Inicialmente se toman dos segmentos de puntos (𝐾0 (𝑡) y 𝐾1 (𝑡)), que se definirán a partir

del valor del umbral 𝑡. 𝑡 es la variante que se pretende encontrar, y los dos segmentos son
el resultado deseado en el proceso de segmentación.
Sea 𝑝(𝑔) la probabilidad de ocurrencia del valor de gris 0 < 𝑔 < 𝐺 (G es el nivel de gris
máximo). Entonces la probabilidad de ocurrencia de los pixeles en los dos segmentos es:

𝐾0 : 𝑃0 (𝑡) = ∑𝑡𝑔=0 𝑝(𝑔) y 𝐾1 : 𝑃1 (𝑡) = ∑𝐺𝑔=𝑡+1 𝑝(𝑔) = 1 − 𝑃0 (𝑡)

Si se toman dos segmentos (o sea un solo valor umbral) la suma de las dos probabilidades
dará evidentemente 1.
Si ḡ es la media aritmética de los valores de gris en toda la imagen, y ḡ0 y ḡ1 los valores
medios dentro de cada segmento, entonces se pueden calcular las varianzas dentro de
cada segmento como:

𝜎02 = ∑𝑡𝑔=0(𝑔 − ḡ0 )2 𝑝(𝑔) y 𝜎12 = ∑𝐺𝑔=𝑡+1(𝑔 − ḡ1 )2 𝑝(𝑔)

La meta es mantener la varianza dentro de cada segmento lo mas que pequeña posible y
conseguir que la varianza entre los dos segmentos sea lo más grande posible. Así
obtenemos:
2 (𝑡)
𝜎𝑧𝑤
𝑄(𝑡) = 2 (𝑡)
𝜎𝑖𝑛

La varianza entre los segmentos es:

2 (𝑡)
𝜎𝑧𝑤 = 𝑃0 (𝑡) ∙ (ḡ0 − ḡ)2 + 𝑃1 (𝑡) ∙ (ḡ1 − ḡ)2
La varianza dentro de los segmentos se obtiene de la suma de ambas:
2
𝜎𝑖𝑛 (𝑡) = 𝑃0 (𝑡) ∙ 𝜎02 (𝑡) + 𝑃1 (𝑡) ∙ 𝜎12 (𝑡)

El valor de 𝑡 se elige de manera que el cociente 𝑄(𝑡) sea máximo. 𝑄(𝑡) es por los tanto la
medida buscada. De esta forma elegimos un valor umbral que optimiza los dos segmentos
en términos de varianza.