SEMOK (Segmentasi Motif Batik)

Proyek segmentasi citra batik menggunakan Otsu Thresholding dan Morphological Processing dengan OpenCV Python. Mendukung path Unicode penuh pada Windows.

---

Latar Belakang

Batik memiliki motif rumit yang menyatu dengan background kain. Untuk keperluan dokumentasi digital dan analisis lebih lanjut, motif perlu dipisahkan dari background secara otomatis. Proyek ini mengimplementasikan segmentasi citra untuk memisahkan motif batik dari background kain menggunakan kombinasi Otsu Thresholding dan morphological processing.

Baca Dokumentasi Detail

---

Struktur Folder

semok/
├── README.md                      ← Panduan ini
├── SEGMENTASI_BATIK.md            ← Dokumentasi detail proyek
├── requirements.txt               ← Dependencies Python
├── dataset/                       ← Folder input gambar batik
│   ├── batik_parang/
│   ├── batik_kawung/
│   └── batik_megamendung/
├── src/
│   ├── segmentasi.py              ← Script utama segmentasi (CLI)
│   └── gui.py                     ← Antarmuka grafis (GUI)
├── output/                        ← Folder hasil segmentasi
└── screenshots/                   ← Dokumentasi GUI

---

Cara Install & Run

1. Persyaratan

• Python 3.8 atau lebih baru
• pip (Python package manager)

2. Install Dependencies

pip install -r requirements.txt

3. Siapkan Dataset

Masukkan gambar batik ke folder dataset/. Format file: .jpg atau .png.

Struktur dataset bebas — semua file gambar di folder dataset/ (dan subfolder) akan diproses secara rekursif.

4. Jalankan Segmentasi

python src/segmentasi.py

Secara default, script akan:

• Memproses semua gambar dari folder dataset/
• Menyimpan hasil ke folder output/
• Menampilkan visualisasi hasil segmentasi

5. Jalankan GUI (Antarmuka Grafis)

Untuk pengguna awam, jalankan versi GUI:

python src/gui.py

Fitur GUI:

• Pilih gambar batik melalui dialog file
• Lihat perbandingan citra asli dan hasil segmentasi berdampingan
• Lihat setiap tahap pemrosesan (grayscale, CLAHE, biner, morfologi, masking, overlay)
• Baca penjelasan setiap tahap dalam bahasa Indonesia
• Simpan hasil ke folder pilihan
• Scroll penuh pada seluruh konten window
• Dukungan path berisi Unicode (karakter Jepang, Cina, dll)

6. Lihat Hasil (CLI)

Hasil segmentasi akan tersimpan di folder output/:

• [nama]_gray.png — Grayscale
• [nama]_clahe.png — CLAHE contrast enhancement
• [nama]_binary.png — Otsu thresholding mentah
• [nama]_cleaned.png — Setelah morphological + filter komponen
• [nama]_masked.png — Motif yang sudah ter-crop dari background
• [nama]_overlay.png — Overlay bounding box pada citra asli

---

Alur Kerja

Citra Batik → Grayscale → CLAHE → Otsu Thresholding
    → Auto-Invert → Morphological Opening
    → Filter Komponen → Motif Tersegmentasi

---

Contoh Hasil

Berikut contoh hasil segmentasi pada beberapa motif batik dari dataset:

Motif	Citra Asli	Motif Ter-crop	Overlay
Parang
Kawung
Mega Mendung
Ceplok

Tahapan pemrosesan pada satu contoh (Parang)

Grayscale	CLAHE	Biner (Otsu)	Setelah Morfologi	Motif Ter-crop	Overlay

---

Dependencies

Package	Versi	Fungsi
opencv-python	≥4.8.0	Operasi citra digital
numpy	≥1.24.0	Manipulasi array/matriks
Pillow	≥9.0.0	Tampilan gambar di GUI

---

License

Project ini dibuat untuk tujuan akademis.

brom016-2026