5.

Percepia uman i procesarea de

imagini
5.1. Introducere

ncepnd cu introducerea sistemului Bartlane de transmisie prin cablu

a imaginilor (1920) i pn n prezent, progresele n domeniul procesrii de
imagini au fost impresionante. Pe lng aplicaiile din tehnica spaial,
procesarea de imagini se folosete ntr-o mulime de aplicaii dedicate altor
domenii n vederea asigurrii optimizrii, analizei i interpretrii de ctre
observatorul uman.
Procesarea de imagini cu ajutorul calculatoarelor ncearc ca pornind
de la simul vizual s realizeze echipamente care s poat integra faciliti
vizuale in cadrul echipamentelor electronice ntr-un mod ct mai facil. Exist
posibilitatea ca pornind i de la celelate simuri (auz, miros, gust si pipit)
specifice oamenilor obinuii s se conceap echipamente inteligente care s
ofere rezultate mult mai bune dect cele existente n acest moment. Astfel n
acest moment auzul este integrat n cadrul sistemelor multimedia existnd
cercetri pentru a integra i celelate simuri. Percepia multi-senzorial a fiinei
umane este exemplificat in urmtoarea figur care ne prezint modul n care
pornind de la semnalul de intrare perceput de fiina uman, acest semnal este
procesat n cadrul memoriei senzoriale, cea de scurt durat i cea de lung
durat.

1
 Figura 5.1. Psihologia i memoria uman

Trebuie spus de la nceput c exist o diferen n ceea ce privete tipul

de informaie preluat din imagini de ctre vederea uman i modul cum
utilizeaz imaginile sistemele de calcul n scopuri tehnice.
Vederea uman este n mod primar calitativ i comparativ mai
degrab dect cantitativ.
n schimb, analiza de imagini realizat de ctre sistemele de calcul este
dominant orientat spre o apreciere cantitativ a imaginii.
Vederea uman, deci, este considerat cel mai important sim, sim
care ns nc nu este suficient de bine cunoscut.
Sistemul uman de viziune utilizeaz un mecanism care urmrete
maximizarea mbuntirii detaliilor din imaginea original.
Lumina care provine de la obiecte este colectat prin mediile
transparente ale ochiului, Figura 5.2., dup care este focalizat i proiectat pe
retin. Pe retin sunt excitai peste 125 milioane de senzori sensibili la lumin
sub form de conuri i bastonae (125 mil. bastonae, 7 mil. conuri).
Bastonaele sunt foarte senzitive la intensitatea luminoas pe cnd conurile
detecteaz culoarea i detaliile fine din imagine.

2
 Figura 5.2. Ochiul uman

Exist trei tipuri de conuri, referite ca rou (Red), verde (Green) i

albastru (Blue). Vrful rspunsului acestor conuri nu corespunde exact la
lungimile de und corespunztoare acestor culori, percepute de ctre fiina
uman (Figura 5.3., B = 440 nm, G = 545 nm, R = 580 nm). Ultimele dou
vrfuri sunt practic n spectrul culorii galbene existnd suprapuneri ntre cele 3
domenii. Senzorii excitai trimit impulsuri prin nervul optic ctre cortexul
vizual n vederea analizei, interpretrii i recunoaterii imaginilor.

3
 Figura 5.3. Rspunsul spectral al conurilor

Percepia color a imaginilor este fcuta innd cont de 3 variabile perceptuale:

1. Nuana de culoare (Hue), care permite distincia ntre culori cum ar fi ntre
verde i galben. Senzaia de albastru (B) este ntre 430-480 nm, pentru verde
(G) ntre 500-550 nm, pentru galben ntre 570-600 nm iar pentru rou (R) este
peste 610 nm.
2. Saturaia (Saturation), reprezint gradul n care o culoare este perceput ca
fiind nediluat cu culoarea alb. De cele mai multe ori este cunoscut ca i
puritatea unei culori. Culorile nesaturate apar splcite, fade pe cnd cele
saturate sunt vibrante, puternice. Rou reprezint o culoare saturat iar roz o
culoare nesaturat.
3. Claritatea culorii (Lightness) este intensitatea perceput a luminii reflectate a
unui obiect. Se refer la gama culorilor de la alb la negru trecnd prin gri sau de
la rou nchis la rou deschis trecnd prin celelalte nuane. Practic reprezint
nuanele de gri (gray level), ducnd la definirea noiunii de intensitate
(Intensity), aceast tratare a imaginilor fiind cunoscut ca i tratare a imaginilor
de intensitate. Pornind de la aceste trei variabile se definete modelul color,
HSI.

4
 Relaia dintre intensitatea luminoas pe fotoreceptorii bastonae i
percepia luminozitii este mai degrab logaritmitic dect liniar. Astfel
pentru aceiai schimbare n intensitatea luminoas, exist o mult mai mare
schimbare perceput la regiunile de luminozitate nchisa din imagine fa de
cele strlucitoare. Printr-o simpl negrire a imaginii, detaliile precedente
neiluminate pot fi luminate (Figura 5.4.).

Figura 5.4. Percepia luminozitii i intensitatea luminoas, X =X, YY

Lumina reprezint o radiaie electromagnetic care stimuleaz

rspunsul vizual. Se exprim prin distribuia energiei spectrale L(), unde e
lungimea de und ce pentru domeniul vizibil e cuprins ntre 350 nm i 780 nm,
din spectrul electromagnetic. Lumina primit de la un corp (luminozitatea lui
sau iluminarea lui specific) poate fi reprezentat de relaia:

I ( ) ( ) L ( )

unde () reprezint reflectivitatea sau transmisivitatea unui obiect i L() este

distribuia energiei incidente. Domeniul iluminrii n care sistemul vizual uman
poate opera este ntre 1 la 10 10, sau 10 ordine ale magnitudinii, ceea ce
reprezint o calitate deosebit a sistemului vizual uman.

5
 Luminana (luminance) sau intensitatea spaial a unui obiect spaial
distribuit avnd distribuia luminii I(x, y, ) este definit prin:

f ( x, y ) I ( x, y, )V( )d
0

unde V() este numit funcia de eficien a luminozitaii relative a sistemului

vizual. Pentru ochiul uman, V() este o curb n form de clopot (Figura 5.5.).
Luminana unui obiect (privit ca i o surs de emisie) este independent de
luminana obiectelor nconjurtoare.
Strlucirea( brightness) numit de asemenea strlucirea aparent a
unui obiect este percepia luminanei depinznd de luminana nconjurtoare.
Dou obiecte avnd medii nconjurtoare diferite pot avea luminanaa identic
dar s difere prin
strlucire.

Figura 5.5.
Funcia tipic de
eficien a
luminozitii
relative

Figura 5.6.
Contrast simultan a) si
b)

Deci n al
doilea mod, ochiul
uman vizualizeaz un
efect simultan de
contrast prin care
percepia luminoziii
unei zone (arii) depinde
de intensitatea ariei
nconjurtoare (fond).
n Figura 5.6.a, cele
dou patrate mici din

6
mijloc au aceeai valoare a luminanei dar cel din stnga apare mai strlucitor.
n Figura 5.6.b cele dou patrate par a avea aceeai strlucire dar luminanele
lor sunt diferite. Deci:
a) patrate mici n mijloc cu luminana egal dar care nu par a avea aceeai
strlucire
b) patrate mici n mijloc, care par a avea strlucirea egal dar luminana lor e
diferit
Realitatea este c percepia uman este mai sensibil la contrastul
luminanei dect la valorile absolute ale ei.
Conform legii puterii:

c an f 1/ n

i alegnd n = 3, a3 = 21.9, ca preferat n cadrul legii logaritmice, ea fiind

practic cea mai utilizat, rezult:

Figura 5.7. Modele ale contrastului

O alt definiie a contrastului ine cont de intensitatea maxim i

minim a unei regiuni sau a unei imagini. Contrastul c, se definete prin:

7
 c I max I min
I max I min
Imaginile cu contrast ridicat au regiuni mari ntunecoase i luminoase.

n al treilea mod, sistemul vizual uman poate accentua schimbrile de

intensitate, utiliznd efectul de band Mach, care nseamn c n imediata
vecintate a unei regiuni nchise i a uneia deschise, ochiul uman percepe o
schimbare mult mai exagerat n tranziia luminozitii, dect este prezent de
fapt.
Deci interaciunea spaial a luminanei unui obiect i vecintatea lui
creaz un fenomen numit efectul Mach. Acest efect arat c strlucirea nu este
o funcie monoton a luminanei. Considerm nivelele de gri ale barelor din
Figura. 5.8. n care fiecare bar are o luminan constant. Strlucirea aparent
nu este uniform de-a lungul barei.

(a) (b)

8
 Figura 5.8. Efectul de band Mach
a) Bare de nivele de gri. b) Luminana i strlucirea

Tranziia la fiecare bar apare mai luminoas n partea dreapt i mai

ntunecoas n cea stng. Linia ntrerupt din Figura 5.9.b reprezint
luminozitatea perceput. Efectul de band Mach e ilustrat prin umfltura,
respectiv gaura care apare. Msurarea efectului Mach poate fi folosit la
estimarea rspunsului n impuls al sistemului vizual.

9
 Figura 5.9. Benzi Mach
a) D = banda inchis, B = banda strlucitoare. b) Efectul de band Mach
c) Natura rspunsului n impuls al sistemului vizual

De asemenea, este de remarcat faptul c rezoluia ochiului uman este

de circa 25x106 uniti/cm2 fa de 500-4000 unitti/cm2 la senzorii uzuali
folosii n prezent.
Percepia uman permite procesarea a circa 16 imagini pe secund n
timp ce exist unele sisteme de analiz a imaginilor care proceseaz pn la 300
de imagini pe secund. Aceste sisteme de analiz a imaginilor sunt ns extrem
de dedicate unor aplicaii. Percepia uman rmne nc superioar n ceea ce
privete nelegerea i clasificarea imaginilor.

5.2. Caracteristici specifice procesrii de imagini

Procesarea imaginilor este utilizat n multe domenii ale activitii

industriale, n domeniul educaional, sntate, cercetare, etc.
Prelucrrile efectuate asupra imaginilor se pot grupa n mai multe
categorii (Figura 5.10.).

Aceste categorii pot fi:

a)-prelucrri de nivel inferior (datele de intrare i de ieire sunt de tip
imagine reprezentate prin matrici de puncte). Ca i principale prelucrri la acest
nivel avem:
-achiziie, vizualizare,
-mbuntirea imaginii,
-accentuarea unor caracteristici.

10
 b)-prelucrri de nivel intermediar (datele de intrare sunt de tip
imagine, iar cele de ieire sunt reprezentate sub forma unor structuri simbolice).
Principalele operaii care se refer la acest nivel reprezint extragerea de
trsturi:
-locale,
-globale.

c)-prelucrri de nivel superior (opereaz pe reprezentri simbolice)

unde ntlnim mai ales:
-recunoaterea imaginilor bazate pe forme,
-interpretarea rezultatelor.

11
Figura 5.10. Structura unui sistem de analiza a imaginilor

Procesarea imaginilor (Image Processing) are mai multe subdomenii,

cum ar fi :
-Restaurarea imaginii (Image Restoration) - are ca scop reducerea
deformrilor introduse la formarea imaginii digitale
-mbuntirea imaginii (Image Enhancement) - se ocup cu creterea
contrastului, eliminarea zgomotelor etc.
-Compresia imaginilor (Image Compression) - are ca obiectiv
reprezentarea imaginii astfel nct aceasta s ocupe mai puin spaiu dect
imaginea iniial. Deci, aceasta are ca scop reducerea cantitii de informaie
necesar reprezentrii imaginii. Aceste tehnici de compresie a imaginilor pot fi
extrem de utile la stocarea i transmiterea imaginilor. Aceste prime trei
subdomenii includ n general prelucrri la nivel inferior.
-Analiza imaginilor (Image Analysis) are ca scop determinarea
obiectelor care apar ntr-o imagine i descrierea suprafeelor acestor obiecte.
Intrarea este o imagine digital, iar ieirea este o reprezentare simbolic a
imaginii iniiale. Acest subdomeniu include prelucrri la nivel intermediar dar
poate s conin i prelucrri la nivel superior caz n care prin analiza de
imagini se nelege inclusiv procesul de recunoatere a formelor i interpretare a
rezultatelor intrarea fiind o reprezentare simbolic ieirea fiind rezultatele
obinute.

5.3. Domenii abordate de procesarea imaginilor

Procesarea imaginilor, deseori este legat de domeniile pe care le

abordeaz. Obiectivele principale pot fi n acest moment orientate ctre dou
direcii importante:
- dezvoltarea de aplicaii tiintifice i inginereti,
- utilizarea de resurse avansate n asistarea procesului educaional.
n cadrul aplicaiilor tiinifice i inginereti avem:
- procesri de imagini medicale i tehnico-industriale,
- procesri multimedia,
- calcul performant pentru dezvoltarea reelelor neuronale,
- faciliti privind utilizarea sistemelor performante n telecomunicaii, etc.
Aplicaiile care urmresc asistarea procesului educaional se refer la:
-asistarea educaional folosind Internet-ul,
-aplicaii multimedia pentru asistarea complex n nvmantul special, etc.

Principalele domenii abordate de procesarea imaginilor sunt:

12
a) imagistica tehnico-industrial care se refer la vederea artificial deseori
asociat cu robotic.
Acest domeniu include :
-aplicaii privind manipularea obiectelor,
-controlul proceselor de fabricaie sau asamblare,
-cristalografie, defectoscopie,
-analize dinamice inteligente,
-controlul i inspecia de calitate inclusiv inspecie prin termoviziune,
-modelarea de suprafee sau volume, etc.

b) imagistica comercial include n general recunoaterea caracterelor i a

semnturilor, imaginea fiind deseori binarizat. De asemenea poate fi inclus
activitatea de reclam, caz n care analiza imaginilor este n mod necesar legat
de cea de grafic. n cadrul imagisticii comerciale poate fi inclus i o parte din
activitatea de birotic n special cea referitoare la:
-citirea documentelor vizuale,
-inspecia etichetelor pentru identificare,
-instrumente de proiectare asistat pentru ingineri, arhiteci, etc.

c) imagistica aerian i spaial dezvoltat n special n domeniul

meteorologic, al cartografiei i al explorrilor spaiale. n acest caz imaginile se
caracterizeaz prin dimensiuni mari, informaii multispectrale, tratrile fcnd
apel la stereologie, procedee de recalare geometric precum i la metode de
filtrare.
Cteva din domeniile urmrite se refer la:
-descoperirea i interpretarea imaginilor astronomice (analiza stelelor duble,
guri negre, etc.),
-analiza imaginilor terestre n vederea deteciei depozitelor minerale,
infestrilor cu insecte, eroziunii solului, etc.

d) imagistica militar urmrete:

-detecia, identificarea i urmrirea intelor,
-ghidarea proiectilelor,
-recunoaterea fotografiilor, analiza i interpretarea scenelor, etc.
Acest domeniu necesit utilizarea de metode rapide adaptabile la o
variaie mare a parametrilor de intrare.

e) imagistica n telecomunicaii utilizeaz:

-tehnici de compresie digital a imaginilor i datelor cu faciliti de
transmitere a lor la distant,
-tehnici predictive privind simularea vorbirii, gesturilor, etc. pentru telefonia
mobila cu suport video,

13
 -realizarea unor reele de comunicaie multimedia cu aplicaii n
telemedicin, telediagnoz, teleconsultan, teleconferine, etc.

f) imagistica biomedical se refer att la cea microscopic ct i la cea

macroscopic. Ea este strns legat de calitatea imaginii de analizat. Imaginile
sunt de cele mai multe ori mediocre n ceea ce privete contrastul, n
comparaie cu imaginile din domeniul industrial. Dimensiunea imaginilor este
mic n comparaie cu cele din domeniul aerian.
Imagistica biomedical trebuie s in cont de o dinamic mare a
rezoluiei fiind deseori necesar integrarea informaiilor de culoare.

5.4. Etape ale procesrii de imagini i reprezentarea

imaginilor digitale
1
Termenul de imagine monocrom bidimensional se refer la funcia
de intensitate bidimensional f(x,y), unde x i y reprezint coordonatele spaiale
ale unui punct din imagine numit pixel, iar f este funcia proporional n
fiecare punct care precizeaz intensitatea pixelului din imagine.
O imagine digital este o imagine f(x,y) care a fost discretizat att n
coordonate spaiale ct i ca intensitate. Elementele unei asemenea reele
digitale sunt deci numii pixeli. n spaiu elementul spaial de procesarea a
imaginilor se numete voxel, v(x,y,z).
Prelucrarea digital este mult facilitat dac se folosesc matrici ptratice, iar
numrul nivelelor de gri se alege ca putere intreag a lui 2.
Prelucrarea digital a imaginilor presupune o succcesiune de etape de
procesare hard i soft, precum i de implementare a unor metode teoretice.
Prima etap a prelucrrii este achiziia de imagine. Dup obinerea
imaginii digitale urmeaz preprocesarea care const n aplicarea unor algoritmi
de mbuntire, curare de zgomot i izolare a regiunilor a cror structur a
pixelilor indic o asemnare cu informaia alfanumeric avut n vedere. Etapa
urmtoare const n segmentarea imaginii, repectiv mprirea ei n obiecte
distincte (segmentarea este una dintre cele mai dificile etape n prelucrarea
digital de imagini datorit algoritmilor sofisticai).
Prima decizie ce trebuie luat este c, datele trebuie se fie reprezentate
ca un contur sau ca o regiune. Reprezentarea ca i contur este justificat n
cazul n care prelucrarea urmrete evidenierea caracteristicilor de form
(coluri, muchii, inflexiuni ,etc.), pe cnd reprezentarea ca i regiune este mai
potrivit cnd se urmrete studiul caracteristicilor interne ale regiunii. n unele
aplicaii, cele dou tipuri de reprezentare coexist, ca i n cazul recunoaterii
de caractere, care necesit algoritmi bazai pe forma conturului precum i pe
alte proprieti interne ale regiunii analizate.

14
 Descrierea sau selecia caracteristicilor reprezint un proces care are
ca rezultat o informaie cantitativ sau caracterictici ce difereniaz o clas de
obiecte de altele.
Ultima etap este recunoatera i interpretarea datelor.
Recunoaterea datelor reprezint procesul de clasificare a unui obiect
ntr-o anumit categorie, pe baza informaiei rezultate (descriptorilor) n urma
descrierii imaginii segmentate.
Interpretarea presupune gsirea unei anumite semnificaii pentru un
ansamblu de obiecte recunoscute.

5.5. Dipozitive de afiare

Dispozitivele de afiare monocrome folosesc n general convertoare

digital/anlogic de 8 bii/pixel, genernd semnalul video care comand
strlucirea pixelilor pe ecran. Pentru dispozitivele de afiare monocrome
numrul nivelelor de gri este n acest caz de maxim 256.
Dispozitivele de afiare n culori folosesc n general un triplet de 8 bii
pentu cele trei culori fundamentale, convertorul furniznd trei semnale prin care
se controleaz att strlucirea ct i crominana imaginii afiate.
Paleta de culori este un tabel cu triplei RGB care specific culoarea
fiecrui pixel afiat.
Modelul RGB se poate reprezenta printr-un cub n 3D, R, G i B fiind
colurile fiecrei axe (Figura 5.11.).

15
 Fig. 5.11. Cubul modelului RGB

Negrul (Black) este originea, iar albul (White) este vrful lui opus, scala
nivelelor de gri reprezentndu-se prin linia Black-White.
ntr-o palet de culori de 8 bii pe culoare, Rou (Red) este reprezentat prin
(255, 0, 0), iar n cubul de culori prin (1, 0, 0).
Tratarea RGB este costisitoare ca timp de calcul i spaiu de memorare, de
aceea se pune problema ca innd cont de caracteristicile percepiei vizuale
umane color bazat pe modelul HSI s se poat face o conversie ntr-un nou
model. Ca i nou model folosit putem avea modelul YIQ, YUV sau YCbCr
(ntre ele fiind diferene de form nesemnificative).
n cadrul acestor modele se folosete semnalul Y ca fiind semnalul de
luminan, fiind de fapt strlucirea pancromatic a unei imagini monocrome
care urmeaz s fie afiat cu ajutorul unui tub monocrom (alb-negru).
Y combin semnalele R, G, B ntr-o proporie specific senzitivitii
ochiului uman. Practic Y ne d intensitatea nuanei de gri i se calculeaz prin:

Y = 0.299R + 0.587G + 0.114B

Ecuaia provine de la standardul NTSC care permite pe baza acestei relaii

calculul luminanei.

16
 Uneori pentru anumite aplicaii se folosete o pondere egal pe fiecare
component i putem avea urmtoarea definiie:

Y = 0.333R + 0.333G + 0.333B

Mrimile I i Q (respectiv U i V sau Cb, Cr) sunt componente ale

semnalului color i sunt alese pentru compatibilitate cu echipamentele hardware
de afiare.

I este n esen Red Cyan i e dat de relaia:

I = 0.596R 0.274G 0.322B

Q este n esen Magenta Green i e dat de relaia:

Q = 0.211R 0.523G + 0.312B

U sau Cb corespunde aproximativ lui Green Magenta fiind definit prin:

Cb = 0.16874R 0.33126G + 0.5B

V sau Cr corespunde aproximativ lui Blue Yellow, fiind definit prin:

Cr = 0.5R 0.41869G 0.08131B

Conversia invers de la YCbCr la RGB este dat de relaiile:

R = 1.0Y + 1.402Cr

G = 1.0Y 0.34414Cb 0.71414Cr

B = 1.0Y + 1.772Cb

Modelele RGB, YIQ, YUV sau YCbCr sunt folosite din considerente
hardware.
RGB este orientat spre senzorii pentru camerele TV i tuburile video de
afiare, iar YIQ, YUV sau YCbCr sunt considerate datorit standardelor de
televiziune care le-au impus. Sunt i alte modele de codare mai utile procesrii
de imagini care sunt mult mai legate de percepia vizual uman.
Modelul CIE (Commision Internationale de lEclairage) este cel mai vechi
standard pentru diagramele cromatice (Figura 5.12.).

17
 Fig. 5.12. Diagrama cromatic CIE

n aceasta diagram se definesc:

-culorile vizibile n cadrul conturului extern nchis, ele fiind complet
saturate pe acest contur extern,
-numerele, precizeaz lungimile de und n nm,
-triunghiul nscris reprezint culorile care sunt tipice tuburilor video de
afiare care folosesc mixajul RGB.
Spaiul color CMY (Cyan-Magenta-Yellow) este spaiul complementar lui
RGB. CMY sunt cunoscute ca fiind culori substractive primare fiind definite
pornind de la alb, de unde sunt substrase pentru a obine culoarea dorit:
C = 1.0 R R = 1.0 C
M = 1.0 G G = 1.0 M
Y = 1.0 B i B = 1.0 Y

caz n care culorile sunt normalizate, ele fiind ntre 0.0 i 1.0 . ntr-un spaiu de
24 de bii color, C = 255 R, celelalte valori determinndu-se n acelai mod.
Modelul CMYK reprezint un model folosit n procesul de tiprire i
desktop publishing. El provine din modelul CMY la care se adaug negru
(Black). Trecerea din CMY n CMYK se face prin:
K= min(C, M, Y)
C=CK
M=MK

18
 Y=YK
Cum percepia color uman se poate descrie cu componentele:
- nuan de culoare (Hue),
- saturaie (Saturation)
- claritatea culorii-luminozitate (Intensity, Lightness, Value), putem
avea modelele color HSI, HSV, HSL. Aceste modele sunt foarte
apropiate unul de altul trecerea de la un model la altul fcndu-se
relativ uor.
In general pornind de la un pigment pur se adaug alb pentru a obine
o tent de culoare i negru pentru a obine o tonalitate.
Spaiul n care sunt plotate aceste 3 valori poate fi afisat ca un con (HSV)
sau dublu-con (HSI,HSL) circular sau hexagonal (Figura 5.13.).

Figura 5.13. Reprezenarea bi-conic a spaiului HSI

(Nuan de Culoare - Saturaie Intensitate)

n aceast reprezentare biconic a spaiului HSI, Intensitatea I (Grey)

variaz n lungul axei centrale. Distana dintre axe ne d S (Saturaia) n timp ce
direcia specific ne d H (nuana de culoare).
Trecerea din spatiul RGB n HSI se face pe baza relaiilor:

19
 0.5 [( R G ) ( R B)
H arccos
( R B)(G B) ( R G )( R G )

min( R, G, B )
S 1
I

RG B
I
3
Dac B este mai mare decat G atunci:

H = 360o H

Pentru conversia invers din HSI n RGB, procesul depinde de sectorul n

care este H, (Crane, 1997). Modelele HLS i HSV sunt prezentate detaliat n
(Russ, 1999) i (Moldoveanu i col., 1996).

5.6. Bibliografie

1. Ammeral Lendert, Programming Principles in Computer Graphics,

Academic Press, 1992

2. Crane R., A Simplified Approach to Image Processing: Classical

and Modern Techniques in C, Prentice Hall, 1997

3. Glassner Andrew S., 3D Computer Graphics. A User's Guide for

Artists and Designers, The Herbert Press, London, 1991

4. Florica Moldoveanu, Zoe Racovita, Serban Petrescu, Gabriel

Hera, Marius Zaharia, Grafica pe calculator, Editura Teora, 1996

5. Olinici C. D., Vaida M.-F., Metode de analiza cantitativa si

morfologica in biologie si medicina, Edit. Tehnica Bucuresti, 1997

6. Parker J. R., Algorithms for Image Processing and Computer

Vision, Wiley Computer Publishing, John Wiley & Sons, 1996

20
 7. Pavlidis T., Algorithms for Graphics and Image Processing,
Springer-Verlag, Berlin-Heidelberg, 1982

8. Rosenfeld A., Kak A. C., Digital Picture Processing, Second

Edition, Academic Press, 1982

9. Russ J. F. C., The Image Processing Hand book, Third Edition,

CRC Press with IEEE Press, Springer, 1999

10. Mircea-Florin Vaida, Procesarea Imaginilor medicale. Ingineria

programrii n vederea dezvoltrii de aplicaii n domeniul bio-medical, Casa
Crii de Stiin, 2000

21