Sunteți pe pagina 1din 2

Explicación del Umbral de Otsu

El método de umbralización de Otsu implica iterar a través de todos los


posibles valores de umbral y calcular una medida de dispersión para los
niveles de píxel a cada lado del umbral, es decir, los píxeles que caen en
primer plano o en segundo plano. El objetivo es encontrar el valor umbral en
el que la suma de los márgenes de primer plano y de fondo está en su mínimo.
El algoritmo se demostrará utilizando la siguiente imagen de 6x6 que se
muestra a continuación. El histograma de la imagen se muestra junto a él. Para
simplificar la explicación, solo se utilizan 6 niveles de escala de grises.
Ahora se muestran los cálculos para encontrar las variaciones de fondo y
primer plano (la medida de dispersión) para un único umbral. En este caso, el
valor de umbral es 3.
El siguiente paso es calcular la 'Varianza dentro de la clase'. Esta es
simplemente la suma de las dos varianzas multiplicadas por sus pesos
asociados.
Este valor final es la "suma de las variaciones ponderadas" para el valor de
umbral 3. Este mismo cálculo debe realizarse para todos los posibles valores
de umbral de 0 a 5.
El umbral igual a 3, además de usarse para el ejemplo, también tiene la suma
más baja de varianzas ponderadas. Por lo tanto, este es el umbral final
seleccionado. Todos los píxeles con un nivel inferior a 3 son de fondo, todos
aquellos con un nivel igual o superior a 3 son de primer plano.
Este enfoque para calcular el umbral de Otsu es útil para explicar la teoría,
pero es computacionalmente intensivo, especialmente si tiene una escala de
grises completa de 8 bits. La siguiente sección muestra un método más rápido
de realizar los cálculos que es mucho más apropiado para las
implementaciones.
Un enfoque más rápido
Mediante un poco de manipulación, puede calcular lo que se llama la varianza
entre clases, que es mucho más rápido de calcular. Afortunadamente, el
umbral con el máximo entre varianza de clase también tiene el mínimo dentro
de la varianza de clase. Por lo tanto, también se puede usar para encontrar el
mejor umbral y, por lo tanto, debido a que es más simple, es un enfoque
mucho mejor para su uso.
Descripción o Orígenes
 Llamado así por Nobuyuki Otsu(No Notsu Nobuyuki), usado para realizar
automáticamente el umbral de imagen basado en clústeres o la reducción de
una imagen a una imagen binaria.
 Donde el algoritmo supone que la imagen contiene dos clases de píxeles
después del histograma.
TRATA
Encontremos y busquemos exhaustivamente el umbral que minimiza la varianza
intraclase (la varianza dentro de la clase), definida como una suma ponderada de
varianzas de las dos clases(PESOS)
Autorreflexión
 Es un simple pero eficaz método de binarización, este método esta
principalmente limitado a un histograma bimodal.
 Resultado:
“Esto provoca que imágenes que naturalmente estén en un tono de gris se verán
mas beneficiadas que otras”
Conclusión
El utilizar este método en imágenes RGB ocasiona que estas pierdan elementos
importantes durante el calculo del histograma(Valles).
POR LO TANTO
Este no es capaz de mejorar la calidad de la imagen por si solo, es necesario de
combinar varios métodos para tener el mejor resultado posible.

S-ar putea să vă placă și