Morfologi & fitur spasial; Canny & evaluasi tepi

Pengolahan Citra Digital (PCD) — pertemuan ke-11

Anggit Wirasto, S.Si., M.Eng.

Tujuan pembelajaran

  • Menghitung deskriptor bentuk dari mask biner (area, centroid, kompakitas, momen Hu).
  • Menjelaskan deteksi tepi lanjut: turunan kedua / zero-crossing, Canny (NMS + hysteresis).
  • Mengevaluasi peta tepi dengan presisi, recall, F1 (toleransi spasial).
  • Detail: modul teori pcd11_morfologi_fitur_spasial_teori.qmd.

Dari morfologi ke fitur bentuk

PCD 09: erosi, dilasi, opening, closing → membersihkan mask.

PCD 11: mask stabil → ukur bentuk untuk klasifikasi, inspeksi, pelacakan.

Alur: segmentasi → morfologi → label komponen → fitur spasial.

Deskriptor geometri (ringkas)

Fitur Intuisi
Area \(A\) jumlah piksel foreground
Centroid \((\bar x,\bar y)\) pusat massa
Perimeter \(P\) panjang kontur (aproksimasi)
Kompakitas \(4\pi A/P^2\) mendekati 1 jika bulat
Aspect ratio lebar / tinggi kotak pembatas

Momen & Hu (inti)

Momen pusat \(\mu_{pq}\): distribusi massa relatif terhadap centroid.

Momen Hu (7 invariant): kombinasi tidak berubah terhadap translasi, skala, rotasi (ideal) — fitur klasik bentuk.

Tepi lanjut (turunan kedua)

PCD 10: gradien (Sobel), LoG, zero-crossing (gambaran).

Lanjutan: DoG \(\approx\) LoG; zero-crossing + ambang kemiringan; lalu Canny sebagai pipeline praktis berbasis gradien.

Algoritma Canny (5 langkah)

  1. Gaussian — redam noise.
  2. Gradien — magnitud \(M\), arah \(\theta\).
  3. NMS — tipiskan tepi sepanjang arah gradien.
  4. Hysteresis — ambang tinggi + rendah, hubungkan tepi lemah ke tepi kuat.
  5. (Opsional) penautan kontur.

Parameter kunci: \(\sigma\), \(T_{\mathrm{high}}\), \(T_{\mathrm{low}}\) (biasanya \(T_{\mathrm{low}} \approx 0.4\,T_{\mathrm{high}}\)).

Evaluasi kinerja tepi

Butuh ground truth (manual / sintetis).

  • Presisi = tepi terdeteksi yang dekat GT / semua deteksi.
  • Recall = GT yang tertangkap / semua GT.
  • F1 = harmoni presisi–recall.
  • Toleransi \(d\) piksel: “cocok” jika jarak \(\leq d\).

Variasi ambang → kurva ROC (trade-off).

Contoh: fitur bentuk

Gambar 1: Mask sintetis: lingkaran, persegi, elips — centroid (×) dan kotak pembatas.

Contoh: langkah Canny

Gambar 2: Crop citra uji: Gaussian, magnitud gradien, NMS, hasil hysteresis (implementasi edukatif).

Contoh: F1 vs ambang

Gambar 3: Citra sintetis: tepi GT (garis vertikal) vs deteksi Sobel pada beberapa ambang — F1 naik lalu turun.

Latihan singkat

  1. Mengapa momen Hu dipakai untuk pengenalan bentuk klasik, tetapi kurang dominan di CNN?
  2. Jelaskan peran NMS dalam Canny tanpa menggunakan kata “noise”.
  3. Jika recall tinggi tetapi presisi rendah pada evaluasi tepi, apa artinya secara visual?

Referensi

  • Gonzalez & Woods — morfologi, deskriptor, Canny, evaluasi.
  • Canny (1986); Marr & Hildreth (1980).
  • Modul terkait: PCD 09, PCD 10.