Traitement dImage [608510]

UTM 526.1 031 ME
Mod. Coala Nr. document Semn ăt. Data
Elaborat Andronic A.
Achizi ția și procesarea
imaginilor în baza logicii
Fuzzy Litera Coala Coli
Conduc ător Gu țuleac E. 5 100
Consultant UTM FCIM
C – 121 Contr. norm. Negura V.
Aprobat Sudacevschi V.
CUPRINS
INTRODUCERE ………………………………… …………………………………………… ………… 6
1. INTRODUCERE ÎN DOMENIUL DE PROIECTARE A SISTEMEL OR FUZZY … 8
1.1. Scurt ă introducere în seturi clasice și fuzzy ……………………………………. …………. 8
1.2. Logica Fuzzy și baze de cuno știn țe …………………………………………. ……………….. 8
1.3. Procesarea imaginilor pentru luarea deciziilor folosind logica fuzzy …………… 10
1.4. No țiuni introductive specifice proces ării imaginilor ……………………………… ….. 13
1.5. Digitalizarea și reprezentarea imaginilor în PC ……………… …………………………. 17
1.6. Etapele proces ării imaginilor ……………………………… ………………………………….. 17
2. METODE, TEHNICI ȘI TEHNOLOGII APLICATE ÎN ACHIZI ȚIA ȘI PROCESAREA
IMAGINILOR …………………………………. …………………………………………… ……….. 20
2.1. Analiza sistemelor de achizi ție a informa ției video ………………………………….. .. 20
2.1.1. Camera Video …………………………. …………………………………………… …………… 20
2.1.2. Pl ăci de achizi ție Video …………………………………… …………………………………. 23
2.2. Analiza sistemelor de procesare a informa ției video ………………………………….. 26
2.3. Metode și tehnologii pentru procesarea imaginilor ……… ……………………………. 27
2.4. Metode de analiz ă a modulului de ameliorare a imaginilor digitale .. …………… 38
2.5. Modele de segmentare și analiz ă a imaginilor ………………………………. ………….. 43
2.6. Opera ții de transformare asupra imaginilor ………….. ………………………………….. 44
3. PROIECTAREA ȘI IMPLEMENTAREA SISTEMULUI PENTRU ACHIZI ȚIA ȘI
PROCESAREA IMAGINILOR ÎN BAZA LOGICII FUZZY ……. ……………………… 49
3.1. Sinteza schemei de structur ă ………………………………………….. ………………………. 49
3.2. Sinteza algoritmilor de procesare a datelor .. …………………………………………… .. 50
3.2.1. Algoritmul principal al func țion ării sistemului ……………………………… ………. 50
3.2.2. Algoritmul de filtrare a imaginii ………. …………………………………………… …….. 53
3.2.3. Algoritmul opera ții imagine – constant ă ………………………………………….. ……. 55
3.2.4. Algoritmul opera ții imagine – imagine ………………………… ……………………….. 56
3.3.1. Argumentarea Sistemului de Operare ……… …………………………………………… . 57
3.3.2. Argumentarea limbajului de programare …… ………………………………………….. 60
4. ARGUMENTAREA ECONOMIC Ă A PROIECTULUI DE LICEN ȚĂ ……………… 61
4.1. Introducere ……………………………. …………………………………………… ……………….. 61
4.2. Planul calendaristic ……………………. …………………………………………… ……………. 62
4.3. Retribuirea muncii ……………………… …………………………………………… …………… 63
4.4. Cheltuieli materiale și nemateriale ………………………………. …………………………. 64

UTM 526.1 031 ME
Mod. Coala Nr. document Semn ăt. Data
Elaborat Andronic A.
Achizi ția și procesarea
imaginilor în baza logicii
Fuzzy Litera Coala Coli
Conduc ător Gu țuleac E. 5 100
Consultant UTM FCIM
C – 121 Contr. norm. Negura V.
Aprobat Sudacevschi V.
4.5. Cheltuieli indirecte ……………………. …………………………………………… …………….. 65
4.6. Costul de elaborare a proiectului ………… …………………………………………… …….. 66
CONCLUZIE ………………………………….. …………………………………………… ………….. 68
BIBLIOGRAFIE ……………………………….. …………………………………………… …………. 69
ANEXE ……………………………………… …………………………………………… ………………. 71
Anexa 1. Codul surs ă al algoritmului principal de func ționare a sistemului ………… 71
Anexa 2. Codul surs ă al algoritmului de filtrare a imaginii ……….. …………………….. 73
Anexa 3. Codul surs ă al algoritmului opera ții imagine – constant ă…………………….. 75
Anexa 4. Codul surs ă al algoritmului opera ții imagine – imagine ………………………. 7 7

UTM 526.1 031 ME Coala
6 Mod Coala Nr. document Semn ăt. Data

Introducere
Modul în care calculatorul interpreteaz ă datele se bazeaz ă pe o logic ă tradi țional ă și anume
logica binar ă. La un moment dat, orice decizie luat ă de aceast ă unealt ă creat ă de om se va rezuma la un
răspuns 0 sau 1 sau, natural vorbind, adev ărat sau fals. Pân ă nu demult acest lucru mul țumea toate
nevoile domeniilor ce foloseau puterea de procesare a calculatoarelor, îns ă expansiunea rapid ă a
nivelului calit ății și preciziei care se dore ște în luarea de decizii a început s ă nu mai fie satisf ăcut ă de
acest mod tradi țional de a procesa datele.
Necesitatea folosirii unei logici care s ă fie mult apropiat ă de ra ționamentul creierului uman, a
fost demult semnalat ă de profesorul Lotfi A. Zadeh (1965). Din p ăcate, precum marelui Einstein i-au
fost respinse teoriile de mul ți fizicieni ai momentului și acum aceste teorii reprezint ă bazele fizicii
moderne, așa și teoria profesorului Zadeh, intitulat ă Fuzzy Logic, a fost respins ă de majoritatea
oamenilor de știin ță din acel moment; abia dup ă mul ți ani comunitatea știin țific ă i-a în țeles adev ărata
putere. Acum teoria reprezint ă una din bazele Inteligen ței Artificiale moderne și este folosit ă în
sisteme fuzzy aflate în: automobile, mecanisme de securitate, ap arate medicale, mecanisme decisionale
(marketing, business etc.), aparate foto etc.
Noi ca oameni folosim a șa numita logic ă fuzzy zi de zi, fără să avem nici cea mai mic ă idee,
pentru că mintea uman ă este construit ă natural să gândeasc ă într-o manier ă fuzzy . Pentru că
ra ționamentul uman este f ăcut să lucreze așa, pentru noi oamenii este foarte simplu s ă interpret ăm
aceste tipuri de r ăspunsuri, folosindu-ne de experien ța acumulat ă deja sau de diferite metrici. Îns ă când
vine vorba de ma șini controlate de un calculator ce folose ște logica binar ă, acest lucru nu mai este
posibil. Pentru c ă acestea în țeleg doar valori ca 0 și 1, sau răspunsuri ca "satisf ăcut", "nesatisf ăcut".
În termenii logicii fuzzy , aceste seturi de date ce pot fi interpretate de o rice ma șin ă într-un
sistem binar se numesc crisp data.
Achizi ția și procesarea informa ției video face parte din clasa de sisteme multimedi a.
Multimedia este domeniul referitor la integrarea (c ontrolat ă de calculator) a textului, graficii,
imaginilor statice și în mi șcare, anima ției, sunetelor, a oric ăror alte mijloace de reprezentare, stocare,
transmitere și procesare digital ă a informa ției.
Sistemele multimedia se caracterizeaz ă prin faptul c ă sunt sisteme de calcul ce integreaz ă
dispozitive multimedia, proceseaz ă informa ție reprezentat ă digital și folosesc interfe țe multimedia
interactive. În consecin ță , sistemele multimedia trebuie s ă dovedeasc ă o mare putere de procesare
(pentru a putea prelucra în timp real cantit ăți mari de informa ție digital ă), s ă se bazeze pe un sistem de
operare compatibil multimedia (pentru interpretarea informa ției multimedia prin
compresie/decompresie în timp real, transfer direct pe disc, scheduling, I/O streaming), s ă aib ă I/O
eficiente și rapide (pentru înregistr ări și red ări în timp real), capacitate de stocare și memorare mare,

UTM 526.1 031 ME Coala
7 Mod Coala Nr. document Semn ăt. Data
acces la re țele de date (inclusiv Internet), instrumente softwa re dedicate, pentru manipularea
informa ției multimedia, proiectarea, dezvoltarea și furnizarea acesteia.
Un sistem multimedia poate cuprinde:
– dispozitive de achizi ție (camer ă video, Video Recorder, microfon, tastatur ă, mouse, tablet ă grafic ă,
dispozitive de intrare 3D, senzori tactili, dispozi tive de intrare Virtual Reality, dispozitive de
digitizare);
– dispozitive de stocare a informa ției multimedia;
– dispozitive de conectare la re țele de calculatoare (Ethernet, Token Ring, FDDI, AT M, Intranets,
Internets);
– sisteme de calcul;
– dispozitive de ie șire/ afi șare.
Dispozitivele de achizi ție a informa ției video au evoluat și s-au specializat odat ă cu cre șterea
complexit ății aplica țiilor multimedia. Unui sistem modern i se pot ata șa diferite dispozitive de intrare.
În lucrarea de licen ță s-au abordat dou ă din p ărțile componente ale sistemelor multimedia
achizi ția și procesarea informa ției video prin aplicarea logicii Fuzzy.
În capitolul 1 s-a efectuat analiza în domeniul de proiectare. În special sunt prezentate date
teoretice ale logicii Fuzzy.
Capitolul 2 este consacrat aspectelor metodologice, tehnice și tehnologice utilizate în procesul
de proiectare și implementare ale sistemului.
În capitolul 3 s-a efectuat proiectarea și implementarea sistemului în detaliu.
Capitolul 4 cuprinde argumentarea economic ă a proiectului.
Datele bibliografice con țin principalele surse informa ționale utilizate în procesul de proiectare
și implementare.
Codurile surs ă și interfe țele GUI sunt prezentate în anexe.

UTM 526.1 031 ME Coala
8 Mod Coala Nr. document Semn ăt. Data

1. Introducere în domeniul de proiectare a sistemel or Fuzzy
1.1. Scurt ă introducere în seturi clasice și fuzzy
Dup ă ce am apelat la vocabularul comun pentru a exempli fica logica binar ă și pe cea fuzzy,
este momentul utiliz ării elementelor de algebr ă pentru a defini aspecte teoretice care definesc ce le
dou ă concepte. Logica fuzzy are un fundament matematic, care deja a fost demonstrat și validat în mai
multe ocazii (Metcalfe et al, 2009 și Chen et al, 2001). Fie S un set nevid, numit set/ mul țime
universal( ă) și care con ține elemente posibile care apar țin domeniului de interes. Un subset S al lui S
este o uniune (finit ă sau nu) de mai multe elemente, iar faptul c ă elementul s apar ține subsetului S se
noteaz ă s ∈ S Faptul că elementul s nu apar ține subsetului S se noteaz ă s nu ∈ S Dac ă subsetul S
apar ține strict setului S, aceasta însemnând c ă exist ă cel pu țin un element s ∈ S dar s ∉ S , se noteaz ă S
⊂ S În cazul în care subsetul S este inclus în setul S sau S este egal cu S se noteaz ă S ⊆ S Dac ă avem
dou ă subseturi A și B, și atât A ⊂ B cât și B ⊂ A sunt adev ărate, atunci se noteaz ă: A = B Un set sau
subset vid se noteaz ă cu simbolul ∅. Num ărul elementelor unui set A constituie cardinalul ac estei
mul țimi = card(A). Pentru a simplifica nota ția, valoarea logic-numeric ă 1 reprezint ă valoarea logic ă
„adev ărat”, iar valoarea logic-numeric ă 0 reprezint ă valoarea logic ă „fals”. Func ția caracteristic ă a
unui subset clasic A, se noteaz ă cu X și este dat ă de rela ția: XA(a) = 1, dac ă a ∈ A 0, altfel Pentru un
subset fuzzy B, func ția caracteristic ă este notat ă cu µ și este dat ă de rela ția:
μB(b) ∈ [0,1], dac ă b ∈ B.

1.2. Logica Fuzzy și baze de cuno știn țe
Este cunoscut faptul c ă pentru a putea rezolva o problem ă într-un anumit context este nevoie de
cuno știn țe care să descrie contextul respectiv. Aceste informa ții ce descriu contextul, furnizeaz ă atât
elemente referitoare la datele problemei, cât și metode de rezolvare corespunz ătoare folosind un
ra ționament adecvat și totodat ă, furnizeaz ă informa ții despre natura solu țiilor ce vor fi ob ținute în urma
aplic ării unei metode.
Dac ă acest cuantum de cuno știn țe poate fi reprezentat având la baz ă o anumit ă structur ă, atunci
se poate spune c ă exist ă o baz ă de cuno știn țe, mai mult, dac ă se poate face o reprezentare a acestor
cuno știn țe sub form ă digitizat ă, atunci se pot c ăuta metode automatizate care, aplicate pe aceast ă
structur ă să poat ă genera solu ții posibile pentru anumite probleme ce se pot ident ifica în contextul
respectiv.
Un alt aspect legat de aceast ă problem ă îl reprezint ă natura cuno știn țelor ce compun baza de
cuno știn țe. Dac ă aceste cuno știn țe sunt exprimate într-un limbaj mai pu țin formal, cum este limbajul
natural, atunci aceste cuno știn țe sunt incerte, imprecise, pot avea semnifica ții diferite în contexte

UTM 526.1 031 ME Coala
9 Mod Coala Nr. document Semn ăt. Data
diferite ș.a.m.d., acestea reprezentând unele dintre caracter isticile cuno știn țelor fuzzy. Aceste
cuno știn țe sunt specifice contextelor în care este dificil a face o cuantificare a elementelor ce se
vehiculeaz ă ca informa ții, și sunt folosite tocmai pentru a putea face o reprez entare a informa țiilor într-
un formalism bine definit – logica fuzzy, în a șa fel încât, aceste cuno știn țe să poat ă fi folosite drept
suport pentru ra ționamente automatizate în sistemele de inteligen ță artificial ă.
Aplica ția de fa ță , se dore ște a fi un instrument util pentru achizi ția de cuno știn țe și evaluarea de
expresii fuzzy. Necesitatea acestor instrumente s-a făcut sim țit ă din momentul în care s-au pus bazele
automatiz ării ra ționamentului, odat ă cu apari ția conceptului de Inteligen ță Artificial ă. Una din
orient ările în inteligen ța artificial ă, o reprezint ă dezvoltarea sistemelor bazate pe cuno știn țe exprimate
în limbaj natural. Evident, este problema instrumen tului de achizi ție de cuno știn țe ca acestea să fie
preluate de la expert, apoi s ă fie reprezentate printr-o baz ă de cuno știn țe având o anumit ă structur ă, cu
scopul de a servi sistemului în a șa fel încât să poat ă fi aplicat un anumit tip de ra ționament în vederea
rezolv ării unui anumit tip de probleme.
Acest instrument comport ă dou ă aspecte din punct de vedere func țional: un aspect ce se refer ă
la achizi ția de cuno știn țe fuzzy în scopul de a constitui o baz ă de cuno știn țe corespunz ătoare unui
anumit context, iar al doilea aspect se refer ă la posibilitatea ca pe baza cuno știn țelor achizi ționate de la
expert, să poat ă fi construite expresii in care apar termeni ce den ot ă imprecizia cu scopul de a evalua
gradul de adev ăr al acestor expresii comparabil cu cel pe care-l a re acea expresie în contextul
respectiv.
Așadar, aceste instrumente vin în ajutorul constructo rilor de sisteme de inteligen ță artificial ă ca
și modele de instrumente (module) de achizi ție de cuno știn țe pentru automatizarea procesului de
achizi ție, proces în urma c ăruia va rezulta baza de cuno știn țe corespunz ătoare pe care se pot aplica
func ții pentru reg ăsirea și actualizarea informa țiilor în cadrul modulului de achizi ție cât și pentru
aplicarea de ra ționamente în cadrul sintetiz ării bazei de cuno știn țe.
Ca și utilizare în afara unui sistem, instrumentul de f a ță ofer ă posibilitatea exper ților de a crea
baze de cuno știn țe fuzzy corespunz ătoare unui anumit context, pe care s ă le stocheze pe suporturi
magnetice în vederea folosirii ulterioare cu scopul de a actualiza datele sau, odat ă ce bazele de
cuno știn țe au fost create, atât expertul cât și un utilizator ne-expert, s ă poat ă construi expresii fuzzy pe
baza elementelor definite, pentru a evalua gradul d e adev ăr al expresiilor construite folosind elemente
definite într-un anumit context elemente ce se afl ă în baza de cuno știn țe corespunz ătoare contextului.
Aplica ția este așadar structurat ă pe dou ă module, unul corespunz ător procesului de achizi ție de
cuno știn țe în care sunt puse la dispozi ția utilizatorului instrumente pentru definirea elem entelor ce
compun baza de cuno știn țe, iar al doilea modul con ține instrumente pentru construirea de expresii
fuzzy și evaluarea gradului de adev ăr corespunz ător acestora.

UTM 526.1 031 ME Coala
10 Mod Coala Nr. document Semn ăt. Data
1.3. Procesarea imaginilor pentru luarea deciziilor folosind logica fuzzy
Principial, în literatura de specialitate se consid er ă pentru un sistem cu procesarea fuzzy a
informa ției urm ătoarea structur ă:

Figura 1.1. Sistem cu procesarea fuzzy a informa ției.
Un sistem fuzzy logic fuzzy caracterizat prin: fuzz ificarea intr ărilor reale X U Rn∈ ⊆ în
mul țimi fuzzy singleton; printr-un algoritm de inferen ță de tip produs; și defuzzificare prin metoda
sumei ponderate a centrelor mul țimilor fuzzy ale consecin țelor conduce în final la urm ătoarea form ă
sistemic ă pentru sistemul cu procesare fuzzy a informa ției:
( )( )
( )∑∏∏∑
=== ==M
ln
iiFn
iiFM
ll
xx y
Xf
l
ili
111 1
µµ
(1.1)
Referitor la nota țiile folosite se fac urm ătoarele preciz ări:
n
nRU
xx
X ⊆∈




=… 1
, (1.2)
reprezint ă setul de semnale de intrare reale. Dac ă se consider ă regulile IF-THEN de forma:
IF x1 is Fl
1 and . . . and Fnl THEN y is Gl cu Ml, 1=, (1.3)
unde M=num ărul de reguli, µFiilx( ) va reprezenta func ția de apartenen ță asociat ă mul țimii fuzzy Fil
ce descrie o variabil ă lingvistic ă, ylva fi centrul mul țimii fuzzy Gl, adic ă punctul în care func ția de
apartenen ță atinge valoarea maxim ă 1. În baza ipotezelor f ăcute se poate demonstra pe baza
formalismului matematic formula (1.1):
• fuzzificarea singleton conduce la urm ătoarea mul țime fuzzy:
( )() µAX XX X
X X′=′=′=
′≠

1
0,
, (1.4)

UTM 526.1 031 ME Coala
11 Mod Coala Nr. document Semn ăt. Data
rezultatul activ ării regulii l îl constituie mul țimea fuzzy Blcalculat ă conform urm ătoarei reguli de
compunere:
( ) ()( ) µ µ µBl l
X U F F Gl
A y X y Xl
nl l =′′

′∈ × × →sup , *…1 (1.5)
care constituie de fapt exprimarea analitic ă a regulii de deduc ție modus ponens. Apoi definim
implica ția ca produs:
() ()() µ µ µF F Gl
F F Gl
l
nl l l
nl l X y X y
1 1 × × → × ×′= •… …, (1.6)
definim produsul cartezian ca produs:
( ) ( ) µ µF F F i
in
l
nl
il X x
11× ×
==∏… (1.7)
În final rezult ă concluzia fuzzy considerând T-norma * ca și produs pentru func țiile de apartenen ță :
( ) ( )( )() µ µ µ µBl
X U Fi
in
Gl
A l
il l y x y X= • •′ 

 ′∈
=∏sup
1 (1.8)
Ca rezultat al activ ării celor M reguli se ob țin M mul țimi fuzzy caracterizate prin func țiile de
apartenen ță : ()µBl
ly. Mul țimea fuzzy B care exprim ă concluzia final ă va fi reuniunea celor M mul țimi
fuzzy:
B Bl
lM
=
=1∪ (1.9)
cu func ția de apartenen ță calculat ă ca o sum ă de T-conorme:
()()() µ µ µBl
B BMy y yM = + +11ɺ…ɺ (1.10)
pentru T-conorm ă alegându-se opera ția de însumare. Revenind la rela ția (1.8) cum ()µGl
ly=1 și
conform cu rela ția (1.4) rezult ă supremul astfel:
()( ) µ µBl
Fi
in
l
il y x=
=∏
1 (1.11)
procedura de defuzzificare se consider ă a fi media ponderat ă a centrelor mul țimilor fuzzy ale
consecin țelor regulilor de deduc ție:
()
( )yy y
yl
Bl
lM
Bl
lMl
l==
=∑
∑µ
µ1
1 (1.12)
unde ținând cont de rela ția (1.11) ob ținem rela ția de pornire (1.1).

UTM 526.1 031 ME Coala
12 Mod Coala Nr. document Semn ăt. Data
Dac ă în loc de produs pentru definirea T-normei s-ar fi utilizat minimizarea ar fi rezultat
urm ătoarea rela ție care descrie global un sistem fuzzy:
( ) ( )[ ]
( ) ( )[ ]yy x x
x xl
F F n
lM
F F n
lMl
nl
l
nl==
=∑
∑min ,…,
min ,…,µ µ
µ µ1
11
1
1
1 (1.13)
Pentru dezvoltarea algoritmilor de antrenare trebui e specificat ă forma func ției de apartenen ță ,
care poate fi aleas ă triunghiular ă, trapezoidal ă, etc. În cazul studiat în cele ce urmeaz ă se va alege o
func ție de apartenen ță Gaussian ă de forma:
( )µσFiiil
iilxx x= −−





exp 2
(1.14)
sistemul (1.1) putând fi pus sub forma:
( )f X=−−






−−





= =
==∏∑
∏∑yx x
x xliil
i in
lM
iil
i in
lMexp
exp σ
σ2
1 1
2
11 (1.15)
Pentru forma sistemului fuzzy (1.15) informa ția lingvistic ă poate fi încorporat ă ini țial în setul
de reguli IF-THEN, iar în algoritmul de ajustare ( antrenare) a parametrilor sistemului yl, xil , σi se
încorporeaz ă informa ția numeric ă.
Urm ătoarea teorem ă justific ă folosirea formei (1.15) pentru modelarea oric ăror procese
neliniare cu orice grad de precizie impus:
Teorema universal ă de aproximare : Oricare ar fi func ția real ă continu ă gU V:→, U Rn⊆
mul țime compact ă și oricare ar fi ε>0, real, exist ă sistemul fuzzy (13) astfel încât:
( )( )[ ]f X g X
U−



< ∫2
ε (1.16)
Forma (1.15) a unui sistem fuzzy se poate interpre ta astfel: Se consider ă baza de func ții
radiale:
( )p Xx x
x xjiil
i in
iil
i in
lM=−−






−−





=
==∏
∏∑exp
exp σ
σ2
1
2
11 j=1..M (1.17)
Atunci sistemul (13) va fi echivalent cu urm ătoarea form ă:

UTM 526.1 031 ME Coala
13 Mod Coala Nr. document Semn ăt. Data
( ) ( ) f X p Xj j
jM
= ⋅
=∑θ
1 (1.18)
unde θjjy=. Având în vedere teorema de universal ă de aproximare se deduce c ă oricare func ție
neliniar ă poate fi descompus ă în serie de func ții radiale conform rela ției (1.18), ordinul M al
dezvolt ării în cazul de fa ță interpretându-se ca și num ărul de reguli din baza de reguli.
În ceea ce prive ște parametrii ajustabili ai modelului fuzzy, aceste a se împart în dou ă tipuri și
anume:
• primul tip de model fuzzy pentru se folose ște modelul (1.18), rezultând un algoritm liniar de
ajustare a parametrilor;
• al doilea tip de model fuzzy pentru care se folose ște modelul (1.15) , parametrii care se ajusteaz ă
fiind y xl
il
il, ,σ, algoritmul de ajustare fiind neliniar.
Sistemele de control fuzzy se presupun c ă lucreaz ă în situa ția existen ței incertitudinilor sau a
varia țiilor mari de parametri sau structur ă ale procesului de condus. În aceste condi ții de incertitudine
se cere sistemului de control men ținerea performan țelor impuse. Pe de alt ă parte se impune adaptarea
parametrilor sistemului de control deoarece setul d e reguli provenite de la expertul uman de și con țin
foarte mult ă informa ție calitativ ă aceasta nu este întotdeauna suficient ă. Se impune astfel un mecanism
de ajusta, eventual de a ad ăuga noi reguli în scopul realiz ării unui sistem de control cât mai eficient.
În literatura de specialitate sistemele de reglare adaptive se clasific ă în dou ă categorii: directe și
indirecte . Controlul adaptiv direct presupune reducerea eror ii de urm ărire prin ajustarea direct ă a
parametrilor regulatorului. În sistemele de control adaptiv indirect exist ă un estimator recursiv al
parametrilor procesului iar legea de comand ă se calculeaz ă pe baza parametrilor estima ți "on-line".
Astfel sistemele fuzzy de control adaptiv directe f olosesc ca și regulator un sistem fuzzy, astfel c ă
informa ția lingvistic ă poate fi încorporat ă direct în controller. Pe de alt ă parte sistemele fuzzy de
control adaptiv indirecte folosesc sistemele fuzzy ca să modeleze procesul. Din punct de vedere al
modelului fuzzy folosit se remarc ă că algoritmul de ajustare este liniar dac ă se folose ște primul tip de
model fuzzy, respectiv devine neliniar în cazul fol osirii celui de-al doilea tip de model fuzzy.

1.4. No țiuni introductive specifice proces ării imaginilor
Analiza imaginilor este utilizat ă în multe domenii ale activit ății industriale, în domeniul
educa țional, s ănătate, cercetare etc.
Prelucr ările efectuate asupra imaginilor se pot grupa în ur m ătoarele categorii (Figura 1.2)
[1,3,14-17].

UTM 526.1 031 ME Coala
14 Mod Coala Nr. document Semn ăt. Data

Figura 1.2. Structura unui sistem de analiz ă și procesare a imaginilor.

Proces ări de imagini pot fi:
1. Proces ări de nivel inferior (datele de intrare și de ie șire sunt de tip imagine reprezentate prin
matrici de puncte); ca și principale prelucr ări la acest nivel avem:
– achizi ție, vizualizare,
– îmbun ătățirea imaginii,
– accentuarea unor caracteristici.
2. Proces ări de nivel intermediar (datele de intrare sunt de tip imagine, iar cele de ie șire sunt
reprezentate sub forma unor structuri simbolice); p rincipalele opera ții care se refer ă la acest nivel
reprezint ă extragerea de tr ăsături [16]:
– locale,
– globale.

UTM 526.1 031 ME Coala
15 Mod Coala Nr. document Semn ăt. Data
3. Proces ări de nivel superior (opereaz ă pe reprezent ări simbolice) unde întâlnim mai ales:
– recunoa șterea imaginilor bazate pe forme,
– interpretarea rezultatelor.
Procesarea imaginilor (Image Processing) are mai mu lte subdomenii, cum ar fi :
– Restaurarea imaginii (Image Restoration) – are ca scop reducerea deform ărilor introduse la
formarea imaginii digitale;
– Îmbun ătățirea imaginii (Image Enhancement) – se ocup ă cu cre șterea contrastului, eliminarea
zgomotelor etc.
– Compresia imaginilor (Image Compression) – are ca obiectiv reprezentarea imaginii astfel
încât aceasta s ă ocupe mai pu țin spa țiu decât imaginea ini țial ă. Deci, aceasta are ca scop reducerea
cantit ății de informa ție necesar ă reprezent ării imaginii. Aceste tehnici de compresie a imagini lor pot fi
extrem de utile la stocarea și transmiterea imaginilor.
Analiza imaginilor (Image Analysis) are ca scop det erminarea obiectelor care apar într-o
imagine și descrierea suprafe țelor acestor obiecte. Intrarea este o imagine digit al ă, iar ie șirea este o
reprezentare simbolic ă a imaginii ini țiale.
Analiza imaginilor, deseori este legat ă de domeniile pe care le abordeaz ă. Obiectivele
principale pot fi în acest moment orientate c ătre dou ă direc ții importante:
– dezvoltarea de aplica ții știintifice și inginere ști;
– utilizarea de resurse avansate în asistarea proce sului educa țional.
În cadrul aplica țiilor știin țifice și inginere ști sunt prezente:
– proces ări de imagini medicale și tehnico-industriale;
– proces ări multimedia;
– calcul performant pentru dezvoltarea re țelelor neuronale;
– facilit ăți privind utilizarea sistemelor performante în tele comunica ții, etc.
Aplica țiile care urm ăresc asistarea procesului educa țional se refer ă la:
– asistarea educa țional ă folosind Internet-ul,
– aplica ții multimedia pentru asistarea complex ă în înv ățămantul special, etc.

Principalele domenii abordate de procesarea imagini lor pot fi:
a) imagistica tehnico-industrial ă – care se refer ă la vederea artificial ă deseori asociat ă cu
robotic ă [16,17].
Acest domeniu include:
– aplica ții privind manipularea obiectelor;
– controlul proceselor de fabrica ție sau asamblare;
– cristalografie, defectoscopie;

UTM 526.1 031 ME Coala
16 Mod Coala Nr. document Semn ăt. Data
– analize dinamice inteligente;
– controlul și inspec ția de calitate inclusiv inspec ție prin termoviziune;
– modelarea de suprafe țe sau volume, etc.
b) imagistica comercial ă – include în general recunoa șterea caracterelor și a semn ăturilor,
imaginea fiind deseori binarizat ă. De asemenea poate fi inclus ă activitatea de reclam ă, caz în care
analiza imaginilor este în mod necesar legat ă de cea de grafic ă. În cadrul imagisticii comerciale poate
fi inclus ă și o parte din activitatea de birotic ă în special cea referitoare la [16,17]:
– citirea documentelor vizuale;
– inspec ția etichetelor pentru identificare;
– instrumente de proiectare asistat ă pentru ingineri, arhitec ți, etc.
c) imagistica aerian ă și spa țial ă – dezvoltat ă în special în domeniul meteorologic, al cartografi ei
și al explor ărilor spa țiale. În acest caz imaginile se caracterizeaz ă prin dimensiuni mari, informa ții
multispectrale, trat ările f ăcând apel la procedee de recalare geometric ă precum și la metode de filtrare.
Câteva din domeniile urm ărite se refer ă la:
– descoperirea și interpretarea imaginilor astronomice (analiza ste lelor duble, g ăuri negre, etc.);
– analiza imaginilor terestre în vederea detec ției depozitelor minerale, infest ărilor cu insecte,
eroziunii solului, etc.
d) imagistica militar ă – urm ăre ște:
– detec ția, identificarea și urm ărirea țintelor;
– ghidarea proiectilelor;
– recunoa șterea fotografiilor, analiza și interpretarea scenelor, etc.
Acest domeniu necesit ă utilizarea de metode rapide adaptabile la o varia ție mare a parametrilor
de intrare.
e) imagistica în telecomunica ții – utilizeaz ă:
– tehnici de compresie digital ă a imaginilor și datelor cu facilit ăți de transmitere a lor la
distant ă;
– realizarea unor re țele de comunica ție multimedia cu aplica ții în telemedicin ă, telediagnoz ă,
teleconsultan ță , teleconferin țe, etc.
f) imagistica biomedical ă – se refer ă atât la cea microscopic ă cât și la cea macroscopic ă. Ea
este strâns legat ă de calitatea imaginii de analizat. Imaginile sunt de cele mai multe ori mediocre în
ceea ce prive ște contrastul, în compara ție cu imaginile din domeniul industrial. Dimensiune a
imaginilor este mic ă în compara ție cu cele din domeniul aerian.
Imagistica biomedical ă trebuie s ă țin ă cont de o dinamic ă mare a rezolu ției fiind deseori
necesar ă integrarea informa țiilor de culoare.

UTM 526.1 031 ME Coala
17 Mod Coala Nr. document Semn ăt. Data
1.5. Digitalizarea și reprezentarea imaginilor în PC
Termenul de imagine monocrom ă se refer ă la func ția de intensitate bidimensional ă f(x,y), unde
x și y reprezint ă coordonatele spa țiale ale unui punct din imagine numit pixel, iar f este func ția
propor țional ă în fiecare punct care precizeaz ă intensitatea pixelului din imagine [14-16].
O imagine digital ă este o imagine f(x,y) care a fost discretizat ă atât în coordonate spa țiale cât și
ca intensitate. Elementele unei asemenea re țele digitale sunt deci numi ți pixeli. În spa țiu elementul
spa țial de procesarea a imaginilor se nume ște voxel, v(x,y,z).
Prelucrarea digital ă este mult facilitat ă dac ă se folosesc matrici p ătratice, iar num ărul nivelelor
de gri se alege ca putere întreag ă a lui 2.

1.6. Etapele proces ării imaginilor
Prelucrarea digital ă a imaginilor presupune o succcesiune de etape de p rocesare hard și soft,
precum și de implementare a unor metode teoretice [21,25,26 ,35].
Prima etap ă a prelucr ării este achizi ția de imagine. Dup ă ob ținerea imaginii digitale urmeaz ă
preprocesarea care const ă în aplicarea unor algoritmi de îmbun ătățire, cur ățare de zgomot și izolare a
regiunilor a c ăror structură a pixelilor indic ă o asem ănare cu informa ția alfanumeric ă avut ă în vedere.
Etapa urm ătoare const ă în segmentarea imaginii, repectiv împ ărțirea ei în obiecte distincte
(segmentarea este una dintre cele mai dificile etap e în prelucrarea digital ă de imagini datorit ă
algoritmilor sofistica ți).
Prima decizie ce trebuie luat ă este c ă, datele trebuie se fie reprezentate ca un contur s au ca o
regiune complet ă. Reprezentarea ca și contur este justificat ă în cazul în care prelucrarea urm ăre ște
eviden țierea caracteristicilor de form ă (col țuri, inflexiuni ,etc.), pe când reprezentarea ca și regiune
este mai potrivit ă când se urm ăre ște studiul caracteristicilor interne ale regiunii. În unele aplica ții, cele
dou ă tipuri de reprezentare coexist ă, ca și în cazul recunoa șterii de caractere, care necesit ă algoritmi
baza ți pe forma conturului precum și pe alte propriet ăți interne ale regiunii analizate.
Descrierea sau selec ția caracteristicilor reprezint ă un proces care are ca rezultat o informa ție
cantitativ ă sau caracterictici ce diferen țiaz ă o clas ă de obiecte de altele.
Ultima etap ă este recunoa ștera și interpretarea datelor.
Recunoa șterea datelor reprezint ă procesul de clasificare a unui obiect într-o anumi t ă categorie,
pe baza informa ției rezultate (descriptorilor) în urma descrierii i maginii segmentate.
Interpretarea presupune g ăsirea unei anumite semnifica ții pentru un ansamblu de obiecte
recunoscute. Ca exemplu recunoa șterea unui caracter ( A ) necesit ă asocierea descriptorilor acestui
caracter cu categoria „ A “.

UTM 526.1 031 ME Coala
18 Mod Coala Nr. document Semn ăt. Data
În procesul de afi șare a imaginilor monocrome se folosesc în general c onvertoare
digital/anlogic de 8 bi ți/pixel, generând semnalul video care comand ă str ălucirea pixelilor pe ecran.
Pentru dispozitivele de afi șare monocrome num ărul nivelelor de gri este în acest caz de maxim 256 .
Dispozitivele de afi șare în culori folosesc în general un triplet de 8 b i ți pentru cele trei culori
fundamentale, convertorul furnizând trei semnale pr in care se controleaz ă atât str ălucirea cât și
crominan ța imaginii afi șate.
Paleta de culori este un tabel cu triple ți RGB care specific ă culoarea fiec ărui pixel afi șat.
Modelul RGB este reprezentat printr-un cub în 3D, R , G și B fiind col țurile fiec ărei axe.
Negrul (Black) este originea, iar albul (White) est e vârful lui opus, scala nivelelor de gri
reprezentându-se prin linia Black-White.
Într-o palet ă de culori de 8 bi ți pe culoare, Ro șu (Red) este reprezentat prin (255, 0, 0), iar în
cubul de culori prin (1, 0, 0).
Tratarea RGB este costisitoare ca timp de calcul și spa țiu de memorare, de aceea se pune
problema ca ținând cont de caracteristicile percep ției vizuale umane color bazat ă pe modelul HSI s ă se
poat ă face o conversie într-un nou model. Ca și nou model folosit putem avea modelul YIQ, YUV sau
YCbCr.
În cadrul acestor modele se folose ște semnalul Y ca fiind semnalul de luminan ță , fiind de fapt
str ălucirea pancromatic ă a unei imagini monocrome care urmeaz ă s ă fie afi șat ă cu ajutorul unui tub
monocrom (alb-negru).
Y combin ă semnalele R, G, B într-o propor ție specific ă senzitivit ății ochiului uman. Practic Y
ne d ă intensitatea nuan ței de gri și se calculeaz ă prin:
Y = 0.299·R + 0.587·G + 0.114·B
Ecua ția provine de la standardul NTSC care permite pe ba za acestei rela ții calculul luminan ței.
Uneori pentru anumite aplica ții se folose ște o pondere egal ă pe fiecare component ă și putem
avea urm ătoarea defini ție:
Y = 0.333·R + 0.333·G + 0.333·B
Mărimile I și Q (respectiv U și V sau Cb, Cr) sunt componente ale semnalului colo r și sunt
alese pentru compatibilitate cu echipamentele hardw are de afi șare.
I este în esen ță Red – Cyan și e dat de rela ția:
I = 0.596·R – 0.274·G – 0.322·B
Q este în esen ță Magenta – Green și e dat de rela ția:
Q = 0.211·R – 0.523·G + 0.312·B
U sau Cb corespunde aproximativ lui Green – Magenta fiind definite prin:
Cb = – 0.16874·R – 0.33126·G + 0.5·B
V sau Cr corespunde aproximativ lui Blue – Yellow, fiind definit prin:

UTM 526.1 031 ME Coala
19 Mod Coala Nr. document Semn ăt. Data
Cr = 0.5·R – 0.41869·G – 0.08131·B
Conversia invers ă de la YCbCr la RGB este dat ă de rela țiile:
R = 1.0(Y + 1.402(Cr
G = 1.0(Y – 0.34414(Cb – 0.71414(Cr
B = 1.0(Y + 1.772(Cb
Modelele RGB, YIQ, YUV sau YCbCr sunt folosite din considerente hardware.
RGB este orientat spre senzorii pentru camerele TV și tuburile video de afi șare, iar YIQ, YUV
sau YCbCr sunt considerate datorit ă standardelor de televiziune care le-au impus. Sunt și alte modele
de codare mai utile proces ării de imagini care sunt mult mai legate de percep ția vizual ă uman ă [14].

UTM 526.1 031 ME Coala
20 Mod Coala Nr. document Semn ăt. Data

2. Metode, tehnici și tehnologii aplicate în achizi ția și procesarea
imaginilor
2.1. Analiza sistemelor de achizi ție a informa ției video
Elementele componente ale unui sistem de achizi ție a informa ției video sunt:
– Elementul de achizi ție a imaginii: obiectiv (lentila) și camera video;
– Mediul de transmisie a semnalului video: cablu co axial, perechea torsadata, fibra optica etc;
– Elemente de achizi ție, prelucrare și afi șare a semnalelor video: Quad, Multiplexorul, DVR,
Matricea video, Monitoare video, Amplificatoare / C onvertoare video.

2.1.1. Camera Video
Principiul de func ționare a unei camere video const ă în transformarea luminii reflectate de c ătre
"scen ă" in semnal electric.
Principalul element al procesului este senzorul de imagine, care "scoate" semnalul electric, care
la rândul lui este prelucrat de circuite de procesa re digital ă a semnalului (DSP – Digital Signal
Procesor).
Semnalul video rezultat la ie șirea camerelor video este semnalul video compozit.
Senzorul de imagine CCD – În specifica țiile camerelor video, num ărul de pixeli ai unui CCD
este specificat ca num ăr de pixeli pe orizontala X num ărul de pixeli pe vertical (752H X 582V).
Senzorul de tip CCD are ca principal avantaj, sensi bilitatea ridicat ă în condi ții de iluminare
sc ăzut ă, ceea ce înseamn ă imagini de calitate în condi ții de iluminare sc ăzut ă.
Acest tip de senzor de imagine, CCD , este dezvolta t special pentru industria camerelor video.
Senzorul de tip CMOS – In condi ții de iluminat constant nu este o diferen ță foarte mare intre
dou ă camere cu senzor de tip CMOS și una cu CCD, îns ă atunci când este dorit ă cea mai buna calitate,
tehnologia de tip CCD este recomandat ă.
Standardul de imagine din industria CCTV este 4:3. Cele mai des întâlnite formate pentru
senzorii de imagine CCTV sunt urm ătoarele: 1", 2/3", 1/3", 1/4".
Cu cât dimensiunea CCD-ului este mai mare cu atât i maginea rezultat ă va avea o calitate mai
bun ă. Din motive economice, cele mai des folosite sunt cele de 1/3" și 1/4".
Semnalul video compozit are amplitudinea maxima de 1V vârf-la-vârf. Pentru standardul PAL,
o imagine este formata din 625 linii scanate la o f recventa de 50Hz.
Exist ă dou ă moduri de afi șare a informa ției video: Modul între țesut și modul progresiv scan.
Modul între țesut (2:1 Interlaced): la acest mod o imagine complet ă (frame) este format ă din dou ă
scan ări, prima trecere scaneaz ă fieldurile impare și urm ătoarea pe cele pare.

UTM 526.1 031 ME Coala
21 Mod Coala Nr. document Semn ăt. Data
Modul progresiv scan (1:1 Non-Interlaced): o imagine este format ă dintr-o scanare progresiv ă
de la linia 1 la 625 cu frecventa de 25 frame-uri/s ecund ă. Este foarte folosit în zilele noastre la
monitoarele de tip LCD și TFT.
Camera video are rolul de a prelua informa ția luminoas ă a fiec ărei secven țe video captate, de a
o prelucra la o form ă standard, cerut ă, printr-un semnal video. Elementul cheie al unei c amere video
este captatorul video, care este un dispozitiv de t ransfer de sarcin ă CCD (Charge Coupled Device ) ce
dispune de o fereastr ă activ ă de focalizare compus ă din celule elementare capacitive de tip MOS
(Metal Oxide Semiconductor) .
În func ție de modul de organizare al celulelor, exist ă captatoare video cu transfer între linii
CCD-IT (Charge Coupled Device Interligne Transfer) și captatoare video cu transfer între cadre
CCD-FT (Charge Coupled Device Frame Transfer) .
* CCD-IT: captator ce plaseaz ă celulele fotosensibile al ături de zonele de memorie și registrele
de decalaj, ceea ce diminueaz ă suprafa ța activ ă la aproximativ 1/3, pierzând detaliile fine de ima gine.
*CCD-FT: captator ce organizeaz ă celulele fotosensibile și memoriile asociate pe 2 zone
distincte, permi țând transferul la nivel de bloc al sarcinilor elect rice, la baleierea complet ă a unei
imagini cadru. Pe timpul transferului imaginii este îns ă necesar ă ob țirarea zonei foto sensibile, ceea ce
complic ă tehnologia captatorului.
*CCD-FIT (Charge Coupled Device Frame Interligne Transfer) : este versiunea mixt ă de
captator, ce intercaleaz ă registrele de decalaj la nivelul fiec ărei celule fotosensibile, acestea preluând
sarcinile electrice acumulate, pe care le transfer ă apoi la nivel de bloc, la terminarea explor ării unui
cadru; registrele intermediare lucrând practic ca și obturatori electronici pentru captatorul IT.
În func ție de modalitatea de a capta și trata informa ția de culoare, camerele video pot fi mono
sau tri-captator .
*Camera Mono CCD lucreaz ă cu filtru cu benzi fine verticale, ro șii, verzi, albastre, care separ ă
semnalul color captat. Rezolu ția și sensibilitatea acesteia sunt slabe și sunt recomandate doar pentru
aplica ții pu țin preten țioase și cu utilizare temporar ă.
*Camera Tri CCD lucreaz ă cu un sistem de prisme analizoare, în trei fascico le, de culori
diferite: ro șu, verde și albastru, fiecare fascicol luminos fiind tratat s eparat, apoi codificat video color
YUV. Sincronizarea trebuie s ă fie perfect ă, deoarece cele trei analizoare prelucreaz ă informa ția
aceluia și pixel.
Rezolu ția imaginii (exprimat ă în pixeli), sensibilitatea la lumin ă, diafragma, zoom-ul, nivelul
de profunzime, raportul zgomot/semnal util sunt doa r câ țiva dintre parametrii ce trebuiesc lua ți în
considerare la alegerea unei camere video.
În continuare se prezint ă câteva exemple de camere video prezente pe pia ța R. Moldova.
Camera CAM-WDR2010.

UTM 526.1 031 ME Coala
22 Mod Coala Nr. document Semn ăt. Data
CAM-WDR2010 Pixim Camera – 1/3"Pixim Orca Chipset, digital Pixel System (DPS),
500TVL, Color 0.5Lux (F1.2,50IRE), 0.08Lux(DSS) cu OSD (On-Screen Display) meniu, PAL/NTSC
system selectable via OSD, Wide dynamic range, cali tate superioar ă a imaginii și rezolu ției.
O camer ă de supraveghere superioar ă din punct de vedere al calit ății imaginii și rezolu ției
foarte mari. Cu un sistem nou wide dynamic range și cu OSD propriu camera de supraveghere
WDR2010 este ideal ă pentru spatii comerciale, cazinouri, parc ări , etc.
Camere CAM-817N CCD Sony.
AM-817N CCDSony Super Had – Color Waterproof Camera With IR, 420 Tv Line, 0Lux
6mm/F1.6, Lens 12, Leduri IR distanta 10-15m, culoa re neagr ă.
Camera de supraveghere cu lumin ător infraro șu ideala pentru supravegherea la exterior atât pe
timp de zi cât și pe timp de noapte. Datorit ă celor 12 leduri IR camera de supraveghere CAM-817N
poate vizualiza pe timp de noapte pân ă la o distanta de 15m.
Camera Cam-310B CCD LG.
Cam-310B CCD LG – BW Box Camera 1/3", 420 Tv Line, 0.2Lux/F1.2, 12V (include picior și
lentila intre 4-16 mm).
Camera de supraveghere alb negru, Cam-310B CCD LG – BW Box Camera 1/3", 420 Tv Line,
0.2Lux/F1.2, 12V (include picior și lentil ă între 4-16 mm).
Camera CAM-819OT CCD Sony Waterproofcu IR, 480 lini i TV.
CAM-819OT CCD Sony Super Had – Camer ă color Waterproofcu IR, 480 linii TV, 0Lux,
6mm/F1.6 Lens, distanta 40-45 metri, culoare neagra .
Camera de supraveghere IR de exterior. Poate fi fol osit ă atât exterior cât și la interior.
Supravegherea se poate face acum și pe timp de noapte datorit ă ledurilor IR pân ă la o distan ță de 40-45
metri. Camera de supraveghere CAM-819OT poate fi fo losit ă pentru supravegherea magazinelor,
birourilor, locuin țelor, a locurilor de produc ție, depozite, hale industriale.
Camere WEB.
Logitech QuickCam C200
QuickCam C200, VGA Sensor, rez. video 640*480, max. 30fps, Built-In Mic, RightSound,
Snapshot Button, UVC Compliant, Universal monitor c lip, USB 2.0;
Logitech QuickCam C600
Logitech QuickCam C600 este o camera web cu senzor HD de 2MP, capabil ă să înregistreze la
o rezolu ție de 1600×1200 pixeli;
Microsoft LifeCam VX-3000
Camera web Microsoft LifeCam VX-3000, 1.3 Mpx, rezo lutie 640×480, microfon, USB, 68A-
00004;
Logitech QuickCam C300

UTM 526.1 031 ME Coala
23 Mod Coala Nr. document Semn ăt. Data
Web-Cam Logitech 960-000390 QuickCam C300, 1.3MP Se nsor, rezolu ția video 1280*1024,
max. 30fps, Built-In Mic, RightSound, Snapshot Butt on, Video Effects Fun Filters, UVC Compliant;
Logitech QuickCam Sphere
Camera Web Logitech QuickCam Sphere AF, senzor 2MP, rez. foto 8MP, rez. video up to
1600 x 1200, max. 30fps, microfon incorporat, lenti le Carl Zeiss, USB 2.0;
Creative Live! Cam Video IM Ultra (73VF041500001)
Camera Web Creative Live! Cam Video IM Ultra, rezol u ție video 1280×1024, senzor VGA,
USB 2.0;
Asus MF-200
Camera web ASUS MF-200, senzor CMOS, rezolu ție VGA 640 x 480, digital zoom 4x,
interfata USB, Manual Focus, culoare negru;
Genius iLook 300
Webcam Genius i-Look 300, 300K, 3360 x 2520(8MP) Im age, 1.3MP Video, Clipping for
Desktop/NB/LCD, USB;
PC CAMERA HERCULES WEBCAM CLASSIC LINK
PC Camera Hercules Classic Link, Camera web cu micr ofon incorporat, USB 2.0 (compatibil
USB 1.1), senzor VGA CMOS pentru a captura foto și video la 800×600 pixeli, pân ă la 30 fps,
focalizare reglabil ă manual, rotire 360 grade, sistem de prindere unive rsal pentru orice tip de monitor,
software inclus: Webcam Station Evolution SE, pentr u Windows XP.

2.1.2. Pl ăci de achizi ție Video
Placa video prezint ă dispozitive de numerizare a semnalului video analo gic. Video digitizoarele
pot fi camere video sau echipamente echivalente, fo losesc un convertor analog digital, preluând un
semnal video de la un aparat video sau camer ă TV. Flash convertorul este cel mai r ăspândit tip de
video digitizor.
Aceste dispozitive au evoluat în timp, devenind tot mai sofisticate și complexe. Tehnologia a
fost orientat ă spre prelucrarea simultan ă a mai multor fluxuri video independente, suprapune ri de text
și grafic ă peste secven țe video, edit ări în mai multe ferestre video și combin ări de imagini. Pentru
mărirea vitezei de procesare a imaginilor și a cadrelor video se apeleaz ă la o serie de tehnici de
accelerare, care sunt implementate în soft sau în h ard, în general, prin procesoare specifice (pl ăci
video). Una din tehnicile cele mai utilizate este c ea a transferurilor pe blocuri de bi ți, bit BLT ( bit
Block Logical Transfer).
Cele mai utilizate cartele electronice de achizi ție și restituire video, pentru PC, sunt video
procesoarele (pl ăci video), precum Fast DVI (Intel), Video Blaster ( Creative Labs), Video Maker
(Vitec), Smart Video Recorder (Intel). În afar ă de pre ț, performan țele de comprimare și de

UTM 526.1 031 ME Coala
24 Mod Coala Nr. document Semn ăt. Data
decomprimare a informa ției transmise sunt principalii factori care le împa rt pe domenii de utilizare
curent ă sau profesional ă.
Succint voi analiza câteva dispozitive de achizi ție a informa ției video.
Placa de achizi ție video GIP9404.
– monitorizare REAL-TIME pentru slot PCI;
– 4 canale video, display și înregistrare PAL 100 fps;
– se pot instala 3 placi intr-un singur PC (real-ti me);
– rezolu ție 640×480, 352×288, 320×240, compresie H.264, MPEG 4, calitate superioara a
imaginii – 9 bi ți ADCs (chip Philips/NXP SAA7134HL); vizualizarea m ai multor canale în acela și
timp (1/4/9/12) sau prin rota ție;
– func ții de înregistrare: la mi șcare, continu ă, programabil ă, cu op țiuni pentru rezolu ția
înregistr ării pentru fiecare camer ă, op țiuni pentru num ărul de fps pentru fiecare camer ă, înregistrarea
la mi șcare cu op țiuni pentru sensibilitate, alarmare sonor ă, mesaj și poze pe e-mail, ajustarea
imaginilor video pentru fiecare camer ă din punct de vedere al luminozit ății, contrast, satura ție și
culoare, control PTZ, conectare re țea și Internet; înc ărcare redus ă a hard disk-ului: 80-150M pe
ora/canal video la înregistrare.
Placa de achizi ție video GIP9404A.
– monitorizare REAL-TIME AUDIO și VIDEO pentru slot PCI;
– 4 video+4 canale audio, display și înregistrare PAL 100fps;
– se pot instala 3 placi (12 canale video+12 canale audio);
– rezolu ție 640×480, 352×288, 320×240, compresie H.264, MPEG 4, calitate superioara a
imaginii – 9 bi ți ADCs (chip Philips/NXP SAA7134HL); vizualizarea m ai multor canale in acela și
timp (1/4/9/12) sau prin rota ție;
– func ții de înregistrare: la mi șcare, continu ă, programabil ă, cu op țiuni pentru rezolu ția
înregistr ării pentru fiecare camer ă, op țiuni pentru num ărul de fps pentru fiecare camer ă, înregistrarea
la mi șcare cu op țiuni pentru sensibilitate, alarmare sonor ă, mesaj și poze pe e-mail, ajustarea
imaginilor video pentru fiecare camer ă din punct de vedere al luminozit ății, contrast, satura ție și
culoare, control PTZ, conectare re țea și Internet; înc ărcare redus ă a hard disk-ului: 80-150M pe
ora/canal video la înregistrare.
Placa de achizi ție video GIP9808.
– monitorizare REAL-TIME pentru slot PCI;
– 8 canale video, display și înregistrare PAL 200 fps;
– se pot instala 2 pl ăci într-un singur PC (real-time) sau pana la 4 pl ăci pentru 32 canale video

UTM 526.1 031 ME Coala
25 Mod Coala Nr. document Semn ăt. Data
– rezolu ție 640×480, 352×288, 320×240, compresie H.264, MPEG 4, calitate superioar ă a
imaginii – 9 bi ți ADCs (chip Philips/NXP SAA7134HL); vizualizarea m ai multor canale în acela și
timp (1/4/9/16/25/32) sau prin rota ție;
– func ții de înregistrare: la mi șcare, continu ă, programabil ă, cu op țiuni pentru rezolu ția
înregistr ării pentru fiecare camer ă, op țiuni pentru num ărul de fps pentru fiecare camer ă, înregistrarea
la mi șcare cu op țiuni pentru sensibilitate, alarmare sonor ă, mesaj și poze pe e-mail, ajustarea
imaginilor video pentru fiecare camer ă din punct de vedere al luminozit ății, contrast, satura ție și
culoare, control PTZ, conectare re țea și Internet; înc ărcare redus ă a hard disk-ului: 80-150M pe
ora/canal video la înregistrare.
Placa de achizi ție video GIP1416.
– monitorizare REAL-TIME pentru slot PCI-Express;
– 16 canale video, display și înregistrare PAL 400 fps;
– se pot instala 2 placi intr-un singur PC pentru 32 canale video (real-time) sau în combina ție
cu o plac ă de captur ă GIP 1408 pentru formarea unui sistem de 24 canale video (timp real = mi șcare
continua);
– rezolu ție 352×288, 704×576, compresie H.264 optimizat, cal itate și claritate superioar ă a
imaginii – 10 bi ți ADCs (chip Conexant CX25853); vizualizarea mai mu ltor canale șn acela și timp
(1/4/9/16/25/32) sau prin rota ție;
– func ții de înregistrare: la mi șcare, continu ă, programabil ă, cu op țiuni pentru rezolu ția
înregistr ării pentru fiecare camer ă, op țiuni pentru num ărul de fps pentru fiecare camer ă, înregistrarea
la mi șcare cu op țiuni pentru sensibilitate, alarmare sonor ă, mesaj și poze pe e-mail, ajustarea
imaginilor video pentru fiecare camer ă din punct de vedere al luminozit ății, contrast, satura ție și
culoare, control PTZ, conectare re țea și Internet; înc ărcare redusa a hard disk-ului: medie 150M pe
ora/canal video la înregistrare.
Placa de achizi ție video 4 ch PV 140 V PRO.
Placa DVR, DISPLAY RATE 25 Fps PAL, RECORDING RATE 25 Fps PAL, 4 intr ări video,
extensibila la 16 canale video, conectare LAN, WAN, compresie MPEG 4, înregistrare continu ă, la
senzor extern, dup ă program, detec ție de mi șcare video pe fiecare canal, transmiterea imaginii și
sunetului la distan ță, num ăr de cadre la înregistrare și modul de înregistrare sunt setabile, rezolu ție
640×480, posibilitate de arhivare pe suport CD, DVD , formate AVI, BMP, JPG, ie șire PTZ,
WINDOWS 2000/XP, E-MAP, I/O control, web server, so ft client (TCP/IP), Web Cam System, soft
de monitorizare, suport ă IP dinamic, multiple nivele de parole, PDA și web server.

UTM 526.1 031 ME Coala
26 Mod Coala Nr. document Semn ăt. Data
2.2. Analiza sistemelor de procesare a informa ției video
Industria tehnologiilor informa ționale ofer ă o gam ă forte larg ă de produse program destinate
pentru procesarea imaginilor. În continuare voi des crie succint câteva din acestea.
Programul Lightbox Image Editor – este un editor de imagini gratuit cu o interfa ță
prietenoas ă conceput ă pentru o modalitate u șoar ă de editare a imaginilor. Un editor simplu, dar
puternic, cu un nivel mare de calitate a imaginii și u șor de utilizat, asigur ă monitorizarea activit ății pe
schimbarea imaginii.
Programul este foarte folositor pentru încep ători. El are, de asemenea, facilit ăți avansate pentru
cei care sunt fascina ți de procesul de procesare a imaginii. Programul Li ghtbox Image Editor include o
versiune de 30 de zile de lightbox Plus Image Edito r, care are multe func ții utile. Spre deosebire de
editori web, lightbox gratuit Image Editor este foa rte puternic și rapid.
Interfa ța GUI a programului Lightbox Image Editor se prezin t ă în figura 2.1.

Figura 2.1. Interfa ța GUI a programului Lightbox Image Editor.

Programul Sagelight permite de a îmbun ătățiți imaginile, func ționeaz ă ca un editor
profesionist, pentru a ob ține rezultate bune. Programul este cunoscut ca o al ternativ ă la toate editoarele
tradi ționale și standard pentru a ob ține rezultate rapid și u șor. Cu un motor dublu, programul folose ște
o noua tehnologie, avansat ă pentru a controla toate aspectele legate de imagin e. Programul Sagelight
are multe caracteristici noi și avansate concepute special pentru tehnologia actu al ă, în imagini digitale.
Interfa ța GUI a programului Sagelight se prezint ă în figura 2.2.

UTM 526.1 031 ME Coala
27 Mod Coala Nr. document Semn ăt. Data
Figura 2.2. Interfa ța GUI a programului Sagelight.

Programul Galaxy 2 – este un plug-in pentru crearea de efecte video s peciale și uimitoare.
Programul are peste 160 de efecte de baz ă și func ționeaz ă pe Windows și Mac OS X. Poate fi instalat
ca parte component ă în aplica țiile Photoshop, Photoshop Elements, Paint Shop Pro, Foto-Paint,
IrfanView și PhotoImpact. Aceasta sus ține imagini pe 8 și 16 bi ți RGB. Galaxy 2 ofer ă func ții pentru
procese transparente, nuan țe metalice, crom, neon, sticl ă, curcubeu, nuan țe solare, efecte de foc,
ploaie, z ăpad ă, ap ă de suprafa ță. Toate efecte plug-in pentru Galaxy 2 sunt disponi bile în o singur ă
fereastr ă.
Interfa ța GUI a Programului Galaxy 2 se prezint ă în figura 2.3.

Figura 2.3. Interfa ța GUI a Programului Galaxy 2.

Achizi ția și procesarea imaginilor constituie una din direc țiile principale ale inteligen ței
artificiale. Aceste opera ții sunt prezente în majoritatea sistemelor de: secu ritate, control de acces,
recunoa șterea persoanelor și a obiectelor, etc.

2.3. Metode și tehnologii pentru procesarea imaginilor
Scopul analizei automate computerizate a imaginilor este de a oferi capabilit ăți asem ănătoare
cu cele umane [14-17].
Printre caracteristicile urm ărite în vederea ob ținerii unor sisteme inteligente avem:
1. posibilitatea extragerii unor informa ții prelucrabile (pertinente) din detalii, în genera l
irelevante;
2. posibilitatea de a înv ăța din exemple și de a generaliza cuno știn țe astfel încât ele s ă poat ă fi
folosite în circumstan țe noi și diferite;
3. posibilitatea de a efectua inferen țe din informa ții incomplete.

UTM 526.1 031 ME Coala
28 Mod Coala Nr. document Semn ăt. Data
Structura general ă a unui sistem cu viziune artificial ă este dat ă în Figura 2.4.

Figura 2.4. Structura general ă a unui sistem cu viziune artificial ă.

Etapele urm ărite de c ătre un sistem cu viziune artificial ă sunt:
a) achizi ția imaginii, care duce la digitizarea imaginii într -o memorie de imagini;

b) pretratarea, prin metode de restaurare a imagini i și eliminarea zgomotelor și a defectelor de
iluminare;
c) determinarea de caracteristici din imagine, prin extragere de atribute, determinare de
primitive în vederea stabilirii unui procedeu de în v ățare pentru sistemul cu viziune;
d) descrierea simbolic ă și clasificarea, care preg ăte ște interpretarea final ă prin g ăsirea zonelor
de interes cu ajutorul tehnicilor de segmentare a i maginii și eventual caracterizarea acestor zone de
interes cu atribute sau descrieri structurale;
* Pe baza acestor date se face o clasificare a zone lor de interes, care va fi validat ă de
urm ătoarea etap ă.
e) interpretarea, prin care scena de analizat va fi în țeleas ă, ceea ce implic ă cunoa șterea
domeniului de aplicabilitate.

UTM 526.1 031 ME Coala
29 Mod Coala Nr. document Semn ăt. Data
În ultima perioad ă, un lucru tot mai important de care trebuie s ă țin ă seama un sistem de
analiz ă a imaginilor îl reprezint ă transmiterea datelor și a imaginilor.
Pentru a realiza o transmisie de date la distan ță cu ajutorul sistemelor de calcul, datele trebuie
codificate într-o form ă adecvat ă atât sistemelor de calcul, cât și dispozitivelor prin care acestea sunt
transmise. Sistemele de calcul înmagazineaz ă datele ca semnale digitale exprimate în bi ți, în timp ce
dispozitivele de comunicare utilizeaz ă semnale analogice care sunt exprimate sub forma un or
frecven țe.
Analiza imaginilor const ă din utilizarea informa țiilor bidimensionale sau tridimensionale de la
un captor vizual, utilizând trat ări numerice, cu ajutorul calculatoarelor în procesu l de analiz ă.
Patru factori au influen țat în mod decisiv dezvoltarea unor sisteme de anali z ă a imaginilor de
cost redus:
– larga disponibilitate a unor sisteme de calcul re lativ ieftine (compatibile IBM PC sau
Macintosh) cu posibilit ăți de calcul și memorare ridicate precum și cu posibilit ăți de interfa țare la
dispozitive de stocare a imaginilor de tip frame-gr abber sau pl ăci multimedia;
– dezvoltarea unor circuite integrate care permit o conversie a semnalelor video de înalt ă
calitate și la o rat ă de transfer ridicat ă;
– cre șterea calit ății dispozitivelor de achizi ție de imagini combinat ă cu reducea pre țurilor de
vânzare;
– disponibilitatea atât hardware, cât și software pentru calculatoare compatibile IBM PC s au
Macintosh, a unor pl ăci de achizi ție de imagini precum și a unor programe aplicative sau biblioteci de
func ții (clase) la un pre ț din ce în ce mai redus și cu posibilit ăți de calcul din ce în ce mai mari.
Prin digitizare, scena din realitate este convertit ă într-o imagine compus ă din unit ăți digitizate
(pixeli în cadrul spa țiului 2D, voxeli în spa țiul 3D) c ărora în general le este asociat ă o valoare,
valoarea de gri, cuprins ă uzual între 0 și 255, reprezentând intensitatea spotului luminos c onvertit.
Scena reprezint ă acea zona "v ăzut ă" de c ătre captor format ă dintr-o mul țime de obiecte fizice
într-o zon ă a mediului, iar imaginea reprezint ă în general o matrice de pixeli stocat ă într-o memorie de
imagini care urmeaz ă a fi prelucrat ă de c ătre un sistem de calcul, reprezentând proiec ția scenei pe un
plan bidimensional.
Prima diferen ță important ă între vederea uman ă și imaginea analizat ă de sistemul de calcul este
modul în care se achizi ționeaz ă imaginea. Cei mai obi șnui ți senzori utiliza ți pentru captat imagini sunt
camera video și scanner-ul.
Pentru a putea procesa o imagine, ea trebuie trecut ă în calculator într-o form ă digital ă. Pentru a
digitiza imaginile analogice ele trebuie e șantionate și cuantizate.
Eșantionarea presupune procesul de captur ă de e șantioane din semnalul analogic, adic ă
preluarea punctelor de informa ție aflate la diferite distan țe unele de altele.

UTM 526.1 031 ME Coala
30 Mod Coala Nr. document Semn ăt. Data
Cuantizarea reprezint ă procesul asign ării unei valori binare pentru fiecare valoare e șantionat ă.
Camerele de achizi ție a imaginilor pot fi împ ărțite în:
a) Camere standard, care utilizeaz ă cipuri care au o mul țime de senzori pentru pixeli (elemente
de imagine) – 500.000 senzori /cmp. Senzorii func ționeaz ă ca num ărători de fotoni, astfel c ă semnalul
sumat și amplificat de la fiecare linie a acestor senzori produce un voltaj analog.
b) Camere cu vidicon (camere de tip vechi cu tub) d e vacuum sunt camere mai ieftine și
servesc ca prototip de compara ție cu camerele solide, iar principiul de func ționare este cel al
fotoconductibilit ății.
c) Camere digitale. Majoritatea înc ă nu sunt potrivite pentru aplica ții tehnice datorit ă unor
limit ări de optic ă și a rezolu ției limitate, datorit ă faptului c ă folosesc compresii de tip JPEG ceea ce
produce pierderi. Sunt unele camere mai avansate ca re nu pierd prin compresie și acestea s-ar preta la
aplica ții tehnice. Camerele utilizate în domeniul tehnic n u au facilit ăți de comprimare, ele folosind
sistem optic flexibil și asigurând o rezolu ție înalt ă.
Exist ă trei tipuri principale de camere digitale în acest moment:
– cu cip monocrom; se pot realiza capturi color dac ă se folosesc trei filtre RGB și trei secven țe
de imagini
– cu scanare liniar ă; au rezolu ție mare și timp îndelungat de scanare, sunt folositoare doar
pentru imagini statice
– care utilizeaz ă cipuri de megapixel de provenien ță RGB. O camer ă de acest tip este lent ă,
direct legat ă la interfe țele SCSI ale sistemelor de calcul, nu realizeaz ă compresii, posibilit ăți mari de
depozitare a imaginilor; înc ă sunt foarte costisitoare.
Tendin ța actual ă este de a îmbun ătăți camerele standard prin îmbun ătățirea continu ă a
rezolu ției spa țiale (num ărul senzorilor individuali), uniformitatea realiz ării lor și reducerea costurilor
acestor camere. R ămâne de v ăzut în ce m ăsura HDTV (High Definition Tele Vision – televiziun e de
înalt ă rezolu ție), va aduce îmbun ătățiri remarcabile camerelor video în viitorul apropia t.
Indiferent de camera ce se poate folosi pentru achi zi ția de imagini este important ca sistemul
optic al camerei s ă focalizeze corect pentru a captura detalii fine al e imaginii. Exist ă camere care
realizeaz ă acest lucru automat – sisteme de microscopie autom at ă sau unele sisteme de urm ărire.
Pl ăcile de achizi ție a imaginilor sunt dispozitive intercalate între camerele video și sistemul de
calcul. Ele pot fi de tip frame-grabber, sau mai no u pl ăcile multimedia de cost relativ sc ăzut pot
îndeplini rolul acestor pl ăci de achizi ție. Aceste pl ăci de achizi ție au ajuns ast ăzi la performan țe
deosebite atât ca vitez ă de achizi ție, ca rezolu ție dar și ca posibilit ăți de a prelucra într-o oarecare
măsur ă imaginea capturat ă.
Tendin ța actual ă pe pia ța pl ăcilor de achizi ție este de a realiza pl ăci extrem de performante cu
soft de analiz ă și prelucr ări de imagine care sunt utilizate mai ales în scopu ri profesionale.

UTM 526.1 031 ME Coala
31 Mod Coala Nr. document Semn ăt. Data
Când se lucreaz ă cu un sistem de analiz ă computerizat ă a imaginilor acestea trebuie salvate pe
disc sub form ă de fi șiere care sunt oarecum asem ănătoare cu celelalte tipuri de fi șiere, (text, programe,
etc… dar din anumite motive, fi șierele cu imagini digitale trebuie s ă fie considerate distincte din
anumite puncte de vedere. Fi șierele de imagine sunt de obicei mari. O singur ă imagine de 640×480
pixeli monocrom ocupa aproximativ 300 KB în timp ce o imagine color necesita aproximativ 1 MB.
Imaginile în 3D sunt mult mai mari (de exemplu 500 x 500 x 500 imagine de reconstruc ție tomografic ă
3D ocup ă aproximativ 125 MB), deci se necesit ă o mare capacitate de stocare. O serie de imagini c e
duc la o secven ță animat ă [16,17].
O imagine digital ă pe 8 bi ți de dimensiuni 1024 x 1024 pixeli necesit ă 10 6 bi ți, adic ă un spa țiu
foarte mare, de aceea memoria ocup ă un loc important în sistemele de prelucrare de ima gini.
Pentru aplica ții de prelucrare de imagini se poate realiza:
– memorare pe termen scurt, necesar ă proces ării popiu-zise;
– memorarea on-line, necesar ă pentru accesare rapid ă;
– memorarea în vederea arhiv ării, în care accesul la imagine este mai pu țin frecvent.
Memoria pe termen scurt este memoria de lucru a cal culatorului (RAM) sau mai exist ă anumite
pl ăci de memorie specializate numite “memorii cadru” ( frame buffers) care permit memorarea unuia
sau mai multor cadre la care accesul este foarte ra pid, adic ă în timp real (25 cadre / s).
Memoria „on-line” se face de obicei cu discuri magn etice, discurile Winchester care au viteza
de acces bun ă și reprezint ă un suport bun de memorare dar înc ă scump și are restric ții ca m ărime.
Memoria de arhivare se caracterizeaz ă prin capacit ăti foarte mari de memorare necesare dar cu
accesare mai pu țin frecvent ă. Acestea sunt discurile optice și benzile magnetice.
Tenta ția de a realiza un format de imagine propriu este f oarte mare, mai ales în cazul firmelor
de marc ă care doresc sa- și impun ă standardele, ajungându-se astfel la multe formate de imagine
diferite. Acestea pot fi apreciate dup ă mai multe criterii cum ar fi, gradul de compresie pe care îl
realizeaz ă și timpul necesar împachet ării și despachet ării acestora. Cele mai importante formate din
aceasta categorie sunt: PCX, BMP, IMG, TARGA, IBM, TIFF, GIF, WPG, JPEG, PIC, CDR, PCD,
etc.
O imagine este un tablou bidimensional de pixeli, d enumit adesea rastru (raster). Fiecare linie
orizontal ă este numit ă linie de scanare, sau linie de rastru. În calculat or, culoarea fiec ărui pixel este
reprezentat ă printr-una din urm ătoarele metode:
– dac ă imaginea este monocrom ă, culoarea fiec ărui pixel este exprimat ă printr-o valoare de 1
bit – 1 – 0;
– pentru o imagine True Color, culoarea fiecarui pi xel este exprimat ă în termenii intensit ăților
de ro șu (R), verde (G) și albastru (B) care creeaz ă culoarea. De obicei, fiecare component ă a unei
culori este reprezentat ă pe un octet, astfel exist ă 256 de nivele pentru fiecare componenta de culoare .

UTM 526.1 031 ME Coala
32 Mod Coala Nr. document Semn ăt. Data
Aceasta abordare necesit ă trei octe ți pentru fiecare pixel și permite pân ă la 256 x 256 x 256 =
16777216 sau 16 milioane de combina ții distincte ale valorilor RGB (culori);
– pentru o imagine bazat ă pe o palet ă de culori, valoarea fiecarui pixel este interpreta t ă ca un
index într-un tabel cu valori RGB cunoscut sub nume le de palet ă de culori, sau hart ă de culori
(Colormap). Pentru fiecare pixel se afisez ă valoarea RGB corespunz ătoare con ținutului acelui pixel.
Num ărul de bi ți necesari pentru stocarea valorii fiec ărui pixel depinde de num ărul de culori din palet ă.
Dimensiunile obi șnuite ale paletelor de culori sunt 16 (necesit ă 4 bi ți pe pixel) și 256 (necesit ă 8 bi ți pe
pixel).
Pentru a putea interpreta și afi șa o imagine stocat ă electronic, imaginea trebuie s ă con țin ă cel
pu țin urm ătoarele informa ții [17]:
– dimensiunile imaginii – l ățimea și în ălțimea;
– num ărul de bi ți pe pixel;
– tipul imaginii – dac ă valorile pixelilor trebuie interpretate ca fiind c ulori RGB sau elemente
într-o palet ă de culori;
– paleta de culori – dac ă imaginea folose ște vreuna;
– datele imaginii, care reprezint ă tabloul cu valorile pixelilor;
Aproape toate fi șierele imagine (Figura 2.5) con țin acest set de informa ții, dar fiecare format
specific de fi șier organizeaz ă aceste informa ții într-un alt mod.

Antet

Paleta de culori
(dac ă exist ă)

Datele imaginii
(tabloul de pixeli)

Figura 2.5. Format tipic de fi șier imagine.

Aceast ă figur ă reprezint ă structura unui fi șier imagine tipic ă. Fi șierul începe cu un scurt antet –
având de la câ țiva pân ă la 128 sau chiar mai mul ți octe ți. Urmeaz ă apoi o palet ă de culori dac ă valorile
pixelilor din imagine folosesc paleta de culori. Da tele imaginii – tabloul cu valorile pixelilor – apa r
dup ă paleta de culori. De obicei tabloul de pixeli este stocat linie cu linie. Tabloul de pixeli ocup ă cea
mai mare parte a fi șierului imagine. De exemplu, o imagine de dimensiun e 640 x 480 pixeli cu 256

UTM 526.1 031 ME Coala
33 Mod Coala Nr. document Semn ăt. Data
culori necesit ă 640 x 480 = 307200 octe ți pentru stocare, deoarece valoarea fiec ărui pixel ocup ă un
octet. Desigur, spa țiul de stocare necesar pentru datele imaginii poate fi redus recurgând la compresia
datelor, fie printr-un algoritm de codare pe baza l ungimii, fie cu alte scheme de compresie.
Cu toate c ă multe fi șiere imagine au un aspect similar celui prezentat a nterior este loc pentru
mai multe varia ții:
– ordinea informa țiilor din antet poate s ă difere de la un format de fi șier la altul;
– formatele dependente de ecran sar peste întreaga paleta de culori și stocheaz ă numai tabloul
de pixeli;
– tabloul de pixeli poate fi stocat de sus în jos s au de jos în sus;
– dac ă valorile pixelilor sunt componente RGB, ordinea ro șu, verde, albastru poate fi
modificat ă;
– valorile pixelilor pot fi stocate în format împac hetat sau ca planuri de bi ți. În formatul
împachetat, to ți bi ții apar ținând unui pixel sunt stoca ți unul dup ă altul. Când imaginea este stocat ă pe
planuri de bi ți, bi ții pentru fiecare pixel sunt separa ți conform pozi ției bitului, cei mai pu țin
semnificativi bi ți ai tuturor pixelilor sunt stoca ți linie cu linie, apoi se trece la bi ții urm ătoarei pozi ții de
bit și a șa mai departe;
– valorile pixelilor pot fi stocate într-un format comprimat.
Exist ă mai multe metode de stocare a unei imagini într-un fi șier, acesta fiind motivul pentru
care ve ți g ăsi atât de multe tipuri diferite de formate pentru fi șiere imagine. Iat ă câteva dintre cele mai
populare formate de fi șiere imagine:
8Formatul PCX, folosit la început de programul Paint Brush al companiei Zsoft, este un
format pentru fi șiere imagine pe care-l suport ă multe programe de desenare si scanere. Fi șierele PCX
folosesc o schem ă de codare pe baza lungimii (Run-Length-Encoding – RLE) pentru a stoca imaginea
într-o form ă comprimat ă;
8 Formatul BMP Windows sau DIB (un format introdus d e Microsoft Windows 3.0)
stocheaz ă imaginea ca pe o hart ă de bi ți independent ă de dispozitiv. Formatul DIB include o palet ă de
culori și stocheaz ă datele imaginii într-o manier ă standard pentru a face fi șierul imagine independent
de dispozitiv. Formatul Windows BMP poate stoca ima gini folosind 1 (monocrom), 4 (16 culori), 8
(256 culori) sau 24 (16 milioane de culori) de bi ți pe pixeli. Formatul BMP nu este la fel de eficien t ca
PCX și alte formate, dar interpretarea fi șierelor BMP este relativ u șoar ă;
8Formatul pe 24 de bi ți Truevision Targa provine de la adaptoarele de ecr an de înalt ă
performan ță pentru PC-uri Truevision. Exist ă câteva tipuri diferite de fi șiere Targa. Cea mai popular ă
este versiunea cu 24 de bi ți pe pixel care foloseste 8 bi ți pentru fiecare dintre componentele R, G și B.
Acest format poate stoca fi șiere imagine cu pâna la 16 milioane de culori. Totu și, dimensiunea

UTM 526.1 031 ME Coala
34 Mod Coala Nr. document Semn ăt. Data
fi șierului pentru o imagine pe 24 de bi ți este foarte mare – o imagine 640 x 480 pe 24 de b iti necesit ă 3
x 640 x 480 = 921600 octe ți, adic ă aproximativ un 1Mb;
8TIFF, sau Tagged Image File Format a fost dezvoltat în colaborare de Microsoft Corporation
și Aldus Corporation ca un format flexibil, independ ent de sistem, pentru stocarea de imagini
monocrome pâna la imagini cu culori pe 24 de bi ți. Multe programe de tehnoredactare computerizat ă și
procesoare de texte pot citi și folosi imagini TIFF. În plus, toate scannerele di spun de programe de
control care pot salva imagini în formatul TIFF;
8GIF sau Graphics Interchange Format a fost dezvolta t de CompuServe pentru stocarea într-o
form ă compact ă a imaginilor cu pân ă la 256 de culori. Fi șierele GIF stocheaz ă imagini folosind
schema de compresie LZW (denumit ă astfel dup ă autorii ei, Lempel-Ziv-Welsh);
8JPEG (Join Photographers Expert Group) este cel mai utilizat format de imagine în re țeaua
Internet. Este un format comprimat de imagine ceea ce îi confer ă avantaje extrem de mari în
compara ție cu celelalte formate de imagine.
Metodele de compresie ale imaginilor faciliteaz ă comunicarea rapid ă între diferite sisteme pe
baza imaginilor, precum și stocarea lor în vederea unei utiliz ări ulterioare. În ultimii ani s-a trecut la
standardizarea procesului de compresie a imaginilor în vederea utiliz ării imaginilor în diverse aplica ții
de prelucr ări de imagini.
Prin rata de compresie, C r în țelegem raportul dintre cantitatea ini țial ă de date necompresate și
cantitatea de date compresat ă:
compresate date originale date Cr=

Exist ă metode de compresie a imaginilor care conduc la de gradarea informa țiilor în momentul
decompresiei lor, func ție de gradul de compresie ales (lossy compression). Aceste metode duc la
pierderea informa țiilor neesen țiale și redundante. Ratele de compresie sunt relativ mari necesitând îns ă
algoritmi mai complica ți și mai multe calcule. Aceste metode pot fi folosite la imagini care urmeaz ă
doar s ă fie vizualizate, omul ne-sesizând pierderile [14-1 7].
Exist ă și metode de compresie a imaginilor, metode care nu duc la degradarea informa țiilor
(lossles compresion) prin refacerea lor prin decomp rimare, îns ă eficien ța acestor metode este relativ
sc ăzut ă fiind tot mai pu țin folosite. Un sistem care suport ă compresia datelor trebuie sa con țin ă in
configura ția sa un codor și un decodor (Figura 2.6.).

Figura 2.6. Sistem care suport ă compresia datelor [17]. Stocarea sau
tansmisia
datelor Ie șirea
datelor Introducerea
datelor Codor Decodor

UTM 526.1 031 ME Coala
35 Mod Coala Nr. document Semn ăt. Data

Cele mai importante trei standarde de compresie de imagini (care s-au impus în mod deosebit
în acest moment în domeniul compresiilor de date) s unt:
– JPEG (Join Photographic Experts Group), utilizat în cazul imaginilor statice. Codorul JPEG
converte ște imaginea într-o reprezentare de frecven ță spa țial ă folosind o transformare DCT (Discret
Cosine Transform) 2D;
– MPEG (Moving Pictures Expert Group), utilizat în cadrul imaginilor în mi șcare, cu diverse
variante care s-au dezvoltat în ultimii ani. Codoru l MPEG este mult mai complex decât codorul JPEG.
Acest codor caut ă s ă fac ă o predic ție asupra evolu ției unei imagini, printr-un estimator de mi șcare,
transformând și codificând apoi diferen ța între imaginea prev ăzut ă și imaginea în sine. Predic ția
imaginilor poate fi facut ă pe baz ă imaginilor viitoare precum și pe baza celor trecute. Astfel codorul
trebuie s ă reordoneze imaginile punând imaginea de referin ță înaintea celor prev ăzute. Decodorul pune
imaginile înapoi într-o ordine de afi șare corect ă;
– P*64 , reprezint ă standardul CCITT H.261, ca și codor/decodor în videotelefonie. Codorul
P*64 codific ă de asemenea imagini prev ăzute a fi eronate, dar care trebuie s ă le ia a șa cum vin. Poate
alege între o imagine curent ă și una prev ăzut ă cu ajutorul unui sistem " block-by-block". Predic ția
codorului este bazat ă în mod normal pe acela și bloc al imaginii precedente, codorul putând inclu de ca
și op țiuni un estimator de mi șcare, precum și un filtru.
Compresia este necesar ă stoc ării și transmisiei imaginilor deoarece reduce m ărimea lor.
Stocarea este esen țial ă în mai multe domenii, unul important fiind tehnica video digital ă, în timp ce
transmisia de imagini se întâlne ște în re țelele de telecomunica ții , teleconferin țe, etc.
Exist ă mai multe criterii dup ă care metodele de compresie pot fi evaluate, și anume:
– timpul necesar comprim ării / decomprim ării – acest criteriu este important mai ales în
transmisiile în timp real, cum ar fi videoconferin țele;
– gradul de conservare al imaginii;
– costurile impuse de algoritmii ale și și resursele de calcul;
– standardul de compresie utilizat, dac ă este sau nu universal pentru a putea fi utilizat și de c ătre
al ții.
Metodele de compresie sau codare a imaginilor se îm part în dou ă categorii:
– codarea predictiv ă;
– codarea prin transform ări.
Codarea predictiv ă exploateaz ă redundan ță existent ă în imagine, în vreme ce codarea prin
transform ări realizeaz ă modificarea structurii de date a imaginii într-o a lt ă matrice, astfel c ă o mare
cantitate de informa ții este împachetat ă într-un num ăr mai mic de e șantioane.

UTM 526.1 031 ME Coala
36 Mod Coala Nr. document Semn ăt. Data
Exist ă algoritmi care combin ă aceste categorii. În primul caz este vorba, mai bi ne zis, de o
codificare decât o compresie și permite reconstruc ția imaginii ini țiale. Aceast ă codificare este utilizat ă
mai ales în transmisiile de imagini. Se bazeaz ă pe asem ănarea (diferen ța) dintre pixelii unei imagini
astfel ca se folosesc un num ăr mai mic de bi ți per pixel pentru a memora ceea ce au comun ace ști
pixeli. Viitoarea abordare a compresiei de imagini este de a utiliza algoritmi predictivi, care examin ând
mai mul ți pixeli preceden ți anticipeaz ă și stocheaz ă diferen țele dintre ace știa [21,40,41].
RLE (Run Length Encoding) este una din metodele cele mai simple de compresie fiind
folosit ă în cazul în care avem date care se repet ă (zone din imagine care au aceea și valore a pixelilor).
Astfel, secven ța de caractere:
AAAABBBBBCCCCCCCCDEEEE
devine
4A5B8C1D4E
și deci, în acest caz:
22 2.2 10 rC= = = = = = = =
În cazul în care zona care urmeaz ă a fi codat ă nu este repetitiv ă, metoda este foarte ineficient ă
putând duce chiar la factori de compresie subunitar i. De aceea metoda RLE va p ăstra aceste zone ne-
modificate și deci ne-codate, urmând a fi codate doar zonele re petitive, lucru ce va fi precizat printr-un
caracter special. Astfel secven ța:
ABCDDDDDDDDEEEEEEEEE
ar deveni
ABC+8D+9E
Formatul PCX folose ște metoda RLE de compresie pe planele separate ale imaginii. Metoda
se preteaz ă imaginilor specifice desenelor animate și nu imaginilor naturale.
Standardul JPEG (Join Photographers Expert Group) reprezint ă efortul colabor ării între
CCITT (International Telegraph and Telephone Consul tative Committee) și ISO (International
Standard Organization).
Acest standard define ște trei sisteme diferite de codare:
– un sistem de codare de baz ă cu pierderi, care este bazat pe transformata DCT și este adecvat
pentru o gam ă larg ă de aplica ții;
– un sistem de codare extins ă pentru aplica țiile de precizie înalt ă sau reconstruc ție progresiv ă;
fără pierderi;
– un sistem de codare cu pierderi mai mici pentru c onversia reversibil ă.
Modul de compresie progresiv JPEG se ob ține prin realizarea unui set de subimagini și fiecare
subimagine va fi codat ă cu un set specific de coeficien ți DCT. Compresia progresiv ă JPEG poate fi

UTM 526.1 031 ME Coala
37 Mod Coala Nr. document Semn ăt. Data
ob ținut ă folosind trei tipuri de algoritmi: un algoritm pro gresiv de selec ție spectral ă, un algoritm
progresiv de aproxim ări succesive și un algoritm progresiv combinat.
Standardul JPEG permite și folosirea unor algoritmi de compresie f ără pierderi, respectiv un
algoritm de compresie predictiv ă în locul transform ării DCT.
Compresia ierarhic ă JPEG permite o reprezentare progresiv ă a imaginii decodate, într-un mod
similar cu algoritmul progresiv, dar permite în plu s fa ță de acesta imagini codate cu rezolu ții multiple.
JPEG nu specific ă un format de fi șier fiind considerat doar printr-un flux de bi ți. Sunt mai multe
formate de imagini care memoreaz ă imagini JPEG cele mai folosite fiind JFIF si JPEG pentru TIFF
6.0.
Standardul H.261 este dezvoltat pentru aplica ții de telecomunica ții video. Deoarece acestea
sunt în general aplica ții care nu implic ă modific ări importante ale con ținutului cadrelor succesive
datorate mi șcării obiectelor din imagine, algoritmul folosit limi teaz ă strategiile de c ăutare și estimare a
mi șcării, în scopul ob ținerii unei rate de compresie cât mai ridicate. Fol osind acest standard se pot
atinge rate de compresie între 100:1 și 2000:1 [40,41].
Compresia fractalic ă, este o metod ă diferit ă de compresie prin care se memoreaz ă instruc țiuni
sau formule de creare a imaginilor. De aceea metoda este independent ă de rezolu ție, imaginile putând
fi scalate la o rezolu ție mai mare decât imaginea original ă.
Fractalii sunt imagini compuse din imagini mai mici . Metoda permite rate de compresie de
peste 100 fiind considerat ă o metod ă asimetric ă.
Compresia Wavelet , se aseam ănă cu cea DCT, care îns ă este limitat ă la utilizarea func ției
cosinus. Wavelet folose ște func ții mai simple, complexitatea calculelor sc ăzând astfel f ără îns ă a
sacrifica major calitatea imaginii ob ținute.
Compresia holografic ă este o nou ă metod ă care se bazeaz ă pe o reprezentare frecven țial ă 3D
a imaginilor. Metoda este în curs de elaborare; rez ultatele pe care le ofera par s ă fie spectaculos de
bune.
Standardul de compresie MPEG (Motion Picture Experts Group) a fost propus pentr u
aplica ții video care se caracterizeaz ă prin modific ări importante între dou ă cadre succesive, datorate
mi șcării obiectelor din imagine. Metoda de compresie uti lizeaz ă un algoritm de codare intercadre și
poate realiza o compresie de pâna la 200:1 prin mem orarea numai a diferen țelor dintre cadre succesive.
Totodat ă standardul MPEG prevede și compresia unui canal audio cu rata de 5:1 pân ă la 10:1.
Se bazeaz ă pe similitudinea unor blocuri de pixeli al unor im agini succesive transmi țând doar 2
frame-uri pe secund ă, restul fiind informa ție codificat ă ca diferen ța dintre frame-uri prin a șa numitele
keyframe-uri [14].

UTM 526.1 031 ME Coala
38 Mod Coala Nr. document Semn ăt. Data
2.4. Metode de analiz ă a modulului de ameliorare a imaginilor digitale
Modulul de ameliorare (preprocesare) a imaginii urm ăre ște restaurarea imaginii numerice
degradate de diver și factori cum ar fi: zgomote, defecte de iluminare, miscarea sau defocalizarea
imaginii, etc.
Preprocesarea imaginii se efectueaz ă înaintea opera ției de analiz ă efectiv ă a ei. Preprocesarea
imaginilor are ca scop eliminarea erorilor ap ărute în cursul procesului de achizi ție, erori cauzate de
procesul de conversie a semnalului video analogic î n semnal digital sau datorate parazi ților indu și
aleator pe calea de achizi ție a semnalului analogic [14].
Corectarea (restaurarea) imaginilor digitale se ref er ă la înl ăturarea sau minimizarea degrad ării
cunoscute într-o imagine. Orice imagine achizi ționat ă prin mijloace optice, electrono-optice sau
electronice este degradat ă într-o anumit ă propor ție. Degradarea se poate datora zgomotului, proastei
focaliz ări a camerei, mi șcării relative obiect-camer ă, etc. Restaurarea se face prin filtrarea efectelor
degrad ării.
Reducerea zgomotului unei imagini se poate realiza prin înlocuirea unui pixel cu media lui și a
vecinilor lui pe o regiune variabil ă și este cu atât mai eficient ă cu cât regiunea este mai mare (filtru de
mediere), ins ă cu atât imaginea apare mai ince țoșat ă. Acesta metod ă de a reduce zgomotul unei
imagini îmbun ătățește calitatea imaginii, îns ă se repercuteaz ă asupra rezolu ției imaginii.
O alta metod ă este cea a filtrului Olympic; pe o anumita zon ă se elimin ă pixelii cu valori
extreme ale intensit ății luminoase ale pixelilor vecini și pe urm ă se face o medie a pixelilor r ăma și,
îns ă rezultatele metodei nu sunt bune deoarece imaginea rămâne înce țoșat ă și zgomotul nu este
eliminat în totalitate.
Filtrul median este utilizat mai ales pentru a elim ina zgomotul produs de pixeli care sunt
distru și sau lipsesc din imagine, înlocuindu-i cu valoarea de mijloc (ca pozi ție) a pixelilor învecina ți
care sunt ordona ți în func ție de intensitatea luminoas ă.
Eliminarea zgomotelor se poate face apelând și la unii operatori ai morfologiei matematice.
Eroziunea și dilatarea nuan țelor de gri, este o metod ă de filtrare care utilizeaz ă minimul si
maximul valorilor intensit ăților luminoase. Astfel, valoarea pixelului cu cea m ai mare intensitate
luminoas ă în fiecare regiune este utilizat ă pentru a înlocui valorile originale ale pixelilor.
Entropia maxim ă poate fi utilizat ă și ea în procesul îmbun ătățirii imaginilor. Imaginile con țin
alte defecte cum ar fi înce țoșarea datorat ă mi șcării obiectului sau focalizarea defectuoas ă. În aceste
condi ții se vor aplica filtrele inverse. Acestea sunt uti le pentru corectarea semnalului de intrare
anticipând degrad ările cauzate de sistem.
Cre șterea contrastului este opera ția prin care se îmbun ătățește vizibilitatea structurilor unei
imagini. Pixelii întuneca ți din imagine devin negri, cei deschi și devin albi, iar cei gri din imaginea
original ă iau valori noi care sunt interpolate liniar între negru și alb. Resignarea valorilor pixelilor din

UTM 526.1 031 ME Coala
39 Mod Coala Nr. document Semn ăt. Data
imaginea original ă cre ște contrastul vizual al pixelilor prezen ți dar nu cre ște abilitatea de a discrimina
varia ții subtile în nuan țele de gri.
Exist ă metode care cresc vizibilitatea unei por țiuni a imaginii, a unui aspect sau a unei
componente a imaginii, scopul fiind de accentuare a anumitor caracteristici (contrast, contururi), etc .
Având în vedere utilitatea lor practic ă în toate aplica țiile legate de prelucr ările de imagini, aceste
metode sunt extrem de importante.
Din punctul de vedere al algoritmului utilizat pent ru îmbun ătățirea imaginii se disting patru
categorii mari de tehnici de îmbun ătățire [17]:
Opera țiuni punctuale: m ărirea contrastului, atenuarea zgomotului, opera țiuni de tip fereastr ă
(transform ări, pseudocolor ări, etc.) și atenuarea imaginii prin histograme;
Opera țiuni spa țiale: filtarea de zgomot, filtrarea median ă, tehnica de “zooming” a imaginii, alte
tipuri de filtr ări;
Opera țiuni de transformare a imaginilor: filtrarea liniar ă, filtrarea de tip radical sau filtrarea
homomorfic ă;
Opera țiuni de pseudocolorare între care se disting tehnic ile de colorare fals ă și pseudocolorare
a imaginilor, Look Up Table (LUT).
Compresia de contrast este necesar ă mai ales în cazul imaginilor cu contrast mic dator at
ilumin ării slabe, aceast ă transformare îmbun ătățește vizibilitatea pixelilor de amplitudine mic ă fa ță de
pixelii de amplitudine mare.
Negativarea imaginilor sau inversarea acestora este utilizat ă mai ales în medicin ă, imaginile
fiind mai u șor de interpretat.
Histogramele sunt reprezentarea frecven ței de apari ție a diferitelor nivele de gri intr-o imagine.
Egalizarea histogramelor modific ă intensitatea luminoas ă a pixelilor permi țând astfel eviden țierea unor
detalii în anumite arii.
Amplificarea Laplacian ă accentueaz ă contururile mai ales cele liniare, permitând inter pretatea
mai u șoar ă a imaginilor.
Sc ăderea imaginilor este util ă când este necesar ă compararea a dou ă imagini complexe cu
elemente având îns ă deosebiri relativ mici între ele.
În ceea ce prive ște m ărirea și interpolarea imaginilor (zoom-ul) exist ă dou ă modalit ăți:
dublarea imaginii și interpolarea liniar ă. În cazul dubl ării imaginii fiecare pixel de-a lungul unei linii și
fiecare linie este repetat ă, iar interpolarea liniar ă este o multiplicare a imaginii la care pixelii car e se
intercaleaza sunt media aritmetic ă a pixelilor vecini din imaginea original ă. Aceast ă transformare este
necesar ă pentru a vizualiza și m ăsura anumite detalii din imagine.
O prim ă metod ă specific ă preproces ării de imagini o constituie corec ția optic ă. Ea urm ăre ște:

UTM 526.1 031 ME Coala
40 Mod Coala Nr. document Semn ăt. Data
– păstrarea în timp a nivelului de gri al obiectului de analizat în condi ții de achizi ții multiple de
imagini;
– eliminarea imperfec țiunilor sistemului optic;
– accentuarea contrastului în imaginea achizi ționat ă.
O metod ă utilizat ă în preprocesarea imaginii o reprezint ă modificarea histogramei. Defectele de
iluminare se manifest ă deseori printr-o distribu ție neregulat ă a nivelelor de gri din imagine. Aceast ă
anomalie poate fi u șor detectat ă prin analiza histogramei imaginii. Histograma repr ezint ă func ția care
asociaz ă la fiecare nivel de gri din imagine un anumit num ăr de pixeli având acest nivel de gri. O
imagine bine iluminat ă are o histogram ă într-o plaja larg ă de valori. Eliminarea defectelor de iluminare
poate fi efectuat ă printr-o redistribu ție a nivelurilor de gri. Egalizarea histogramei asi gur ă o distribu ție
uniform ă a nivelelor de gri din imagine.
O alt ă metod ă specific ă preproces ării imaginilor o constituie normalizarea ei.
În cazul în care iluminarea este ne-corespunz ătoare ca intensitate, semnalul înregistrat va avea
o plaj ă mic ă de varia ție pe scara nivelelor de gri. Acest fapt îngreuneaz ă prelucr ările ulterioare în
detec ția contururilor. Extinderea plajei nivelelor de gri nu va compensa în întregime pierderea de
informa ție dar va avea ca efect o îmbun ătățire a contrastului. Pentru realizarea acesteia se c onstruie ște
histograma imaginii din care rezult ă extinderea plajei nivelelor de gri. Se baleiaz ă apoi imaginea și
fiecare punct al acesteia este deplasat spre negru cu valoarea minim ă a nivelului de gri. Aceast ă
valoare se înmul țește apoi cu câtul dintre valoarea maxim ă a nivelului de gri (cazul în care plaja
nivelelor de gri ocup ă toate valorile posibile) și diferen ța dat ă de extinderea nivelelor de gri din
imagine.
O alt ă metod ă utilizat ă în preprocesarea imaginii o reprezint ă netezirea (filtrarea) imaginilor.
La achizi ția oric ăror semnale de frecven ță înalt ă peste semnalul dat apare o component ă de
zgomot. Acest zgomot dac ă nu este înl ăturat, poate influen ța negativ analizele ulterioare.
În cazul analizei imaginilor un accent important s- a pus pe g ăsirea unui filtru care s ă înl ăture
zgomotul alb (datorat componentelor aleatoare de în alt ă frecven ță a semnalului video digitizat). Aceste
zgomote apar în câmpul imaginii sub forma unor pixe li izola ți cu nuan țe mult diferite de nuan ța
pixelilor înconjur ători și poart ă numele de zgomot sare și piper.
De remarcat c ă pierderea frecven țelor înalte din imagine poate duce și la pierderea unor detalii
semnificative pentru procesul de recunoa ștere. De aici rezult ă c ă alegerea filtrului este deosebit de
important ă.
Netezirea imaginilor poate fi realizat ă cu:
1. filtre spa țiale liniare – aceste filtre se caracterizeaz ă prin r ăspunsul lor impulsional h(m,n)
caz în care filtrarea unei imagini f(i,j) se ob ține prin convolu ție discret ă [40]:

UTM 526.1 031 ME Coala
41 Mod Coala Nr. document Semn ăt. Data
∑∑ −− =
m nfiltr njmi fnmh j if ),() ,( ) , (
(2.1)
Dac ă limitele m si n sunt finite, filtrul este cu r ăspuns impulsional finit (RIF), în caz contrar
avem filtre cu r ăspuns impulsional infinit (RII). Cele mai utilizate filtre sunt de tip RIF, de dimensiune
redus ă (3 x 3) din cauza procesoarelor de convolu ție specializate.
Printre filtrele spa țiale liniare amintesc:
a) filtrul de mediere, caz în care masca h(3,3) est e:




91
91
9191
91
9191
91
91
,
fiind un filtru trece jos.
Aceste filtre elimin ă zgomotele din imagine, fiind eficace în cazul regi unilor uniforme. Ele
deterioreaz ă marginile contururilor, efectul lor fiind o u șoara defocalizare a imaginii ce poate fi
corectat ă prin deconvolu ție.
b) filtre trece sus, se pot constitui din dou ă filtre liniare a caror ie șire reprezint ă estimarea
gradientului din imagine.
grad ( ) ( ) ( ) ygxgy y x fyx y x fxy x fy x/arrowrightnosp/arrowrightnosp/arrowrightnosp/arrowrightnosp+=∂∂+∂∂= , , ,
(2.2)
Amplitudinea gradientului poate fi estimata cu:
22
yxggg+=
(2.3)
sau
g = max ( |g x | , |g y | ) (2.4)
Orientarea dup ă care varia ția intensit ății este maxim ă este dat ă de:



=
xy
ggarctg θ
(2.5)
In cazul discret avem :
Dx f(x,y) = gx = f(x,y) – f(x-1,y) (2.6)
Dy f(x,y) = gy = f(x,y) – f(x,y-1) (2.7)
Derivata func ției imagine fat ă de o direc ție a, este dat ă de:
Da f(x,y) = gx cos a + gy sin a (2.8)
Operatorul Laplace, este un operator derivativ de o rdin par, cu rol de accentuare izotropic ă. Se
define ște ca :

UTM 526.1 031 ME Coala
42 Mod Coala Nr. document Semn ăt. Data
( ) ( ) ( )y x fyy x fxy x f , , ,22
22
2
∂∂+∂∂= ∇
(2.9)
În cazul discret derivatele par țiale de ordinul al doilea pe direc țiile x și y, sunt aproximate prin
rela țiile:
( ) ( ) ( ) ( ) yx fy x f yx fy x fDxxx , 1 ,2, 1 ,22
++ −−= =∂∂
(2.10)
( ) ( ) ( ) ( ) 1,,21,,22
++ −−= =∂∂y x fy x f y x fy x fDyyy
(2.11)
Nucleul de convolu ție este o singur ă matrice de 3 x 3 care poate fi:


−−−−


010141010

Pentru m ărirea preciziei se lucreaz ă cu un nucleu de convolu ție de forma:


−−−−−−−−


111181111
,
care sintetizeaz ă media laplacianului corespunz ător axelor originale, cu laplacianul unui sistem
de axe ortogonale rotite cu 45 o fa ță de axele originale, sau cu matricea:


−−−−


121242121

Imaginea accentuata va fi | ∇2 f(x,y) | .
2. filtre spa țiale neliniare.
Aceste filtre se constituie ca o multitudine de met ode care depind în general de aplica ția
utilizat ă. Unul dintre aceste filtre îl constituie filtrul m edian.
Filtrul median înlocuie ște valoarea fiec ărui punct al imaginii cu valoarea median ă a tuturor
pixelilor din vecin ătatea punctului ales. Rezultatele sunt foarte bune, însa costul e destul de mare din
cauza necesit ății sort ării în fiecare punct. Filtrul elimin ă zgomotele izolate din regiunile uniforme,
păstrând tranzi țiile dintre regiuni.
3. filtrarea temporal ă a imaginilor.
Acest tip de filtru reu șește s ă p ăstreze detaliile fine din imagine f ără a deteriora informa ția util ă
din imagine.
Metoda const ă în preluarea mai multor cadre ale aceleia și scene de analizat și medierea
rezultatelor. De și îmbun ătățirea este spectaculoas ă, ea este aplicabil ă doar în cazul unor scene statice și
necesit ă un timp destul de mare afectat doar procesului de achizi ție [35,40,41].

UTM 526.1 031 ME Coala
43 Mod Coala Nr. document Semn ăt. Data
2.5. Modele de segmentare și analiz ă a imaginilor
Etapa de separare respectiv detectare a corpurilor din câmpul imaginii are ca efect o reducere
important ă a volumului informa țiilor prin definirea indicilor de imagine care pose d ă o semnifica ție.
Distinc ția dintre fond și obiect, numit ă segmentare, poate fi f ăcut ă prin punerea în eviden ță a zonelor
de varia ție rapid ă a intensit ății luminoase [14,17].
În cazul unei imagini de intensitate, procesul de s egmentare depinde de geometria obiectelor,
reflectan ța suprafe ței vizibile, iluminarea scenei și originea captorului.
Segmentarea se poate face în mai multe moduri:
– Binarizare – o segmentare care împarte imaginea î n dou ă clase, obiect și non-obiect;
– Extragere de contur – segmentarea care împarte im aginea în zone de contur și non-contur.
Conturul reprezint ă zone din imagine a c ăror valoare a pixelilor variaz ă într-un mod brusc.
Conturul fizic este reprezentat în general prin lin ii de discontinuitate a suprafe ței, margini tangen țiale
ale suprafe ței, limitele umbrelor sau reflec țiilor sau linii de discontinuitate date de reflecta n ța diferit ă a
unor zone.
Pornind de la conturul fizic, conturul unei imagini este dat în general printr-o aproximare prin
segmente de dreapt ă care pot fi considerate indici de imagine.
– Extragere de regiuni – o segmentare care detectea z ă regiunile din imagine, ca indici de
imagine.
Regiunile reprezint ă zone omogene ale imaginii tinând cont de un anumit criteriu cum ar fi,
nivelul de gri, culoare, textur ă, etc.
Formarea regiunilor poate fi f ăcut ă printr-un procedeu bazat pe aplicarea pragurilor d eduse din
histograma imaginii sau prin metode mai complicate cum ar fi cele bazate pe aproximare func țional ă.
În cazul segment ării bazate pe intensitate, deseori apar detectate r egiuni false. Apari ția
regiunilor false este dat ă în general de zgomotul de înalt ă frecven ță și de tranzi ția neted ă între regiuni
uniforme. Rafinarea regiunilor poate fi f ăcut ă în mod interactiv sau automat.
Principiile generale ale segment ării se refer ă la faptul ca obiectul de interes poate fi g ăsit prin
descoperirea zonelor unde valorile pixelilor sunt o mogene și în cazul în care obiectele nu difer ă
apreciabil fa ță de vecini trebuie s ă ne baz ăm pe detec ția de muchii.
Analiza și interpretarea imaginilor grupeaz ă dou ă tehnici principale și fundamentale de
abordare:
a). trat ări numerice, care permit dup ă ameliorarea imaginilor, utilizind diferite tehnici de
segmentare, extragerea de caracteristici generale c um ar fi, linii de contrast, segmente și unghiuri de
referin ță , etc. Algoritmii asocia ți în acest caz depind într-o mic ă m ăsura de natura problemei de tratat,
ei fiind algoritmi generali de recunoa ștere de forme;

UTM 526.1 031 ME Coala
44 Mod Coala Nr. document Semn ăt. Data
b). metode de judecat ă, fondate pe cuno știn țe explicite precum și pe reprezentarea lor.
Cuno știn țele sunt legate de problemele puse spre rezolvare, domeniul de aplica ție, tehnica utilizat ă,
etc.
Majoritatea metodelor practice de recunoa ștere a formelor permit identificarea obiectelor pe
baza coresponden ței cu o baz ă de modele. Modelele pot fi perceptuale, func ționale sau semantice.
Aceste cuno știn țe sunt organizate în cadrul unui sistem de reprezen tare, sistem în cadrul c ăruia
se definesc:
* tipul de cuno știn țe care se dore ște a fi reprezentat, utilizând:
– atribute caracterizând forma obiectelor, cum ar f i factor de form ă, factor de ondula ție, factor
de aplatizare, orientare, etc.;
– atribute depinzând de natura suprafe ței obiectelor cum ar fi textur ă, culoare, etc.;
– rela ții între obiecte, de apartenen ță sau de pozi ție relativ ă.
* reprezentarea informatic ă a acestor cuno știn țe prin, reguli de produc ție, reprezent ări
procedurale, utilizarea de limbaje orientate obiect , etc.

Combinarea metodelor de analiz ă a imaginilor, în special în cazul trat ărilor imaginilor de o
calitate mediocr ă, faciliteaz ă ob ținerea unor rezultate deosebit de utile.
În vederea vizualiz ării imaginilor prelucrate atât în cazul unor sistem e cu posibilit ăți de lucru
cu imagini de intensitate cât și color, se pune problema recodific ării lor în vederea scoaterii în eviden ță
a unor detalii de interes care duc la o metod ă de interpretare cât mai precis ă a rezultatelor.
Metodele de recodificare a imaginilor pe baza de LU T (Look Up Table) sunt intens folosite
datorit ă vitezei mari de prelucrare a volumului de informa ție con ținut de semnalul imagine. Aceast ă
vitez ă se datoreaz ă și setului ortogonal de instruc țiuni al procesoarelor moderne [17].
În principiu, metoda const ă în schimbarea intensit ății și/sau a nuan ței pixelilor unei imagini
conform unei tabele construite în prealabil. În ved erea p ăstr ării intensit ății pixelilor din imagine se
prefer ă ca recodificarea s ă fie facut ă ținând cont doar de crominan ță , astfel c ă ulterioarele prelucr ări
care se efectueaz ă asupra imaginii s ă beneficieze de acelea și valori pentru intensit ăți. În sistemele
moderne de prelucr ări de imagini LUT-ul este un dispozitiv hard.

2.6. Opera ții de transformare asupra imaginilor
Imaginile care urmeaz ă a fi analizate sunt reprezentate sub forma unor im agini binare, a unor
imagini cu valori de gri sau color.
O imagine binar ă posed ă doar dou ă valori, 0 pentru fond și 1 pentru obiecte. În acest caz se
determin ă în general doar prezen ța sau absen ța unor obiecte din imagine precum și dimensiunea lor.

UTM 526.1 031 ME Coala
45 Mod Coala Nr. document Semn ăt. Data
În cadrul unei imagini cu valori de gri fiecare pix el este reprezentat printr-o valore tipic ă
cuprins ă între 0 și 255. În acest caz sunt efectuate analize mult mai complexe în vederea determin ării
unor parametri utiliza ți în cadrul procesului de diagnosticare medical ă [14,17].
Imaginile color pot fi tratate fie pornind de la se mnalele RGB propr ționale cu logaritmul
intensit ății stimulului extern sau de la spa țiul perceptual, caz în care culoarea este parametri zat ă în
termeni de luminan ță , satura ție și crominan ță . Tratarea poate fi efectuat ă pe mai multe planuri distincte
sau în mod global, func ție de modalitatea de analiz ă aleas ă.
Fie g(x,y) un pixel din imagine. Opera ția f ac ționeaz ă asupra tuturor pixelilor din imagine
putând avea diferite forme, astfel încât g(x,y) → f(g(x,y)).
Inversarea imaginii reprezint ă sc ăderea valorii maxime a nivelului de gri din imagine în
vederea ob ținerii imaginii negative. Dubla inversare trebuie s ă lase imaginea nemodificat ă.
Opera țiile de extindere ("stretching"), respectiv inversa ei, de revenire, efectuate asupra
imaginilor cu valori de gri au rolul de a m ări contrastul imaginilor de analizat.
Normalizarea imaginii urm ăre ște o redistribu ție a nivelurilor de gri din imagine prin extinderea
plajei de nuan țe la plaja maxim ă admis ă. O opera ție de normalizare modifica, în general, irevocabil
con ținutul unei imagini, în schimb opera ția de „streching” poate fi ref ăcut ă u șor prin revenire.
Aplicarea unui prag t (x,y) asupra unei imagini de intensitate transpune imaginea ini țial ă într-o
imagine binar ă utilizat ă în general în selectarea obiectelor și a fondului dintr-o imagine.
Opera țiile aritmetice au rolul de a combina dou ă imagini g 1(x,y) și g 2(x,y) → g(x,y) prin
adunare, sc ădere, sau multiplicare pentru imagini de intensitat e sau pentru imaginile binare sunt
aplica ți operatori de tip logic. Aceste opera ții sunt utilizate în general în corectarea imaginil or de unele
imperfec țiuni în vederea unor înregistr ări ulterioare.
Opera țiile de adiacen ță formeaz ă structuri din pixelii individuali. Sunt impuse reg uli de
conectivitate (care din pixelii din vecin ătate sunt considera ți pentru expansiunea structurii) și de
admisie (ce valori ale pixelilor candida ți pot fi luate pentru expansiune).
Concatenarea reprezint ă cel mai simplu exemplu de opera ție de adiacen ță . Ea opereaz ă asupra
imaginilor binare folosind în general conectivitate a pentru 8 pixeli învecina ți. To ți pixelii candida ți cu
o valoare de 1 sunt admi și. Concatenarea repetat ă d ă un obiect.
Opera ția de înl ănțuire în cadrul imaginilor binare reprezint ă un mod de a ob ține conturul unui
obiect. Opera ția caut ă în mod secven țial în sensul acelor de ceasornic printre pixelii a fla ți în adiacen ța
punctului curent. Primul pixel având valoarea 1 rep rezint ă urm ătorul centru de c ăutare. Printr-o
opera ție repetat ă de înl ănțuire se ob ține conturul ordonat cu condi ția ca punctul de start s ă fie pe
contur.
Cu ajutorul morfologiei matematice se pot extrage d intr-o imagine anumite caracteristici
specifice, func ție de scopul urm ărit prin aplicarea unei succesiuni de operatori ade cva ți.

UTM 526.1 031 ME Coala
46 Mod Coala Nr. document Semn ăt. Data
O transformare morfologic ă elementar ă f este caracterizat ă prin:
– tipul ei : erodare, dilatare, etc.,
– elementul structural, B,
– iteratorul sau : o constant ă n, o limit ă,
– o masc ă, în cazul transform ărilor geodezice.
Morfologia matematic ă a fost dezvoltat ă și pentru cazul digital în vederea utiliz ării în cadrul
aplica țiilor de prelucr ări de imagini. Exist ă operatori defini ți în cazul imaginilor binare precum și în
cazul imaginilor de intensitate.
Principalii operatori morfologici sunt:
a) Dilatarea
Dac ă not ăm:
– X ansamblul de puncte (albe) din imagine marcate cu 1 ce reprezint ă obiectul, fondul fiind
marcat cu 0;
– B, un ansamblu de puncte, numite element structur al. Unul din punctele elementului structural
yo, e numit centrul lui B, celelalte puncte fiind n umite marcatoare;
– By reprezint ă translatarea lui B cu y, yo = y;
– B’ simetricul lui B fa ță de originea reperului;
atunci, dilatarea lui X cu B este definit ă ca :
Y = X + B' ,
ca un ansamblu de puncte
Y = { y : B y ∩ X ≠ 0 }
Opera ția de dilatare revine la marcarea (cu alb) a tuturo r punctelor interceptate de elementul
structural B atunci când centrul elementului struct ural baleiaz ă ansamblul punctelor multimii X. Dac ă
elementul structural e o bul ă (sfera, cerc) dilatarea l ărgeste obiectul cu o grosime constant ă.
b) Erodarea
Erodarea lui X cu B este dat ă prin :
Y = X – B'
și reprezint ă ansamblul de puncte,
Y = { y : By ( X } ,
adic ă Y e format ă din punctele y astfel încât elementul structural c entrat în y , B y, s ă fie inclus
în X, deci plasând centrul elementului structural p e punctele ansamblului de puncte erodate, to ți
marcatorii reacoper ă un punct al obiectului ce a fost erodat.
Dac ă elementul structural e o bul ă, erodarea sub țiaz ă obiectul cu o grosime constant ă.
Erodarea și dilatarea sunt duale fa ță de complement,
( X + B')C = XC – B',

UTM 526.1 031 ME Coala
47 Mod Coala Nr. document Semn ăt. Data
adic ă e echivalent a dilata punctele albe sau a eroda pu nctele negre.
Erodarea și dilatarea reprezint ă cazuri speciale ale operatorilor de votare. Votare a majoritar ă
sau minoritar ă admite pixelul dac ă un set de pixeli din conectivitate are valoarea 1. Dac ă setul este 1
peste tot opera ția de votare degenereaza la dilatare sau erodare.
c) Deschiderea
Deschiderea este definit ă ca o erodare urmat ă de o dilatare,
X = ( X – B') + B ,
reprezentând domeniul B baleiat de toate translat ările lui B incluse în X.
Opera ția neteze ște contururile, suprim ă neregularit ățile, taie istmurile.
Dac ă elementul structural e o bul ă, opera ția rotunjeste unghiurile, suprimând unicele regiuni
conexe.
d) Închiderea
Închiderea este definit ă ca o dilatare urmat ă de o erodare,
XB = ( X + B') – B,
unghiurile fiind rotunjite, iar g ăurile umplute.
Deschiderea și închiderea sunt duale prin complementaritate:
( X B)C = ( XC ) B si ( XC )B = ( XB )C
Ca și opera ții asupra imaginilor, închiderea și deschiderea reduc mult din complexitatea datelor
ce reprezint ă conturul corpurilor, re ținând caracteristicile lor cele mai pregnante.
e) Scheletizarea unei imagini binare
Scheletul unei forme X oarecare poate fi definit ca centrul bulelor maximale incluse în form ă.
Putem de asemenea considera c ă, contururile formelor sunt erodate din exterior pâ na când fronturile
eroziunilor se reîntâlnesc în puncte care reprezint ă scheletul.
Algoritmii morfologiei matematice, prin abstractiza re elimin ă informa ția redundant ă în sensul
scopului, punând în eviden ță corpul de analizat.
Cu ajutorul morfologiei matematice se pot extrage d in imagine o sumedenie de caracteristici cu
o succesiune de primitive adecvate.
Primitivele morfologiei matematice pot fi privite d in dou ă puncte de vedere:
– al con ținutului matematic și algoritmic, ca și primitive operator, de transformare;
– al efectului pe care îl au asupra imaginii ca și primitive de efect, de criteriu, de caracteristic ă.
Primitivele se clasific ă func ție de gradul de selectivitate într-o scar ă ierarhic ă, complexitatea
crescând cu selectivitatea.
Operatorii morfologici pentru imagini de intensitat e au la baz ă definirea operatorilor defini ți
pentru imagini binare, doar c ă selectarea valorii care urmeaz ă a fi înscris ă în imagine ca urmare a unei

UTM 526.1 031 ME Coala
48 Mod Coala Nr. document Semn ăt. Data
transform ări morfologice se face pe baza unui criteriu de min im sau maxim, aplicat asupra pixelilor
din vecin ătatea de lucru.
Prin opera țiile de adiacen ță definite pentru imaginile de intensitate se poate ob ține o mai mare
flexibilitate.
Opera țiile pe vecin ătate produc o nou ă valoare pentru pixelul central bazat ă pe valoarea
vecinilor. Domeniul opera țiilor este mai degrab ă dat de dimensiunea vecin ătății decât de regulile de
conectivitate. Dimensiunea vecin ătății variaz ă în mod uzual între 2 x 2 și 31 x 31.
Vecin ătatea de 3 x 3 este echivalent ă unei adiacen țe cu conexiunea 8, dar între cele dou ă exist ă
o diferen ță esen țial ă.
Pixelii adiacen ți sunt considera ți pentru c ă sunt concatenabili în mul țimi de pixeli, structuri,
având propriet ăți asem ănătoare cu pixelul central.
Opera țiile pe vecin ătate produc o valoare și nu un element al structurii. Opera țiile pe vecin ătate
pentru imagini de intensitate pot fi împ ărțite în liniare și neliniare.
Convolu ția este o opera ție liniar ă în care pixelul central este înlocuit printr-o sum ă ponderat ă a
vecinilor. Coeficien ții filtrelor determin ă rezultatul imaginii de ie șire.
Filtrele liniare p ăstreaz ă energia din imagine, intensit ățile din imagine fiind doar redistribuite
printre vecini. Acest lucru avantajeaz ă m ăsur ătorile cantitative ale valorilor de gri prin faptul c ă nu
sunt introduse în mod artificial alte valori de gri . În cazul în care imaginea este distorsionat ă de
zgomot, filtrele liniare nu produc o imagine accept abil ă din cauza cantit ății de energie care trebuie
redistribuit ă în imagine, ea fiind prea mare. În acest caz sunt utilizate filtrele neliniare.
Daca pixelii sunt transforma ți în afara domeniului spa țial, opera ția este numit ă o transformare a
imaginii. Transform ările imaginii descriu propriet ăți ale întregii imagini [14-17].

UTM 526.1 031 ME Coala
49 Mod Coala Nr. document Semn ăt. Data

3. Proiectarea și implementarea sistemului pentru achizi ția și procesarea
imaginilor în baza logicii Fuzzy
3.1. Sinteza schemei de structur ă
Schema de structur ă a sistemului de achizi ție și procesare a informa ției video în baza logicii
Fuzzy se prezint ă în figura 3.1.
Specificarea componentelor schemei de structur ă:
Imagine – imagine destinat ă pentru achizi ție și procesare în baza logicii Fuzzy;
CV – camera WEB video destinat ă pentru achizi ția imaginii, descris ă în detaliu în capitolul 2 al
tezei de licen ță ;
Interfa ța PC USB – interfa ța standard USB a calculatorului;
Proceduri standarde – func ții și proceduri DLL standarde definite în sistemul de o perare
Windows, acestea au fost descrise în detaliu în cap itolul 2 a lucr ării de licen ță ;
Baza de date și cuno știn țe – imagini stocate pe suport fizic pentru o p ăstrare de lung ă durat ă,
tot aici sunt p ăstrate și informa ția video recent achizi ționat ă, și respectiv modelele Fuzzy destinate
pentru efectuarea opera țiilor asupra imaginilor video;
Windows API – sistemul de operare Windows cu serviciile re spective pentru interfa țare User –
PC;
Procesare Fuzzy – produs program destinat pentru procesare informa ției video în baza logicii
Fuzzy;
Video Sistem – sistem de vizualizare a informa ției video înainte de procesare, în procesul de
procesare și dup ă alicarea proces ării;
USER – utilizator al sistemului de achizi ție și procesare a informa ției video în baza logicii
Fuzzy.

UTM 526.1 031 ME Coala
50 Mod Coala Nr. document Semn ăt. Data
Baza de date si
cunostinte CV
Imagine Interfata
PC USB
Windows API
Procesare
Fuzzy Proceduri
Standarde
USER Video Sistem

Figura 3.1. Structura sistemului de achizi ție și procesare a informa ției video în baza logicii Fuzzy.

3.2. Sinteza algoritmilor de procesare a datelor
3.2.1. Algoritmul principal al func țion ării sistemului
Algoritmul principal al func țion ării sistemului de achizi ție și procesare a informa ției video în
baza logicii Fuzzy se prezint ă prin diagrama cazurilor de utilizare (figura 3.2) , diagrama algoritmului
(figura 3.3) și diagrama de secven țe (figura 3.4).
Specificare diagramei cazurilor de utilizare:
Utilizator – persoan ă cu drepturi de utilizator;
Administrator – persoan ă cu drepturi de administrator;
Achizi ția imaginii – proceduri și resurse hard destinate pentru achizi ția imaginilor;
Baza de date și cuno știn țe – surse de stocare a informa ției pe suport fizic cu imagini destinate
proces ării și algoritmii logicii Fuzzy;
Procesarea imaginii Fuzzy – proceduri pentru opera ții de procesare a imafinilor (filtre, imagine
+ constant ă, imagine + imagine);
Vizualizare sau Decizii – luarea de decizii automa te sau sub gestiunea utilizatorului, sau a
administratorului.

UTM 526.1 031 ME Coala
51 Mod Coala Nr. document Semn ăt. Data

Figura 3.2. Diagrama cazurilor de utilizare.

Specificare diagramei de activit ăți a algoritmului principal:
Start – începutul algoritmului;
Init Data – ini țierea datelor pentru func ționarea corect ă sistemului pentru achizi ția și
procesarea imaginilor în baza logicii Fuzzy;
A / P – selectarea op țiunii de achizi ție sau de procesare a imaginilor video;
Achizi ție – s-a selectat op țiunea de achizi ție a imaginilor video;
Procesare – s-a selectat opera ția de procesare a imaginilor video;
Achizi ția imaginii – lansarea procedurii de achizi ție a imaginii de la camera video;
Salvarea imaginii – salvare imaginii video în baza de date;
Repetare? – selectarea opera ției de repetare a opera țiilor precedente;
Baza de Date și Cuno știn țe – baza de date cu informa ție video și modele pentru procesarea
imaginilor;
Filtre Fuzzy – lansarea procedurii de filtrare a i maginilor; uc Figura 32
Utilizator
Administrator Achizitia Imaginii
Procesarea Imaginii Fuzzy
Opera ții de filtrare Fuzzy
Operatii Fuzzy Imagine cu
Imagine Operatii Fuzzy Imagine si
Constanta Baza de Date si
Cunostinte
Vizualizare sau Decizii

UTM 526.1 031 ME Coala
52 Mod Coala Nr. document Semn ăt. Data
Opera ții Imagine cu Constant ă – lansarea procedurii de efectuare a opera țiilor asupra unei
imagini cu o constant ă;
Opera ții Imagine cu Imagine – lansarea procedurii de efec tuare a opera țiilor asupra unei
imagini cu alt ă imagine;
Decizie – luarea de decizii referitor la rezultate le proces ării imaginii;
Stop – sfâr șitul algoritmului.

Figura 3.3. Diagrama de activit ăți a algoritmului principal pentru achizi ția și procesarea imaginilor în
baza logicii Fuzzy.

Specificare diagramei de secven țe a algoritmului principal :
Utilizator – persoana cu drept de utilizator al sis temului;
Proceduri API de achizi ție – produse program responsabile pentru efectuarea opera țiilor de
achizi ție a informa ției video de la camera WEB;
Baza de date și cuno știn țe – fi șiere cu informa ție video destinat ă proces ării și modele Fuzzy;
Filtrarea imaginilor – proceduri pentru filtrarea i mafinilor;
Opera ții Imagine cu Constanta – proceduri pentru opera ții asupra unei imagini cu o constant ă;
Opera ții Imagine cu Imagine – proceduri pentru opera ții asupra a dou ă imagini; act Figura 33
Start
Init Data
A / P
?Achizitie Procesare
Achizitia Imaginii
Salvarea Imaginii «datastore»
Baza de Date si
Cunostinte
Repetare?
Repetare Filtre Fuzzy Operatii Imagine
cu Constanta Operatii Imagine
cu Imagine
Decizie
Repetare?
Stop
Stop A P
Da Nu DA Nu

UTM 526.1 031 ME Coala
53 Mod Coala Nr. document Semn ăt. Data
Decizii – decizii luate în rezultatul proces ării informa ției video;
Achizi ția imaginii – formarea apelului pentru a efectua op era ții de achizi ție a informa ției video;
Procesare – aplicarea opera țiilor de procesare a imaginii;
Imagine – înc ărcarea imaginii pentru opera ții de procesare;
Vizualizare – afi șarea rezultatului pe ecran.

Figura 3.4. Diagrama de secven țe a algoritmului principal pentru achizi ția și procesarea imaginilor în
baza logicii Fuzzy.

3.2.2. Algoritmul de filtrare a imaginii
Algoritmul de filtrare a imaginii se prezint ă în figura 3.5.
Specificarea diagramei algoritmului de filtrare a imaginii:
START – începutul algoritmului de filtrare a imagi nii;
Init Data – ini țierea datelor pentru func ționarea programului de filtrare a imaginii;
Load Imagine – înc ărcarea imaginii pentru procesare;
Baza de date și Cuno știn țe – fi șiere cu imagini și modele pentru procesarea imaginilor;
Afi șare Imagine – afi șarea imaginii în fereastra de vizualizare; sd Figura 34
Utilizator Decizii Operatie Imagine
cu Imagine Operatii Imagine
cu Constanta Filtrarea
Imaginilor Baza de date si
Cunostinte Proceduri API de
achizitie
Achizitia Imaginii()
Achizitie()
Imagine Digitala()
Salvarea imaginii()
Vizualizarea Bazei de date()
Imagine()
Procesare()
Decizie()
Actiune()
Rezultatul procesarii()
Imagine()
Procesare()
Decizie()
Actiune()
Rezultatul procesarii()
Imagine()
Procesare()
Decizie()
Actiune()
Rezultatul procesarii()

UTM 526.1 031 ME Coala
54 Mod Coala Nr. document Semn ăt. Data
Identificarea dimensiunii imaginii – se determin ă dimensiunea imaginii pe orizontal ă și
vertical ă;
Ini țiere filtrare – setarea parametrilor pentru opera ția de filtrare a imaginii;
Filtrare imagine – aplicarea modelelor pentru filt rarea imaginii în conformitate cu algoritmul
descris în capitolul 2 al lucr ării;
End Img – verificarea sfâr șitului opera ției de filtrare a imaginii;
Rezultatul filtr ării – formarea imaginii virtuale a rezultatului apl ic ării algoritmului de filtrare;

Figura 3.5. Diagrama algoritmului de filtrare a imaginii.
Decizii – rezultatele filtr ării.
Afi șare Imagine – afi șarea rezultatului în fereastra de dialog;
Stop? – luarea de decizii în conformitate cu rezul tatul opera ției de filtrare;
Noi Parametri – definirea a noi parametri pentru o pera ția de filtrare;
STOP – sfâr șitul algoritmului.
act Figura 35
START
Init Data
Load Imagine
«datastore»
Baza de Date Afisarea Imagine
Identificarea dimensiunii
imaginii
Initiere Filtrare
Filtrare Imagine
Rezultatul filtrarii «datastore»
Decizii
Afisare Imagine
Stop? Noi Parametri
STOP End Img
Da Nu Imagine
Modele
Da Nu

UTM 526.1 031 ME Coala
55 Mod Coala Nr. document Semn ăt. Data
3.2.3. Algoritmul opera ții imagine – constant ă
Algoritmul pentru efectuarea opera țiilor imagine – constant ă se prezint ă în figura 3.6.
Specificarea algoritmului opera țiilor imagine – constant ă:
START – începutul algoritmului;
Init Data – ini țierea datelor pentru func ționarea algoritmului opera țiilor imagine – constant ă;

Figura 3.6. Diagrama de activit ăți a algoritmului opera țiilor imagine – constant ă.

Load Imagine – înc ărcarea imaginii în fereastra de dialog;
Baza de Date și cuno știn țe – fi șiere cu imagini destinate proces ării și modele pentru procesarea
imaginilor;
Afi șare Imagine – afi șarea imaginii în fereastra de dialog;
Parametri pentru procesarea imaginii – introducere a parametrilor pentru opera țiile efectuate
asupra imaginii cu o constant ă;
Începutul proces ării – setarea regimului pentru procesarea imaginii;
Procesarea imaginii – aplicarea algoritmului de pr ocesare a imaginii cu o constant ă;
End Img – verificare sfâr șitului proces ării imaginii; act Figura 36
START
Init Data
Load Imagine
«datastore»
Baza de Date si
Cunostinte Afisare Imagine
Inceputul proces ării
Procesarea Imaginii
Rezultatul procesarii «datastore»
Imagini Procesate
Afisare Rezultat
Stop?
STOP Noi opera țiiParametri de procesare
End Img
Nu Da Da Nu

UTM 526.1 031 ME Coala
56 Mod Coala Nr. document Semn ăt. Data
Rezultatul proces ării – imaginea virtual ă a rezultatului proces ării;
Imagini procesate – fi șiere cu imagini procesate;
Afi șare Rezultat – afi șarea pe ecran a rezultatului proces ării;
Stop – luarea de decizii pentru reperarea opera țiilor;
Noi opera ții – selectarea a noi opera ții pentru procesarea imaginilor;
STOP – sfâr șitul algoritmului.

3.2.4. Algoritmul opera ții imagine – imagine
Diagrama de activit ăți a algoritmului opera țiilor imagine – imagine se prezint ă în figura 3.7.
Specificarea algoritmului opera țiilor imagine – imagine:
START – începutul algoritmului;
Init Data – ini țierea datelor pentru func ționarea algoritmului opera țiilor imagine – imagine;
Load Imagine 1 – înc ărcarea imaginii 1 pentru aplicarea opera țiilor imagine – imagine;
Afi șare Imagine 1 – afi șarea imaginii în fereastra de dialog 1;
Load Imagine 2 – înc ărcarea imaginii 2 pentru aplicarea opera țiilor imagine – imagine;
Afi șare Imagine 2 – afi șarea imaginii în fereastra de dialog 2;
Identificare parametrilor imaginilor – analiza para metric ă a imaginilor și identificare acestora
pentru efectuarea opera țiilor dintre acestea;
Procesarea imaginilor – aplicarea algoritmului de p rocesare a imaginilor;
Imagine virtual ă – rezultatul proces ării imaginilor;
Vizualizare rezultat – afi șarea rezultatului proces ării pe ecran;
Stop? – luarea deciziei;
STOP – sfâr șitul algoritmului.

UTM 526.1 031 ME Coala
57 Mod Coala Nr. document Semn ăt. Data

Figura 3.7. Diagrama de activit ăți a algoritmului opera ții imagine – imagine.

Implementarea sistemului de achizi ție și procesare a informa ției video în baza logicii Fuzzy
Sistemul de achizi ție și procesare a informa ției video în baza logicii Fuzzy este elaborat în ba za
platformei sistemului de operare Windows (XP / 7 / 10). Pentru implementare s-au utilizat resursele
standard definite pentru SO și limbajul de programare Obiect Orientat Delphi.

3.3.1. Argumentarea Sistemului de Operare
Sistemul de operare Microsoft Windows XP a fost pre zentat in premier ă de c ătre Bill Gates,
Microsoft chairman și chief software architect, al ături de Jim Allchin la evenimentul Experience Music
Project din Seattle. Pe data de 24 august 2001, cei doi au prezentat reprezentan ților a șase fabrican ți
majori de PC-uri, “codul de aur” final al lui Windo ws XP. CD-uri con ținând varianta finala a lui
Windows XP au fost a șezate in șase casete de aur.
Lansarea oficial ă a acestui nou produs Microsoft a avut loc în octom brie 2001.
Windows XP este disponibil in dou ă versiuni: act Figura 37
START
Init Data
Load Imagine 1
«datastore»
Baza de Date si
cunostinte
Identificarea parametrilor
imaginilor Afisare Imagine 1
Procesarea imaginilor
Imagine virtuala
Stop?
STOP Vizualizare rezultat Load Imagine 2
Afisare Imagine 2
Da Nu

UTM 526.1 031 ME Coala
58 Mod Coala Nr. document Semn ăt. Data
– Windows XP Home Edition – pentru utilizatorii de acas ă;
-Windows XP Professional – pentru utilizatorii din mediul business.
Pentru implementare sistemului de achizi ție și procesare a informa ției video sunt acceptabile
ambele variante, îns ă din criterii de performan ță s-a selectat Windows XP Professional.
Windows XP Professional este sistemul de operare de stinat oamenilor de afaceri și firmelor de
toate dimensiunile, precum și tuturor acelor utilizatori individuali care dore sc s ă exploateze la
maximum posibilit ățile de calcul oferite de PC. La Windows XP Professi onal se adaug ă accesul la
distan ță , securitate, performan ță , u șurin ță în utilizare, operare în mai multe limbi, pentru a -i ajuta pe
utilizatori s ă-și îmbun ătățeasc ă productivitatea, posibilit ățile de conectare, s ă lucreze mai inteligent.
Cea mai evident ă deosebire dintre Windows XP Home Edition și Windows XP Professional
este securitatea, care este simplificat ă pentru Windows XP Home Edition. Fiecare utilizator interactiv
al Windows XP Home Edition este presupus a fi un me mbru al grupului local de proprietari (Owners
Local Group), care este echivalentul Windows XP al lui Windows 2000 Administrator Account.
Aceasta înseamn ă c ă oricine se logeaz ă la un calculator cu Home Edition are deplinul cont rol. Totu și
facilit ățile Backup Operatores, Power Users și Replicator Groups de ținute de Windows 2000 sau de
Windows XP Professional lipsesc la Windows XP Home Edition. În schimb Windows XP Home
Edition beneficiaz ă de un nou grup numit: Restricted Users. P ărțile administrative ascunse nu sunt
disponibile în Home Edition.
Func ționalit ăți Windows XP.
Speciali știi sunt în mare parte de acord cu ideea c ă Windows XP este cel mai important sistem
de operare de la Windows 95 încoace. Aceasta nu doa r datorit ă faptului c ă include prima schimbare
major ă a interfe ței cu utilizatorul ci și datorit ă faptului c ă el a fost îmbun ătățit, modificat în cea mai
mare parte a sa pentru a crea un sistem de operare folositor în egal ă m ăsur ă atât pentru utilizatorii noi
cât și pentru cei de performan ță .
Interfa ța s-a modificat integral și poate lua trei forme generale: un nou ecran de in trare, un
Explorer cu un aspect nou precum și un meniu de star diferit. În plus dac ă se dore ște folosirea unui
Explorer cu aspect vechi și un meniu de start în form ă nou ă acest lucru este posibil. Meniul de start
înlocuie ște pe cel vechi în form ă cascadat ă cu o nou ă versiune func țional ă care satisface majoritatea
cerin țelor unui utilizator normal pe o singur ă fereastr ă.
Din punct de vedere vizual apare ideea stilurilor v izuale care permit sistemului de operare s ă
treac ă la un nou aspect și s ă se comporte ca atare atunci când se trece de la un stil la altul. Evident,
aplica țiile create cu instrumentele noi de la Microsoft po t beneficia de aceste facilit ăți. Stilurile vizuale
sunt controlate prin dialogul de afi șare a propriet ăților care a fost dezvoltat într-un num ăr foarte mare
de moduri.

UTM 526.1 031 ME Coala
59 Mod Coala Nr. document Semn ăt. Data
Windows Explorer a fost și el îmbun ătățit în multe moduri folositoare. Fiec ărui director i se
poate ata șa o pictogram ă proprie sau o melodie iar directoarele de imagini pot avea ata șate anumite
imagini pe care le con țin.
Op țiunile de asociere ale fi șierelor au fost îmbun ătățite și ele. Se pot suporta asocieri de fi șiere
multiple. De exemplu se poate deschide un fi șier grafic jpeg cu Image Preview, Paint, Adobe Phot o
Shop sau Microsoft PhotoDraw într-un mod foarte u șor, direct din Explorer prin click dreapta și
alegerea op țiunii Open With care permite selectarea programului dorit.
Digital Media.
Aceste servicii sunt foarte importante pentru proi ectul de licen ță deoarece sunt prev ăzute
opera ții de procesare a imaginilor și video.
Dup ă cum se știe Microsoft a fost întotdeauna un element esen țial în revolu ția Digital Media
din ultimii ani iar acest lucru este valabil și pentru Windows XP. În primul rând Windows Media
Player este proiectat s ă includ ă numeroase îmbun ătățiri fa ță de versiunile anterioare. Bara de procese
este acum autocolapsant ă permi țând o versiune a player-ului cu numeroase dimensiun i posibile
putându-se mic șora foarte mult f ără a pierde din func ționalit ățile oferite. Posibilit ățile de alegere în
WMP 8 au fost sintetizate într-un mod mai evident p rin denumiri mai intuitive, u șor de în țeles.
Copierea de pe un CD audio nu mai este limitat ă ca vitez ă, depinzând doar de capacitatea
dispozitivului CD. În plus, când se creeaz ă un CD audio se poate ști în orice moment cât spa țiu liber a
mai r ămas. Alte îmbun ătățiri includ integrarea softului pentru scrierea CD-u rilor (obtuze dar posibil de
folosit). De asemeni utilizatorii de scannere sau c amere digitale vor g ăsi în Windows XP aplica ția
Windows Imaging Acquisition extrem de folositoare î ntrucât de exemplu se poate deschide o imagine
Microsoft Paint direct de pe o camer ă digital ă f ără a mai necesita o salvare anterioar ă. Se poate c ăuta o
camer ă video ca și cum ar fi un drive de hard permi țându-se în acela și timp ce imagini s ă fie aduse sau
șterse. Pentru vederea și editarea imaginilor Windows XP furnizeaz ă facilitatea Preview Applet.
Lucru cu aplica țiile.
Scopul principal în Windows XP a fost compatibilita tea cu aplica țiile utilizatorilor.
Compatibilitatea hardware a fost rezolvat ă de la sine prin munca a peste un an de experien ță de la
Windows 2000 prin drivere care au fost men ținute. Compatibilitatea software îns ă a fost o problem ă
care a trebuit rezolvat ă cu prioritate. De exemplu o problem ă grav ă cu aplica țiile vechi este c ă ele
detecteaz ă gre șit sistemul de operare crezând c ă este vorba despre Windows NT neputând s ă ruleze în
mod corespunz ător. O nou ă tehnologie numit ă APP Fixes detecteaz ă automat astfel de aplica ții prin
compararea cu o mare baz ă de date de astfel de programe vechi și le p ăcăle ște simulând rularea pe un
sistem vechi. Aceast ă baz ă de date se îmbun ătățește folosind facilit ățile Internet. Microsoft a
îmbun ătățit de asemeni și modul în care sistemul reac ționeaz ă atunci când o aplica ție se blocheaz ă. În

UTM 526.1 031 ME Coala
60 Mod Coala Nr. document Semn ăt. Data
Windows XP se poate acum muta, redimensiona, minimi za sau opri o aplica ție blocat ă astfel încât s ă
se poat ă continua lucrul la alt ă aplica ție evitându-se pierderile de date.
Condi ții de memorie RAM.
Microsoft recomand ă ca Windows XP s ă ruleze pe cel pu țin 128 MB de RAM. Cu aceast ă
condi ție îndeplinit ă Windows XP este superior lui Windows 2000 și celorlalte versiuni de Windows.

3.3.2. Argumentarea limbajului de programare
Dup ă cum s-a men ționat în calitate de limbaj de programare voi utili za Delphi.
Delphi este un produs program realizat de firma Borland pentru scrierea aplica țiilor Windows.
Cu Delphi se pot scrie programe pentru Windows mult mai rapid și mai u șor. Se pot crea console de
aplica ții Win32 sau programe de interfe țe grafice pentru utilizator. Când se creeaz ă, acestea din urm ă
cu Delphi, se dispune de toat ă puterea pe care o ofer ă limbajul de programare (Object Pascal) într-un
mediu de dezvoltare rapid ă a aplica țiilor. Acest lucru presupune c ă se poate crea interfa ța utilizator a
unui program (meniurile, c ăsu țele de dialog, fereastra principal ă etc.) folosind tehnicile drag-and-drop
pentru o dezvoltare rapid ă a aplica țiilor (DRA). Se pot pune pe form-uri butoane Active X pentru a crea
programe specializate cum ar fi motoare de c ăutare pe web. Delphi le ofer ă pe gratis: Delphi genereaz ă
rapid coduri compilate. Produsul program Delphi se bazeaz ă pe limbajul de programare Object Pascal
cu toate avantajele oferite de programarea pe obiec te a acestuia în scopul dezvolt ării rapide a
aplica țiilor.
Interfa ța de programare a aplica ției în Windows (API) este o colec ție imens ă de func ții (sute de
asemenea func ții) care la început erau scrise în limbajul C. Prog ramarea Windows se potrivea foarte
bine cu programarea orientat ă obiect, motiv pentru care cei de la Borland au dec is c ă “trebuie s ă existe
o cale mai u șoar ă” de realizare a acestei interfe țe. Prin crearea claselor, care încapsuleaz ă temele
obi șnuite de programare windows, un programator ar pute a fi mult mai eficient. Dup ă ce a fost creat ă o
clas ă, cu posibilit ăți de captare a diferitelor îndatoriri, ale sistemul ui windows de exemplu, clasa aceea
ar putea fi folosit ă de câte ori se dore ște. Se declan șase revolu ția framework .
Încapsularea înseamn ă luarea obiectivului complex de programare și transformându-l, prin
intermediul unei interfe țe simplificate, în program mult mai u șor. Frameworks-urile cele mai des
folosite au clase pentru a capta ferestre , a edita controale , a lista c ăsu țe, a executa opera ții grafice, a
crea imagini graficei, a crea bare de defilare sau c ăsu țe de dialog etc.
Bibliotecile de clase în Delphi fac programarea Windows mult mai u șoar ă decât în limbajul C,
sau în limbajul Pascal original. Ele ascund detalii le de programare astfel încât nu trebuie cunoscute
nici chiar de c ătre programatori. Tot ceea ce trebuie cunoscut este s ă se ia obiectele care compun clasa
și s ă se pun ă în func țiune în cadrul unui program.
Rezultatul implement ării algoritmilor men ționa ți sunt prezenta ți în anexe

UTM 526.1 031 ME Coala
61 Mod Coala Nr. document Semn ăt. Data

4. Argumentarea economic ă a proiectului de licen ță
4.1. Introducere
Proiectele tehnologice contemporane sunt caracteriz ate de urm ătoarele particularit ăți:
− tehnica nou ă utilizat ă este foarte complex ă și este construit ă utilizând ultimele elabor ări
știin țifice;
− acceler ării vitezei de elaborare a proiectelor;
− proiectele referitoare la complexele tehnicii de ca lcul și softului sunt supuse uzurii morale
foarte rapide;
− necesitatea proiect ării de sistem ă la elaborarea softului și sistemelor tehnice.
Toate acestea au dus la necesitatea de creare a noi metode de planificare. Una din aceste
metode prezint ă modelarea procesului de elaborare, adic ă prezentarea leg ăturilor și caracteristicilor
lucr ărilor în procesul elabor ării proiectului.
Metodele tradi ționale de planificare presupun utilizarea celor mai simple modele de construire
a diagramelor de tip consecutive și ciclice.
Dar în asemenea diagrame nu este posibil de a preze nta leg ăturile dintre lucr ări, de unde rezult ă
imposibilitatea de a afla cât de important ă este lucrarea dat ă pentru executarea scopului final. Pot
ap ărea diferite întârzieri în timp, ce apar pe por țiuni de interconectare a lucr ărilor, care sunt complicat
de prezentat în diagrame. De obicei, în procesul di rij ării se culege informa ția despre lucr ările efectuate
și aproape nu se culege și nu se prezint ă informa ția referitor la prognoza finis ării lucr ărilor viitoare, de
aceia este imposibil de a prognoza rezultatele dife ritor variante de solu ționare la modific ările planului
ini țial de lucru. Este de asemenea complicat de a refle cta și dinamica lucr ărilor, de a corecta toat ă
diagrama în leg ătur ă cu schimbarea termenilor de efectuare a unei lucr ări, ce este necesar de a efectua
ca s ă nu schimb ăm termenul de efectuare a întregului complex de lu cr ări.
Sistemele de planificare și gestiune în re țea prezint ă un complex de metode grafice și de calcul,
metode de control și de organizare, care asigur ă modelarea, analiza și reconstruirea dinamic ă a
planului de executare a proiectelor complexe.
Sistemele de planificare și gestiune în re țea este o metod ă cibernetic ă creat ă pentru gestiunea
cu sisteme dinamice complexe cu scopul asigur ării condi ției de optim pentru careva indicatori. A șa
indicatori, în dependen ță de condi țiile concrete, pot fi:
− timpul minim pentru elaborarea întregului complex d e lucr ări;
− costul minim al elabor ării proiectului;
− economia maximal ă a resurselor.
Particularit ățile sistemului de planificare și gestiune în re țea în general sunt urm ătoarele:

UTM 526.1 031 ME Coala
62 Mod Coala Nr. document Semn ăt. Data
− se realizeaz ă metoda proiect ării de sistem la rezolvarea problemelor de organiza re a
gestiunii proceselor;
− se utilizeaz ă modelul informa țional-dinamic special (graful-re țea) pentru descrierea
matematico-logic ă a procesului și calculul automat (conform algoritmului) a paramet rilor acestui
proces (durata, costul, for țele de munc ă, etc.);
− se utilizeaz ă sisteme de calcul pentru prelucrarea datelor opera tive pentru calculul
indicatorilor și primirea rapoartelor analitice și statistice necesare.
Documentul de baz ă în sistemul de planificare și gestiune în re țea este graful-re țea (modelul
re țea), care prezint ă modelul informa țional-dinamic, în care sunt prezentate leg ăturile și rezultatele
tuturor lucr ărilor, necesare pentru atingerea scopului final.
În conformitate cu planul de proiectare și implementare a produsului program de achizi ție și
procesarea informa ției video s-au efectuat mai multe lucr ări. Principalele dintre acestea pot fi
men ționate: analiza situa ției în domeniul de proiectare, elaborarea schemelor de structur ă, elaborarea
algoritmilor, modelarea sistemului în baza UML, imp lementarea produsului program. Toate aceste
etape vor fi specificate în procesul de argumentare economic ă a proiectului.
Dup ă cum s-a men ționat în capitolul 1 al lucr ării de licen ță , la moment pe pia ță sunt prezente
așa produse program, dar costul acestora ajunge la câ teva sute de dolari.
4.2. Planul calendaristic
În conformitate cu planul de activitate pentru proi ectarea și implementare s-au identificat etape
de lucru prezentate în tabelul 4.1.
Tabelul 4.1. Etapele de lucru.
Nr. Etapele de lucru Durata, zile
1 Selectarea și studierea literaturii 4
2 Procurarea materialului necesar 7
3 Instalarea 18
4 Testarea 3
5 Elaborarea raportului d ării de seam ă 3
Total 35

În dependen ță de etapele de lucru fiecare colaborator a proiectu lui particip ă la diferite etape
dup ă cum este reprezentat în tabelul 4.2.
Tabelul 4.2. Etapele de lucru cu repartizarea zilelor.
Nr. Etapele de lucru Durata,
zile Conduc ă
-torul Progra-
matorul Designer
1 Selectarea și studierea literaturii 4 * *
2 Procurarea materialului necesar 7 * *
3 Instalarea 18 * *
4 Testarea 3 * *

UTM 526.1 031 ME Coala
63 Mod Coala Nr. document Semn ăt. Data
5 Elaborarea raportului d ării de
seam ă 3 * *
Total, zile 35 14 31 25

Toate proiectele, indiferent de m ărimea lor, timpul de realizare și num ărul de copii necesit ă
anumite cheltuieli care trebuiesc argumentate în co stul proiectului. Pentru aceasta se efectueaz ă o
argumentare economic ă a proiectului care con ține cheltuieli materiale și nemateriale.
4.3. Retribuirea muncii
Pentru realizarea proiectului dat sunt implicate ma i multe persoane efectuând diferite ac țiuni a
proiectului fiind remunera ți din bugetul proiectului.
În tabelul 4.3 este prezentat ă informa ția despre persoanele care sunt implicate la efectua rea
proiectului, pentru fiecare angajat este prezentat num ărul de zile cu remunerarea respectiva, pentru
fiecare zi de lucru . În tabelul de mai jos este ca lculat fondul de salarizare pentru fiecare angajat în
parte.
Determinarea fondului de salarizare pen tru fiecare salariat in parte conform tabelului .
Tabelul 4.3. Determinarea fondului de salarizare.
Nr.
d/o Lucr ător (func ția) Fondul de
timp, zile Salariu pe
unitate, lei Fond se salariu de
baza,lei
1 Conduc ătorul 14 300 4200
2 Programator 31 250 7750
3 Designer 25 200 5000
TOTAL 16950

Fondul de salarizare de baza o constituie 16950 (le i).
Calculele ce țin de Fondul Social și Prima de Asigurare Medical ă, pentru fiecare salariat în parte,
sunt prezentate mai jos.
FAS – suma contribu țiilor în Fondul Social
AM – prima de Asigurarea Medical ă Obligatorie

FAS = Fs * Cfs(%), unde Cfs = 23%
AM= Fs* Cam (%), unde Cfs = 4,5%

FAS =16950*23%=3898.5 lei
AM=16950*4,5%=593.25 lei

Suma Frm + FS + AM – cheltuielilor privind retribu irea muncii

UTM 526.1 031 ME Coala
64 Mod Coala Nr. document Semn ăt. Data

Suma cheltuielilor privind retribuirea muncii total :
16950+3898.5+593.25=21441,25lei

4.4. Cheltuieli materiale și nemateriale
In acest subcapitol vom enun ța suma consumurilor materiale directe și investi țiilor efectuate la
înfiin țarea activelor materiale pe termen lung și respectiv activelor nemateriale pe termen lung.
Active materiale pe termen lung utilizate in proiect: Computer, imprimant ă, mobilier

Active nemateriale pe termen – programe și aplica ții de care avem nevoie pentru realizarea
proiectului.
Consumuri materiale directe
În continuare vor fi aduse la cuno știn ță consumurile directe ce sunt preconizate la elabora rea
proiectul dat.

Tabelul. 4.4. Cheltuieli materiale directe.
Nr.
d/o Denumire articol de consum Un.ma
s Pre țul
unitar, lei Cantitatea
necesar ă Total CMD,
lei
1. Rechizite de birou compl 270 1 270
2. Discheta buc 12 15 180
3. Hârtie coli 0.15 300 45
4. Flash USB buc 1 180 180
5. Cablu pentru re țea m 2,7 32 86,4
6 C ăș ti un 200 1 200
TOTAL 961,4

Total Consumuri materiale directe 961,4 (lei).

Active materiale pe termen lung

Tabelul 4.5. Active materiale pe termen lung.
Nr.
d/o Nomenclatorul Un.mas Valoarea
pe unitate,
lei Necesar Valoarea totala,
lei
1. Calculator un 7500 1 7500
2. Imprimanta un 3100 1 3100
3. Mobilier set 5700 1 5700
4 Condi ționer un 2600 1 2600
TOTAL 18900

UTM 526.1 031 ME Coala
65 Mod Coala Nr. document Semn ăt. Data

Active nemateriale pe termen lung
Tabelul 4.6. Active nemateriale pe termen lung.
Nr.
d/o Nomenclatorul Un.mas Valoarea
pe unitate,
lei Necesar Valoarea totala,
lei
1. Windows 2007 licen țiat un 2000 1 2000
TOTAL 2000

4.5. Cheltuieli indirecte
In acest compartiment vom enun ța totalul cheltuielilor indirecte pe articole neces are la elaborarea
proiectului. Merge vorba de diferite servicii și utilit ăți de care vom beneficia pe parcursul timpului de
lucru.

Tabelul 4.7. Cheltuieli indirecte.
Nr.
d/o Nomenclatorul Un.mas Tarif pe
unitate, lei Necesar Valoarea totala,
lei
1. Energie electrica Kw/h 1.1 250 275
2. Servicii Internet abon 175 1 175
3 Arenda înc ăperii M2 95 42 3990
5 Apa potabila M3 9.15 6 54,9
6 Transportul rute 3 30 90
TOTAL 4584,9

Calculul Fondului de amortizare
Amortizarea activelor materiale și nemateriale utilizate in proiect reprezint ă un element al costului
de elaborare a proiectului. In acest scop vom aplic a urm ătoarea formul ă de calcul al fondului de
amortizare:
FA = (MFi / T ) * T 1
MFi– valoarea ini țial ă (de intrare) AMTL.
T – termen de func ționare util ă a activului.

UTM 526.1 031 ME Coala
66 Mod Coala Nr. document Semn ăt. Data
T1 – durata proiectului.
Vom prezint ă informa ția tabelar:
Tabelul4.8. Fondul de amortizare.
Nr.
d/o AMTL supus uzurii Valoarea
uzurabila, lei Termenul de
funct utila, luni Fond de amortizare
AMTL pe durata
proiectului, lei
1. Calculator 7500 36 239,72
2. Imprimanta 3100 30 118,84
3. Mobilier 5700 30 218,15
4 Condi ționer 2600 36 83,11
5 Windows 2007 licen țiat 2000 18 76,67
TOTAL 736,49

Fondul total de amortizare a AMTL și ANTL pe durata proiectului vor constitui 736,49 lei.
Durata efectiva de calcul amortiz ării am luat-o în calcul ca 2 luni calendaristice.

4.6. Costul de elaborare a proiectului

Pentru a determina costul proiectului vom însuma to ate categoriile de cheltuieli suportate pe
parcursul elabor ării care le vom însuma în urm ătoarea tabela:

Tabelul 4.9. Costul de elaborare a proiectului.
Nr.
d/o Articole de calcula ție Valoarea,lei Structura devizului de
cheltuieli, %
1 Consumuri materiale directe 961,4 3,47
2 Cheltuieli indirecte 4584,9 16,54
3 Fondul de retribuire a muncii 16950 61,13
4 Fondul Asigur ări Sociale 3898.5 14,06
5 Prime Asigur ări Medicale 593.25 2,14
6 Fondul Amortizare 736,49 2,66
TOTAL 27724,54 100

Calculul rezultatelor financiare

/checkbld Metoda „bottom-up”.

Pre ț brut = Pre ț de cost + Marja Profit;
Vom planifica o marja de profit in m ărime de 13%
De aici: Profit Brut pe unitate va constitui
PB=27724,54+13%=3604,19 lei

UTM 526.1 031 ME Coala
67 Mod Coala Nr. document Semn ăt. Data
• Pre ț brut pentru o unitate de produs:

Pre ț brut =27724,54+3604,19 =31328,17 lei

• Pre ț de realizare = Pre ț brut + TVA

Pre ț de realizare/1 copii =31328,17 +20%=37593,8 lei (i ncl TVA)

Vom comercializa produsul nostru in 2 exemplare. As tfel venitul din vânz ări va constitui:
• VV=2*37593,8 =75187,6 lei (incl TVA)

Profitul brut la realizarea proiectului:

• Pb=VV-CT=60150,08-27724,54=32425,54 lei

unde;
VV-suma neta a venitului din vânz ări fără TVA
CT-costul total de realizare a proiectului
Deoarece proiectul va fi elaborat de c ătre un agent persoana fizica vom calcula impozitul pe
venit conform schemei:
Venit până la 25 200 lei anual vom impozita 7%
Venit mai mare de 25 200 lei anual vom impozita 18%

• Ip=(32425,54 -25200)*18%+25200*7%=1300,6+1764=3064,6 lei

Valoarea profitului net la elaborarea proiectului v a alc ătui:

PN=Pb-Iv=32425,54 -3064,6 =29360,94 lei

Tabelul indicatorilor rezultativi din elaborarea pr oiectului este indicat ă mai jos.

Tabelul 4.10. Indicatorii rezultativi.
Nr.
d/o Indicatori Suma (lei)
1. Pre ț de cost 27724,54
2. Pre ț brut a unei copii 31328,17
3. Venit Vânz ări (incl TVA) 75187,6
4. TVA 20% 15037,52
5. Profit Brut 32425,54
6. Impozit pe venit 3064,6
7. Profit Net 29360,94

Concluzii. Rezultatele ob ținute în procesul de argumentare economic ă au confirmat
corectitudinea strategiei primite pentru proiectare a și implementarea produsului program de achizi ție și
procesare a informa ției video în baza logicii Fuzzy.

UTM 526.1 031 ME Coala
68 Mod Coala Nr. document Semn ăt. Data

Concluzie
Practic este imposibil de prezentat un sistem mult imedia f ără de dispozitive de achizi ție și
proceduri de procesare a imaginilor. Acestea sunt p rincipalele dou ă p ărți componente ale acestor
sisteme. În marea m ăsur ă calitatea sistemelor multimedia depinde de calitat ea achizi ției informa ției
video și de metodele de procesare a acesteia filtrarea, co mpresia, decompresia, restabilirea, formarea
compozi țiilor, combinarea a dou ă imagini sau aplicarea unei constante asupra aceste ia.
În lucrarea de licen ță s-a efectuat proiectarea unui sistem specializat d estinat achizi ției și
proces ării informa ției video în baza logicii Fuzzy. Pentru argumentare a direc ției de proiectare s-a
efectuat analiza situa ției în domeniul sistemelor de achizi ție și procesare a informa ției video și
aspectele metodologice, tehnice și tehnologice utilizate în procesul de proiectare și implementare a
proiectului. Sunt analizate metodele de restabilire și filtrare a imaginilor, metodele de compresie și
decompresie a imaginilor, modele de transformare a imaginilor.
În procesul de proiectare s-a elaborat schema de structur ă, diagramele UML și algoritmii de
procesare a imaginilor în baza logicii Fuzzy. Rezul tatele ob ținute în procesul de proiectare sunt
implementate în produse program anexate la aceast ă lucrare.
Produsul program ob ținut poate fi utilizat ca surse metodice în cadrul pred ării cursurilor de
specialitate la catedra Calculatoare UTM.

UTM 526.1 031 ME Coala
69 Mod Coala Nr. document Semn ăt. Data

Bibliografie
1. A. Vlaicu, Prelucrarea digital ă a imaginilor, Editura Albastr ă, Cluj-Napoca, 1997.
2. A. Watt, 3D Computer Graphics, Addison-Wesley, Grea t Britain, 1993.
3. A.K. Jain, Fundamentals of Digital Image Processing , Ed. Prentice Hall, Englewood Cliffs
NJ, 1989.
4. A.K. Jain, Fundamentals of Digital Image Processing , Prentice-Hall, London, 1989.
5. B., Jahne. Digital Image Processing. Fifth Edition. Berlin: Springer-Verlag, 2002.
6. Bibliografie
7. C. Vertan, M. Ciuc, Tehnici Fundamentale de Prelucr area și Analiza Imaginilor, Editura
MatrixROM, Bucure ști, 2007.
8. E. Pop, Ioan Naforni ță , Virgil Tiponu ț, s.a. Metode în prelucrarea numeric ă a semnalelor,
Ed. Facla, Timi șoara 1989.
9. ftp://ftp.pgpi.org/pub/pgp/6.5/docs/english/IntroTo Crypto.pdf (eng)
10. Gh. Cartianu , M. S ăvescu, I. Constantin, D.Stanomir, Semnale, circuit e și sisteme, Editura
Didactic ă și Pedagogic ă Bucure ști, 1980.
11. Giurc ă, A. Proiectare în UML, Universitatea din Craiova, Facultatea de Matematic ă –
Informatic ă, 2004.
12. http://media.wiley.com/product_data/excerpt/94/0764 5487/0764548794.pdf (eng)
13. http://referat.ro (accesat 20.04.2016)
14. http://referat.ru (accesat 20.04.2016)
15. http://regielive.ro (accesat 20.04.2016)
16. http://tocilar.ro (accesat 20.04.2016)
17. http://uml.org (accesat 20.04.2016)
18. Ion Smeureanu, Georgeta Drula, Multimedia, concepte și practic ă, Editura CISON,
Bucure ști, 1997.
19. Ioni ță , A.D. Modelarea UML în ingineria sistemelor de pro grame, Ed. BIC ALL, Bucure ști,
2003
20. Linda Bird, Internet – Ghid complet de utilizare, E ditura Corint, Bucure ști.
21. Lotfi A. Zadeh, “Is there a need for fuzzy logic?”, ELSEVIER, Information Sciences 178
(2008) 2751–2779.
22. M.V. Popa, R. Oancea, S. Demeter, A. Hangan, Preluc rarea numeric ă a imaginilor –
Aplica ții ale re țelelor neuronale în prelucrarea imaginilor, 2006.
23. O. Radu, Gh. S ăndulescu, Filtre Numerice. Aplica ții, Ed. Tehnic ă Bucure ști, 1979.
24. Onea A., Prelucrarea semnalelor, Politehnium, 2006.

UTM 526.1 031 ME Coala
70 Mod Coala Nr. document Semn ăt. Data
25. R., Gonzalez și R., Woods, Digital Image Processing, s.l.: Addiso n-Wesley Publishing
Company, 1992.
26. S. Nedevschi, T. Mari ța, R. D ănescu, F. Oniga, R. Brehar, I. Giosan, C. Vica ș, Procesarea
Imaginilor – Îndrum ător de laborator, Editura U.T. Press, Cluj-Napoca, 2013.
27. S. Nedevski, Prelucrarea Imaginilor și Recunoa șterea Formelor, Editura Albastr ă, Cluj-
Napoca, 1998.
28. T. Pavlidis, Algorithms for Graphics and Image Proc essing, Springer-Verlag, Berlin-
Heidelberg, 1982.
29. Tay Vaughan, Multimedia – Making it Work, Publisher Osborne/McGraw Hill, Berkeley,
2001
30. V. Prejmerean, Grafic ă pe calculator și prelucr ări de imagini, Litografia Universit ății de
Nord Baia Mare, 2000.
31. Vaida M. „Procesarea imaginilor medicale. Ingineria program ării în vederea dezvolt ării de
aplica ții în domeniul bio-medical” , Casa C ărții de Știin ță , Cluj-Napoca , 2000
32. Vlaicu A. , „Prelucrarea digital ă a imaginilor” , Editura Albastr ă , Cluj-Napoca , 1997
33. W.K., Pratt. Digital Image Processing. Fourth Editi on. USA: Wiley-Interscience, 2007.

UTM 526.1 031 ME Coala
71 Mod Coala Nr. document Semn ăt. Data
Anexe
Anexa 1. Codul surs ă al algoritmului principal de func ționare a sistemului
program prjTraitementImage;
uses
Forms,
untPrincipale in 'untPrincipale.pas' {frmPrincipa le},
untMDIImage in 'untMDIImage.pas' {frmMDIImage},
untCalcImage in 'untCalcImage.pas',
untHFiltreImageImage in 'Filtres\untHFiltreImageI mage.pas' {frmHFiltreImageImage},
untFiltreAddImageImage in 'Filtres\Arithmetique\u ntFiltreAddImageImage.pas' {frmFiltreAddImageImage} ,
untFiltreSubImageImage in 'Filtres\Arithmetique\u ntFiltreSubImageImage.pas' {frmFiltreSubImageImage} ,
untFiltreMulImageImage in 'Filtres\Arithmetique\u ntFiltreMulImageImage.pas' {frmFiltreMulImageImage} ,
untFiltreDivImageImage in 'Filtres\Arithmetique\u ntFiltreDivImageImage.pas' {frmFiltreDivImageImage} ,
untFiltreXORImageImage in 'Filtres\Arithmetique\u ntFiltreXORImageImage.pas' {frmFiltreXORImageImage} ,
untFiltreORImageImage in 'Filtres\Arithmetique\un tFiltreORImageImage.pas' {frmFiltreORImageImage},
untFiltreANDImageImage in 'Filtres\Arithmetique\u ntFiltreANDImageImage.pas' {frmFiltreANDImageImage} ,
untHFiltreImageConstante in 'Filtres\untHFiltreIm ageConstante.pas' {frmHFiltreImageConstante},
untFiltreAddImageConstante in 'Filtres\Arithmetiq ue\untFiltreAddImageConstante.pas' {frmFiltreAddIma geConstante},
untFiltreXORImageConstante in 'Filtres\Arithmetiq ue\untFiltreXORImageConstante.pas' {frmFiltreXORIma geConstante},
untFiltreORImageConstante in 'Filtres\Arithmetiqu e\untFiltreORImageConstante.pas' {frmFiltreORImageC onstante},
untFiltreANDImageConstante in 'Filtres\Arithmetiq ue\untFiltreANDImageConstante.pas' {frmFiltreANDIma geConstante},
untFiltreDivImageConstante in 'Filtres\Arithmetiq ue\untFiltreDivImageConstante.pas' {frmFiltreDivIma geConstante},
untFiltreMulImageConstante in 'Filtres\Arithmetiq ue\untFiltreMulImageConstante.pas' {frmFiltreMulIma geConstante},
untFiltreSubImageConstante in 'Filtres\Arithmetiq ue\untFiltreSubImageConstante.pas' {frmFiltreSubIma geConstante},
untFiltreFondu in 'Filtres\Arithmetique\untFiltre Fondu.pas' {frmFiltreFondu},
untHFiltreImage in 'Filtres\untHFiltreImage.pas' {frmHFiltreImage},
untFiltreNiveauxGris in 'Filtres\Arithmetique\unt FiltreNiveauxGris.pas' {frmFiltreNiveauxGris},
untFiltreAbs in 'Filtres\Arithmetique\untFiltreAb s.pas' {frmFiltreAbs},
untFiltreNOT in 'Filtres\Arithmetique\untFiltreNO T.pas' {frmFiltreNOT},
untHFiltreFiltreDigital in 'Filtres\untHFiltreFil treDigital.pas' {frmHFiltreFiltreDigital},
untFiltreMoyenne in 'Filtres\Filtre Digital\untFi ltreMoyenne.pas' {frmFiltreMoyenne},
untFiltreMinMax in 'Filtres\Filtre Digital\untFil treMinMax.pas' {frmFiltreMinMax},
untFiltreMediane in 'Filtres\Filtre Digital\untFi ltreMediane.pas' {frmFiltreMediane},
untFiltreGauss in 'Filtres\Filtre Digital\untFilt reGauss.pas' {frmFiltreGauss},
untFiltreSeuil in 'Filtres\Operation Points\untFi ltreSeuil.pas' {frmFiltreSeuil},
untFiltreSeuilAdaptatif in 'Filtres\Operation Poi nts\untFiltreSeuilAdaptatif.pas' {frmFiltreSeuilAda ptatif},
untHistogramme in 'Filtres\Analyse Image\untHisto gramme.pas' {frmHistogramme},
untFiltreModificationHistogrammePoints in 'Filtre s\Operation Points\untFiltreModificationHistogramme Points.pas'
{frmFiltreModificationHistogrammePoints},
untPixelisation in 'Filtres\Operation Points\untP ixelisation.pas' {frmFiltrePixelisation};
{$R *.RES}
begin
Application.Initialize;
Application.Title := 'Traitement d''Image';
Application.CreateForm(TfrmPrincipale, frmPrincip ale);
Application.CreateForm(TfrmHFiltreImageImage, frm HFiltreImageImage);
Application.CreateForm(TfrmFiltreAddImageImage, f rmFiltreAddImageImage);
Application.CreateForm(TfrmFiltreSubImageImage, f rmFiltreSubImageImage);
Application.CreateForm(TfrmFiltreMulImageImage, f rmFiltreMulImageImage);
Application.CreateForm(TfrmFiltreDivImageImage, f rmFiltreDivImageImage);
Application.CreateForm(TfrmFiltreXORImageImage, f rmFiltreXORImageImage);
Application.CreateForm(TfrmFiltreORImageImage, fr mFiltreORImageImage);
Application.CreateForm(TfrmFiltreANDImageImage, f rmFiltreANDImageImage);
Application.CreateForm(TfrmHFiltreImageConstante, frmHFiltreImageConstante);
Application.CreateForm(TfrmFiltreAddImageConstant e, frmFiltreAddImageConstante);
Application.CreateForm(TfrmFiltreXORImageConstant e, frmFiltreXORImageConstante);
Application.CreateForm(TfrmFiltreORImageConstante , frmFiltreORImageConstante);
Application.CreateForm(TfrmFiltreANDImageConstant e, frmFiltreANDImageConstante);
Application.CreateForm(TfrmFiltreDivImageConstant e, frmFiltreDivImageConstante);
Application.CreateForm(TfrmFiltreMulImageConstant e, frmFiltreMulImageConstante);
Application.CreateForm(TfrmFiltreSubImageConstant e, frmFiltreSubImageConstante);
Application.CreateForm(TfrmFiltreFondu, frmFiltre Fondu);
Application.CreateForm(TfrmHFiltreImage, frmHFilt reImage);
Application.CreateForm(TfrmFiltreNiveauxGris, frm FiltreNiveauxGris);
Application.CreateForm(TfrmFiltreAbs, frmFiltreAb s);
Application.CreateForm(TfrmFiltreNOT, frmFiltreNO T);
Application.CreateForm(TfrmHFiltreFiltreDigital, frmHFiltreFiltreDigital);
Application.CreateForm(TfrmFiltreMoyenne, frmFilt reMoyenne);
Application.CreateForm(TfrmFiltreMinMax, frmFiltr eMinMax);
Application.CreateForm(TfrmFiltreMediane, frmFilt reMediane);
Application.CreateForm(TfrmFiltreGauss, frmFiltre Gauss);
Application.CreateForm(TfrmFiltreSeuil, frmFiltre Seuil);
Application.CreateForm(TfrmFiltreSeuilAdaptatif, frmFiltreSeuilAdaptatif);
Application.CreateForm(TfrmHistogramme, frmHistog ramme);

UTM 526.1 031 ME Coala
72 Mod Coala Nr. document Semn ăt. Data
Application.CreateForm(TfrmFiltreModificationHist ogrammePoints, frmFiltreModificationHistogrammePoin ts);
Application.CreateForm(TfrmFiltrePixelisation, fr mFiltrePixelisation);
Application.Run;
end.

unit untCalcImage;
interface
type
TCouleur = record
Rouge, Vert, Bleu : Double; //
end;
TCouleurHistogramme = record
Rouge, Vert, Bleu : Integer;
end;
type
TCalcImage = class
private
FTailleX : Integer;
FTailleY : Integer;
procedure ChangeTailleX(const Value : Integer);
procedure ChangeTailleY(const Value : Integer);
public
Image : array of array of TCouleur;
Histogramme : array[0..255] of TCouleurHistogra mme;
property TailleX : Integer read FTailleX write ChangeTailleX;
property TailleY : Integer read FTailleY write ChangeTailleY;
procedure ChangeDimensions(X, Y : Integer);
procedure CalculerHistogramme;
constructor Create;
destructor Destroy; override;
end;
implementation
uses
untMDIImage, untPrincipale;
{ TCalcImage }
procedure TCalcImage.CalculerHistogramme;
var
X, Y : Integer;
NumCouleur : Integer;
begin
frmPrincipale.ChangeStatus('Calculul imaginii');
for NumCouleur := 0 to 255 do
begin
Histogramme[NumCouleur].Rouge := 0; //
Histogramme[NumCouleur].Vert := 0; //
Histogramme[NumCouleur].Bleu := 0; //
end;
frmPrincipale.ProgressBar.Max := TailleX – 1;
for X := 0 to TailleX – 1 do
begin
frmPrincipale.ProgressBar.Position := X;
for Y := 0 to TailleY – 1 do
begin
Inc(Histogramme[LimiteCouleur(Image[X, Y].Rou ge)].Rouge); // "
Inc(Histogramme[LimiteCouleur(Image[X, Y].Ver t)].Vert); //
Inc(Histogramme[LimiteCouleur(Image[X, Y].Ble u)].Bleu); //
end;
end;
end;
procedure TCalcImage.ChangeDimensions(X, Y: Integer );
begin
FTailleX := X;
FTailleY := Y;
SetLength(Image, FTailleX, FTailleY); //
end;
procedure TCalcImage.ChangeTailleX(const Value: Int eger);
begin
FTailleX := Value;
SetLength(Image, FTailleX, FTailleY); //
end;
procedure TCalcImage.ChangeTailleY(const Value: Int eger);
begin
FTailleY := Value;
SetLength(Image, FTailleX, FTailleY); //
end;
constructor TCalcImage.Create;
begin
inherited;

UTM 526.1 031 ME Coala
73 Mod Coala Nr. document Semn ăt. Data
end;
destructor TCalcImage.Destroy;
begin
inherited;
end;
end.

În figura A.1 este prezentat ă interfa ța GUI a programului principal.

Figura A.1. Interfa ța GUI a programului principal.

Anexa 2. Codul surs ă al algoritmului de filtrare a imaginii
unit untFiltreGauss;
interface
uses
StdCtrls, Controls, ExtCtrls, Classes,
untHFiltreFiltreDigital, untCalcImage;
type
TfrmFiltreGauss = class(TfrmHFiltreFiltreDigital)
lblDeviation: TLabel;
edtDeviation: TEdit;
procedure btnOKClick(Sender: TObject);
procedure edtDeviationChange(Sender: TObject);
procedure FormCreate(Sender: TObject);
private
{ D йclarations priv йes }
public
{ D йclarations publiques }
Deviation : Double;
procedure PrevisualiseResultat; override;
end;
procedure CalculerOperation(Image : TCalcImage; Tai lleFiltre : Integer; Deviation : Double; var ImageR esultat : TCalcImage);
procedure CalculerPrevisualisation(Image : TCalcIma ge; TailleFiltre : Integer; Deviation : Double; var ImageResultat : TCalcImage);
var
frmFiltreGauss: TfrmFiltreGauss;
implementation
uses
Math, SysUtils, Forms,
untMDIImage, untPrincipale;
{$R *.DFM}
{ TfrmFiltreGauss }
procedure TfrmFiltreGauss.PrevisualiseResultat;
begin
if EnabledOK then // Si l'image est "compatible"
begin
CalculerPrevisualisation(TfrmMDIImage(Image).Ca lcImage, TailleFiltre, Deviation, CalcImagePrevisua lisation);
AffichePrevisualisation; // Affiche la pr йvisualisation
end;
end;
procedure CalculerPrevisualisation(Image : TCalcIma ge; TailleFiltre : Integer; Deviation : Double; var ImageResultat : TCalcImage);

UTM 526.1 031 ME Coala
74 Mod Coala Nr. document Semn ăt. Data
var
Gaussienne : array of array of Double;
X, Y : Integer;
XTN, YTN : Integer;
X2, Y2 : Integer;
Couleur : TCouleur;
TotalGauss : Double;
begin
TailleFiltre := TailleFiltre div 2;
SetLength(Gaussienne, TailleFiltre * 2 + 1, Taill eFiltre * 2 + 1);
if Deviation = 0 then
Deviation := 0.01;
for X := -TailleFiltre to TailleFiltre do
for Y := -TailleFiltre to TailleFiltre do
Gaussienne[X + TailleFiltre, Y + TailleFiltre ] := Exp(-(Sqr(X) + Sqr(Y)) / (2 * Sqr(Deviation))) / (2 * Pi * Sqr(Deviation));
for X := 0 to ImageResultat.TailleX – 1 do // Pa rcourt tous les pixels
for Y := 0 to ImageResultat.TailleY – 1 do // de l'image
begin
Couleur.Rouge := 0;
Couleur.Bleu := 0;
Couleur.Vert := 0;
TotalGauss := 0;
XTN := X * (Image.TailleX – 1) div (ImageResu ltat.TailleX – 1); //
YTN := Y * (Image.TailleY – 1) div (ImageResu ltat.TailleY – 1); //
for X2 := -TailleFiltre to TailleFiltre do
if (XTN + X2 >= 0) and (XTN + X2 < Image.Ta illeX) then //
for Y2 := -TailleFiltre to TailleFiltre d o
if (YTN + Y2 >= 0) and (YTN + Y2 < Imag e.TailleY) then //
begin
Couleur.Rouge := Couleur.Rouge + Imag e.Image[XTN + X2, YTN + Y2].Rouge * Gaussienne[X2 + TailleFiltre, Y2 + TailleFiltre]; //
Couleur.Vert := Couleur.Vert + Image. Image[XTN + X2, YTN + Y2].Vert * Gaussienne[X2 + Ta illeFiltre, Y2 + TailleFiltre]; //
Couleur.Bleu := Couleur.Bleu + Image. Image[XTN + X2, YTN + Y2].Bleu * Gaussienne[X2 + Ta illeFiltre, Y2 + TailleFiltre]; //
TotalGauss := TotalGauss + Gaussienne [X2 + TailleFiltre, Y2 + TailleFiltre]; //
end;
ImageResultat.Image[X, Y].Rouge := Couleur.Ro uge / TotalGauss; //
ImageResultat.Image[X, Y].Vert := Couleur.Ver t / TotalGauss; //
ImageResultat.Image[X, Y].Bleu := Couleur.Ble u / TotalGauss; //
end;
end;
procedure CalculerOperation(Image : TCalcImage; Tai lleFiltre : Integer; Deviation : Double; var ImageR esultat : TCalcImage);
var
Gaussienne : array of array of Double;
X, Y : Integer;
X2, Y2 : Integer;
Couleur : TCouleur;
TotalGauss : Double;
begin
TailleFiltre := TailleFiltre div 2;
SetLength(Gaussienne, TailleFiltre * 2 + 1, Taill eFiltre * 2 + 1);
if Deviation = 0 then
Deviation := 0.01;
for X := -TailleFiltre to TailleFiltre do
for Y := -TailleFiltre to TailleFiltre do
Gaussienne[X + TailleFiltre, Y + TailleFiltre ] := Exp(-(Sqr(X) + Sqr(Y)) / (2 * Sqr(Deviation))) / (2 * Pi * Sqr(Deviation));
frmPrincipale.ChangeStatus('Calcul');
frmPrincipale.ProgressBar.Max := Image.TailleX – 1;
for X := 0 to Image.TailleX – 1 do // Parcourt t ous les pixels
begin
frmPrincipale.ProgressBar.Position := X;
for Y := 0 to Image.TailleY – 1 do // de l'ima ge
begin
Couleur.Rouge := 0;
Couleur.Bleu := 0;
Couleur.Vert := 0;
TotalGauss := 0;
for X2 := -TailleFiltre to TailleFiltre do
if (X + X2 >= 0) and (X + X2 < Image.Taille X) then // Teste si la colonne X + X2 est sur l'im age
for Y2 := -TailleFiltre to TailleFiltre d o
if (Y + Y2 >= 0) and (Y + Y2 < Image.Ta illeY) then // Teste si la ligne Y + Y2 est sur l' image
begin
Couleur.Rouge := Couleur.Rouge + Imag e.Image[X + X2, Y + Y2].Rouge * Gaussienne[X2 + Tai lleFiltre, Y2 + TailleFiltre]; //
Couleur.Vert := Couleur.Vert + Image. Image[X + X2, Y + Y2].Vert * Gaussienne[X2 + Taille Filtre, Y2 + TailleFiltre]; //
Couleur.Bleu := Couleur.Bleu + Image. Image[X + X2, Y + Y2].Bleu * Gaussienne[X2 + Taille Filtre, Y2 + TailleFiltre]; //
TotalGauss := TotalGauss + Gaussienne [X2 + TailleFiltre, Y2 + TailleFiltre]; //
end;
ImageResultat.Image[X, Y].Rouge := Couleur.Ro uge / TotalGauss; // Calcul la
ImageResultat.Image[X, Y].Vert := Couleur.Ver t / TotalGauss; // moyenne des
ImageResultat.Image[X, Y].Bleu := Couleur.Ble u / TotalGauss; // pixels
end;

UTM 526.1 031 ME Coala
75 Mod Coala Nr. document Semn ăt. Data
end;
frmPrincipale.FinCalcul;
end;
procedure TfrmFiltreGauss.btnOKClick(Sender: TObjec t);
begin
inherited;
TfrmMDIImage(ListeImages.Last).Caption := Format( 'Gauss(%s, %d, %g)', [TfrmMDIImage(Image).Caption, TailleFiltre, Deviation]); //
CalculerOperation(TfrmMDIImage(Image).CalcImage, TailleFiltre, Deviation, TfrmMDIImage(ListeImages.L ast).CalcImage); //
TfrmMDIImage(ListeImages.Last).AfficheImage; //
end;
procedure TfrmFiltreGauss.edtDeviationChange(Sender : TObject);
begin
edtDeviation.Text := FormateNombreDecimal(edtDevi ation.Text, False, Deviation);
Application.ProcessMessages;
PrevisualiseResultat;
end;
procedure TfrmFiltreGauss.FormCreate(Sender: TObjec t);
begin
inherited;
Deviation := 2;
end;
end.

În figura A.2 este prezentat ă interfa ța GUI al algoritmului de filtrare a imaginii.

Figura A.2. Interfa ța GUI al algoritmului de filtrare a imaginii.

Anexa 3. Codul surs ă al algoritmului opera ții imagine – constant ă
unit untFiltreAddImageConstante;
interface
uses
StdCtrls, Controls, ExtCtrls, Classes,
untHFiltreImageConstante, untCalcImage, Dialogs;
type
TfrmFiltreAddImageConstante = class(TfrmHFiltreIm ageConstante)
procedure btnOKClick(Sender: TObject);
private
{ D йclarations priv йes }
public
{ D йclarations publiques }
procedure PrevisualiseResultat; override;
end;
procedure CalculerOperation(Image : TCalcImage; Cou leur : TCouleur; var ImageResultat : TCalcImage);

UTM 526.1 031 ME Coala
76 Mod Coala Nr. document Semn ăt. Data
var
frmFiltreAddImageConstante: TfrmFiltreAddImageCon stante;
implementation
uses
SysUtils,
untMDIImage, untPrincipale;
{$R *.DFM}
{ TfrmFiltreAddImageConstante }
procedure TfrmFiltreAddImageConstante.PrevisualiseR esultat;
var
X, Y : Integer;
X2, Y2 : Integer;
begin
if EnabledOK then //
begin
for X := 0 to CalcImagePrevisualisation.TailleX – 1 do
begin
X2 := X * (TfrmMDIImage(Image).CalcImage.Tail leX – 1) div (CalcImagePrevisualisation.TailleX – 1 ); //
for Y := 0 to CalcImagePrevisualisation.Taill eY – 1 do
begin
Y2 := Y * (TfrmMDIImage(Image).CalcImage.Ta illeY – 1) div (CalcImagePrevisualisation.TailleY – 1); //
CalcImagePrev.Image[X, Y] := TfrmMDIImage(I mage).CalcImage.Image[X2, Y2]; //
end;
end;
CalculerOperation(CalcImagePrev, Couleur, CalcI magePrevisualisation); //
AffichePrevisualisation; // Affiche la pr йvisualisation
end;
end;
procedure CalculerOperation(Image : TCalcImage; Cou leur : TCouleur; var ImageResultat : TCalcImage);
var
X, Y : Integer;
begin
frmPrincipale.ChangeStatus('Calcul');
frmPrincipale.ProgressBar.Max := Image.TailleX – 1;
for X := 0 to Image.TailleX – 1 do // Parcourt t ous les pixels
begin
frmPrincipale.ProgressBar.Position := X;
for Y := 0 to Image.TailleY – 1 do // de l'ima ge
begin
ImageResultat.Image[X, Y].Rouge := Image.Imag e[X, Y].Rouge + Couleur.Rouge; //
ImageResultat.Image[X, Y].Vert := Image.Image [X, Y].Vert + Couleur.Vert; //
ImageResultat.Image[X, Y].Bleu := Image.Image [X, Y].Bleu + Couleur.Bleu; //
end;
end;
frmPrincipale.FinCalcul;
end;

procedure TfrmFiltreAddImageConstante.btnOKClick(Se nder: TObject);
begin
inherited;
TfrmMDIImage(ListeImages.Last).Caption := Format( '(%s) + RGB(%g, %g, %g)', [TfrmMDIImage(Image).Capt ion, Couleur.Rouge,
Couleur.Vert, Couleur.Bleu]); // Affiche le titre de l'image
CalculerOperation(TfrmMDIImage(Image).CalcImage, Couleur, TfrmMDIImage(ListeImages.Last).CalcImage); // Calcul le r йsultat
TfrmMDIImage(ListeImages.Last).AfficheImage; // Affiche le r йsultat
end;
end.

În figura A.3 este prezentat ă interfa ța GUI a programului opera ții imagine – constant ă.

UTM 526.1 031 ME Coala
77 Mod Coala Nr. document Semn ăt. Data

Figura A.3. Interfa ța GUI a programului opera ții imagine – constant ă.

Anexa 4. Codul surs ă al algoritmului opera ții imagine – imagine
unit untFiltreANDImageImage;
interface
uses
StdCtrls, Controls, ExtCtrls, Classes,
untHFiltreImageImage, untCalcImage;
type
TfrmFiltreANDImageImage = class(TfrmHFiltreImageI mage)
procedure btnOKClick(Sender: TObject);
private
{ D йclarations priv йes }
public
{ D йclarations publiques }
procedure PrevisualiseResultat; override;
end;
procedure CalculerOperation(Image1, Image2 : TCalcI mage; var ImageResultat : TCalcImage);
var
frmFiltreANDImageImage: TfrmFiltreANDImageImage;
implementation
uses
SysUtils,
untMDIImage, untPrincipale;
{$R *.DFM}
{ TfrmFiltreANDImageImage }
procedure TfrmFiltreANDImageImage.PrevisualiseResul tat;
var
X, Y : Integer;
X2, Y2 : Integer;
begin
if EnabledOK then // Si les images sont "compati bles"
begin
for X := 0 to CalcImagePrevisualisation.TailleX – 1 do
begin
X2 := X * (TfrmMDIImage(Image1).CalcImage.Tai lleX – 1) div (CalcImagePrevisualisation.TailleX – 1); //

UTM 526.1 031 ME Coala
78 Mod Coala Nr. document Semn ăt. Data
for Y := 0 to CalcImagePrevisualisation.Taill eY – 1 do
begin
Y2 := Y * (TfrmMDIImage(Image1).CalcImage.T ailleY – 1) div (CalcImagePrevisualisation.TailleY – 1); //
CalcImagePrev1.Image[X, Y] := TfrmMDIImage( Image1).CalcImage.Image[X2, Y2]; //
CalcImagePrev2.Image[X, Y] := TfrmMDIImage( Image2).CalcImage.Image[X2, Y2]; //
end;
end;
CalculerOperation(CalcImagePrev1, CalcImagePrev 2, CalcImagePrevisualisation); //
AffichePrevisualisation; //
end;
end;
procedure CalculerOperation(Image1, Image2: TCalcIm age; var ImageResultat: TCalcImage);
var
X, Y : Integer;
begin
frmPrincipale.ChangeStatus('Calcul');
frmPrincipale.ProgressBar.Max := Image1.TailleX – 1;
for X := 0 to Image1.TailleX – 1 do //
begin
frmPrincipale.ProgressBar.Position := X;
for Y := 0 to Image1.TailleY – 1 do //
begin
ImageResultat.Image[X, Y].Rouge := LimiteCoul eur(Image1.Image[X, Y].Rouge) and LimiteCouleur(Ima ge2.Image[X, Y].Rouge); //
ImageResultat.Image[X, Y].Vert := LimiteCoule ur(Image1.Image[X, Y].Vert) and LimiteCouleur(Image 2.Image[X, Y].Vert); //
ImageResultat.Image[X, Y].Bleu := LimiteCoule ur(Image1.Image[X, Y].Bleu) and LimiteCouleur(Image 2.Image[X, Y].Bleu); //
end;
end;
frmPrincipale.FinCalcul;
end;

procedure TfrmFiltreANDImageImage.btnOKClick(Sender : TObject);
begin
inherited;
TfrmMDIImage(ListeImages.Last).Caption := Format( '(%s) AND (%s)', [TfrmMDIImage(Image1).Caption,
TfrmMDIImage(Image2).Caption]); //

CalculerOperation(TfrmMDIImage(Image1).CalcImage, TfrmMDIImage(Image2).CalcImage,
TfrmMDIImage(ListeImages.Last).CalcImage); //

TfrmMDIImage(ListeImages.Last).AfficheImage; //
end;
end.

În figura A.4 este prezentat ă interfa ța GUI a programului opera ții imagine – imagine.

UTM 526.1 031 ME Coala
79 Mod Coala Nr. document Semn ăt. Data

Figura A.4. Interfa ța GUI a programului opera ții imagine – imagine.

UTM 526.1 031 ME Coala
22 Mod Coala Nr. document Semn ăt. Data