Slikovna analiza
Naravoslovnotehniška fakulteta Oddelek za tekstilstvo Grafične in interaktivne komunikacije 1.letnik Seminarska naloga pri predmetu: Tiskarski postopki 1 Avtorici: Ana Kogovšek Veronika Košir Mentorica: Tadeja Muck Ljubljana, januar 2007 Slikovna analiza KAZALO 1 UVOD............................................................................................................................................3 2 REZULTATI ...............................................................................................................................4 2.1 Kaj je slikovna analiza ..........................................................................................................4 2.2 Potek slikovne analize ...........................................................................................................4 2.2.1 Digitalizacija...................................................................................................................5 2.2.2 Obdelava slike ................................................................................................................6 2.2.3 Slikovna analiza z ImageJ..............................................................................................6 2.3 Predstavitev strojne in programske opreme za slikovno analizo........................................6 2.3.1 Strojna oprema................................................................................................................6 2.3.2 Programska oprema........................................................................................................7 2.4 Napake v tisku .......................................................................................................................7 2.4.1 Mottling...........................................................................................................................7 2.4.2 Wicking in bleeding .......................................................................................................9 2.5Opis funkcij programske opreme za analizo.......................................................................12 2.5.1 Določanje rastrske tonske vrednosti............................................................................12 2.5.2 Določanje nazobčanja robov in razlivanja barv ........................................................13 2.5.3 Določanje tiskovne neenakomernosti ........................................................................13 2.6 Praktični primeri uporabe....................................................................................................14 2.7 Primerjava slikovne analize in uporaba druge merilne opreme za analizo......................20 3 ZAKLJUČEK ............................................................................................................................21 4 LITERATURA ..........................................................................................................................22 KAZALO SLIK Slika 1: Slikovna analiza .................................................................................................................4 Slika 2: Prostorska kalibracija.........................................................................................................6 Slika 3: Programsko okno................................................................................................................7 Slika 4: Mottling ..............................................................................................................................8 Slika 5: Histogram ...........................................................................................................................8 Slika 6: Wicking...............................................................................................................................9 Slika 7: Bleeding..............................................................................................................................9 Slika 8: Nečistoče...........................................................................................................................10 Slika 9: FFT....................................................................................................................................11 1 Slikovna analiza Slika 10: Histogram skenirane slike .............................................................................................14 Slika 12: Površinski profil obraza.................................................................................................15 Slika 13: Analiza delčka kape .......................................................................................................15 Slika 14: Analiza delčka obraza ....................................................................................................16 Slika 15: Analiza delčka obraza ....................................................................................................16 Slika 16: Analiza naravnega papirja .............................................................................................17 Slika 17: Analiza papirja pearl 120g.............................................................................................17 Slika 19: Analiza pairja tone 130g................................................................................................17 Slika 20: Analiza pismskega papirja.............................................................................................18 Slika 22: Histogram transparentnega papirja ...............................................................................18 Slika 23: Histogram Ton paper 130g............................................................................................19 Slika 24: Histogram naravnega papirja.........................................................................................19 Slika 25: HIstogram Perl papir......................................................................................................19 Slika 26: Histogram pisemskega papirja ......................................................................................19 KAZALO PRILOG Priloga 1: Odtis na naravnem papirju.......................................................................................23 Priloga 2: Odtis na papirju Perl 120g .......................................................................................24 Priloga 3: Odtis na papirju Tone 130g .....................................................................................25 Priloga 4: Odtis na transparentnem papirju...............................................................................26 Priloga 5: Odtis na pisemskem papirju 90g..............................................................................27 2 Slikovna analiza 1 UVOD Računalniško podprta obdelava slik postaja vse pomembnejše orodje za nadzor procesov in ugotavljanje kvalitete proizvoda. Metoda slikovne analize nam omogoča objektivno ovrednotenje pojavov, ki so se do odkritja in uporabe te metode na področju papirne in grafične industrije ocenjevali bolj ali manj samo vizualno. V seminarski nalogi bova predstavili metode za analizo, strojno in programsko opremo za slikovno analizo, napake v tisku in nekaj praktičnih primerov. 3 Slikovna analiza 2 REZULTATI 2.1 Kaj je slikovna analiza Slikovna analiza predstavlja računalniško obdelavo slik in je pomembno orodje za nadzor procesov. Uporablja se v medicini, biologiji, kemiji, grafiki,... Uporablja se za kontrolo kakovosti v industriji, za rekonstruiranje 3D materialov, raziskovanje dinamičnih procesov, prepoznavanje znakov,... Slikovna analiza postaja vse pomembnejše orodje za nadzor procesov in ugotavljanje kvalitete samih odtisov na površini papirja, tako v papirni kot grafični industriji. Metoda nam omogoča objektivno ovrednotenje naših rezultatov in prav to je velika prednost, saj so prejšnje metode temeljile na subjektivnem ovrednotenju – vizualno. V tiskarstvu se predvsem uporablja pri samem tiskovnem materialu, kjer nas zanimajo nečistoče, formacija, markiranje, enakomernost premaza, dimenzionalna stabilnost, luknje, zvijanje, orientacija vlaken ter sam odtis, kjer smo pozorni na geometrijo rastrskih točk, na mankajoče točke v globokem tisku, na neenakomernost odisa in kakovost pri brizgalnem tisku (bleeding, wicking). 2.2 Potek slikovne analize → → Slika 1: Slikovna analiza Tipičen proces slikovne analize zajema: • vnos podatkov o sliki (skeniranje, digitalna fotografija, digitalna mikroskopska slika) • priprava slike za analizo (izrez, kontrast, barvna globina) • analiza slike (uporaba matematičnih in statističnih metod za pridobitev podatka o sliki) • prikaz rezultatov (numerično, grafično,..) 4 Slikovna analiza 2.2.1 Digitalizacija Za obravnavo pokritosti površine moramo najprej izbrati vzorce in nato z napravo za zajem podatkov (optični čitalec, videokamera ali CCD) pretvorimo sliko predmeta v točno določeno število slikovnih elementov ali točk – pikslov. Pri tem določimo njihov položaj v koordinatnem sistemu in intenziteto; ta je pri sivinskih slikah izražena kot odtenek sive. Tri osnovne značilnosti digitalne slike so: ločljivost, barvna globina in število ravnin. Prostorska ločljivost slike je določena s številom vrstic in stolpcev njenih točk. Slika z ločljivostjo 200x100 je sestavljena iz 20.000 točk, pri čemer se v vsaki od 200 vrstic nahaja 100 slikovnih elementov. Manjše, kot so točke, večja je ločljivost slike. Barvna globina nam pove iz koliko barv ali sivinskih nivojev je slika sestavljena in je povezana s številom bitov, potrebnih z kodiranje intenzitete posameznih točk. Število ravnin nam pove iz koliko ravnin oz. ploskev s točkami slika sestoji: sivinska slika iz ene, barvna pa iz reh – ene za rdečo , ene za zeleno in ene za modro barvo. Pri vnosu podatkov o sliki moramo uporabiti ustrezno napravo za skeniranje in na njej nastaviti ločljivost, izrez, barvno globino, tonski obseg,... Nastavitve so odvisne od predvidene slikovne analize, kar pomeni, da bomo za določanje rastrske tonske vrednosti praviloma pripravili mikroskopske posnetke z visoko ločljivostjo in kontrastom, za ugotavljanje mottliga pa bomo uporabili skener pri nizki ločljivosti. 5 Slikovna analiza 2.2.2 Obdelava slike Pri tiskovinah se večkrat srečamo s potrebo po kvantitativnem ovrednotenju območij slike različnih intenzitet, zato mormao izvesti prostorsko kalibracijo. S tem slikovnim elementom pripišemo fizikalno dimenzijo v milimetrih ali makrometrih. Slika 2: Prostorska kalibracija S programom lahko spremenimo barve v črno bele oz. sivinske slike. 2.2.3 Slikovna analiza z ImageJ Za meritev tiskovne neenakomernosti lahko uporabimo program ImageJ. Dobljene razultate lahko podamo na več načinov: grafično, s histogrami, preglednicami,... Po izračunu nam program poda informacije o številu vseh vključkov, število med seboj po velikosti različnih vključkov in število vključkov na m2. 2.3 Predstavitev strojne in programske opreme za slikovno analizo 2.3.1 Strojna oprema Za izvedbo slikovne analize moramo analogno sliko najprej pretvoriti v digitalno. Največkrat uporabimo optični čitalec oz. skener, lahko pa bi uporabili tudi npr. CCD kamero. Tako sliko pretvorimo v digitalno in jo prenesemo na računalnik, kjer jo lahko obdelamo s programi. 6 Slikovna analiza 2.3.2 Programska oprema Prvi program, ki se je uporabljal za slikovno analizo je bil Proton (za štetje nečistoč). ImageJ Za slikovno analizo danes največkrat uporabljamo program ImageJ. ImageJ je brezplačni program avtorja Wayna Rasbanda z ameriškega državnega zdravstvenega inštituta (National Institute of Health – NIH). Izdelan je na osnovi NIH Image za operacijski sistem Macintosh. Deluje na vseh operacijskih sistemih, ki imajo nameščen JAVA program. Slika 3: Programsko okno Sestavljen je iz programskega okna, v katerem se nahajajo različne zbirke orodij. Na izbiro immo npr. orodja za linije, za označevanje, povečevanje, spreminjanje barv ipd. Program podpira 8-bitno, 16-bitno sivinsko sliko in 8-bitno barvno sliko. Program podpira slike v formatih TIFF, GIF, BMP, DISCOM, FITS in RAW. Program omogoča tudi samodejno določanje praga, prikaže tabele rezultatov in poda grafe. 2.4 Napake v tisku 2.4.1 Mottling Motting je posledica napak pri izdelavi papirja, natančneje posledica pri procesu premazovanja in sušenja le-tega, viden pa postane šele pa tisku. Neenakomernost površine potiskanega vzorca papirja ovrednotimo s pomočjo njegovega histograma. Predstavljamo si idealen, to je popolnoma enakomeren izpis: histogram take slike bi vseboval le eno črto ustrezne intenzitete oz. sivine. Njegovo nasprotje predstavlja binarna slika, ki bi bila sestavljena le iz dveh odtenkov sivin: popolnoma črne (intenziteta=0) in popolnoma bele (intenziteta=255), njena tiskovna neenakomernost oz. neenakomernost 7 Slikovna analiza odtisa bi bil 100%. Stopnja neenakomernosti odtisa je tako v praksi povezana s širino intenzitet,ki jih zajemajo točke na sliki: večja, kot je, večja je neenakomernost odtisa. Njegov indeks – NU se izraža kot razlika med povprečjem intenzitet točk nad tistimi in pod mediano vseh intenzitet. Frekvenca oz. število točk Slika 4: Mottling intenziteta Slika 5: Histogram Pojav nezaželenega mottling-a zasledimo tako pri klasičnih kot pri digitalnih tiskarskih tehnikah. 8 Slikovna analiza 2.4.2 Wicking in bleeding Wciking je pojav nazobčanja ostrih robov pri enobarvnem - črnobelem tisku in je posledica premočnega omakanja papirja. Bleeding pa je pojav razlivanja barv pri večbarvnem tisku in je posledica prepočasne absorpcije vodne faze črnila v notranjost papirja in/ali premočnega omakanja. Z pojavoma ovrednotimo kvaliteto odtisa, in sicer izvedemo objektivno analizo na podlagi ocene pokritosti površine vzorca določene velikosti s črnimi oz. belimi točkami določene intenzitete. Z ustrezno nastavljenim pragom segmentiramo sliko v dve intenziteti področji. Iz števila črnih (vključki) in belih (ozadje) točk oz. njunega razmerja sklepamo na prisotnost negativnih pojavov. Večja pokritost površine s temnimi točkami je znak za močnejše nazobčanje ostrih robov oz. razlivanje barv. Slika 6: Wicking Slika 7: Bleeding 9 Slikovna analiza 2.4.3 Nečistoče Nečistoče so posledica izdelave papirja/kartona, recikliranja, deinkinga; prisotnosti lubja, delcev tiskarske barve. S pomočjo slikovne analize lahko analiziramo tudi te vzorce, in sicer tako da ročno ali avtomatsko nastavimo sivinski prag, to je določimo katere sivine pripadajo nečistočam oz katere točke pripadajo papirju. Delce, ki so pod sivinskim pragom program poveže, jih prešteje in poda njihovo površino. Včasih so te nečistoče določali s pomočjo standardne testne predloge, na kateri so bile določene velikosti (površine) okroglih primerkov nečistoč in nato izračunali po formuli: 10 6 × površina ⋅ vseh ⋅ necistoc Število ⋅ necistoc = površina⋅ lista Slika 8: Nečistoče 2.4.4 Okroglost natisnjenih pik pri kapljičnem tisku Poleg neenakomernosti odtisa (mottlinga), nazobčanja (wicking) in (ra)zlivanja (bleeding) tiskovnih elementov je eden glavnih pokazateljev kakovosti odtisa pri kapljičnem tisku geometrijska pravilnost natisnjenih okroglih elementov. Z najnovejšimi tiskalniki je moč natisniti pike, pri katerih je volumen kapljice črnila vsega nekaj pikolitrov, s čimer lahko ob uporabi primernega premazanega papirja dobimo zelo jasen, oster izpis fotografske kakovosti. S slikovno analizo tako lahko raziščemo kaj vpliva na okroglost pik. Npr.: natisnemo krožce različnih velikosti, te skeniramo pri dveh ločljivostih 600 in 1000 dpi ter tako na slikah določimo povprečno okroglost elementov - razpon okroglosti znaša od 0 do 1, višje vrednosti pomenijo boljši izpis. Rezultati pokažejo, da je priporočljivo uporabiti višjo ločljivost skeniranja (1000 dpi), kajti šele tu se pokažejo jasne razlike v povprečni okroglosti natisnjenih elementov. Vrednosti okroglosti pri tej ločljivosti so v vseh primerih nižje od tistih 10 Slikovna analiza pri 600 dpi, saj sta zaradi gostejše »mreže« nazobčanost pik in s tem odstopanje od idealne, pravilne okrogle oblike večja. 2.4.5 Formacija papirja in markiranje »Oblačnost« oz. neenakomeren pregled je posledica neenakomerne porazdelitve mase (vlakna, polnila itn.) v papirnatem listu. Poleg tega so na površini papirja pogosto vidni odtisi sita in/ali klobučevin, s katerimi prihaja papir v stik med postopkom izdelave. S pomočjo transmisivnega optičnega skenerja in slikovne analize lahko oba pojava ločimo in kvantitativno ovrednotimo. Posneto digitalno sliko, na kateri sta jasno vidna tako neenakomerna formacija kot vzorci markiranja in ki je v običajni prostorski domeni, s posebnim matematičnim postopkom – hitro Fourierovo transformacijo (Fast Fourier Transform, FFT) – najprej pretvorimo v t.i. frekvenčno domeno. Informacijo, ki jo vsebuje slika v takem zapisu, z uporabo ustreznega filtra namreč lažje ločimo v posamezne komponente. Uporabimo filter, ki prepušča zgolj nizke frekvence, ustrezajoče stohastičnim strukturam, tj. formaciji na originalni sliki, visoke (markiranja) pa drži, dobimo po ponovni transformaciji (inverzna FFT) v prostorsko domeno sliko, ki vsebuje le vzorec oblačnosti brez odtisov. Sliko filtriramo s takim filtrom, ki prepušča le visokofrekvenčne, pravilne strukture, nam po opisanem postopku ostane slika, na kateri so le periodični vzorci markiranj. Središčna bela lisa na sliki v frekvenčni domeni ustreza naključnim strukturam, posamezne bele točke, razporejene okrog nje,pa pravilnim značilnostim slike. S postopkom lahko med drugim ocenimo, kolikšen je delež markiranja pri enakomernosti pregleda papirja. Slika 9: FFT 11 Slikovna analiza 2.5Opis funkcij programske opreme za analizo 2.5.1 Določanje rastrske tonske vrednosti Določanje rastrske tonske vrednosti s pomočjo slikovne analize je najpreprostejša oblika te metode, ki se pogosto uporablja tudi v praksi. Sliko vzorca (rastrsko polje) poskeniramo z uporabo mikroskopa ali kamere z mikroskopsko optiko. Sliko shranimo kot TIFF, RGB, 8bit/barvo. V enobravno jo pretvorimo z nastavitvijo ustreznega praga (treshold) v primernem programu – Photoshop ali Image J. Photoshop: Image > Mode > Grayscale > Bitmap/Treshold 50 % ImageJ: Image > Type/8-bit in nato Image > Adjust > Treshold (ročna nastavitev praga). Opcija je uporaba ukazov Image > Color > RGB-Split z izbiro najkontrastnejšega barvnega izvlečka, na katerem določimo prag ali opcija Process > Binary > Treshold. Tako pripravljeno sliko analiziramo s programom Image J z naslednjimi fazami: Plugins > Macros > Measure Percent Area, opcija je ukaz Analyse > Histogram na katerem odčitamo skupno število pikslov, število belih in črnih pikslov (binarne slike) in izračunamo pokritost površine oz. rastrsko tonsko vrednostposebej (kalkulator). Izračunana rastrska tonska vrednost je geometrijska, brez upoštevane svetlobne pasti, zato na tej osnovi lahko določimo n-faktor v Yule-Nielsonovi enačbi za izračun rastrske tonske vrednosti. Izračunana pokritost površine je zelo odvisna od priprave slike, predvsem od nastavljenega praga, zato je potrebno ugotoviti, kateri prag je najprimernejši. Za določanje praga si lahko pomagamo s prečnim prerezom slike z ukazom Analyse > Plot Profile , ki pokaže kako oster je prehod med belim in črnim tonom pri npr. rastrski piki, ki bi teoretično morala biti upodobljena binarno. Z izračunom pokritosti površine pri različnih pragih lahko pridobimo dovolj podatkov za oceno najustreznejšega praga. 12 Slikovna analiza 2.5.2 Določanje nazobčanja robov in razlivanja barv (wicking, bleeding) Za določanje negativnih pojavov kot sta wicking in bleeding se lahko uporabi enaka metoda oz. postopek slikovne analize, kot za določanje, rastrske tonske vrednosti, potrebno pa je upoštevati ustrezne refrenčne podatke (idealno odtisnjena slika testnega elementa, referenčni digitalni podatki testne slike). Povečanje elementov slike je odvisno od več dejavnikov, kar moramo pri vrednotenju upoštevati (prag, svetlobna past, ločljivost tiskalnika, struktura papirja,...) 2.5.3 Določanje tiskovne neenakomernosti (mottling) Vzorce najprej poskeniramo s primerno ločljivostjo. Velikost pikslov mora ustrezati velikosti madežov neenakomernega odtisa, kar lahko nastavimo že pri skeniranju ali pa v Photoshopu z ukazom Image > Image size. Ustreznejše rezultate bi verjetno dobili z uporabo ustreznih filtrov in ukazov v programih Pgotoshop in ImageJ, s katerimi bi v gruče združili vse piksle v ozem območju tonskih vrednosti npr. Pixelate > Crystalize. Pri tem je pomembno, da združujemo piksle v velikosti območij svetlih ali temnih madežov, ki dajejo videz neenakomernosti. Tako pripravljene slike, pretvorjene v 8-bitne enobarvne, nato analiziramo. Najenostavnejša analiza je prikaz histograma, na kterem vidimo glede na razmerje med višinoin širino oz. iz distribucije tonov prisotnost neenakomernosti. Idealna enakomerna pvršina vsebuje samo en ton, neenakomerna pa množico tonov. V programu Image J lahko z ukazom Analyse > Histogram/List pridobimo tudi numerične podatke o distribuciji tonov, ki jih izvozimo v primeren program, npr. Excel. Iz tako dobljenih razultatov lahko izračunamo stopnjo neenakomernosti kot nonuniformity number – Nu: Nu = Ux – Lx pri čemer je Ux = povprečje intenzitet nad mediano Lx = povprečje intenzitet pod mediano. Mediana je število v sredini množic danih števil. Za izračun neenakomernosti lahko uporabimo tudi variacijski koeficient (Kv): Kv = σ ⋅ 100[%] x 13 Slikovna analiza pri čemer je σ = standardni odklon x = aritmetična sredina populacije. 2.6 Praktični primeri uporabe Za praktični del sva si izbrali časopisno sliko, ki sva jo digitalizirali z optičnim čitalcem pri ločljivosti 300 dpi, nato sva jo analizirali s programom ImageJ. Koraki najine analize so si sledili takole: 1. Skenirano sliko sva odprli v programu in jo spremenili v 8-bitno, nato sva nadaljevali s Analyze – Histogram in tako dobili njen histogram. Ta nam poda informacijo o svetlosti oz. temnosti posameznih delov slike – porazdelitev točk po sivinskih nivojih. Abscisna os predstavlja razpon sivin od 0 do 255 (od črne proti beli), ordinatna pa število oz frekvenco točk pri določeni intenziteti. Slika 10: Histogram skenirane slike Z najinega histograma, lahko torej razbereva da je minimalna intenziteta 0 in maksimalna intenziteta 251. Če se premikamo po x osi se nam na dnu okenca izpiše tudi število pik, ki pripadajo določeni intenziteti. V najinem primeru je torej največ pik (17147) intenzitete 183 in najmanj pik (536) intenzitete 245. Prav tako je na dnu izpisana srednja sivinska vrednost, ki je približno 132 in podatek koliko pik obsega slika - 1207312. 14 Slikovna analiza 2. V tem koraku sva raziskali profil delčka slike – obraz ženske, z ukazi Analyze – Surface Plot in nato še Plot Profile. Dobili sva površinski profil obraza in linijski profil obraza, ki nam podata podatek o profilu svetlosti. Slika 11: Linijski profil obraza Slika 12: Površinski profil obraza 3. Tukaj pa sva analizirali posamezne delčke slike, ki sva jih izrezali. Posameznim delčkom sva izmerili maksimalno, minimalno in srednjo sivinsko vrednost. Slika 13: Analiza delčka kape 15 Slikovna analiza Slika 14: Analiza delčka obraza Slika 15: Analiza delčka obraza 4. Nadaljevali sva z analizo stiskane slike na različne papirje. Tiskale sva s tiskalnikom HP PSC 1510 All-in-one. S programom sva ugotavljali kvaliteto odtisa (bleeding, wiking, mottling), in sicer z ukazom Area v nastavitvah meritev in s histogramom. 16 Slikovna analiza Slika 16: Analiza naravnega papirja Slika 17: Analiza papirja pearl 120g Slika 19: Analiza pairja tone 130g Slika 18: Analiza transparentnega papirja 17 Slikovna analiza Slika 20: Analiza pismskega papirja Slika 21: Analiza skenirane slike Ugotovili sva, da je najboljši odtis na transparentnem papirju, ker je površinska vrednost največja. To pomeni, da je najmanj bleedinga in wickinga. Najmanjša površinska vrednost pa je pri papirju Perl 120 g, kar pomeni da je odtis najslabši in ima največ bleedinga ter wickinga. Slika 22: Histogram transparentnega papirja 18 Slikovna analiza Slika 23: Histogram Ton paper 130g Slika 24: Histogram naravnega papirja Slika 25: HIstogram Perl papir Slika 26: Histogram pisemskega papirja Iz danih histogramov sva razbrali, da je najbolj neprimeren papir za odtis pisemski, ker je histogram najbolj valovit, to pa je značilno za mottling. Najboljši papir je transparentni, saj je mottling zanemarljiv. 19 Slikovna analiza 2.7 Primerjava slikovne analize in uporaba druge merilne opreme (denzitometer) za analizo kvalitete tiska Pri slikovni analizi je izračunana rastrska tonska vrednost geometrijska, brez upoštevane svetlobne pasti. Funkcije denzitometra pa nam omogočajo, da takoj lahko izračunamo geometrijsko ali navidezno rastrsko tonsko vrednost. Uporaba denzitometra v svetu je standardizirana, medtem ko so metode slikovne analize nove in nestandardizirane. V prihodnosti lahko pričakujemo, da bo slikovna analiza postopoma izrinila denzitometer. 20 Slikovna analiza 3 ZAKLJUČEK Uporaba slikovne analize v grafični industriji velja v svetu za novo metodo. Prav tako je slikovna analiza na samih začetkih tudi v slovenskem okolju. Vsak korak v procesu je pomemben in lahko močno vpliva na končni rezultat. Ti koraki niso standardizirani, zato je potrebno ob vsaki slikovni analizi natančno opisati kako smo prišli do rezultata. 21 Slikovna analiza 4 LITERATURA 1. Ahtik J. Določanje sposobnosti kopiranja samokopirnih papirjev z metodo slikovne analize. Diplomsko delo,2006. 2. Hladnik A. Slikovna analiza : sodobno orodje za ovrednotenje kakovosti grafičnih materialov. Grafičar,2006,št.1,str.20 do 23. 3. Lah I. Vrednotenje rastrske tonske vrednosti z različnimi metodami. Diplomsko delo,2006. 4. Meršol R. Vrednotenje motlinga na etiketnih papirjih. Diplomsko delo,2006. 5. Muck T. Interakcije na površini papirja pri kapljičnem tisku. Doktorska disertacija,2002. 22
© Copyright 2024