Umbral adaptativo: Esta técnica ajusta dinámicamente el valor umbral utilizado para la binarización en función de las características locales de la imagen, como la intensidad o la textura de los píxeles vecinos. Su objetivo es lograr una segmentación o separación óptima de objetos en la imagen.
Ecualización de histograma adaptativa: La ecualización adaptativa de histograma (AHE) es una técnica de mejora de imagen que modifica el contraste de una imagen aplicando ecualización de histograma a áreas pequeñas y localizadas de la imagen. Esto ayuda a mejorar los detalles de la imagen y al mismo tiempo preserva las variaciones de contraste locales.
Eliminación de ruido adaptativa: Los algoritmos adaptativos de eliminación de ruido utilizan estadísticas de imágenes localizadas para eliminar el ruido de una imagen. Estos algoritmos analizan la vecindad local de cada píxel y aplican operaciones de eliminación de ruido basadas en las características de ruido estimadas.
Afilado adaptativo: Las técnicas de nitidez adaptativa mejoran la nitidez de la imagen al enfatizar los bordes y detalles en regiones específicas de la imagen al tiempo que preservan las áreas suaves. Ajustan dinámicamente los parámetros de nitidez en función de las propiedades locales de la imagen, como la textura o la densidad de los bordes.
Filtrado adaptativo: Los filtros adaptativos, como el filtro de Wiener o el filtro de Kalman, utilizan información de la imagen local para estimar el ruido subyacente en la imagen. Luego aplican filtrado píxel por píxel para reducir el ruido manteniendo los detalles de la imagen.
Estas técnicas de procesamiento de imágenes adaptativas están diseñadas para ser flexibles y conscientes del contexto, lo que permite mejoras o modificaciones de imágenes más precisas y localizadas. A menudo se utilizan en diversas aplicaciones, incluidas imágenes médicas, teledetección, detección de objetos, restauración de imágenes y más.