The appearance of an image may not always be as desired, and can sometimes be caused by poor lighting distribution in the image. In this work, an algorithm is presented with the purpose of improving the quality of a pair of images of the same scene, where one image partially suffers from a large amount of illumination and the other partially suffers from a lack of illumination. It is proposed to carry out a fusion of images by means of a segmentation to improve the quality of each of these images, combining the desired information of each source image to obtain a fused image with a greater amount of information and details. A review of different algorithms, methods and models is made with the aim of performing image segmentation to later perform the fusion. Based on the state of the art, four segmentation techniques are addressed by means of image binarization, these being binarization by thresholding with the Otsu Method and by Cross Entropy, binarization by grouping with K-Means and binarization with the model of Gaussian mixtures. Each of these binarization image segmentation techniques are analyzed quantitatively using the accuracy metric to compare their performance. In addition, an algorithm that improves the performance of image segmentation through binarization is described. For image fusion, the binarization segmentation algorithm with the best performance is used and subsequently a quality improvement post-process is performed on the merged image.
La apariencia de una imagen no siempre puede ser la deseada, y algunas veces puede ser producida por la mala distribución de iluminación en la imagen. En este trabajo se presenta un algoritmo con el propósito de mejorar la calidad de un par de imágenes de una misma escena, en donde una imagen sufre parcialmente de una gran cantidad de iluminación y la otra sufre parcialmente de falta de iluminación. Se propone realizar una fusión de imágenes por medio de una segmentación para mejorar la calidad de cada una de estas imágenes, combinando la información deseada de cada imagen fuente para obtener una imagen fusionada con mayor cantidad de información y detalles. Se hace una revisión de distintos algoritmos, métodos y modelos con el objetivo de realizar una segmentación de imágenes para posteriormente realizar la fusión. Basado en el estado del arte, se abordan cuatro técnicas de segmentación por medio de la binarización de imágenes, siendo estas la binarización por umbralización con el Metodo de Otsu y por Entropía Cruzada, binarización por agrupación con K-Medias y binarización con el modelo de Mezclas de Gaussianas. Se analizan cada una de estas técnicas de segmentación de imágenes por binarización de forma cuantitativa utilizando la métrica de exactitud para comparar su desempeño. Además, se describe un algoritmo que mejora el desempeño de la segmentación de imágenes por medio de binarización. Para la fusión de imágenes, se utiliza el algoritmo de segmentación por binarización con mejor desempeño y posteriormente se realiza un post proceso de mejora de calidad en la imagen fusionada.
