Binarisierung

Binarisierung ist das Verfahren, bei dem ein Bild in ein binäres Bild umgewandelt wird, in dem jeder Pixel einer der zwei Klassen zugeordnet wird. In der Praxis bedeutet dies oft Vordergrund versus Hintergrund, etwa Text oder Objekte gegen den Hintergrund. Die Binarisierung dient der Vereinfachung der Analyse, der Segmentierung und der Unterstützung weiterer Verarbeitungen wie der optischen Zeichenerkennung (OCR).

Bei der globalen Binarisierung wird für alle Pixel derselbe Schwellenwert t verwendet. Der Pixelwert I(x) wird zu 1, falls I(x) ≥ t, andernfalls zu 0. Der Schwellenwert kann festgelegt oder aus der Bildverteilung abgeleitet werden. Verfahren wie Otsu sortieren t so, dass die Trennung zwischen den Klassen maximiert (Interklassen-Varianz). Andere globale Ansätze nutzen Histogrammstatistiken oder Optimierungskriterien.

Adaptive oder lokale Binarisierung berechnet t(x) aus dem Umfeld eines Pixels; so bleiben Unterschiede in Beleuchtung besser erfasst. Bekannte Methoden sind adaptive Mittelwert- oder Gaußsche Thresholding, Sauvola- und Niblack-Algorithmen. Vor der Binarisierung kann eine Glättung oder Rauschunterdrückung stehen, um Artefakte zu reduzieren.

Nach der Binarisierung folgen oft Nachbearbeitungen wie morphologische Operationen (Öffnen, Schließen), die Bereinigung von Rauschen sowie die Segmentierung zusammenhängender Komponenten oder das Entfernen kleiner Objekte. Diese Schritte verbessern Lesbarkeit und Robustheit, etwa bei der Texterkennung oder Dokumentanalyse.

Herausforderungen sind ungleichmäßige Ausleuchtung, Rauschen, Schatten, Farbraumkonversionen und Artefakte durch Kompression. In vielen Anwendungen wird daher eine Kombination aus Vorverarbeitung, adaptiver Binarisierung und Nachbearbeitung eingesetzt.