Tratamiento Digital

de Imágenes

Escala de Grises y Umbralización

Msc. Jimmy Alexander Cortés

Escala de Grises

Una imagen en escala de grises es un arreglo matricial de dos dimensiones

que aporta información de la intensidad de la luz presente para cada punto
de la imagen.
Conversión a escala de Grises (prueba)
Técnica de promedio (Average)

La forma más simple de lograrlo es mediante la suma de las

componentes RGB de cada capa pixel a pixel y dividirles por la cantidad
(3).
Técnica de La tonalidad (Midgray)

En el modelo HSL (del inglés Hue, Saturation, Lightness con su

equivalencia en español Tonalidad, Saturación, Luminancia o intensidad)
la tonalidad se define como parte de la media de las componentes de
color máxima y mínima.
Técnica de Luminosidad (Luminosity)

Este método es una versión más sofisticada del método del promedio. Los valores de cada color
presentan un valor teniendo en cuenta la percepción humana. El ojo humano es más sensible
al verde que a los otros colores, por lo que el porcentaje de este es mayor. Estos valores fueron
establecidos a través de la recomendación Rec. 601 NTSC por la International
Telecommunication Union – Radiocommunications; sector que le ha hecho un estándar mundial
para la televisión a color con compatibilidad a blanco y negro.
Escala de Grises

En el espacio del color YIQ, Y representa la intensidad (luma) que corresponde al

“brillo” de la imagen en sus valores óptimos adecuados para la percepción del ojo
humano, I representa la fase (phase), mientras que Q corresponde a la cuadratura
(quadrature), en referencia a las componentes utilizadas en la modulación de
amplitud en cuadratura.
Problemas de la conversión Y

Nótese que un mismo color puede tener la misma intensidad

“luma”, lo que al convertir de RGB a Y crea problemas en la
diferenciación de los objetos observados por el ser humano.
Binarizado de Imagen

La binarización es una variante de la umbralización y consiste en dejar a cero

todos los pixels menores de un umbral y a uno aquellos que son iguales o
mayores, quedando constituida la imagen final por un conjunto de unos y ceros

Cuando el valor t0=0 y el valor t1=1 se dice que la imagen se ha binarizado.

El algoritmo es muy sencillo de implementar:

Histograma Bimodal

El fondo

El objeto

0 1
Ejemplo binarización

Imagen original Imagen binarizada

Técnicas para determinar el Umbral T

Técnicas Globales
El umbral fijo o global es aquel que es único sobre toda la
imagen.

Técnicas Locales
Estás consideran la vecindad de cada pixel para determinar
el umbral local. No existe un único umbral T, hay una para
cada zona.
Técnicas Globales

•Método del Mínimo

•Método de la Entropía Shannon
•Método del Triángulo
•Método de Otsu
Umbral global por el Método del Mínimo

De la inspección visual del histograma, se puede ver que una buena opción
para la separación de fondo y los objetos es un lugar el cual corresponde al
punto más bajo entre los dos picos principales. Para realizar el algoritmo se
recomienda suavizar la curva reiteradas veces hasta lograr que solo existan
2 máximos locales.

Histograma sin suavizar

Umbral global por el Método del Mínimo

Histograma suavizado
Umbral global por el Método del Mínimo
Umbral global por Método de la Entropía Shannon

Se usa la entropía H como una medida del contenido de la información. El

umbral T separa la información en dos clases correspondientes al fondo y
al objeto, determinando la entropía asociada a ellas. El umbral T se
determina para aquel valor donde la entropía es máxima. La entropía se
puede calcular a través de la ecuación mostrada:

El método debe evaluar la probabilidad acumulada para cada posible

umbral y tomará el valor de T=k que genere la mayor entropía.
Umbral global por Método de la Entropía Shannon
Umbral global por Método del Triángulo

Para determinar el umbral adecuado mediante el método del triángulo, se deben

determinar el valor máximo de la probabilidad Pmax y mímino Pmin de la gráfica del
histograma. El umbral se determina mediante otra línea recta la cual debe cortar
perpendicular a la primera y rodear el histograma hasta encontrar la máxima
distancia d. El punto donde la recta toca el histograma corresponde a umbral
deseado T.
Umbral global por Método del Triángulo
Umbral global por Método de Otsu

El método de Otsu considera que el histograma es bimodal. Por

otro lado, este itera a los largo del histograma calculando para
cada valor estimado posible de T [0 hasta L-1] La varianza de
pesos dentro de cada clase.
Fórmulas para los Pesos y Promedios

L 1 T L 1

 h(i)  h(i)
T

 h(i)  i  h(i)  i
b  i 0
f  i T 1 wb  i 0
L 1
w f  i LT11
L 1
 h(i)  h(i)
T

 h(i)
i 0

i T 1
h(i )
i 0 i 0

Varianza entre clase: se selecciona el umbral T correspondiente al mayor valor de esta varianza.

VarianzaBetween  wb w f  b   f 
2
Fórmulas para varianzas

L 1

 h(i)   i   
T

 h(i)   i   
2 2
b f
 2
b  i 0
T
 2
f  i T 1 L 1

 h(i)
i 0
 h(i)
i T 1

Varianza dentro de clase: se selecciona el umbral T correspondiente al menor valor de esta varianza.

VarianzaWithin  wb  w f  2
b
2
f
Umbral global por Método de Otsu
Ejemplo OTSU 3Bits
Ejemplo OTSU 3Bits T=0

ub  0 0  1  1 4  2  2  3  1  4  1  5  4  6  2  7  1
uf   3,375
16

wb 
0
0 1 4  2 11 4  2 1
wf  1
16 16
Ejemplo OTSU 3Bits T=1

0 1
ub  0 1 4  2  2  3  1  4  1  5  4  6  2  7  1
1 uf   3,600
15
1 4  2 11 4  2 1
wb   0, 0625 wf   0,9375
16 16
Ejemplo OTSU 3Bits T=2

0  1  1 4 2  2  3 1  4 1  5  4  6  2  7 1
ub   0,8 uf   4,5455
5 11
1 4
wb   0,3125 2 11 4  2 1
16 wf   0, 6875
16
Ejemplo OTSU 3Bits T=3

ub 
0  1  1 4  2  2
 1,1429
3 1  4 1  5  4  6  2  7 1
uf   5,1111
7 9
1 4  2 11 4  2 1
wb   0, 4365 wf   0,5625
16 16
Ejemplo OTSU 3Bits T=4

0  1  1 4  2  2  3  1 4 1  5  4  6  2  7 1
ub   1,375 uf   5,3750
8 8
1 4  2 1 1 4  2 1
wb   0,5 wf   0,5000
16 16
Ejemplo OTSU 3Bits T=5

0  1  1 4  2  2  3  1  4  1 5  4  6  2  7 1
ub   1, 6667 uf   5,5714
9 7
1 4  2 11 4  2 1
wb   0,5625 wf   0, 4375
16 16
Ejemplo OTSU 3Bits T=6

6  2  7 1
ub 
0  1  1 4  2  2  3  1  4  1  5  4
 2, 6923 uf   6,3333
13 3
1 4  2 11 4 2 1
wb 
16
 0,8125 wf   0,1875
Ejemplo OTSU 3Bits T=7

0  1  1 4  2  2  3  1  4  1  5  4  6  2 7 1
ub   3,1333 uf   7, 0000
15 1
1 4  2 11 4  2 1
wb   0,9375 wf   0, 0625
16 16
Ejemplo OTSU 3Bits : Solución
Ejercicio Umbral global por Método de Otsu en Excel 4Bits

•Convierta a escala de gris por luminancia la imagen propuesta.

•Encuentre paso a paso, el umbral T por el método de OTSU para la

imagen.

Capa Roja Capa Verde Capa Azul

0 3 2 8 1 14 8 10 7 15 10 8 1 1 13

1 6 6 11 8 14 5 4 4 14 10 3 3 3 8

2 7 0 13 1 14 4 3 3 10 7 5 13 5 10

5 7 6 15 5 10 4 1 5 14 10 7 6 6 10

1 3 2 8 0 15 8 11 6 15 13 8 14 14 15
Técnicas Locales

Cuando la imagen que se encuentra bajo análisis no posee un

fondo definido y su histograma no es bimodal, se debe encontrar
un umbral T para cada pixel de la vecindad a través de una
máscara que se debe recorrer.
Histograma NO bimodal
Técnicas Locales

Técnicas locales estadísticas básicas

•Promedio
•Media
•Máximo y Mínimo

Técnicas Avanzadas
Niblack
•Sauvola
Vecindad

El pixel de interés está localizado en

la fila r y la columna c (Véase la
figura), por lo que dependiendo de la
vecindad de este y la operación
efectuada se define el umbral de
binarización T(r,c) del pixel [p, I(p)].
De esta forma, no hay un único
umbral para toda la imagen.

N(r,c)
Técnicas Locales y su máscaras
Imagen patrón umbral local
Umbral global por Método de OTSU
Umbral local por Método del Promedio

Se calcula el promedio de la intensidad I(r,c) de los pixels de la

vecindad N(r,c); este se te convierte en el umbral T(r,c) del pixel
[p, I(p)].

𝑇 𝑟, 𝑐 = 𝑚𝑒𝑎𝑛(𝑁(𝑟, 𝑐))
También:
Ejemplo Correlación Promedio

1 1 3 1 1

1 1 3 1 1 3 3 3 0 1 0

5 5 7 6 6 3 4 4 1 1 1

2 2 4 2 2 4 4 4 0 1 0

2 2 4 2 2

(1  1  3  1  1  3  5  5  7)
N(r  1, c  1)  3
9
Umbral local por Método del Promedio

Ventana 15x15
Umbral local por Método de la median

Se deben ordenar de menor a mayor las intensidades I(r,c) incluidas dentro

de los pixels de la vecindad N(r,c) de finidos por la máscara. El umbral
corresponde al valor central I(r,c) encontrado que se convierte en el umbral
T(r,c) del pixel [p, I(p)].

𝑇 𝑟, 𝑐 = 𝑚𝑒𝑑𝑖𝑎𝑛(𝑁(𝑟, 𝑐))
Ejemplo Correlación Mediana

3 3 3
1 1 3 1 1
3 3 3
1 1 3 1 1
4 4 4
5 5 7 6 6

2 2 4 2 2

2 2 4 2 2

N(r  1, c  1)=median 1,1,1,1,3,3,5,5, 7  3

Umbral local por Método de la media

Ventana 15x15
Umbral local por Método Máximo Mínimo
Este método determina la intensidad I(r,c)Max máxima y
I(r,c)Min mínima encontrada dentro de los pixels de la
vecindad N(r,c) definida por la máscara de orden nxm y
le divide por 2; este se convierte en el umbral T(r,c) del
pixel [p, I(p)].

𝑚𝑎𝑥(𝑁(𝑟, 𝑐))+ 𝑚𝑖𝑛(𝑁(𝑟, 𝑐))

𝑇 𝑟, 𝑐 =
2
Ejemplo Correlación Máximo y Mínimo

4 4 4
1 1 3 1 1
4 4 4
1 1 3 1 1
5 5 5
5 5 7 6 6

2 2 4 2 2

2 2 4 2 2

(1  7)
N(r  1, c  1)  4
2
Umbral local por Método Máximo Mínimo

Ventana 15x15
Umbral local Moda

Este método determina la intensidad I(r,c) que más se

repite dentro de los pixels de la vecindad N(r,c) definida
por la máscara de orden nxm; este se convierte en el
umbral T(r,c) del pixel [p, I(p)].

𝑇 𝑟, 𝑐 = 𝑚𝑜𝑑𝑒(𝑁(𝑟, 𝑐))
Ejemplo Correlación Moda

1 1 1
1 1 3 1 1
1 2 1
1 1 3 1 1
2 2 2
5 5 7 6 6

2 2 4 2 2

2 2 4 2 2

N(r  1, c  1)=mode 1,1,3,1,1,3,5,5, 7  1

Umbral local por Moda

Ventana 15x15
Umbral local por Método de Niblack

La técnica planteada por Niblack se base esencialmente en el cálculo del promedio de las
intensidades I(r,c) de la vecindad N(r,c). Por otro lado, este agrega un aporte que es
proporcionado por la desviación estándar de los valores de la ventana, los cuales son
multiplicados por un factor k el cual toma valores de 0.2 para objetos brillantes y de -0.2 para
objetos opacos. Niblack considera que K es un valor que debe estar entre -1 y 0. El umbral T(r,c)
se determina mediante la ecuación para cada uno de los pixels [p, I(p)] de la vecindad.
Umbral local por Método de Niblack
Umbral local por Método de Sauvola

Se determina mediante el promedio de la intensidad I(r,c) y la desviación estándar encontrada

dentro de los pixels de la vecindad N(r,c) definida por la máscara de orden nxm. Mediante la
ecuación 2 se puede determinar el umbral T(r,c) del pixel [p, I(p)].

Donde R es el máximo valor de la desviación estándar de umbral posible, siendo R=128 si se

entiende la intensidad máxima como 255. K es un valor que varía entre 0.2 y 0.5.

 s ( x, y ) 
T ( x, y)  mean( x, y)* 1  k (  1) 
 R 
Umbral local por Método de Sauvola