O método de Otsu é uma técnica clássica de limiarização global. Nobuyuki Otsu o propôs em 1979. Primeiramente, ele assume que a imagem contém duas classes de pixels. Objeto e fundo são estas duas classes. O algoritmo calcula o limiar que maximiza a separabilidade entre elas. A separabilidade é medida pela variância entre classes. Por exemplo, Otsu é ideal para imagens com histograma bimodal. Ele não requer parâmetros ajustados pelo usuário. Consequentemente, é amplamente utilizado em sistemas automáticos. Portanto, o método de Otsu é uma ferramenta fundamental em visão computacional.
fundamento matemático do método
O método de Otsu analisa o histograma da imagem em níveis de cinza. Primeiramente, ele calcula a probabilidade de cada nível de intensidade. Em seguida, testa todos os valores possíveis de limiar (k). Para cada k, divide os pixels em duas classes: C1 (0 a k) e C2 (k+1 a L-1). Calcula a média ponderada e a variância de cada classe. A variância entre classes (σ²_B) mede a separação. A fórmula é σ²_B(k) = P1(k)*(m1(k)-mG)² + P2(k)*(m2(k)-mG)². O limiar ótimo k* maximiza σ²_B(k). Este processo é repetido para todos os valores de k. Por exemplo, para imagens de 8 bits (0-255), são 255 testes apenas.
propriedades e vantagens do método de otsu
O método de Otsu possui várias propriedades importantes. Primeiramente, ele é totalmente automático e não supervisionado. Não é necessário fornecer parâmetros ou exemplos de treinamento. Além disso, o algoritmo é computacionalmente eficiente. Ele opera apenas sobre o histograma, não sobre a imagem inteira. O método também fornece uma medida de separabilidade (η). Valores altos de η indicam boa separação entre objeto e fundo. Por exemplo, η próximo de 1 indica um limiar muito eficaz. Outra vantagem é a invariância a transformações monotônicas de intensidade. Contudo, o método assume que o histograma é bimodal. Portanto, ele falha em imagens com histogramas unimodais ou multimodais complexos.
quando utilizar o método de otsu
Utilize o método de Otsu quando o histograma da imagem for bimodal. Por exemplo, documentos digitalizados com texto preto em fundo branco. Imagens médicas com objetos bem contrastados também são adequadas. Outra aplicação é na segmentação de placas de veículos. O Otsu também funciona bem em imagens de microscopia. Contudo, evite o método de Otsu em imagens com iluminação não-uniforme. Sombras ou gradientes de brilho prejudicam a separabilidade. Nestes casos, prefira a limiarização adaptativa. Além disso, ruído excessivo pode transformar um histograma bimodal em unimodal. Pré-suavizar a imagem com um filtro Gaussiano ajuda. Em resumo, escolha Otsu quando precisar de um método rápido, automático e eficaz para imagens bem comportadas.