• El histograma es la gráfica que muestra como se distribuye el color en una imágen, los colores más oscuros los encontramos a la izquierda mientras que los más claros a la derecha.
• Podemos detectar fácilmente lo contrastada que está una imágen por los picos de un histograma, a más picos más contraste. Un histograma plano correspondería a una imágen poco contrastada.

Estos histogramas corresponden a fotografías, podemos ver que la primera tiene partes muy oscuras que no se verán bien (muchos píxels a la izquierda), el segundo corresponde a una imágen “quemada” (blancos extremos) y el tercero a una buena fotografía.

Técnica que pretende modificar el histograma para obtener otro de distribución uniforme, es decir, que cada nivel de gris (en imágen monocroma) tiene el mismo número de bits.

Un threshold, en castellano: barrera o umbral, es un punto a partir del cual se realiza una operación concreta. El thresholding consiste en elegir un punto del histograma a partir del cual realizar un corte y suprimir un extremo u otro.
Por ejemplo, el siguiente histograma es fácilmente binarizable:

En el histograma se ve claramente donde realizar el thresholding. Haciendolo quedaría una imágen de blancos y negros fácilmente tratable, pero no siempre es correcto realizar este thresholding fijo. Según la imágen podemos ir variándolo (thresholding flotante), o cambiarlo a partir de las probabilidades que indica la campana de Gauss (por compensación estadística, o a partir de la media o mediana) o a partir de una función f(x,y) que lo que haría sería aplicar el threshold en distintas porciones de una imágen en función de un punto concreto (que podría ser el central).

Las siguientes imágenes muestran una imágen original y los resultados después de haber aplicado un thresholding fijo. Comprobamos que según el thresholding aplicado nos puede quedar ruido en una zona u otra de la imágen:

El filtrado de la imágen consiste en aplicar a una imágen inicial una serie de operaciones a una imágen inicial para obtener una imágen resultado más adecuada para nuestros propositos, por ejemplo podemos suavizar la imágen (reducir la variación entre píxeles colindantes), eliminar ruido, realzar y detectar bordes.

En los operadores matriciales (los que tratan la imágen como una matriz) existe la función de convolución que es la que se define la operación que se va a aplicar en un píxel según los píxeles vecinos. Por ejemplo nos encontramos con el píxel ij:


Su función de convolución podría ser:



Es decir, después de aplicar sobre Iij la función de convolución nos aparecería I''ij.

Son los que modifican la forma (el contenido) de la imágen.