Enhanced local adaptative binarization

Abstract

La umbralización de una imagen es un problema muy conocido en el que se realiza una segmentación solo con dos categorías: claro y oscuro. Cada píxel se clasifica como claro u oscuro; comparando su intensidad con una intensidad de referencia dada denominada umbral. Los algoritmos de umbralización adaptativa funcionan teniendo en cuenta los píxeles adyacentes al píxel a umbralizar por lo que limitan la intensidad de los píxeles con respecto a los píxeles adyacentes que explotan las imágenes integrales. A su vez, las imágenes integrales generalmente se calculan de manera ´optima utilizando el algoritmo de tabla de áreas sumadas (SAT). Conociendo la metodología denominada como FLAT (Fuzzy Local Adaptive Thresholding), que es una técnica de binarización adaptativa basada en imágenes integrales difusas mediante un diseño eficiente de un SAT modificado para integrales difusas, en este trabajo proponemos distintos experimentos en cuanto a la configuración de las variables, las funciones de agregación utilizadas y el uso de umbral adaptativo y toma de decisión para obtener unos resultados óptimos. Los resultados experimentales muestran que nuestro algoritmo Enhanced Local Adaptative Binarization (ELAB), gracias a las metodologías propuestas, obtiene una mejora en la precisión de la binarización con respecto a los algoritmos tradicionales y al método FLAT.