¿Qué es la umbralización de imágenes?
La umbralización de imágenes separa los píxeles en clases comparando el brillo, el color u otro valor medido con uno o más umbrales. Un umbral global aplica una misma regla a toda la imagen, mientras que los métodos adaptativos la varían por región.
Cómo funciona la umbralización de imágenes
La umbralización convierte un canal medido de una imagen o una puntuación derivada en regiones discretas mediante la aplicación de límites de decisión. Un único valor de corte es adecuado cuando las distribuciones del primer plano y del fondo permanecen separadas, mientras que las reglas locales estiman los valores de corte a partir de vecindades con iluminación cambiante. Varios valores de corte pueden formar más de dos clases. La máscara resultante suele preceder al análisis de componentes conectados, el OCR, la morfología, la medición o el trazado vectorial en los pipelines de documentos e inspección.
Datos clave
- El método de Otsu selecciona un valor de corte global minimizando la varianza dentro de cada clase, pero las poblaciones de intensidad superpuestas o muy desequilibradas pueden producir una separación deficiente.
- Los métodos adaptativos dependen del tamaño de la vecindad: una ventana demasiado pequeña sigue la textura y el ruido, mientras que una demasiado grande no logra compensar las variaciones locales de iluminación.
- La umbralización de un borde suavizado selecciona un contorno definido a partir de píxeles con cobertura parcial; por ello, el valor de corte elegido cambia el área medida y el ancho aparente del trazo.
Cuándo es importante la umbralización de imágenes
Usa la umbralización global para material con iluminación uniforme y la umbralización adaptativa para documentos o escenas con iluminación desigual. Un umbral mal seleccionado puede borrar características tenues o fusionar el ruido del primer plano con el sujeto.