Qu’est-ce que le seuillage d’images ?
Le seuillage d’images sépare les pixels en classes en comparant la luminosité, la couleur ou une autre valeur mesurée à un ou plusieurs seuils. Un seuil global applique une même règle partout, tandis que les méthodes adaptatives la font varier selon les régions.
Fonctionnement du seuillage d’images
Le seuillage convertit un canal d’image mesuré ou un score dérivé en régions discrètes en appliquant des frontières de décision. Un seuil unique suffit lorsque les distributions du premier plan et de l’arrière-plan restent séparées, tandis que les règles locales estiment les seuils à partir des voisinages lorsque l’éclairage varie. Plusieurs seuils peuvent former plus de deux classes. Le masque obtenu précède souvent l’analyse des composantes connexes, l’OCR, la morphologie, la mesure ou le tracé vectoriel dans les chaînes de traitement de documents et d’inspection.
Points clés
- La méthode d’Otsu sélectionne un seuil global en minimisant la variance intraclasse, mais des populations d’intensité qui se chevauchent ou sont fortement déséquilibrées peuvent produire une mauvaise séparation.
- Les méthodes adaptatives dépendent de la taille du voisinage : une fenêtre trop petite suit la texture et le bruit, tandis qu’une fenêtre trop grande ne compense pas les variations locales d’éclairage.
- Le seuillage d’un contour anticrénelé sélectionne un contour net à partir de pixels à couverture partielle ; le seuil choisi modifie donc la surface mesurée et l’épaisseur apparente du trait.
Quand le seuillage d’images est important
Utilisez le seuillage global pour des contenus éclairés uniformément et le seuillage adaptatif pour les documents ou les scènes à l’éclairage inégal. Un seuil mal choisi peut effacer des éléments peu marqués ou fusionner le bruit du premier plan avec le sujet.