Anexa II.1.

2 b P5

DESCRIEREA PROGRAMULUI DE IDENTIFICARE A RUGOZITII SUPRAFEEI PE BAZA ALGORITMULUI DE PROCESARE A IMAGINILOR

1. STABILIREA BAZEI DE IMAGINI. Pentru realizarea programului de identificare a rugozitii suprafeelor s-a ales un subset reprezentativ al imaginilor etaloanelor de rugozitate prezentate n [VESSELENYI]. Codificarea subsetului selectat este prezentat n tabelul 1, mpreun cu simbolurile utilizate n diagrame. n figura 1 sunt date imagini ale suprafeelor din setul selectat. Table 1.
Tipul prelucrrii Rabotare Rugozitate (Ra) 12.5-6.3 6.3-3.2 3.2-1.6 1.6-0.8 3.2-1.6 1.6-0.8 0.8-0.4 0.4-0.2 0.2-0.1 0.1-0.05 0.05-0.025 Cod S1 S2 S3 S4 G3 G4 G5 G6 P7 P8 P9 Simbol * + x

Rectificare

Netezire

Anexa II.1.2 b P5

Fig.1. Imaginile suprafeelor utilizate. 2. ALGORITMUL DE PRELUCRARE A IMAGINILOR. Algoritmul utilizat pentru calculul caracteristicilor imaginilor a fost prezentat n [VESSELENYI], sub denumirea de algoritm MNC3D. n afar de parametrii definii n lucrarea amintit, s-au utilizat interpolri de gradul 2 i 3 a diagramei Richardson. Notnd y = log(Ni) i x = log(1/ri), pentru definirea parametrilor cvasi-fractali, vom obine relaiile :
y = p1 x + p 2

y = p3 x + p 4 x + p 5
2

(1) (2) (3)

y = p 6 x 3 + p 7 x 2 + p8 x + p 9

Exemple ale interpolrii obinute cu ajutorul relaiilor (1),(2) i (3) sunt prezentate n figurile 2.a, 2.b i 2.c.

a.

b.

Anexa II.1.2 b P5

c. Fig.2. Interpolarea liniar (a), de gradul 2 (b) i de gradul 3 (c) a caracteristicilor fractale, pentru imaginea suprafeei S2. n programul de identificare realizat (RIP) parametrii p1....p9, vor fi utilizi pentru obinerea claselor de rugoziti i a identificrii eantioanelor cu rugozitate necunoscut. 3. STABILIREA CLASELOR PARAMETRILOR CVASI-FRACTALI. Pin stabilirea claselor parametrilor cvasi-fractali se nelege stabilirea unui domeniu al spaiului 2D definit de doi dintre parametrii. Dac parametrii imaginii rugozitii pe care dorim s o identificm se ncadreaz ntr-unul din domeniile stabilite, atunci considerm c am identificat rugozitatea. Exist o mare varietate de metode de stabilire a domeniului unei clase dintre care se vor prezenta dou metode. n ambele cazuri domeniile claselor se vor reprezenta sub forma unor diagrame n spaiul parametrilor (diagrame PCF). Clasele se vor considera circulare, iar cu ajutorul metodelor de clasificare se va determina centrul acestor domenii. Prima metod testat este metoda de clusterizare fuzzy c-means. Aceast metod se bazeaz pe premiza c oricare din eantioane aparine unei clase ntr-o anumit msur. Algoritmul pornete de la o estimre iniial a centrelor cluterelor i de asemenea atribuie fiecrui ea ntion un grad de apartenen iniial la unul dintre clustere. Aceste valori sunt apoi modificate iteratit pentru a atinge minimul unei funcii de optimizare cum ar fi distana de la fiecare eantion n spaiul parametrilo, la centrul clusterului, prin ponderarea gradului de apartenen. n figura 3 este dat un exemplu al clasificrii fuzzy.

a. b. Fig.3. Diagrama reprezentrii eantioanelor n spaiul parametrilor (a) i stabilirea

Anexa II.1.2 b P5

centrelor domeniilor de clasificare prin fuzzy clustering (b). Centrele sunt reprezentate prin romburi negre iar clusterii prin diferite culori. A doua metod ncercat este de natur statistic i const n cutarea centrului i razei unei zone circulare n spaiul parametrilor, care s includ toate eantioanele din aceeai clas. Metoda const n gsirea celor mai ndeprtate dou eantioane ce vor constitui limitele domeniului i calculul distanei dintre aceste dou eantioane. Aceast distan se consider apoi ca fiind centrul cercului ce delimiteaz domeniul clasei respective. Aceast metod st la baza programului de identificare realizat. Discriminarea se realizeaz utiliznd diferite combinaiie ale parametrilor cvasi-fractali luai cte doi, aa cum se prezint n figurile 4, 5, 6 i 7: - n primul pas se consider spaiul parametrilor p3-p4 i sunt discriminate clasele S1,S2,S4; - n al doilea pas se consider spaiul parametrilor p1-p2 i este discriminat clasa S3; - n primul pas se consider spaiul parametrilor p4-p5 i sunt discriminate clasele G6,P7,P8,P9; - n primul pas se consider spaiul parametrilor p7-p8 i sunt discriminate clasele G3,G4,G5;

Fig.4. Diagrama reprezentrii eantioanelor n spaiul parametrilor p3-p4 (a) i stabilirea domeniilor claselor pentru eantioanele S1,S2,S4 (b).

Anexa II.1.2 b P5

Fig.5. Diagrama reprezentrii eantioanelor n spaiul parametrilor p1-p2 (a) i stabilirea domeniilor claselor pentru eantioanele S3 (b).

Fig.6. Diagrama reprezentrii eantioanelor n spaiul parametrilor p4-p5 (a) i stabilirea domeniilor claselor pentru eantioanele G6,P7,P8,P9 (b).

Fig.7. Diagrama reprezentrii eantioanelor n spaiul parametrilor p7-p8 (a) i stabilirea domeniilor claselor pentru eantioanele G3,G4,G5 (b).

Anexa II.1.2 b P5

Clasele astfel stabilite sunt integrate n programul de identificare a rugozitii, al crui algoritm va identifica orice eantion cu rugozitate necunoscut prin stabilirea apartenenei acestuia la una dintre clase. 4. PREZENTAREA PROGRAMULUI RIP Programul de identificare al rugozitii are ca interfa de start fereastra prezentat n figura 8. Interfaa programului permite vizualizarea informaiilor despre program, i ncrcarea unei imagini a unei suprafee cu rugozitate necunoscut. Activnd butonul Afiare parametrii imagine programul afieaz un curs de derulare a programului i calculeaz parametrii cvasi-fractali ai imaginii ncrcate. la sfritul rulrii se afieaz valorile parametrilor calculai. Prin activarea butonului Categorie Imagineprogramul afieaz ntr-o fereatr separat tipul de prelucrare a suprafeei i rugozitatea acesteia.

Fig.8.Interfaa utilizator de start a programului RIP.

Anexa II.1.2 b P5

Fig.9. Interfaa pentru ncrcarea unei imagini.

Fig.10. Interfaa pentru afiarea valorilor parametrilor cvasi-fractali.

Fig.11.Interfaa pentru afiarea rezultatelor identificrii.

BIBLIOGRAFIE
1. Dana COLIBABA, Chestionarul instrument valoros n cercetarea pieei, Revista Informatica Economica, 62 , nr. 3 (19)/2001 2. Colibaba, D, Metode statistice avansate utilizate n studierea pietei, Ed. ASE, Bucuresti, 2000. 3. Ctoiu, Iacob, n Virgil Balaure (coordonator), Marketing, Editura Uranus Bucureti, 2000, 4. CIMdata Inc, Product Lifecycle Management-Empowering the Future of Business, CIMdata report, 2002, http://www.CIMdata.com 5. Churchill G.A. Jr, Marketing Research, The Dryden Press International Edition, 1991 6. Drghici G., Ingineria integrat a produselor, Editura Eurobit, Timisoara, 1999

Anexa II.1.2 b P5 7. Florea E., Micu M., Interviul sociologic. Valoarea si limitele lui, Editura Politica, Bucuresti 1966. 8. G. Marinescu, Previziuni de marketing, vol. V. 9. Raiu Suciu, Camelia, Modelarea & simularea proceselor economice Teorie i practic, Ediia a patra, Editura Economic, Bucureti, 2005 10. Mihil Anamaria Ioana, Studiul de pia privind nevoile de management al ciclului de via (PLM) n industria local, licen, 2007 11. www.google.com 12. www.gartner.com 13. www.Kestionar.r0 14. www.outsidesoftware.ro 15. www.analizatrafic.ro 16. www.johnstark.com 17. www.tech.purdue.edu 18. www.softech.com 19. www.spss.r0 20. www.surveypro.ro 21. www.wikipedia.com