Los métodos del valor umbral son un grupo de algoritmos cuya finalidad es segmentar gráficos rasterizados, es decir, separar los objetos de una imagen que nos interesen del resto.
Esto es especialmente útil si queremos digitalizar libros antiguos, en los que el contraste entre el texto (que ya ha perdido parte de sus pigmentos) y el papel (oscurecido y manoseado) no es demasiado elevado.
Dado que esta comparación de valores se realiza individualmente para cada píxel, al método del valor umbral se le considera un método de segmentación orientado a píxeles.
No obstante existen publicaciones aún más antiguas sobre este tema.
En principio cualquier dispositivo que genere una imagen matricial es adecuado, como por ejemplo el escáner de un radar o una radiografía.
Si la imagen obtenida no está en formato digital, debe ser digitalizada, por ejemplo mediante un escáner, para poder continuar trabajando con ella en el ordenador.
Dependiendo de cuáles vayan a ser los siguientes pasos nos decidiremos por unos ajustes u otros.
Normalmente para aplicar el método del valor umbral se ajusta el nivel de contraste.
En la práctica siempre hay algún píxel que queda fuera del segmento aunque pertenezca al objeto, normalmente debido a ruidos en la imagen original.
En función del valor umbral que se escoja el tamaño de los objetos irá oscilando.
Independientemente del valor umbral elegido el método puede ser empleado de diversas formas.
El método global, por lo tanto, sólo se utiliza para segmentar imágenes con mucho contraste.
El cálculo para cada pixel (x,y) es: En comparación con el método global, el método local es menos sensible a las variaciones de luminosidad, pero en las fronteras entre las regiones elegidas pueden aparecer desniveles visibles.
En este caso es necesario utilizar algún método automático para fijar los valores umbral.
Una extensión del método local es el método del valor umbral dinámico, en el que se define para cada pixel una zona vecina N a la que se asigna un valor umbral adecuado t(N).
Para elegir el valor umbral adecuado para esta imagen nos serviremos del histograma.
En un histograma se ve la frecuencia con que aparece cada valor de gris.
Por lo que se ve, todos los demás valores en la escala de grises aparecen con poca frecuencia, pero aparecen, seguramente debido a la granularidad de la imagen y a los bordes poco nítidos del objeto.
La imagen de partida ha sido segmentada con el método del valor umbral: a modo de ejemplo se han tomado cuatro valores umbral diferentes y se ha generado el resultado correspondiente.
La diferencia visible es que conforme aumenta el valor umbral, el objeto se va haciendo más grande.
El valor umbral 230 asigna erróneamente algunos píxeles del fondo de la imagen al objeto.
Es un síntoma de que hemos escogido un valor umbral demasiado elevado.
Esto se puede realizar bastante bien de manera manual, como en el ejemplo anterior, pero dado que con las variantes local y dinámica del método se deben establecer muchos valores umbral, se necesita un método que permita calcular el mejor valor umbral automáticamente.
[1] Tanto si optamos por calcular el umbral manualmente o mediante un programa, el histograma sigue siendo el elemento más importante.
Una técnica sencilla, pero también propensa a errores es elegir como valor umbral la media entre los dos picos del histograma.
Las tres imágenes anteriores ponen en relieve este problema: la imagen de partida (a la izquierda) ha sufrido una transformación en su luminosidad.
El histograma (imagen central) ya no es tan bimodal, como en el ejemplo anterior, y no se pueden reconocer dos picos claramente diferenciados, sino que hay mucho pequeños picos locales.
El resultado final (a la derecha), segmentada con el valor umbral 127 no es muy bueno: arriba a la izquierda aparecen varios pixeles del fondo que se han segmentado como parte del objeto mientras que abajo a la derecha los pixeles del objeto se confunden con el fondo de la imagen.
Si en una región sólo aparecen dos de los tres obbjetos no se podrá calcular correctamente el tercer valor umbral.