Ik ben geïnteresseerd in het vinden van een zo optimaal mogelijke methode om te bepalen hoeveel bakken ik in een histogram moet gebruiken. Mijn gegevens moeten variëren van 30 tot maximaal 350 objecten, en in het bijzonder probeer ik drempels toe te passen (zoals de methode van Otsu) waar 'goede' objecten, waarvan ik er minder zou moeten hebben en die meer verspreid zouden moeten zijn, worden gescheiden van ' slechte 'objecten, die een hogere waarde zouden moeten hebben. Een concrete waarde zou voor elk object een score van 1-10 hebben. Ik had 5-10 objecten met scores 6-10 en 20-25 objecten met scores 1-4. Ik zou graag een histogram-binningpatroon willen vinden dat over het algemeen zoiets als de methode van Otsu toestaat om de laag scorende objecten te beperken. Bij de implementatie van Otsu's die ik heb gezien, was de bin-grootte echter 256, en vaak heb ik veel minder datapunten dan 256, wat volgens mij suggereert dat 256 geen goed bin-nummer is. Met zo weinig gegevens, welke benaderingen moet ik nemen om het aantal te gebruiken bakken te berekenen?