Para imágenes con un histograma de niveles de gris bimodal, los métodos tradicionales de segmentación por umbral del histograma bidimensional son relativamente efectivos, pero cuando el histograma de niveles de gris muestra un patrón sin pico, unimodal o multimodal, sus resultados de segmentación son pobres. Considerando que la función de supervivencia bidimensional obtenida mediante el mapeo del histograma bidimensional posee ventajas como densidad continua y forma uniforme, este artículo propone un método rápido de segmentación por umbral basado en la entropía residual acumulativa de Tsallis bidimensional propuesta sobre la función de supervivencia bidimensional de la imagen. El método primero construye la función de supervivencia bidimensional con base en el histograma bidimensional, luego define una función objetivo de entropía residual acumulativa de Tsallis bidimensional para calcular el umbral de segmentación basado en la función de supervivencia bidimensional. Mediante un algoritmo recursivo, la complejidad temporal del cálculo de la función objetivo se reduce a <inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mi>O</mi><mo stretchy="false">(</mo><msup><mrow><mi>L</mi></mrow><mrow><mn mathvariant="normal">2</mn></mrow></msup><mo stretchy="false">)</mo></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/FF27A01C-8BE0-4781-B244-1F662977C64D-M001.jpg"><?fx-imagestate width="8.80533314" height="3.21733332"?></graphic><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/FF27A01C-8BE0-4781-B244-1F662977C64D-M001c.jpg"><?fx-imagestate width="8.80533314" height="3.21733332"?></graphic></alternatives></inline-formula>. Finalmente, basado en la forma recursiva del criterio de la entropía residual acumulativa de Tsallis bidimensional, se obtiene el vector de umbral óptimo para realizar la segmentación. En 26 imágenes sintéticas y 76 imágenes del mundo real, el método propuesto fue comparado con 2 métodos rápidos de segmentación por umbral bidimensional, 2 métodos de segmentación por agrupamiento y 1 método de segmentación de contorno activo bajo dos indicadores: tiempo y tasa de error de clasificación (ME). Los resultados experimentales muestran que, en imágenes sintéticas y del mundo real, en comparación con el segundo mejor método en rendimiento, el método presentado acorta en promedio 0.013 s el tiempo y reduce en promedio el valor de ME en un rango de 0.051~0.089. El método rápido de segmentación por umbral basado en la entropía residual acumulativa de Tsallis bidimensional propuesta no solo supera en eficiencia computacional a los 5 métodos comparados, sino que también tiene ventajas evidentes en adaptabilidad y precisión de segmentación.

Segmentación por umbral; histograma bidimensional; función de supervivencia bidimensional; entropía residual acumulativa de Tsallis; algoritmo recursivo rápido