¿Qué es la umbralización por histograma?
La umbralización por histograma selecciona uno o más valores de corte de intensidad a partir de la distribución de valores de una imagen. Los píxeles se dividen en clases, como primer plano y fondo, según esos valores de corte.
Cómo funciona la umbralización por histograma
La umbralización por histograma convierte las estadísticas de intensidad en límites de decisión para separar poblaciones de píxeles. Un procedimiento binario utiliza un único valor de corte, mientras que los métodos multinivel dividen el rango en varios intervalos etiquetados. Los algoritmos automáticos pueden optimizar la compacidad dentro de cada clase o la separación entre clases, pero sus supuestos se cumplen mejor cuando el histograma contiene modas distinguibles. Esta etapa suele crear una máscara inicial que posteriormente se refina mediante morfología, análisis de componentes conectados o revisión humana.
Datos clave
- El método de Otsu selecciona un umbral optimizando la separación entre clases a partir del histograma, pero puede funcionar mal cuando las distribuciones del primer plano y del fondo se superponen mucho u ocupan áreas muy desiguales.
- Un umbral global aplica un único valor de decisión en toda la imagen, mientras que la umbralización adaptativa calcula valores a partir de vecindades locales y suele ser más resistente a las sombras o los gradientes de iluminación.
- La elección del umbral depende de la representación de la intensidad: aplicar el mismo valor de corte numérico después de cambios de gamma, una normalización o una conversión de profundidad de bits puede clasificar un conjunto diferente de píxeles.
Cuándo es importante la umbralización por histograma
Los desarrolladores aplican la umbralización por histograma a la binarización de documentos, las máscaras de objetos y la segmentación sencilla. La iluminación desigual o la superposición de las distribuciones de las clases pueden hacer que un valor de corte global resulte poco fiable.