Umbralización (procesamiento de imágenes)

En la mayoría de los métodos, se aplica el mismo umbral a todos los píxeles de una imagen. Sin embargo, en algunos casos, puede ser ventajoso aplicar un umbral diferente a distintas partes de la imagen, según el valor local de los píxeles. Esta categoría de métodos se denomina umbralización local o adaptativa. Son especialmente adecuados para casos en los que las imágenes presentan iluminación no homogénea, como en la imagen de sudoku de la derecha. En estos casos, se define un vecindario y se calcula un umbral para cada píxel y su vecindario. Muchos métodos de umbralización global pueden adaptarse para funcionar de forma local, pero también existen métodos desarrollados específicamente para la umbralización local, como los algoritmos de Niblack ^{[ 7 ] o Bernsen.}

Programas como ImageJ proponen una amplia gama de métodos de umbralización automática, tanto globales como locales.

• Adaptabilidad a las características locales de la imagen: El umbral local puede adaptarse a las variaciones de iluminación, contraste y textura dentro de diferentes partes de la imagen. Esta adaptabilidad ayuda a procesar imágenes con condiciones de iluminación no uniformes o texturas complejas. ^{[ 8 ]}
• Preservación de detalles locales: Al aplicar umbrales personalizados a diferentes regiones, el umbral local puede preservar detalles finos y bordes que podrían perderse en el umbral global, especialmente en áreas con intensidades o gradientes variables. ^{[ 8 ]}
• Sensibilidad reducida al ruido: El umbral local puede ser menos sensible al ruido en comparación con el umbral global, ya que la decisión de umbral se basa en estadísticas locales en lugar de en toda la imagen. ^{[ 8 ]}

• Método de Niblack: ^{[ 9 ]} El algoritmo de Niblack calcula un umbral local para cada píxel basándose en la media y la desviación estándar de su vecindario. Ajusta el umbral según las características locales de la imagen, lo que lo hace adecuado para manejar variaciones en la iluminación.
• Método de Bernsen: ^{[ 10 ]} El algoritmo de Bernsen calcula el umbral para cada píxel considerando el contraste local dentro de un vecindario. Utiliza un tamaño de ventana fijo y es robusto frente al ruido y las variaciones en la intensidad del fondo.
• Método de Sauvola: ^{[ 11 ]} El algoritmo de Sauvola extiende el método de Niblack al incorporar un factor dinámico que adapta el umbral en función del contraste local y la intensidad media. Este factor adaptativo mejora los resultados de la binarización, especialmente en regiones con contrastes variables.

Las imágenes en color también pueden ser umbralizadas. Un método consiste en asignar un umbral independiente a cada uno de los componentes RGB de la imagen y luego combinarlos con una operación AND . Esto refleja el funcionamiento de la cámara y la forma en que se almacenan los datos en el ordenador, pero no se corresponde con la forma en que las personas reconocen el color. Por lo tanto, los modelos de color HSL y HSV se utilizan con mayor frecuencia; cabe destacar que, dado que el tono es una magnitud circular, requiere un umbralizado circular . También es posible utilizar el modelo de color CMYK . ^{[ 12 ]}

En lugar de un único umbral que dé como resultado una imagen binaria, también es posible introducir múltiples umbrales crecientes.${\displaystyle T_{n}}$En ese caso, implementar${\displaystyle N}$Los umbrales darán como resultado una imagen con${\displaystyle N}$clases, donde los píxeles con intensidad${\displaystyle I_{ij}}$de tal manera que${\displaystyle T_{n}<I_{ij}<T_{n+1}}$será asignado a la clase${\displaystyle n}$La mayoría de los métodos de umbralización automática binaria tienen una extensión natural para la umbralización múltiple.