Terskel er en grunnleggende teknikk i bildesegmentering som skiller objekter fra bakgrunnen ved å konvertere gråtone bilder til binære bilder. Det brukes mye i ulike applikasjoner som medisinsk bildebehandling, objektdeteksjon og datasyn. Denne guiden gir en oversikt over felles terskelmetoder og deres praktiske bruk.

Global terskel

Global terskelbruk gjelder en enkelt terskelverdi på hele bildet. Pixels med intensitetsverdier over terskelen klassifiseres som forgrunn, mens de nedenfor er bakgrunn. Denne metoden er enkel og effektiv for bilder med jevne belysningsforhold.

Vanlige teknikker inkluderer:

  • Otsus metode:] bestemmer automatisk den optimale terskelen ved å maksimere inter-klassevariansen.
  • Fastet terskel: Bruker en forhåndsdefinert verdi basert på tidligere kunnskap.
  • Adaptive terskel: Justerer terskelen basert på lokale bilderegioner.

Adaptiv terskel

Adaptiv terskelberegning beregner forskjellige terskelverdier for ulike regioner i bildet. Det er nyttig for bilder med ujevn belysning eller skygger. Metoden anser lokale piksel nabolag for å bestemme terskel dynamisk.

Denne teknikken forbedrer segmenteringsnøyaktigheten i utfordrende belysningsforhold og brukes ofte i dokumentbehandling og utendørsbilding.

Avanserte terskelteknikker

Mer avanserte metoder inkluderer:

  • Entropy-basert terskel: bruker informasjonsteori til å velge terskelen som maksimerer entropi.
  • Klusterbasert terskel: Segmenter bilder basert på intensitet i støtpunktene.
  • Multinivå Terskel: deler bildet i flere klasser ved hjelp av flere terskelverdier.

Disse teknikkene er egnet for komplekse bilder som krever detaljert segmentering og er ofte implementert i spesialisert bildeanalyse programvare.