MBUNTIREA IMAGINILOR

Procesele de imbunatatire a imaginilor constau intr-o colectie de tehnici

ce urmaresc sa modifice perceptia vizuala sau sa converteasca imaginea
intr-o forma mai potrivita pentru a fi analizata de oameni sau de
calculatoare. In scopul analizei, definirea tehnicilor de imbunatatire a
imaginilor se refera la extragerea informatiei. Spre exemplu, un astfel de
sistem ar putea pune in evidenta contururile unor obiecte dintr-o imagine. Imaginea
rezultata ar putea fi utilizata la intrarea unei masini ce traseaza contururile si
realizeaza anumite masuratori de forma si dimensiune. In aceasta aplicatie,
imbunatatirea imaginilor are drept scop punerea in evidenta a formelor existente in
imaginea originala si astfel, simplificarea procesului de extragere a informatiei din
imagine.

Ajustarea contrastului
Unul din cele mai intalnite defecte ale imaginilor fotografice sau electronica este
lipsa de contrast, rezultat in urma unei reduceri, poate neliniare a intervalului de
amplitudine a imaginii. Contrastul poate fi cel mai des imbunatatit prin rescalarea
amplitudinii fiecarui pixel.
Ajustarea contrastului pentru imaginea de intrare va fi realizata prin rescalarea
intensitatii (nivelului de gri) a fiecarui pixel.Primul pas presupune determinarea
nivelului minim si maxim de tonuri de gri pentru imaginea data. Apoi pentru fiecare
pixel se va rescala valoarea astfel incat aceasta sa fie in noul interval de intensitati
[a,b]. Se va folosi urmatoarea formula:
IN = (b-a) * (IO -min) / (max-min) + a

IN - noua intensitate;
IO intensitatea originala;
min intensitatea minima a unui pixel din imagine (cea mai inchisa);
max intensitatea maxima a unui pixel din imagine (cea mai deschisa);
a noua intensitate minima;
b noua intensitate maxima;
Imaginea de iesire nu va avea toate nivele din intervalul imaginii de intrare si
anumite tranzitii de nivel de gri vor fi mai mari decat in imaginea originala.
In urma acestei procesari poate rezulta un efect de conturare in nivele de gri,
rezultand o imagine care poate fi analizata mai usor de oameni sau de software
specializat.

Scalarea amplitudinii

O imagine procesata numeric poate ocupa un interval diferit de intervalul

imeginii originale. De fapt, intervalul numeric al unei imagini procesate poate
cuprinde valori negative, ce nu pot fi transferate direct in interval ale intensitatii
luminoase.
Exemple de rescalare a imaginilor:

Mai sus sunt prezentate unele posibilitati de scalare a unei imagini procesate in
domeniul de valori ocupate de imaginea originala.
Folosind prima tehnica, imaginea rezultata este transformata liniar in intreg
domeniul de intrare.
Cea de-a doua tehnica prezentata, transforma valorile extreme ale amplitudinii
imaginii rezultate in limitele maxime si minime ale imaginii originale. Cea de-a doua
tehnica este de preferat primei, mai ales in situatiile in care imaginea contine un
numar mic de pixeli care depasesc limitele. Algorimtii de imbunatatire a contrastului
au o optiune de taiere a unui procent din valorile amplitudinii in fiecare capat al
intervalului de amplitudine. In aplicatii de procesare de imagine medicala, aceasta
operatie de modificare a contrastului este numita transformare nivel-fereastra.
Nivelul este aflat pe punctual c pe axa de intrare, iar valoarea ferestrei este latimea
pantei, b-a.
Cea de-a treia tehnica de scalare a amplitudinii, utilizeaza o transformare a
valorii absolute pentru a vizualiza o imagine cu valori negative ale pixelilor. Aceasta
este utila sistemelor ce utilizeaza conventia de complement fara de doi pentru
reprezentarea amplitudinii.
Un alt procedeu ce este folosit este extinderea contrastului unei imagini. Aceasta
se realizeaza in urma taierii din imagine a unor nivele de gri si rescalarea celor
ramase, rezultand astfel o imagine a carei histograma ocupa aproape toate nivelele
de gri din scara.

Modifi carea de contrast

Scalarea amplitudinii imaginilor nu utilizeaza mereu intregul interval afisabil:
aceasta poate avea valuri in afara intervalului sau ocupa doar o parte din interval.
Operaiunea de modificare a contrastului imaginii digitale face parte din cadrul
operaiilor punctuale numite operaii cu memorie zero.
Procesarile punctuale neliniare pot aduce imbunatatiri ale contrastului, dar unele
din ele il pot chiar inrautati.

In functiile ce vor fi prezentate in continuare, imaginea procesata este definita

de

G(j,k) = F(j,k)p, unde F(j,k) reprezinta imaginea originala, si p este variabila

functiei putere.
Functia de eroare a lui Gauss se comporta ca o functie patrata pentru pixeli
cu amplitudine scazuta si ca o functie radacina patrata pentru pixeli de amplitudine
ridicata. Aceasta este definita de:

erf
G(j,k) =

F ( j , k ) 0.5
0.5
+[
]
a 2
a 2
0.5
erf {
}
a 2
x

Unde,

erf{x} =

2
exp {Y 2 } dY si a este deviata standard a distributiei lui

Gauss.
Functia logaritm este utila pentru modificarea imaginilor cu un spectru foarte
larg. Presupunand ca F(j,k)>=0, transformarea punctuala logaritmica este definita de:
G(j,k) =

log e {1+ F ( j ,k ) }
log e {1+ MAX [ F ( j , k ) ] }

Exista aplicatii in procesare de imagine, in care modificarea amplitudinii dupa

legi monoton descrescatoare sau nemonotone este foarte utila. Spre exemplu,
functiile revers sau invers aplicate contrastului au drept scop vizualizarea detaliilor
din zonele intunecate ale imaginii.
Functia revers este definita de:
G(j,k) = 1 F(j,k)
Functia inversa este data de ecuatia:

G ( j , k )=

1,0 F ( j , k ) 0.1
0.1
,0.1 F ( j, k ) 1
F( j,k)

Modifi carea de histogram

Histograma de luminanta a unei imagini naturale ce a fost cuantificata liniar
contine de obicei considerabil de multe nivele intunecate; majoritatea pixelilor din
imagine au o luminanta sub medie. In astfel de imagini detaliile din regiunile
intunecate nu sunt deloc perceptibile. Un mijloc de a imbunatati aceste tipuri de
imagini este tehnica numita modificare de histograma, in care imaginea originala e
rescalata in asa fel incat histograma imaginii imbunatatite urmeaza o forma dorita.
Andrew, Hall si altii, au produs o imbunatatire a imaginii printr-un proces de
egalizare a histogramei, in care histograma imaginii multiplicate e fortata sa fie
uniforma.
Ketcham si Hummel au demostrat rezultate imbunatatite printr-o procedura de
modificare adaptiva de histograma.
3

Modifi carea neadaptiv a histogramei

Egalizarea histogramei este o metod de
modificare neadaptiv a histogramei imaginilor si
are rolul de a scoate n eviden informaii care pot
fi greu identificate n imaginea original.
Etapele
algoritmului
urmtoarele:

de

rescalare

sunt

1. Se determin histograma imaginii;

2. Se construieste histograma cumulativ;
3. Se determin vectorul de transformare a
histogramei;
4. Se modific imaginea conform vectorului de
transformare.

Dac numrul de niveluri de rescalare a imaginii originale e mare, e posibil

modificarea nivelelor de gri n asa fel nct histograma imaginii mbunite s fie
aproape constant.
Modifi carea adaptiv a histogramei
Metodele de modificare a histogramei
discutate in sectiunea anterioara realizeaza
aplicarea aceleiasi transformari sau functii
fiecarui punct din imagine. Functia de
transformare este bazata pe histograma
intregii imagini. Acest proces poate fi facut
adaptive spatial, aplicand modificari de
histograma fiecarui punct din imagine,
bazandu-ne pe histograma punctelor din
vecinatate, aflate in interiorul unei ferestre.
Aceasta tehnica e evident complexa din
punct de vedere al calculelor, deoarece
necesita calculul histogramei, calculul
functiei de modificare si aplicarea acestei functii la fiecare punct din imagine.
A fost propusa o tehnica de egalizare adaptiva a histogramei, in care
histogramele sunt generate pe o retea rectangular de puncte si modificarile fiecarui
punct din imagine sunt realizate prin interpolarea maparilor a 4 puncte cele mai
apropiate de retea.
Figura 2.11 ilustreaza geometria acestor calcule. O histograma este calculate
pentru fiecare punct din retea, pe o fereastra din jurul punctului. Dimensiunea
ferestrei poate fi mai mica sau mai mare decat spatiile din retea.

CURIREA ZGOMOTULUI
O imagine poate fi bruiata de zgomot sau interferente din partea mai multor surse,
inclusiv zgomotul senzorilor electronici si zgomotul granulelor fotografice. Aceste
efecte pot fi reduse de tehnicile clasice de filtrare statica. Zgomotul ce apare in
imagini din cauza unui senzor zgomotos sau a erorilor canalului de transmisie se
manifesta de obicei ca variatii ale pixelilor, ce nu sunt corelate spatial. Pixelii
zgomotosi apar vizual ca fiind diferiti de vecinii lor.
Tehnicile neliniare ofera mai buna echilibrare intre eliminarea de
zgomot si retinerea detaliilor din imagine.

Metode lineare de ndeprtare a zgomotului

Imaginile pot fi afectate de zgomot cum ar fi zgomotul senzorilor electronici
sau zgomotul granulelor fotografice. Pixelii afectai de zgomot au o intensitate
diferit de cea a vecinilor lor. Aceast observaie st la baza multor algoritmi de
ndeprtare a zgomotului.

Filtrul Trece-Jos (FTJ)

Tehnica Outlier
Filtrul median
Filtrul pseudomedian

Procesarea din domeniul spaial

Zgomotul adaugat la o imagine are in general un spectru mai larg de fregventa
decat componentele normale ale imaginii din cauza decorelarii sale spatiale. De aici
rezulta ca filtrarea trece-jos simpla poate fi eficienta in indepartarea zgomotului.
Filtrarea trece-jos se poate efectua prin convoluia imaginii afectate de zgomot
cu o matrice:

Aceste matrici, numite msti de ndeptare a zgomotului, sunt normalizate la

unitate, astfel procesul de ndeprtare a zgomotului nu introduce o schimbare de
amplitudine n imaginea rezultat.
Conceptul de indepartare a zgomotului prin filtrarea trece-jos poate fi extins la
matrici mai mari. Dupa cum este asteptat, folosirea unei matrici de dimensiuni mai
mari contribuie in mod sporit la indepartarea zgomotului, dar cu costul pierderilor
detaliilor.

Alte metode lineare:

-

Procesare Fourier
Filtrare homomorfa

Filtrare homomorf
Filtrarea homomorfa este o tehnica folositoare pentru imbunatatirea imaginii
atunci cand aceasta este supusa zgomotului unei interfete.

Imaginea de filtrare F(j,k) se presupune ca fiind rezultata ca produs al unei

imagini fara zgomot A(j,k) si a unei matrici de interferenta a iluminarii I(j,k). Astfel,
F(j,k) = A(j,k)* I(j,k).
In mod ideal I(j,k) este constanta pentru toti pixelii. Logaritmand ecuatia
obtinem rezultatul sub forma aditiva:

log {F ( j, k ) }=log { I ( j , k ) } +log { A ( j , k )}

Tehnicile de filtrare lineara conventionala poti fi aplicate acum pentru a reduce

componenta logaritmica de interferenta. Exponentierea dupa filtrare completeaza
procesul de imbunatatire.

Tehnica outlier
Este o tehnica nelineara de procesare de semnal utilizata pentru suprimarea
zgomotului din imagini. Fiecare pixel este comparat cu media a 8 dintre vecinii sai.
Daca magnitudinea diferentei e mai mare decat un nivel oarecare de prag, pixelul
este considerat a fi zgomotos si este inlocuit cu media vecinilor sai.
Media vecinilor sai poate fi obtinuta prin convoltia imaginii cu masca de mai
jos:

H=

[ ]

1 1 1
1
1 0 1
8
1 1 1

Operatorul outlier poate fi extins la ferestre de dimensiuni mai mari.

Filtrul median
Este o tehnica nelineara de procesare de semnal utilizata pentru suprimarea
zgomotului din imagini.
In forma unidimensionala, filtrul median este constituit dintr-o fereastra ce
cuprinde un numar impar de pixeli. Filtrul central din fereastra este inlocuit cu
media pixelilor din fereastra.
De exemplu, daca valorile pixelilor dintr-o fereastra sunt 0.1, 0.2, 0.9, 0.4, 0.5
pixelul central va fi inlocuit de 0.4 care este valoarea mediana a succesiunii.
Exista diferite strategii de aplciare a filtrului median pentru suprimarea
zgomotului. O metoda ar fi utilizarea unui filtru median cu o fereastra de marime 3.
Daca nu se observa nici o pierdere importanta de semnal, latimea ferestrei poate fi
marita la 5. Procesul poate fi interrupt cand filtrul median incepe sa dauneze
imaginii.

Filtrul pseudomedian
Filtrarea median necesit un volum mare de calcule, iar numrul operaiilor
creste exponenial cu dimensiunea ferestrei. Un operator mai simplu este filtrul
pseudomedian:

n cazul unui filtru pseudomedian n form de + calculul funciilor min si max

se face n ferestre, dup cum urmeaz:

unde sirurile { } C X si { } R X conin pixelii aflai pe orizontal si respectiv

vertical din fereastr. Pseudomedianul poate fi definit ca:

Operatorul MAXIMIN in forma unidimensionala si bidimensionala e util in

indepartarea zgomotului de tip impuls de culoare deschisa, dar nu are aproape nici
un effect asupra zgomotului de tip impuls intunecat.
Invers, operatorul MINIMAX indeparteaza cu succes zgomotul de tip impuls
intunecat, dar nu sic el stralucitor.
In conclusive, se poate cascada cei doi operatori pentru a elimina in proportie
foarte mare zgomotele de tip sare si piper.

ACCENTUAREA CONTURURILOR
Accentuarea liniar a marginilor
-

Introducere
Experimentele psihofizice au aratat ca o fotografie sau un semnal vizual cu
marginile accentuate este, adesea, mai multumitoare decat o reproducere
fotometrica exacta.

Filtrul Trece-Sus
Accentuarea contururilor se poate realiza prin utilizarea filtrelor trece-sus. Cele
mai utilizate msti FTS de mrime 3x3 sunt urmtoarele:

Asa cum se poate observa, mstile utilizate pentru accentuarea contururilor au

proprietatea c suma elementelor este 1, evitnd n felul acesta modificri ale
intensitilor n imaginea procesat.
Algoritmul const n nlocuirea intensitilor cu sumele obinute prin convoluia
imaginii cu una din mstile FTS. Evident, este necesar si o normalizare a noilor
intensiti la intervalul [0, 255].
O alta posibilitate consta in folosirea unei masti de tip unsharp, aplicand
formula:
.

Efectul de accentuare devine mai puternic pe masura ce L creste si c scade.

Accentuarea liniara a marginilor poate fi executata cu un filtru Fourier. Un filtru
zonal trece-sus, ce va inlatura toate fregventele aflate sub fregventa de taiere,
exceptand component continua, care este necesara pentru a mentine amplitudinea
medie a imaginii filtrate.
Filtrarea trece-sus zonala cauzeaza adesea efectul de ringing asupra imaginii
filtrate. Un aftfel de effect poate fi semnificativ redus prin utilizarea unui filtru trecesus cu un raspuns mai neted.

Diferenierea statistica
-

Introducere
Experimentele psihofizice au aratat ca o fotografie sau un semnal vizual cu
marginile accentuate este, adesea, mai multumitoare decat o reproducere
fotometrica exacta.

Diferentierea statistica
Este o metoda de accentuare a contururilor care consta in generarea unei
imagini prin impartirea valorii fiecarui pixel la deviatia sa standard
conform relatiei:
,

unde deviata standard estimata este:

este calculata pentru fiecare pixel care se afla in vecinatatea

unde

. Functia

imaginii originala in punctul

este valoarea medie estimata a

si se calculeaza astfel:

Imaginea imbunatatita G(j,k) creste in amplitudine in raport cu originalul, la

acei pixeli care deviaza semnificativ fata de punctele invecinate si descreste relativ
in amplitudine in celelalte parti. Acest proces este analog cu controlul automat al
castigului unui semnal audio.
Wallis a sugerat o generalizare a operatorului diferenierii statistice, n care
imaginea mrit este forat spre o form cu momente de ordin nti i ordin
secund dorite.
Operatorul este definit de relaia:

unde Md i Sd reprezint media i deviaia standard dorite, A este un factor de

ctig care previne valorile prea mari atunci cnd S(j,k) este prea mic r este un
factor de proporionalitate a mediei care controleaz raportul dintre contur i
fundalul imaginii.

10

DETECIA DE CONTUR
Metode de detecie ce utilizeaz derivate de ordinul nti
Modificarea sau discontinuitatile de amplitutdine(luminanta), dintr-o imagine
constituie caracteristici fundamentale importatne, deoarece acestea ofera o
indicatie legata de prezenta fozoca a unor obiecte intr-o imagine.
Discontinuitatile locale in luminanta de la un nivel la altul sunt denumite
contururi.
Un contur aflat in domeniul continuu F(x,y) poate fi detectat prin calculul
gradientului unidimensional G(x,y) de-a lungul normalei pe directia conturului, ce
formeaza un unghi pe axa orizontala.
Daca acest gradient este sufficient de mare, pentru o valoare de prag, este
detectat un contur.
Gradientul de-a lungul normalei la directia conturului poate fi calculate cu
ajutorul derivatelor pe doua directii ortogonale conform ecuatiei

Prin generarea separate a gradientului pe linii

pe coloane
(j,k)]+[

(j,k) si a gradiantului

(j,k) , aplitudinea gradiantului spatial este data de G(j,k)={[

(j,k)]}

Orientarea referitoare la axa liniilor : (j,k)=tan

Cea mai simpla metoda de generare a gradientuli este diferenta dintre 2

pixeli consecutive pe liniile si coloanele imaginii.
=F(j,k)-F(j,k-1)

=F(j,k)-F(j,k-1)

11

Gradiantele pe diagonala pot fi obtinute realizand diferentele pe perechi

alflati pe diagonal.Aceasta este baza detectorului Roberts , ce este definit sub forma
calculului de magnitudine:
G(j,k)=|

| +|

G(j,k)={[

| - magnitudine

+[

]}

radacina

patrata
=F(j,k) F(j+1,k-1)

=F(j,k) F(j+1,k)

Orientarea conturului referitor la axa liniilor este:

(j,k)=

tan

Detectorul Prervitt:
Prervitt a introdus un operator de gradient 3X3 ce poate fi descries folosind
urmatoarea conversiei de numerotare:
Conversie de numerotare a vecinilor unui
pixel
=

[(

)- (

+ K*

[(

+ K*

+ K*

)- (

)]

+ K*

)]

K=1
Detectorul de contur Sobel difera de cel al lui Prervitt prin faptul ca valorile pixelilor
aflati la nord, sud , est si vest sunt dublate deci K=2.

12

Pentru detectorul Frei-Chen K=

, astfel gradientul este acelasi cu

contururile orizontale , vertical si diagonal.

Limitarea operatorilor mai sus prezentati consta in imobilitatea lor de a detecta in
mod prcis dontururile din imagini zgomotoase.
O solutie pentru a rezolva acest gen de problema consta in extinderea
marimii vecinatatilor in care se realizeaza calculul gradiantului .
Abdou a propus un operator gen trunchi de piramida , ce prezinta o pondere
descrescator liniara pixelilor pe masura departarii lor de central marginii.
Argyle si Maclesd(???) au ppropus functii pe ponderare de forma Gauss pe o
vecinatate marita pentru a inlatura efectele zgomotului

Metode de detecie ce utilizeaz derivate de ordinul al doilea

Tehnicile de detectie de contur de ordinul doi folosesc forma unei diferentieri
spatial de ordinul al doilea.
Un contur este detectat daca intervine o schimbare semnificativa in a doua
derivata. Doua tipuri de metode ce utilizeaza derivate de ordinul al 2-lea sunt foarte
cunoscute si utilizate : laplacianul si a doua derivata directional
Laplacianul : unei functii imagine F(x,y) in domeniu continuu este diferit astfel:
G(x,y)= - {F(x,y)}, unde =

Operatorul lui Laplace G(x,y) este 0 daca F(x,y) este constanta sau isi modifica
liniar aplitudinea.
Daca rata schimbarii lui F(x,y) este mai mare decat liniara, G(x,y) prezinta o
schimbare de semn in punctul de inflexiune a lui F(x,y).
Trecerea prin zero a lui G(x,y) indica prezenta unui contur . In domeniul
discret , cea mai simpla aproximare Lapacianul este calculul diferentei pantelor de-a
lungul fiecarei axe:
G(x,y)= [F(j,k)-F(j,k-1)]-[F(j,k-1)-F(j,k)]-[F(j,k)-F(j+1,k)]-[F(j-1,k)-F(j,k)]
Un Laplacian de vecinatate poate fi obtinut prin operatia de convolutie :
G(j,k) = F(j,k) (X)(asta e x in cerc :D) H(j,k), unde :
H=[

Prervitt a sugerat un Laplacian cu 8 vecini, definit de:

13

H=

Marr si Hilrith au propus operatorul de detective al conturului Laplacian de Gaussian

(LOG).
In acest caz prima data este aplicata netezirea folosind functia lui Gauss ceasta
fiind urmata de aplicarea Laplacianului .
In domeniul continuu gradientului LOG este :
G(x,y) = -{ F(x,y) (X)(asta e x in cerc :D)

(x,y)}, unde :

(x,y) = g(x,s)*g(y,s) ,

raspunsul la impulsusl functiei de netezire Gauss

Din tehnicile de detectie de contur prezentate mai sus se observa ca punctele de

trecere prin zero nu se afla intotdeauna in punctele in care a fost discretizat pixelul.
De fapt, pentru imagini supuse fluctuatiilor de lumina care contin contururi curbate,
nu se obtin pixeli cu valoare zero ca raspuns Laplacian.
O abordare simpla la detectarea punctului de trecere prin zero a Laplacianului
unei imagini in domeniul discret , este de a calcula maximul tuturor raspunsurilor
positive si minimul tuturor raspunsurilor negative dintr-o fereasta de 3X3 .
Daca magnitudinea diferentei dintre maxim si minim depaseste un prag , este
detectat un contur
Aceasta metoda consta in estimarea directiei conturului urmand sa se calculeze
derivate de ordinul al doilea de-a lungul directiei conturului.
Un punct de trecere prin zero a derivatei de ordinul 2 specifica un contur.
Derivata directional de ordinul 2 al unei imagini F(x,y) din domeniul continuu dea lungul unei linii aflate la un unghi de axa orizontala este data de:
F"(x,y) =

* cos +

* sin * cos +

* sin (1)
Spre deosebire de Laplacian , derivate directional de ordinul 2 este un operator
neliniar.
Un factor cheie in utilizarea metodei prezentate mai sus esste abilitatea de a
determina exact directia conturului.

14

O abordare consta in a utilize metoda de detective a derivatei de ordinul 1 pentru

a estima directia conturului si apoi sa se calculeze o aproximare a ecuatiei (1)
O alta metoda propusa de Harolick implica aproximarea lui F(x,y) printr-un
polinom bidimensional de la care derivate directionala de ordinul 2 poate fi
determinata analytic.

Detecia de contur bazat pe fi ltrul gabor

Filtrele lui Gabor stau la baza multor algoritmi de procesare de imagine.
Acestea provin din modulatia unei functii Gaussiene si a unui semnal sinusoidal.
Aceste functii elementare au fost introduce de Gabor ca fiind semnale optime
de transmisie in telecomunicatii.
Mai tarziu s-a demonstrate ca ele sunt si reprezentarea matematica a
celulelor receptoare din contextual visual.
Functia unidimensionala a lui Gabor poate fi reprezentata de ecuatia :
S(x)= exp[-

*(

) + j

unei sinusoide de frecventa

](1)

, acestea rezulta din convolutia

si a unei functii Gauss de deviatie .

Din expresia (1) pot fi derivate doua componente , una para si alta impara:
Componenta para :

(x) = exp [-

Componenta impara:

*(

(x) = exp [-

)]cos (

*(

)]sin (

Componenta impara a fost propusa a se utiliza ca operator de contur ea putant fi

extinsa si la spatial bidimensional
(x) = exp [-

*(

)]sin [w(x*cos + y*sin )] functie ce exprima

un filtru orientat pe directia unghiului

Algoritmul care sta la baza evidentierii contururilor cu un astfel de filtru este
urmatorul:
1
2

Netezirea imaginii printr-un filtru Gaussian de latime

Pentru fiecare pixel al imaginii:
1 Determinarea printr-o metoda de gradient a directiei a conturului
2 Determinarea mastii de convolutie pentru un filtru Gabor orientat dupa
directia
3 Calculul convolutiei imaginii cu masca determinate
15

Normalizarea nivelurilor de gri obtinute

16