image=img_tk, text="")
self.lbl_img.image = img_tk

• BGR ke RGB: PIL dan Tkinter mengharapkan RGB. Tanpa konversi, jeruk tampil kebiruan (lihat Gambar 4).
• min(420/w, 450/h): satu faktor skala; max(1, ...) menjamin ukuran tidak pernah 0.
• self.lbl_img.image = img_tk: baris yang tampak aneh ini krusial. Tkinter tidak menyimpan referensi gambar; tanpa atribut ini Python membuangnya dan label menjadi kosong.

Dosen yang baik tidak hanya menjelaskan kode yang benar, tetapi juga menunjukkan celahnya.

Jalankan program dengan beberapa citra, catat angkanya, lalu jawab berdasarkan data, bukan firasat.

Tantangan lanjut: terapkan perbaikan nomor 1 sampai 4 pada Babak 11, lalu bandingkan hasil sebelum dan sesudah.