1

Tehnici de detecie de contur

Zbganu Alexandra, Stnoiu Iulia

Adic:

Abstract Prezenta lucrare prezint principalele metode de

detecie a conturului utilizate n acest moment. Dat fiind
importana problemei n domeniul procesrii imagistice, de-a
lungul timpului s-au dezvoltat mai multe tehnici. Acestea au un
comportament relativ apropiat n conditii de zgomot, dar n
situaii practice, unele se pot arta mai avantajoase dect
celelalte. Lucrarea are ca scop o scurt prezentare conceptual i
matematic a celor mai populare metode de detecie a conturului
i anume: detectorii ce folosesc operatori de gradient, detectorii
laplacieni Zero Crossing, detectorii gaussieni, detectorii color i
Laplacianul Gaussianului.

(3)
(4)
Unde

este direcia muchiei.

Index detecie, muchie, gradient, contur, operator

I. INTRODUCERE

NA dintre cele mai folosite operaii n domeniul analizei

imaginilor i n acelai timp una dintre problemele

fundamentale n acest domeniu este detecia de contur. Un
contur sau o muchie, reprezint limita dintre obiect i fundal,
aadar cunoaterea acestuia este folositoare pentru urmtoarele
etape de analiz a imaginii: segmentare, registrare i
identificarea obiectelor .
Din punct de vedere tiinific, un contur este definit ca fiind
totalitatea pixelilor n care exist discontinuiti abrupte de
nivele de gri.
n imaginile binare, punctele de grani se definesc ca fiind
pixelii negri avnd cel puin un vecin alb n vecintate, aadar
locaia pixelilor de forma (m,n)
pentru care u(m,n)=0 i g(m,n)=1, unde:

(1)

reprezint operaia de sau exclusiv.

Pentru o imagine continu f(x,y), derivata sa presupune un

maxim local n direcia muchiei. Aadar, o metod de detecie
a muchiei este msurarea gradientului lui f de-a lungul lui r n
direcia lui :
(2)
Valoarea maxim a

Pe baza acestor concepte, vom vedea mai departe dou

tipuri de detectori de muchie: operatorii de gradient i
operatorii de compas. Pentru imaginile digitale, aceti
operatori, care se mai numesc i mti, reprezint aproximri
cu diferene finite ori pentru gradienii ortogonali
sau
pentru gradientul direcional

u
unde

Fig.1. Gradientul lui f(x,y) de-a lungul direciei r [1]

se obine cnd

Fie matricea H o masc de dimensiuni p x p. Pentru o

imagine arbitrar U, n [1] produsul scalar al acestora la
locaia (m,n) este definit ca:

(5)
Aadar discontinuitile de intensitate (muchiile) reprezint
sumele obinute prin convoluia imaginii procesate cu mile
corespunztoare.

II. GENERALITI
Detecia muchiilor este o problem fundamental n
prelucrarea imaginilor, deoarece permite extragerea
informaiei de baz dintr-o imagine, necesar mai departe n
analiza i nelegerea computerizat a acesteia. Detecia
frontierelor n imagini se bazeaz pe operatori care
aproximeaz n planul discret gradientul sau laplacianul
imaginii [3].
Clasificarea detectorilor de contur poate deveni
problematic, ns simplific mult procesarea de imagini n
vederea artificial, prin asocierea a diferitor reguli de
procesare pentru fiecare tip de muchie (vezi fig.2)

III. TEHNICI DE DETECIE

A. Operatori de gradient
Operatorii clasici
Vectorul gradient reprezint direcia i mrimea variaiei
maxime de intensitate ntr-un punct al unei imagini i este
definit n funcie de derivatele pariale ale funciei imagine
f(x,y):

(6)
Operatorii de gradient sunt reprezentai printr-o pereche de
mti H1 i H2, care msoar gradientul imaginii u(m,n) n
dou direcii ortogonale. (Fig.3)

Fig.2. Tipuri de muchii: a) muchie ascuit; b) muchie fin; c) muchie tip

acoperi convex; d) muchie tip acoperi concav

n funcie de aceste tipuri de muchii i innd cont de

operatorii care pot fi folosii, se poate face urmtoarea
clasificare:

Detectori care folosesc operatori de gradient (derivata

de ordin nti)
Detectori laplacieni Zero Crossing (care folosesc
derivata de ordinul doi)
Laplacianul Gausianului
Detectori gausieni
Detectori color

Problemele care pot aprea n extragerea contururilor i n

segmentare sunt urmtoarele [2]:
1.

Modificarea condiiilor de iluminare

2.

Modificarea funadalului

3.

Luminana i caracteristicile geometrice

4.

Nivelul de zgomot, care are un impact foarte mare n

Fig.3. Schema deteciei de contur ce utilizeaz operatorii de gradient

Dac definim aceti gradieni bidirecionali ca:

i
atunci vectorul gradient va fi descris de:
(7)
(8)
Pentru reducerea volumului de calcul, de multe ori gradietul
de calculeaz folosind:
(9)
Operatorii de gradient uzuali sunt Roberts, Prewitt, Sobel i
Isotropic. n Tabelul 1 sunt prezentate mtile cu care acetia
opereaz. Calitatea contururilor identificate cu ajutorul acestor
operatori, pentru o imagine cu tonuri de gri, este dependent
de spectrul imaginii. Cu ct spectrul este mai larg, cu att
contururile sunt mai slabe [3].

conturarea muchiei
5.

Nedetectarea anumitor muchii

6.

Detecia fals a muchiilor

7.

Schimbarea poziiei muchiei detectat de la adevrata

locaie (dislocarea muchiei)

n cazul n care imaginea este afectat de zgomot, fiecare

operator poate fi descris ca un model discret de funcii wavelet
ortogonale, n acest caz fiind necesar o subiere de contur
ulterioar.
Locaia (m,n) a pixelului este declarat o locaie de muchie
dac g(m,n) depete un prag t, numit threshold. Locaia
punctelor de pe muchie reprezint harta muchiei (m,n), care
se definete ca:

(10)

Cei opt gradieni de compas corespunztori celui de-al

treilea operator din Tabelul 2 sunt:

Unde
(11)
TABEL I
OPERATORI DE GRADIENTI UZUALI

gradientul de compas n direcia

.
Gradientul n punctul (m,n) este definit ca:
Fie

H1

H2

Roberts
Prewitt

(12)
Iar dac acestuia i aplicm un threshold obinem harta
muchiilor.

Sobel

B. Operatorii Laplace si Trecerile prin Zero

Isotropic

Harta muchiei furnizeaz date suficiente pentru trasarea

contururilor obiectelor n imagine. De regul t se alege
folosind histograma cumulativ a g(m,n) astfel nct sunt
declarai ca fcnd parte din contur de la 5 la 10% dintre
pixelii cu gradientul cel mai mare.

Metodele anterioare de estimare a gradienilor funcioneaz

cel mai bine atunci cnd tranziiile nivelelor de gri sunt
abrupte, asemntoare funciei treapt. Cum regiunea de
tranziie devine mai larg (Fig.5), este mai avantajoas
aplicarea derivatelor de ordinul doi.
Un operator foarte des ntlnit este operatorul laplacian,
definit ca:
(13)

Operatorii de compas
Operatorii de compas msoar gradientul ntr-un numr de
direcii. (Fig.4).

Fig. 4. Schema deteciei de contur ce utilizeaz operatorii de compas

n Tabelul 2 sunt prezentate cteva dintre mtile

operatorilor de compass pentru detecia muchiilor verticale. O
shiftare circular n sens invers a acelor de ceasornic a celor
opt elemente de muchie ale acestor mti produce o rotaie de
45o a direciei gradientului.
TABEL II
GRADIENTI DE COMPAS (MUCHII VERTICALE)

1)
2)

Fig.5. Derivatele de ordinul nti i doi pentru detecie de muchie

n tabelul de mai jos sunt prezentate trei aproximri discrete

pentru acest tip de operator.
TABEL III
OPERATORI LAPLACIENI DISCRETI

3)
(Kirsch)

4)

1)

2)

3)

4
Operatorul Laplacian cere mai puine calcule, ns el este
mai sensibil la tranziiile brute de intensitate, i la zgomot. De
asemenea, mrimea de threshold a lui
produce cteodat
muchii duble. Din aceste motive, mpreun cu faptul c nu
detecteaz nici direcia muchiei, operatorul Laplacian este
considerat un operator nu foarte bun pentru detecie de muchii.
Acest operator se utilizeaz mai degrab n relaie cu
trecerile sale prin zero, fapt care a dus la generarea unui nou
detector de muchie, numit Zero Crossing. Acesta are
caracteristici fixe n toate direciile i este sensibil la zgomot,
la fel ca operatorul Laplacian din care provine.

Un algoritm general pentru acest tip de detecie este [6]:

1. Netezirea imaginii folosind un filtru Gausian (reducerea
zgomotului);
2. Aplicarea transformatei Laplace (13), (creia i se mai spune
i operatorul Plrie Mexican datorit formei sale
invariante la rotaii) operaie reprezentnd derivata de ordinul
doi a imaginii;

Un astfel de detector zero crossing este definit ca:

(14)
Unde contoleaz mrimea nucleului Gausian i c
normalizeaz suma elementelor unei mti date.

Fig.6 Operatorul Plrie Mexican

Trecerile prin zero ale unei imagini, convolutate cu h(m,n),

dau locaiile muchiilor. h(m,n) este rspunsul impulsului de
eantionare a unui filtru analogic trece-band al crui rspuns
n frecven este proportional cu

3. n imaginea astfel modificat se caut schimbri de semn.

Dac exist o schimbare de semn creia i corespunde o pant
mai mare dect un anumit prag, atunci se marcheaz pixelul
respectiv ca fiind muchie.
Operatorul Marr-Hildreth a nceput s fie folosit la scar
larg pentru urmtoarele motive:

(15)
Aadar, detectorul de treceri prin zero este echivalent cu un
filtru trece jos cu un rspuns n impuls de tip Gausian, urmat
de un operator Laplacian. Parametrul controleaz rspunsul
n amplitudine al ieirii filtrului fr s modifice poziia
trecerilor prin zero. [1]
Din (1) rezult:

(16)
Informaia legat de direcie poate fi obinut cutnd prin
trecerile prin zero ale derivatei de ordin doi de-a lungul lui r,
pentru fiecare variaie a lui . [4]

1. Cercettorii au descoperit la anumite animale (de regul

pisici i macaci) recptori care se comport exact ca acest
operator;
2. Operatorul este simetric. Muchiile sunt determinate n toate
direciile, spre deosebire de operatorii direcionali care
folosesc derivata de ordinul nti;
3. Trecerile prin zero ale derivatei de ordinul doi sunt mai
simplu de determinat dect sunt maximele n derivate de
ordinul nti, deoarece tot ce este sufficient de tiut sunt
schimbrile de semn n semnal;
4. Trecerile prin zero ale unui semnal genereaz mereu
contururi nchise, ceea ce este foarte util n cazul n care se
dorete separarea obiectelor n scen.
Exist totui cteva probleme:

C. Laplacianul Gaussianului (LoG)

Acest tip de detecie a fost inventat de Marr i Hildreth n
1980. Pentru o detecie eficace a muchiilor, metoda combin
filtrarea Gausian cu operatorii Laplace i sparge imaginea n
locurile n care intensitatea variaz. [5]
Este vorba de un operator de gradient care folosete
Laplacianul pentru a extrage derivata de ordinul doi a unei
imagini. O diferen de intensitate n imagine va apare n
graficul derivatei de ordinul al doilea ca o trecere prin zero.

1. Fiind un operator ce folosete derivata de ordinul doi,

influena zgomotului este una considerabil;
2. Animalele au mai multe tipuri de receptori, aa c
asemnarea aceasta nu este suficient;
3. Cteodat generarea contururilor nchise nu este una
realist, operatorul Marr-Hildreth crend contururi i n locuri
n care acestea nu exist.

5
D. Detectorii Gausieni
Acetia sunt simetrici de-a lungul muchiei, i de asemenea
reduc zgomotul prin netezirea imaginii. Cei mai importani
operatori din aceast categorie sunt operatorul Canny i
operatorul ISEF (Shen-Castan).
Operatorul Canny este cel mai folosit n prezent, dei nu
face chiar parte din categoria detectorilor cei mai noi, fiind
inventat n anul 1986. A fost creat de John Canny n cadrul
lucrrii sale de dizertaie pentru un Master MIT. El a tratat
problema deteciei de muchii ca pe o problem de optimizare a
unei procesri de semnal [7], aadar a implemenat o funcie
pentru ca mai apoi s-o optimize i s o foloseasc n
proiectarea operatorului.
Funcia a fost gndit astfel nct:
- S maximizeze RSZ pentru a oferi o detecie bun,
- S realizeze o bun localizare pentru a marca cu precizie
marginile,
- S minimizeze numrul de rspunsuri pentru o singur
muchie. Acest lucru favorizeaz identificarea adevratelor
negative, ceea ce presupune marcarea punctelor care nu sunt
muchii.
Global, algoritmul deteciei de contur implementat de
Canny este urmtorul:
1. Netezirea imaginii
Multe implementri ale acestui detector mpart acest proces
n doi pai: primul pas este convolutarea imaginii cu o
gausian pentru netezire, iar al doilea pas este ctarea de
maxime n derivatele pariale de ordin nti ale semnalului
rezultat (folosind mti similare mtilor Sobel). Aadar
imaginea poate fi convolutat cu 4 mti, pentru a cuta
muchii orizontale, verticale i diagonale.
Astfel, la acest pas operatorul Canny caut maximele funciei
unde

, I este imaginea iar G

gausiana.
2. Suprimarea non-maximelor
Muchiile apar n locurile n care apar maximele gradientului.
Aadar, toate celelalte puncte trebuie anulate. Pentru a face
aceasta, trebuie calculat mrimea i direcia gradientului
pentru fiecare pixel n parte. Apoi trebuie verificat dac pentru
aceti pixeli dimensiunea gradientului este mai mare la o
distan de un pixel n oricare din direciile pozitive sau
negative perpendiculare pe gradient. Dac pixelul nu este mai
mare dect amndou, atunci trebuie ters.
3. Subierea muchiilor i eliminarea celor neimportante
(thresholding)
Metoda folosit de Canny poart numele de hysteresis.
Aceasta implic folosirea a dou valori diferite de threshold,
valoarea cea mare de threshold fiind de regul de trei ori mai
mare dect cea mic. Orice pixel aflat ntr-o list de muchii
care are un gradient mai mare dect valoarea maxim de
threshold este clasificat ca muchie valid. Oricare pixeli

conectai la aceaste puncte de muchie valide, care au o valoare

a gradientului peste vloarea minim de threshold sunt de
asemenea clasificate ca puncte de muchie. Aceasta nseamn
c odat ce o muchie este nceput, aceasta nu se termin pn
cnd gradientul muchiei nu scade considerabil.

Un alt tip de operator gausian este operatorul ISEF (ShenCastan). Acesta este, ca i Canny, un detector optimal de
muchie, i seamn cu acesta din cteva puncte de vedere,
cum ar fi convoluia cu un nucleu de netezire urmat de
cutarea muchiilor.
Funcia care se dorete a fi minimizat n acest caz este:
(17)
Iar funcia filtrului optim inventat de Shen i Castan este
filtrul exponenial infinit simetric [8]. n spaiul
unideimensional, ISEF este de forma:
(18)

Algoritmul ISEF este urmtorul:

1. Imaginea este filtrat folosind filtrul recursiv ISEF pe
orizontal i pe vertical;
2. Se aproximeaz laplacianul imaginii prin scderea imaginii
filtrate din imaginea original. Prima derivat a funciei va
avea extreme n locurile corespunztoare muchiilor din
imagine, iar derivata de ordinul doi va fi zero n aceleai
poziii;
3. Suprimarea punctelor de non-maxim n scopul subierii
muchiilor;
4. Se caut punctele de gradient. Gradientele punctelor de
muchie sunt fie puncte de maxim, fie de minim. Dac derivata
de ordinul doi i schimb semnul de la pozitiv la negativ
atunci acea trecere prin zero se consider pozitiv, iar dac i
schimb semnul de la pozitiv la negativ se consider trecere
prin zero negativ. Astfel trecrile prin zero pozitive vor avea
gradient pozitiv, iar cele negative vor avea gradient negativ, n
timp ce toate celelalte treceri prin zero se consider a fi false
(i nu fac parte din muchie);
5. Thresholding. Zgomotul produce o problem des ntlnit n
detecia contururilor, i anume dungarea muchiilor, care apar
ntrerupte. Aceast dungare poate fi combtut prin
thresholding-ul de hysteresis, metod folosit i de algoritmul
Canny prezentat mai sus;
6. Subierea muchiilor.

6
Att Canny ct i ISEF sunt algoritmi optimi de detecie a
muchiilor. Diferena este c primul folosete o gausian pentru
a aproxima muchiile, n timp ce ISEF folosete un filtru
exponenial. ISEF se dovedete a da o aproximare mai bun a
contururilor, aadar un RSZ superior.
Totui, schemele de detecie bazate pe detectori de gradient
sufer de mai multe probleme, ns rmn n continuare cei
mai utilizai n aplicaiile de vedere artificial. Cteva dintre
aceste probleme sunt:
1. Trebuie s se aleag valorile de threshold i limea mtii.
Limea mtii (adic nivelul de netezire al imaginii) afecteaz
poziiile trecerilor prin zero i gradienii de maxim intensitate
din imagine. ns poziia estimat a muchiei nu ar trebui s fie
afectat de mrimea mtii de convoluie;

Pentru aceasta calculm gradientul orizotal folosind formula:

unde
reprezint estimatul antegrad i
estimatul retrograd al lui u(m,n) din observaii zgomotoase
ntr-o fereastr W definit ca:

Estimaii antegrazi de-a lungul orizonatlei pot fi definii ca:

i similar, putem gsi

n punctual P(m,n).

2. Colurile cteodat sunt ratate, deoarece n acele zone

gradientul de ordinul 1 este mic;

n aceeai manier se gsete gradientul vertical n punctul

P(m,n).

3. Operatorii de acest tip gsesc caracteristici generale. Pentru

gsirea liniilor, de exemplu, trebuie s se foloseasc alt
operator (nu se mai caut treceri prin zero, ci m axime);

Fie g2(m,n). Din g1(m,n) i g2(m,n) calculm g(m,n)

folosind shiftarea circular n sensul acelor de ceasornic a celor
8 elemente de margine ale mtii [8] i se obine:

4. Exist un risc destul de mare de apariie a muchiilor acolo

nu exist (fals pozitiv) sau de neconturare a muchiilor
existente (fals negativ).
F. Detecia de muchii color
E. Gradienii stocastici
Tehnicile de detecie prezentate pn acum nu sunt foarte
eficace n cazul imaginilor zgomotoase. Zgomotul nu este
redus sufficient atunci cnd imaginea trece printr-un filtru
trece-jos. O alternativ ar fi proiectarea unor mti de
extragere a muchiilor, care iau n considerare prezena
zgomotului ntr-un mod controlat [1].
Figura de mai jos arat un model de muchie a crei regiune
de tranziie are limea de un pixel [8], i vrem s detectm
prezena unei muchii la locaia P.

Majoritatea detectorilor de muchii funcioneaz pe imagini

cu nivele de gri. Acest lucru mparte din start la trei cantitatea
de date cu care se lucreaz (un singur canal n loc de trei), fapt
care produce de asemenea i pierderea detaliilor. Prin
includerea componentei color a imaginii, detectorul ar trebui
s fie n stare s detecteze muchii chiar i n regiuni cu variaii
color mari i variaii mici de intensitate.
Exist mai multe tipuri de detectori color. Detectori care
folosesc metode de fuziune, metode de gradient
multidimensional i metode vectoriale.
Metodele de fuziune fac detecia de muchie pentru fiecare
canal n parte, R, G i B, dup care combin cele trei hri de
muchii ntr-una singur. n [10] Alberto Salinas et al. prezint
aceast algoritm, utiliznd o metod de regularizare pentru a
constrnge harta muchiilor s se potriveasc cu imaginea i s
aib ct mai puine ntorsturi.
Metodele de gradient multi-dimensional folosesc trei canele
n acelai timp pentru a calcula un singur gradient. Pornind de
la derivatele direcionale n fiecare canal, Di Zenzo arat n
[11] formulele de calcul pentru mrimea i direcia acestui
gradient, care n spaiul color este un tensor cu 3 dimensiuni.

Fig. 7- Model folosit pentru exemplificarea gradientului stochastic

Se folosesc mai multe metode care proceseaz pixelul din

punct de vedere vectorial. Yang i Tsai [12] utilizeaz o
metod cu thresholding pe dou nivele, folosind blocuri 8x8
pentru a gsi cea mai bun ax de proiecie 3D cu ajutorul
creia s converteasc fiecare bloc n nivele de gri. ns poate

7
cel mai cuprinztor articol pe aceast tem este [13], unde
Trahanias i Venetsanopoulos folosesc statistici de ordine a
vectorilor i calculeaz diverse mrimi, precum valoarea de
median, pentru a face detecia muchiilor. Algoritmii care
folosesc mai multe operaii vectoriale sunt de preferat celor
care folosesc mai puine [14]. Chiar dac mecanica percepiei
culorilor presupune trei procese separate, senzaia noastr de
culoare, analog senzaia de muchie, este omogen.

V. CONCLUZII
Scopul acestei lucrri este de a prezenta diferite abordri ale
problemei deteciei de muchii. Pentru aceasta am fcut un
rezumat al caracteristicilor diferiilor operatori care s-au
folosit de-a lungul timpului referitor la aceast problem.
n cazul imaginilor foarte zgomotoase nu exist diferene
calitative foarte mari ntre aceti operatori. ns pentru
aplicaii practice, unde se lucreaz cu imagini obinuite, cel
mai folosit la ora actual este algoritmul Canny. Iar prin
metode de fuziune a planurilor de culoare, detectorul Canny
color ofer rezultate chiar mai bune dect varianta cu nivele de
gri.
n acest domeniu exist nc numeroase posibiliti de
cercetare, iar din acest motiv, pe viitor plnuim s proiectm
un algoritm care s ofere o nou abordare pentru detecia de
muchii, n scopul recunoaterii de obiecte.

IV. COMPARAIE NTRE TEHNICILE DE DETECIE

O comparaie ntre metodele de detecie este greu de fcut,
ntruct trebuie s in seama de mai multe criterii, cum ar fi:
probabilitatea de apariie a falsurilor pozitive, probabilitatea
de aparie a falsurilor negative, eroarea de estimare a
unghiului muchiei, distana dintre muchia estimat i
adevrata muchie, tolerana metodei la distorsiuni precum
coluri i ntreruperi [15].

REFERINE

ns de-a lungul timpului, diversi autori au studiat i

folosit aceste metode n detecia de contururi, i au ajuns la
diverse concluzii, care pot fi sintetizate ca n tabelul de mai
jos, sub form de avantaje/dezavantaje:

TABEL IV
AVANTAJE SI DEZAVANTAJE ALE OPERATORILOR STUDIATI
Operator
Gradient

Avantaje

Laplace

LoG

Uor
de
implementat.
Detecteaz
orientarea
muchiilor.
Detecteaz
orientarea
muchiilor.
Au
caracteristici
fixe n toate
direciile.
Localizeaz
corect muchiile.
Testeaz o arie
mai mare n
jurul pixelului.

Dezavantaje

Gausian

Color

Utilizeaz
probabiliti n
gsirea ratelor
de eroare.
RSZ mai bun.
Detecie
mai
bun n special
n condiii de
zgomot.
Precii.
Mai eficieni n
recunoaterea
obiectelor.

Sensibilitate
la
zgomot.
Susceptibilitate la
erori.

Sensibilitate
zgomot.

Dau
erori
la
coluri, curbe, i n
locurile n care
intensitatea
nivelului de gri
variaz.
Nu
furnizeaz
oientarea
muchiilor.
Calcule complexe.
Treceri false prin
zero.
Consum timp.

A.K.Jain, Fundamentals of Digital Image Processing, Prentice Hall,

USA, 1989
[2] S.Lakshmi, V.Sankaranarayanan, A Study Of Edge Detection
Techniques for Segmentation Computing Approaches, CASCT for
Imaging and Biomedical Applications, 2010
[3] R.Oancea, Transformata Wavelet versus operatorii clasici pentru
detecia muchiilor
[4] R.M.Haralick, Trecerile prin zero ale detectorului de muchie ce
folosete derivata direcional de ordinal doi, Robot Vision
(A.Rosenfeld, ed.),SPIE 336, 1982
[5] D.Marr, E.C.Hildreth, Teoria deteciei de muchii, Proc. R. Soc. Lond.
B270, 1980
[6] P.Sandhu, M.Juneja, E.Walia, Comparative Analysis of Edge Detection
Techniques for extracting Refined Boundaries, 2009 International
Conference on Machine Learning and Computing, IPCSIT vol.3 (2011)
(2011) IACSIT Press, Singapore
[7] E.Nadernejad, S.Sharifzadeh, H.Hassanpour, Tecnici de detecie a
muchiilor: evaluri i comparri, tiine matematice Aplicate, Vol.2,
2008, nr.31, 1507-1520.
[8] K.J.Pithadiza, C.K.Modi, J.D.Chauhan, Selecia celei mai favorabile
tehnici de detecie e muchiilor pentru inspecia nivelului de lichid n
sticle, International Journal of Computer Information Systems and
Industrial Management Applications (IJCISIM), Vol 3, pp: 034-044,
2011
[9] K.Sau, M.Pal, P.Karmaka, Unique Techniques for edge detection
methods In digital Image Processing, Department of Computer Science
& Engineering, Institute of Engineering & Management, Salt Lake,
Kolkata, 2011
[10] R. Alberto Salinas, C. Richardson, M.A. Abidi and R.C. Gonzalez. Data
fusion: Color edge detection and surface
[11] S. Di Zenzo. A note on the gradient of a multi-image. CVGIP,
33(1):116125, January 1986.
[12] C.K.Yang, W.H.Tsai, Reduction of Color Space Dimensionality by
Moment-Preserving Thresholding and its Application for EdgeDetection in Color Images, Pattern Recognition Letters, vol.17, no.5,
[1]

la

Complicat
de
implementat.
Calcule complexe.

pp.481-490, May 1996.

[13] P.E.Trahanias , A.N.Venetsanopoulos, Vector Order-Statistic
Operators as Color Edge Detectors, IEEE Trans. Systems, Man and
Cybernetics, vol. B-26, no. 1, pp. 135-143, Feb. 1996.
[14] M.A.Ruzon, C.Tomasi, Edge, Junction and Corner Detection Using
Color Distributions, IEEE transactions on Pattern Analysis and
Machine Intelligence, Vol.23, No.11, Vov.2001
[15] R.Owens, Lecture 6 Computer Vision IT412, 1997.
http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/OWENS/
LECT6/lect6.html