‫‪ ١.

١‬اﻟﻤﻘﺪﻣﺔ‬
‫ﻛﺜﺮة اﻟﺤﻮادث اﻟﻤﺮورﯾﺔ اﻟﺘﻲ ﺗﺤﺪث وﺻﻌﻮﺑﺔ اﻟﺘﻌﺮف ﻋﻠﻰ ﻣﺮﺗﻜﺒﻲ ﺗﻠﻚ اﻟﻤﺨﺎﻟﻔﺎت ﻣﺜﻞ ﻣﺨﺎﻟﻔﺎت ﺗﺨﻄﻲ‬
‫اﻟﺴﺮﻋﺔ اﻟﻘﺎﻧﻮﻧﯿﺔ او ﻣﺨﺎﻟﻔﺎت ﺗﺨﻄﻲ اﻻﺷﺎرة اﻟﺤﻤﺮاء وﻏﯿﺮھﺎ ﻣﻦ اﻟﻤﺨﺎﻟﻔﺎت وﻛﺬﻟﻚ ﻋﺪم وﺟﻮد رادع اﯾﺎً ﻛﺎن‬
‫ﻣﺎدي او ﻣﻌﻨﻮي وﺻﻌﻮﺑﺔ اﻟﺘﺤﻜﻢ ﻓﻲ اﻟﻌﻤﻠﯿﺔ اﻟﻤﺮورﯾﺔ ﻛﻮﻧﮭﺎ اﻛﺜﺮ اﻟﻌﻤﻠﯿﺎت ﺗﻌﻘﯿﺪاً‪ ،‬ﻛﻞ ﺗﻠﻚ اﻻﺳﺒﺎب ادت اﻟﻰ‬
‫زﯾﺎدة اھﻤﯿﺔ ھﺬا اﻟﺒﺤﺚ وذﻟﻚ ﺗﻮﻓﯿﺮاً ﻟﻠﻮﻗﺖ واﻟﺠﮭﺪ ﻓﻲ اﻟﺘﻌﺮف ﻋﻠﻰ ﻣﺮﺗﻜﺒﻲ ھﺬه اﻟﻤﺨﺎﻟﻔﺎت ﻣﻦ ﻧﺎﺣﯿﺔ ﻋﻼﺟﯿﺔ‪،‬‬
‫اﯾﻀﺎً وﺟﻮد ﻋﺎﻣﻞ ﻣﻌﻨﻮي ﯾﻤﻨﻊ اﻟﺴﺎﺋﻖ ﻣﻦ ارﺗﻜﺎب ﻣﺨﺎﻟﻔﺔ وذﻟﻚ ﻣﻦ ﻧﺎﺣﯿﺔ وﻗﺎﺋﯿﺔ‪.‬‬

‫ﻛﻤﺎ ان ﻟﻠﺒﺤﺚ اﻟﻌﺪﯾﺪ ﻣﻦ اﻻﺳﺘﺨﺪاﻣﺎت ﻣﺜﻞ اﻟﺘﺤﻜﻢ ﻓﻲ ﺑﻮاﺑﺎت ﻋﺒﻮر اﻟﻤﺮﻛﺒﺎت واﻟﺘﺤﻜﻢ ﻓﻲ ﻣﻮاﻗﻒ‬
‫اﻟﺴﯿﺎرات‪.‬‬

‫ﯾﮭﺪف ھﺬا اﻟﺒﺤﺚ اﻟﻰ ﺗﻄﺒﯿﻖ ﻣﻔﺎھﯿﻢ ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ )‪ (Digital image processing‬وﻣﻔﺎھﯿﻢ‬
‫اﻟﺘﻌﺮف ﻋﻠﻰ اﻻﻧﻤﺎط )‪ (Pattern recognition‬ﻓﻲ ﺑﻨﺎء ﻧﻈﺎم ﯾﺴﺎھﻢ ﻓﻲ زﯾﺎدة ﻛﻔﺎءة اﻟﻌﻤﻠﯿﺔ اﻟﻤﺮورﯾﺔ واﻟﺘﻘﻠﯿﻞ‬
‫ﻣﻦ اﻻﺧﻄﺎء اﻟﺘﻲ ﺗﻘﻊ ﻓﯿﮭﺎ اﻻﻧﻈﻤﺔ اﻟﯿﺪوﯾﺔ اﻟﺘﻲ ﺗﺪار ﻣﻦ ﻗﺒﻞ اﻻﻧﺴﺎن‪.‬‬

‫وﯾﻤﻜﻦ ﺗﻌﺮﯾﻒ اﻧﻈﻤﺔ اﻟﺘﻌﺮف ﻋﻠﻰ ﻟﻮﺣﺎت اﻟﻤﺮﻛﺒﺎت ﻋﻠﻰ اﻧﮭﺎ اﻧﻈﻤﮫ ﺗﻘﻮم ﺑﺎﻟﻤﺮاﻗﺒﺔ اﻻﻟﯿﺔ ﻟﻠﻤﺮﻛﺒﺎت‬
‫واﻟﺘﺤﻜﻢ ﻓﻲ ﺣﺮﻛﺔ اﻟﻤﺮور‪ ،‬وﺗﺠﺪ ھﺬه اﻻﻧﻈﻤﺔ اھﺘﻤﺎﻣﺎً ﻛﺒﯿﺮا وذﻟﻚ ﻟﻔﻮاﺋﺪھﺎ ﻋﻨﺪ اﺳﺘﺨﺪاﻣﮭﺎ ﻓﻲ اﻟﻮاﻗﻊ‪.‬‬

‫وﯾﻤﻜﻦ ﺗﺤﺪﯾﺪ ﻣﺠﺎل اﻟﻨﻈﺎم ﻣﻨﺬ ﻣﺮﺣﻠﺔ اﻟﺤﺼﻮل اﻟﺼﻮرة )‪ (Image acquisition‬ﺑﻮاﺳﻄﺔ اﻟﻜﺎﻣﯿﺮا ﺣﺘﻰ‬
‫ﻣﺮﺣﻠﺔ اﻟﺘﻌﺮف ﻋﻠﻰ ﻣﺤﺘﻮﯾﺎت اﻟﻠﻮﺣﺔ‪ ،‬ﺣﯿﺚ ﺗﻤﺮ ﺑﻜﻞ ﻣﻦ اﻟﻌﻤﻠﯿﺎت اﻻوﻟﯿﮫ ﻟﻤﻌﺎﻟﺠﺔ اﻟﺼﻮر ﺑﮭﺪف‬
‫ﺗﺤﺴﯿﻨﮭﺎ)‪ ،(Image enhancement‬ﺛﻢ ﺗﺤﺪﯾﺪ ﻣﻜﺎن اﻟﻠﻮﺣﺔ)‪ ،(Plate detection‬ﺛﻢ ﺗﻘﺴﯿﻢ ﻣﺤﺘﻮﯾﺎت‬
‫اﻟﻠﻮﺣﺔ)‪ (Image segmentation‬واﺳﺘﺨﺮاج اﻟﺮﻣﻮز اﻻﺳﺎﺳﯿﺔ ﻣﻨﮭﺎ ﺑﻐﺮض اﻟﺘﻌﺮف ﻋﻠﯿﮭﺎ ﻓﻲ اﻟﻤﺮﺣﻠﺔ اﻻﺧﯿﺮة‪،‬‬
‫وﯾﻜﻮن اﻟﻨﺎﺗﺞ ھﻮ رﻗﻢ ﻟﻮﺣﺔ اﻟﻤﺮﻛﺒﺔ‪.‬‬

‫ھﻨﺎﻟﻚ اﻟﻌﺪﯾﺪ ﻣﻦ اﻻﺷﯿﺎء اﻟﺘﻲ ﺗﻌﯿﻖ ﻋﻤﻞ اﻟﻨﻈﺎم‪ ،‬واﻛﺜﺮھﺎ ﻣﻌﻮﻗﺎت ﺑﯿﺌﯿﺔ ﻣﻨﮭﺎ ﻋﻠﻰ ﺳﺒﯿﻞ اﻟﻤﺜﺎل ﻻ‬
‫اﻟﺤﺼﺮ‪ ،‬اﻻﻣﻄﺎر‪ ،‬اﻟﻀﺒﺎب و ﻗﻠﺔ اﻻﺿﺎءه‪ ،‬ﺣﯿﺚ ﺗﻮﺛﺮ ھﺬه اﻟﻈﺮوف اﻟﺒﯿﺌﯿﺔ ﻋﻠﻰ ﺟﻮدةاﻟﺼﻮرة اﻟﻤﻠﺘﻘﻄﺔ ﺑﻮاﺳﻄﺔ‬
‫اﻟﻜﺎﻣﯿﺮا ﻣﻤﺎ ﺗﻘﻠﻞ ﻣﻦ ﻓﻌﺎﻟﯿﺔ وﻛﻔﺎءة اﻟﻨﻈﺎم‪.‬‬

‫‪2‬‬
 ‫‪ ٢.١‬ﻣﺸﻜﻠﺔ اﻟﺒﺤﺚ‬
‫اﻟﻨﻤﻮ اﻟﺴﺮﯾﻊ ﻟﻠﺴﻜﺎن و اﺣﺘﯿﺎﺟﺎت اﻻﻧﺴﺎن ﻹﺳﺘﺨﺪام اﻟﻤﺮﻛﺒﺎت ﻓﻲ زﯾﺎدة ﻣﻀﻄﺮده‪ ،‬ﻟﺬﻟﻚ ﻧﺠﺪ ان ﻣﺮاﻗﺒﺔ‬
‫ھﺬة اﻟﻤﺮﻛﺒﺎت ﻣﻦ اﻟﻨﺎﺣﯿﺔ اﻻﻣﻨﯿﺔ و ﻣﻦ وﺟﮭﺔ اﻟﻨﻈﺮ اﻻدارﯾﺔ ﺗﻌﺪ ﻣﺸﻜﻠﺔ ﻛﺒﯿﺮة ﻧﺤﺘﺎج ﻟﺤﻠﮭﺎ ﻻﻧﮭﺎ ﺗﻌﺘﻤﺪ ﻓﻲ اداﺋﮭﺎ‬
‫ﻋﻠﻰ اﻟﺒﺸﺮ‪ ،‬وھﺬه اﻟﻤﮭﺎم ﯾﻜﻮن ﻣﻦ اﻟﺼﻌﺐ ﻋﻠﻰ اﻟﺒﺸﺮ ﺗﺄدﯾﺘﮭﺎ ﺑﺼﻮرة دﻗﯿﻘﮫ ﻻﻧﮭﺎ ﻋﻤﻠﯿﺔ ﻣﺴﺘﻤﺮة وﺗﺴﺒﺐ اﻟﻤﻠﻞ‪.‬‬

‫‪ ٣.١‬أھﺪاف اﻟﺒﺤﺚ‬
‫اﻟﺘﻌﺮف ﻋﻠﻰ اﻟﻌﺮﺑﺎت اﻟﻤﺨﺎﻟﻔﺔ أو اﻟﻤﺴﺮوﻗﺔ ﻋﻨﺪ ﻣﺮورھﺎ ﺗﺤﺖ ﻧﻄﺎق ﻛﺎﻣﯿﺮات اﻟﻤﺮاﻗﺒﺔ‪.‬‬ ‫‪‬‬
‫ﺗﻘﺪﯾﻢ اﻟﻌﻮن وﺗﻮﻓﯿﺮ اﻟﻮﻗﺖ واﻟﺠﮭﺪ ﻋﻠﻰ رﺟﺎ ل اﻟﻤﺮور اﻟﻤﻜﻠﻔﯿﻦ ﺑﻤﮭﻤﺔ اﻟﻤﺮاﻗﺒﺔ‪.‬‬ ‫‪‬‬
‫اﻟﺘﻌﺮف ﻋﻠﻰ دوال ﻟﻐﺔ اﻟﻤﺎﺗﻼب )‪ (MATLAB‬وﻛﯿﻔﯿﺔ إﺳﺘﺨﺪاﻣﮭﺎ‪.‬‬ ‫‪‬‬

‫‪ ٤.١‬أھﻤﯿﺔ اﻟﺒﺤﺚ‬
‫ﺑﻔﻀﻞ ھﺬه اﻟﺘﻘﻨﯿﺔ ﯾﻤﻜﻦ اﻟﺘﻌﺮف ﻋﻠﻰ اﻟﻌﺮﺑﺎت اﻟﻤﺨﺎﻟﻔﺔ او اﻟﻤﺴﺮوﻗﺔ وﻛﺬﻟﻚ ﺗﺤﺪﯾﺪ اﻟﺴﯿﺎرات اﻟﺘﻲ ﺗﺪﺧﻞ‬
‫ﻓﻲ ﻣﻮاﻗﻒ اﻟﺴﯿﺎرات و اﻟﺘﻲ ﺗﺨﺮج ﻣﻨﮭﺎ‪ ،‬و ﻧﻈـﺎم اﻟﺪﺧـﻮل و اﻟﺨـﺮوج اﻟﻤﺼﺮح ﺑﮫ ﻓﻲ اﻟﻤﺆﺳـﺴﺎت و ﺗﻄﺒﯿﻘﺎت‬
‫اﻷﻣﻦ و ﻣﺸﺎرﯾﻊ ﺣﺮﻛﺔ اﻟﻤﺮور و ﺗﻄﺒﯿﻘﺎﺗﮭﺎ‪ .‬ﻛﻞ ذﻟﻚ ﯾﺴﺎﻋﺪ ﻓﻲ ﺗﻘﻠﯿﻞ اﻟﻮﻗﺖ واﻟﺠﮭﺪ ﻋﻠﻰ اﻟﻤﺴﺆوﻟﯿﯿﻦ ﻣﻦ ھﺬه‬
‫اﻟﻌﻤﻠﯿﺎت ﻓﻲ اﻻﻧﻈﻤﺔ اﻟﯿﺪوﯾﺔ وزﯾﺎدة ﻛﻔﺎءة ھﺬه اﻻﻧﻈﻤﺔ‪.‬‬

‫‪ ٥.١‬ﺣﺪود اﻟﺒﺤﺚ‬
‫ﯾﮭﺪف ھﺬا اﻟﻨﻈﺎم اﻟﻰ اﻟﺘﻌﺮف ﻋﻠﻰ ﻟﻮﺣﺔ ﻋﺮﺑﺔ واﺣﺪة ﻓﻘﻂ ﻓﻲ ﺣﺎل اﻟﺘﻘﺎط ﺻﻮرة وﻛﺎﻧﺖ ﺑﮭﺎ ﻋﺮﺑﺔ واﺣﺪة‬
‫او اﻛﺜﺮ ﻣﻦ اﻟﻌﺮﺑﺎت اﻟﺴﻮداﻧﯿﺔ‪.‬‬

‫‪3‬‬
 ‫‪ ٦.١‬ﻣﺤﺘﻮى اﻟﺒﺤﺚ‬
‫ﺗﻨﺎول اﻟﺒﺎب اﻷول ﻣﻘﺪﻣﺔ ﻋﺎﻣﺔ ﻋﻦ ﻣﺎھﯿﺔ اﻧﻈﻤﺔ اﻟﺘﻌﺮف ﻋﻠﻰ ﻟﻮﺣﺎت اﻟﻌﺮﺑﺎت وﺗﻨﺎول اﯾﻀﺎً اﻟﻤﺸﻜﻠﺔ‬
‫اﻟﺘﻲ دﻓﻌﺖ اﻟﻰ اﻟﻘﯿﺎم ﺑﮭﺬا اﻟﺒﺤﺚ واھﻤﯿﺔ اﻟﺒﺤﺚ واﻟﮭﺪف ﻣﻨﮫ وﺣﺪود اﻟﺒﺤﺚ‪.‬‬

‫وﺗﻨﺎول اﻟﺒﺎب اﻟﺜﺎﻧﻲ اﻟﻤﻔﺎھﯿﻢ اﻷﺳﺎﺳﯿﺔ اﻟﺨﺎﺻﺔ ﺑﻤﻌﺎﻟﺠﺔ اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ وﻣﻔﮭﻮم اﻛﺘﺸﺎف اﻟﺼﻮر‬
‫وﺗﻤﯿﯿﺰھﺎ واﻟﻄﺮق اﻟﻤﺴﺘﺨﺪﻣﺔ ﻹﻛﺘﺸﺎف اﻟﺼﻮر‪.‬‬

‫وﺗﻨﺎول اﻟﺒﺎب اﻟﺜﺎﻟﺚ اﻟﺘﻘﻨﯿﺎت اﻟﻤﺴﺘﺨﺪﻣﺔ ﻹﺟﺮاء ﻋﻤﻠﯿﺔ اﻛﺘﺸﺎف اﻟﺼﻮرة وﺗﺤﺪﯾﺪھﺎ وإﺳﺘﺨﺮاﺟﺔا ﻣﻦ‬
‫اﻟﺼﻮرة اﻻﺻﻠﯿﺔ‪ ،‬وﺗﻘﺴﯿﻤﮭﺎ واﻟﺘﻌﺮف ﻋﻠﻰ اﻟﺮﻣﻮز اﻟﻤﻮﺟﻮدة ﺑﮭﺎ‪ ،‬ﻛﺬﻟﻚ اﻟﺘﻌﺮف ﻋﻠﻰ اﻟﺪوال اﻟﻤﻮﺟﻮدة ﻓﻲ‬
‫ﺻﻨﺪوق ادوات ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ )‪.(Image processing toolbox‬‬

‫وﺗﻨﺎول اﻟﺒﺎب اﻟﺮاﺑﻊ اﻟﻨﻈﺎم اﻟﺤﺎﻟﻲ اﻟﻤﺴﺘﺨﺪم وﻋﯿﻮب اﻟﻨﻈﺎم ﻓﻲ ﺗﻨﻈﯿﻢ اﻟﻌﻤﻠﯿﺔ اﻟﻤﺮورﯾﺔ‪ ،‬ﻛﻤﺎ ﺗﻨﺎول اﻟﻨﻈﺎم‬
‫اﻟﻤﻘﺘﺮح وﺟﻤﯿﻊ اﻟﺨﻄﻮات اﻟﺘﻲ ﯾﻤﺮ ﺑﮭﺎ‪ ،‬اﯾﻀﺎ ﺗﻨﺎول اﻟﺘﺠﺎرب اﻟﺘﻲ ﺗﻢ إﺟﺮاءھﺎ ﻋﻠﻰ اﻟﻨﻈﺎم‪.‬‬

‫وإﺣﺘﻮى اﻟﺒﺎب اﻟﺨﺎﻣﺲ ﻋﻠﻰ اﻟﻨﺘﺎﺋﺞ و اﻟﺘﻮﺻﯿﺎت اﻟﺘﻲ ﺧﺮﺟﻨﺎ ﺑﮭﺎ واﻟﻤﺮاﺟﻊ واﻟﺨﺎﺗﻤﺔ‪.‬‬

‫‪4‬‬
5
6
 ‫‪ ١.١.٢‬ﻣﻘﺪﻣﺔ‬
‫اﻟﺼﻮر ھﻲ ﻃﺮﯾﻘﺔ ﻟﻌﺮض وﺗﺴﺠﯿﻞ اﻟﺒﯿﺎﻧﺎت ﺑﺼﻮرة ﻣﺮﺋﯿﺔ‪ ،‬وھﻲ ﻣﻦ اﻟﻤﻔﺎھﯿﻢ اﻟﻘﺪﯾﻤﺔ ﺣﯿﺚ ﻛﺎﻧﺖ ﺗﻨﺤﺖ‬
‫ﻋﻠﻰ اﻟﺼﺨﻮر ﺛﻢ ﺗﺮﺳﻢ ﻋﻠﻰ اﻻوراق إﻟﻰ ان ﻇﮭﺮ اﻟﺤﺎﺳﻮب وﻇﮭﺮ ﻣﻌﮫ ﻣﻔﮭﻮم اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ‪.‬‬

‫اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ ھﻲ ﺗﻤﺜﯿﻞ ﻟﻠﺼّﻮر اﻟﺜﻨﺎﺋﯿﺔ اﻷﺑﻌﺎد ﻋﻠﻰ اﻟﺤﺎﺳﻮب ﺑﻮاﺳﻄﺔ اﻟﺼﻔﺮ واﻟﻮاﺣﺪ )‪ (١،٠‬و ﺗﺘﻜﻮن‬
‫ﻛﻞ ﺻﻮرةرﻗﻤﯿﺔ ﻋﻠﻰ اﻟﻜﻤﺒﯿﻮﺗﺮ ﻣﻦ اﻟﺒﯿﻜﺴﻞ وھﻮ أﺻﻐﺮ وﺣﺪة ﻓﻲ اﻟﺼﻮرة‪ ،‬و ﻛﻞ ﺻﻮرة ھﻲ ﻣﺼﻔﻮﻓﮫ ﺗﺤﺘﻮى‬
‫ﻋﻠﻰ ﺻﻔﻮف وأﻋﻤﺪه ﻣﻦ اﻟﺒﯿﻜﺴﻼت وﻛﻠﻤﺎ زادت ﻋﺪد اﻟﺒﯿﻜﺴﻼت ﻛﻠﻤﺎ ﻛﺎﻧﺖ اﻟﺼﻮرة أوﺿﺢ‪ ،‬وﯾﺮﺟﻊ ﺗﺎرﯾﺦ‬
‫اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ إﻟﻰ ﻣﻄﻠﻊ ﻋﺸﺮﯾﻨﯿﺎت اﻟﻘﺮن اﻟﻤﺎﺿﻲ ﺣﯿﺚ ﺗﻢ إﺑﺘﻜﺎر ﻧﻈﺎم ﻹرﺳﺎل اﻟﺼﻮر ﻣﻦ ﻟﻨﺪن إﻟﻰ ﻧﯿﻮﯾﻮرك‬
‫ﻋﺒﺮاﻟﻤﺤﯿﻂ اﻻﻃﻠﻨﻄﻲ‪.‬‬

‫ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮراﻟﺮﻗﻤﯿﺔ )‪(Digital Image Processing‬ﻻ ﺗﻌﻨﻲ ﻓﻘﻂ ﻋﻤﻠﯿﺎت ﺗﺰﯾّﯿﻦ اﻟﺼﻮر وإدﺧﺎل‬
‫ﺑﻌﺾ اﻟﺰﺧﺎرف واﻟﺮﺳﻮم ﻋﻠﯿﮭﺎ ﻟﺘﻈﮭﺮ ﺑﻌﺪ ذﻟﻚ ﻓﻲ ﻣﻈﮭﺮ آﺧﺮ ﯾﺨﺘﻠﻒ ﻋﻦ اﻷﺻﻞ‪ ،‬إﻻ أن اﻟﻤﻌﺎﻟﺠﺔ اﻟﺮﻗﻤﯿﺔ‬
‫ﻟﻠﺼﻮر ﺗﺘﻌﺪى ذﻟﻚ ﺑﻞ إﻧﮭﺎ ﻓﻲ اﻟﺤﻘﯿﻘﺔ ﺗﻜﺎد ﻻ ﺗﮭﺘﻢ ﺑﮭﺬا اﻟﺠﺎﻧﺐ ﻣﻦ ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮر أﺻﻼ‪ ،‬ﺣﯿﺚ أﻧﮫ ﯾﺘﻢ ھﻨﺎ‬
‫اﻟﺘﺮﻛﯿﺰ ﻋﻠﻰ اﻟﺘﺸﻔﯿﺮ اﻟﺮﻗﻤﻲ اﻟﻤﻨﺎﺳﺐ ﻟﻠﺼﻮر وإﯾﺠﺎد ﻃﺮاﺋﻖ ﻟﻤﻌﺎﻟﺠﺔ ھﺬه اﻟﺒﯿﺎﻧﺎت اﻟﺮﻗﻤﯿﺔ ﺣﺘﻰ ﺗﻜﻮن ھﺬه اﻟﺼﻮر‬
‫أو اﻟﻤﻌﻠﻮﻣﺎت اﻟﺘﻲ ﺗﺤﻤﻠﮭﺎ اﻟﺼﻮر ﻗﺎﺑﻠﺔ ﻟﻼﺳﺘﻌﻤﺎل ﻣﻦ ﻗﺒﻞ اﻵﻟﺔ اﻟﺘﻲ ﯾﻤﻜﻦ أن ﺗﻜﻮن ﺟﮭﺎز ﺣﺎﺳﻮب أو رﺟﻞ آﻟﻲ‬
‫أو ﻏﯿﺮه ﻣﻦ اﻟﻤﺎﻛﯿﻨﺎت‪.‬‬

‫ﯾﺘﻢ اﻹﺳﺘﻔﺎدة ﻣﻦ ﻋﻤﻠﯿﺎت ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ ﻓﻲ ﻣﺠﺎﻻت ﻋﺪﯾﺪة ﻣﺜﻞ اﻟﺘﻌﺮف ﻋﻠﻰ اﻷﻧﻤﺎط أو‬
‫اﻷﺟﺴﺎم وﻓﻲ اﻟﻤﺠﺎﻻت اﻟﻄﺒﯿﺔ ﻓﻲ اﻛﺘﺸﺎف اﻻورام ﻋﻦ ﻃﺮﯾﻖ اﻟﺼﻮر اﻟﺸﻌﺎﻋﯿﺔ واﻟﻤﺠﺎﻻت اﻟﺼﻨﺎﻋﯿﺔ ﻣﺜﻞ اﻟﺘﺄﻛﺪ‬
‫ﻣﻦ إﻣﺘﻼء اﻟﻌﺒﻮات ﻋﻨﺪ ﺣﺪ ﻣﻌﯿﻦ وﻓﻲ اﻟﻤﺠﺎﻻت اﻷﻣﻨﯿﺔ ﻣﺜﻞ اﻧﻈﻤﺔ اﻟﻤﺮاﻗﺒﺔ‪.‬‬

‫‪ ٢.١.٢‬اﻧﻮاع اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ‬

‫ﯾﺘﻌﺎﻣﻞ اﻟﻤﺎﺗﻼب ﻣﻊ ﻋﺪة اﻧﻮاع ﻣﻦ اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ‪ ،‬وﻛﻞ ﻧﻮع ﻟﮫ ﻣﯿﺰاﺗﮫ اﻟﺘﻲ ﺗﻤﯿﺰه ﻋﻦ اﻻﺧﺮ‪ ،‬وھﻨﺎ‬
‫ﻧﻮﺿﺢ ﺑﺎﻟﺘﻔﺼﯿﻞ ارﺑﻌﺔ ﻣﻦ ھﺬه اﻻﻧﻮاع‪.‬‬

‫‪7‬‬
 ‫‪ ١.٢.١.٢‬ﺻﻮر ﺗﺪرﺟﺎت اﻟﻠﻮن اﻟﺮﻣﺎدي)‪(Gray Scale Image‬‬
‫ھﻲ ﺻﻮرة ﺗﻤﺜﻞ ﺑﻤﺼﻔﻮﻓﺔ ذات ﺑﻌﺪﯾﻦ ﺣﺠﻤﮭﺎ )ن×م( وﻋﻨﺎﺻﺮھﺎ ﻣﻦ ﻧﻮع )‪ (double‬ﺗﻘﻊ ﻓﻲ اﻟﻤﺠﺎل‬
‫]‪ [1,٠‬ﺣﯿﺚ ﯾﻤﺜﻞ ‪ ٠‬اﻟﻠﻮن اﻻﺳﻮد و‪ ١‬اﻟﻠﻮن اﻻﺑﯿﺾ‪ ،‬اﻣﺎ اﻟﻘﯿﻢ اﻟﻮاﻗﻌﮫ ﺑﯿﻨﮭﻤﺎ ﻓﺘﻤﺜﻞ ﺗﺪرﺟﺎت اﻟﻠﻮ ن اﻟﺮﻣﺎدي اﻟﺘﻲ‬
‫ﺗﺼﻞ اﻟﻰ ‪ ٢٥٦‬درﺟﮫ‪ ،‬واﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ ﯾﻮﺿﺢ ھﺬا اﻟﻨﻮع ﻣﻦ اﻟﺼﻮر‪[1].‬‬

‫اﻟﺸﻜﻞ )‪ (1.2‬ﺻﻮرة ﺗﺪرﺟﺎت اﻟﻠﻮن اﻟﺮﻣﺎدي‬

‫‪ ٢.٢.١.٢‬اﻟﺼﻮر اﻟﻤﻠﻮﻧﺔ ) ‪(True RGB Image‬‬

‫ھﻲ ﺻﻮرة ﺗﻤﺜﻞ ﺑﻤﺼﻔﻮﻓﺔ ذات ﺛﻼﺛﮫ اﺑﻌﺎد ﺣﺠﻤﮭﺎ )ن×م×‪ (٣‬وﻋﻨﺎﺻﺮھﺎ ﻣﻦ ﻧﻮع )‪ (double‬وﺗﻘﻊ‬
‫ﺿﻤﻦ اﻟﻤﺠﺎل ]‪ [٠,١‬وﻛﻞ ﺑﻜﺴﻞ ﻣﻦ اﻟﺼﻮرة ﯾﻨﺘﺞ ﻋﻦ دﻣﺞ ﻛﻞ ﻣﻦ اﻟﻠﻮن اﻻﺣﻤﺮ واﻻﺧﻀﺮ واﻻزرق ﻟﺘﻤﺜﻞ اﻟﻠﻮن‬
‫ﻓﻲ اﻟﺒﻜﺴﻞ اﻟﻤﻌﻨﻲ‪ ،‬ﺣﯿﺚ ﻟﻜﻞ ﻟﻮن ﻣﻦ ھﺬه اﻻﻟﻮان ﻣﺼﻔﻮﻓﮫ ذات ﺑﻌﺪﯾﻦ ن×م ﻓﻲ اﻟﻠﻮن اﻻﺣﻤﺮ ﯾﻤﺜﻞ ‪ ٠‬اﻟﻠﻮن‬
‫اﻻﺳﻮد و ‪ ١‬اﻟﻠﻮن اﻻﺣﻤﺮ وھﻜﺬا ﻟﺒﻘﯿﮫ اﻟﻠﻮﻧﯿﻦ اﻻﺧﻀﺮ واﻻزرق‪ ،‬واﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ ﯾﻮﺿﺢ ھﺬا اﻟﻨﻮع ﻣﻦ اﻟﺼﻮر‪.‬‬

‫‪8‬‬
 ‫اﻟﺸﻜﻞ )‪ (٢.٢‬اﻟﺼﻮر اﻟﻤﻠﻮﻧﮫ‬

‫‪ ٣.٢.١.٢‬اﻟﺼﻮر اﻟﻤﻔﮭﺮﺳﺔ ) ‪(Indexed Image‬‬

‫ھﻲ ﺻﻮرة ﺗﻤﺜﻞ ﺑﻤﺼﻔﻮﻓﺘﯿﻦ‪ ،‬اﻻوﻟﻰ ﺗﺴﻤﻰ ﻣﺼﻔﻮﻓﮫ اﻟﺪﻟﯿﻞ ‪ Index‬وھﻲ ذات ﺑﻌﺪﯾﻦ )م×ن( واﻟﺜﺎﻧﯿﺔ‬
‫ﺗﺴﻤﻰ ﺧﺎرﻃﺔ اﻻﻟﻮان وھﻲ اﯾﻀﺎً ذات ﺑﻌﺪﯾﻦ )م×‪ (٣‬و ﺗﺤﺘﻮي ﻋﻠﻰ ﺟﻤﯿﻊ اﻻﻟﻮان اﻟﻤﺘﻮاﺟﺪه ﻓﻲ اﻟﺼﻮرة اﻟﻤﻌﻨﯿﮫ‬
‫وﻋﺪدھﺎ )م( اﻣﺎ اﻻﻋﻤﺪه اﻟﺜﻼﺛﮫ ﻓﺘﺤﺘﻮي ﻋﻠﻰ درﺟﺎت اﻻﻟﻮان اﻟﺜﻼﺛﮫ اﻻزرق واﻻﺣﻤﺮ واﻻﺧﻀﺮ‪ ،‬اﻣﺎ ﻣﺼﻔﻮﻓﮫ‬
‫اﻟﺪﻟﯿﻞ )‪ (Index‬ﻓﺘﺤﺘﻮي ﺑﻜﺴﻼت اﻟﺼﻮرة اﻟﺘﻲ ﺗﺸﯿﺮ اﻟﻰ ﻣﺼﻔﻮﻓﺔ ﺧﺎرﻃﺔ اﻻﻟﻮان )‪ (Color Map‬ﺣﯿﺚ ﻛﻞ‬

‫‪9‬‬
‫ﺑﻜﺴﻞ ﯾﺤﻤﻞ رﻗﻢ ﺻﺤﯿﺢ ﯾﺸﯿﺮ اﻟﻰ ﺻﻒ ﻣﻌﯿﻦ ﻓﻲ ﻣﺼﻔﻮﻓﺔ ﺧﺎرﻃﺔ اﻻﻟﻮان‪ ،‬واﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ ﯾﻮﺿﺢ ھﺬا اﻟﻨﻮع ﻣﻦ‬
‫اﻟﺼﻮر‪.‬‬

‫اﻟﺸﻜﻞ )‪ (3.2‬اﻟﺼﻮر اﻟﻤﻔﮭﺮﺳﮫ‬

‫‪ ٤.٢.١.٢‬اﻟﺼﻮر اﻟﺜﻨﺎﺋﯿﮫ ) ‪( Binary Image‬‬

‫ھﻲ ﺻﻮرة ﺗﻤﺜﻞ ﺑﻤﺼﻔﻮﻓﺔ ذات ﺑﻌﺪﯾﻦ ﺣﺠﻤﮭﺎ )ن×م( وﻛﻞ ﺑﻜﺴﻞ ﯾﺤﺘﻮى ﻋﻠﻰ ‪ ٠‬او ‪ ١‬ﺣﯿﺚ ﯾﻤﺜﻞ اﻟﻠﻮن‬
‫اﻻﺳﻮد ﺑـ ‪ ٠‬واﻻﺑﯿﺾ ﺑـ ‪ ،١‬واﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ ﯾﻮﺿﺢ ھﺬا اﻟﻨﻮع ﻣﻦ اﻟﺼﻮر‪[1].‬‬

‫‪10‬‬
 ‫اﻟﺸﻜﻞ )‪ (4.2‬اﻟﺼﻮر اﻟﺜﻨﺎﺋﯿﮫ‬

‫‪ ٣.١.٢‬اﻧﻮاع ﻣﻠﻔﺎت اﻟﺼﻮر‬

‫ھﻨﺎك ﻋﺪة ﻣﻌﺎﯾﯿﺮ ﺗﻤﯿﺰ ﻣﻠﻔﺎت اﻟﺼﻮر ﻋﻦ ﺑﻌﻀﮭﺎ وﻣﻦ ھﺬه اﻟﻤﻌﺎﯾﯿﺮ‬

‫اﻟﻀﻐﻂ‬
‫ﺑﻌﺾ أﻧﻮاع ﻣﻠﻔﺎت اﻟﺼﻮر ﺗﻘﻮم ﺑﻀﻐﻂ اﻟﺒﯿﺎﻧﺎت وھﺬا اﻟﻀﻐﻂ ﻟﮫ أﻧﻮاع ﻋﺪة اﻧﻮاع‪ ،‬ﺑﻌﻀﮭﺎ ﯾﺤﺎﻓﻆ ﻋﻠﻰ‬
‫اﻟﺒﯿﺎﻧﺎت ﺑﯿﻨﻤﺎ اﻟﺒﻌﺾ اﻵﺧﺮ ﯾﺆﺛﺮ ﻋﻠﻰ اﻟﺒﯿﺎﻧﺎت وﻟﻜﻨﮭﺎ ﺗﺆﻣﻦ ﻣﻌﺪل ﺿﻐﻂ أﻛﺒﺮ‪.‬‬

‫اﻟﺤﺠﻢ‬
‫ﯾﺘﻐﯿﺮ ﺣﺠﻢ اﻟﺼﻮرة ﺗﺒﻌﺎً ﻟﻨﻮع اﻟﻤﻠﻒ‪.‬‬

‫ﻋﺪد اﻷﻟﻮان‬
‫ﻓﺒﻌﺾ اﻟﺼﯿﻎ ذات ﻣﺮوﻧﺔ ﺗﻘﺒﻞ ﺻﯿﻐﺎً ﻣﺘﻌﺪدة ﻟﻸﻟﻮان ) أﻟﻮان ﺣﻘﯿﻘﯿﺔ( وﺑﻌﻀﮭﺎ ﻻ ﯾﻘﺒﻞ إﻻ ﻧﻤﻄﺎً ﻣﺤﺪداً‪.‬‬

‫‪11‬‬
 ‫ﺗﻨﺴﯿﻖ ﻣﻠﻒ اﻟﺼﻮر اﻟﻤﻮﺳﻮﻣﺔ )اﻟﻤﻌﻠّﻤﺔ( )‪(TIFF‬‬
‫وھﻲ اﺧﺘﺼﺎر ﻟـ ‪ Tagged Image File Format‬وھﻮ اﻟﺘﻨﺴﯿﻖ اﻻﻛﺜﺮ ﻣﺮوﻧﺔ‪ ،‬ﻓﺘﻔﺎﺻﯿﻞ ﺧﻮارزﻣﯿﺔ‬
‫ﺣﻔﻆ اﻟﺼﻮرة ﺿﻤﻦ ھﺬا اﻟﻤﻠﻒ ﻏﺎﻟﺒﺎ ﻣﺎ ﺗﻜﻮن ﻏﯿﺮ ﻣﻀﻐﻮﻃﺔ )‪ ،(Lossless‬ﻟﺬﻟﻚ ﯾﻜﻮن ﺣﺠﻢ اﻟﺼﻮرة ﻛﺒﯿﺮ ﺟﺪاً‬
‫ﺑﻞ وﯾﻌﺘﺒﺮ اﻻﻛﺒﺮ ﺑﯿﻦ ﺟﻤﯿﻊ اﻻﻧﻮاع وﯾﻤﻜﻦ ﺿﺒﻄﮫ ﻛـ )ﺿﻐﻂ ﻣﻊ ﻓﻘﺪ او ﺿﻐﻂ ﺑﺪون ﻓﻘﺪ(‪[2].‬‬

‫رﺳﻮﻣﺎت اﻟﺸﺒﻜﺎت اﻟﻤﺤﻤﻮﻟﺔ )‪(PNG‬‬

‫وھﻲ اﺧﺘﺼﺎر ﻟـ ‪ ،Portable Networks Graphics‬وھﺬا اﻟﻨﻮع اﯾﻀﺎ ﯾﺤﻔﻆ اﻟﺼﻮرة ﺑﺪون ﻓﻘﺪ‬
‫)‪ ،(Lossless‬وﺗﻢ اﺑﺘﻜﺎر ھﺬا اﻟﺘﻨﺴﯿﻖ ﻟﻌﺮض اﻟﺼﻮر ﻣﻦ ﺧﻼل اﻟﻮﯾﺐ‪ ،‬ﻛﺬﻟﻚ ﯾﺴﺘﺨﺪم ﻟﻠﺘﻌﺎﻣﻞ ﻣﻊ اﻟﺼﻮر ذات‬
‫اﻻﺟﺰاء اﻟﺸﻔﺎﻓﮫ واﻟﺘﻲ ﯾﺼﻞ ﺣﺠﻤﮭﺎ ﻟـ ‪.Bit ٢٤‬‬

‫ﺧﺮﯾﻄﺔ )اﻟﺒﺖ( )‪(BTM‬‬

‫وھﻲ اﺧﺘﺼﺎر ﻟـ ‪ ،BiT Map‬وھﻲ ﻣﻦ اواﺋﻞ اﻟﺼﯿﻎ ﻓﻲ ﻋﺮض اﻟﺼﻮر ﺣﯿﺚ ﻛﺎﻧﺖ اﻟﺼﯿﻐﺔاﻷﺳﺎﺳﯿﺔ ﻓﻲ‬
‫ﺑﺮﻧﺎﻣﺞ اﻟﺮﺳﺎم ﻓﻲ ﻧﻈﺎم )‪ ،(Windows XP‬وھﺬا اﻟﺘﻨﺴﯿﻖ ﻏﯿﺮ ﻣﻀﻐﻮط وﯾﻤﻜﻦ اﻟﺘﺤﻜﻢ ﻓﻲ دﻗﺔ ﻋﺪد اﻻﻟﻮان‬
‫وﺑﺎﻟﺘﺎﻟﻲ ﺗﺤﺪﯾﺪ ﺣﺠﻢ اﻟﻤﻠﻒ‪.‬‬

‫ﻣﺠﻤﻮﻋﺔ ﺧﺒﺮاء اﻟﺘﺼﻮﯾﺮ اﻟﻤﺸﺘﺮﻛﺔ )‪(JPEG‬‬

‫وھﻲ اﺧﺘﺼﺎر ﻟـ ‪ ،Joint Photographic Experts Group‬وھﻲ اﻟﺼﯿﻐﺔ اﻻﻣﺜﻞ ﻟﻠﺼﻮر‬
‫اﻟﻔﻮﺗﻮﻏﺮاﻓﯿﺔ واﻟﺼﻮر اﻟﺘﻲ ﺗﺤﺘﻮي ﻋﻠﻰ اﻟﻮان ﻋﺪﯾﺪة و ﯾﺘﻢ اﻟﺘﻘﺎط اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ ﺑﮫ وﯾﺴﻤﺢ ﺑﺘﺨﺰﯾﻦ ﻛﻢ اﻛﺒﺮ ﻣﻦ‬
‫اﻟﺼﻮر ﺑﺎﻟﺬاﻛﺮة‪ ،‬وھﻮ اﯾﻀﺎ ﺷﺎﺋﻊ اﻻﺳﺘﺨﺪام ﻓﻲ ﺷﺒﻜﺔ اﻻﻧﺘﺮﻧﺖ وﯾﺘﻤﯿﺰ ﺑﺘﺤﻘﯿﻖ اﻟﺘﻮازن ﺑﯿﻦ ﺿﻐﻂ اﻟﺼﻮرة‬
‫وﺟﻮدﺗﮭﺎ ﺣﯿﺚ ﯾﺤﻘﻖ ﻧﺴﺒﺔ ﺿﻐﻂ ﻋﺎﻟﯿﺔ ﻣﻊ اﻟﻤﺤﺎﻓﻈﮫ ﻋﻠﻰ ﺟﻮدة اﻟﺼﻮرة‪.‬‬

‫ﺗﻨﺴﯿﻖ اﻟﺮﺳﻮﻣﺎت اﻟﻤﺘﺒﺎدﻟﺔ )‪(GIF‬‬

‫‪12‬‬
‫وھﻲ اﺧﺘﺼﺎر ﻟـ ‪ ،Graphics Interchange Format‬وھﻮ اﻟﺘﻨﺴﯿﻖ اﻟﺬي ﯾﺴﺘﺨﺪم ﻟﻌﺮض اﻟﺼﻮرة ﻣﻦ‬
‫ﻣﺼﺪرھﺎ ﻣﺒﺎﺷﺮة‪ ،‬ﻣﺜﻞ اﻟﺼﻮر اﻟﺘﻲ ﺗﻌﺮض ﻓﻲ اﻻﻧﺘﺮﻧﺖ‪ ،‬وﯾﻨﺸﺊ ھﺬا اﻟﺘﻨﺴﯿﻖ ﻟﻮﺣﺔ ﻣﻦ ‪ ٢٥٦‬ﻟﻮن ﻣﻦ اﺻﻞ ‪١٦‬‬
‫ﻣﻠﯿﻮن ﻓﺈذا اﺣﺘﻮت اﻟﺼﻮرة ﻋﻠﻰ اﻗﻞ ﻣﻦ ‪ ٢٥٦‬ﻟﻮن ﺗﻜﻮن اﻟﺼﻮرة ﻛﻤﺎ ھﻲ اﻣﺎ اذا اﺣﺘﻮت ﻋﻠﻰ اﻛﺜﺮ ﻣﻦ ذﻟﻚ‬
‫ﻓﺘﻨﺸﺊ اﻟﺨﻮارزﻣﯿﺔﺻﻮرة ﻣﻦ ‪ ٢٥٦‬ﻟﻮن‪ ،‬وھﺬا اﻟﻨﻮع ﯾﻌﺘﺒﺮ ﻓﺎﻗﺪ )‪[2].(Lossy‬‬

‫‪٤.١.٢‬ﻋﻤﻠﯿﺎت ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ‬

‫ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻌﻤﻠﯿﺎت اﻟﺘﻲ ﺗﺠﺮى ﻋﻠﻰ اﻟﺼﻮرة ﺑﮭﺪف اﻟﻮﺻﻮل اﻟﻰ ﺻﻮرة اﻋﻠﻰ ﺟﻮدة ﻣﻦ اﻟﺼﻮرة‬
‫اﻻوﻟﻰ‪ ،‬و ﺟﻤﯿﻊ ﻣﺪﺧﻼت ھﺬه اﻟﻌﻤﻠﯿﺎت ﻋﺒﺎرة ﻋﻦ ﺻﻮرة ﻟﻜﻦ ﻟﯿﺲ ﺑﺎﻟﻀﺮورة ان ﺗﻜﻮن اﻟﻤﺨﺮﺟﺎت ﺻﻮر اﯾﻀﺎً‬
‫ﻓﻘﺪ ﺗﻜﻦ ﺻﻮرة او ﺧﺼﺎﺋﺺ وﺳﻤﺎت ﻣﺴﺘﺨﻠﺼﺔ ﻣﻦ اﻟﺼﻮرة‪ ،‬وﻓﻲ ھﺬا اﻟﺠﺰء ﻧﺴﺘﻌﺮض ھﺬه اﻟﻌﻤﻠﯿﺎت وﺗﻮﺿﯿﺢ‬
‫ﻣﺨﺮﺟﺎت ﻛﻞ ﻋﻤﻠﯿﺔ‪[3].‬‬

‫‪ -‬إﻛﺘﺴﺎب اﻟﺼﻮرة )‪(Image Acquisition‬‬

‫وﻓﻲ ھﺬه اﻟﻤﺮﺣﻠﺔ ﻧﻘﻮم ﺑﺠﻠﺐ اﻟﺼﻮرة اﻟﻤﺮاد إﺟﺮاء ﻣﻌﺎﻟﺠﺔ ﻋﻠﯿﮭﺎ‪ ،‬وھﻨﺎك ﻋﺪة ﻃﺮق ﻟﻠﺤﺼﻮل ﻋﻠﻰ‬
‫اﻟﺼﻮرة‪ ،‬وﻣﻨﮭﺎ ‪:‬‬

‫‪ ‬ﻛﺎﻣﯿﺮا رﻗﻤﯿﺔ‬
‫‪ ‬ﻣﺎﺳﺢ ﺿﻮﺋﻲ‬
‫‪ ‬اﻻﻗﻤﺎر اﻟﺼﻨﺎﻋﯿﺔ‬

‫وﻏﯿﺮھﺎ ﻣﻦ ﻃﺮق اﻟﺘﻲ ﺗﻜﻮن ﻣﺨﺮﺟﺎﺗﮭﺎ ﺻﻮرة‪[3].‬‬

‫‪ -‬ﺗﺤﺴﯿﻦ اﻟﺼﻮرة )‪(Image Enhancement‬‬

‫‪13‬‬
‫ھﻨﺎ ﯾﺘﻢ إﺟﺮاء ﺑﻌﺾ اﻟﻌﻤﻠﯿﺎت اﻻوﻟﯿﺔ ﻋﻠﻰ اﻟﺼﻮرة اﻟﺘﻲ ﺗﺤﺼﻠﻨﺎ ﻋﻠﯿﮭﺎ ﻓﻲ اﻟﻤﺮﺣﻠﺔ اﻟﺴﺎﺑﻘﺔ وذﻟﻚ ﺑﻐﺮض‬
‫ﺗﺤﺴﯿﻦ ﺟﻮدﺗﮭﺎ وﺗﻮﺿﯿﺢ ﺑﻌﺾ اﻟﺘﻔﺎﺻﯿﻞ‪ ،‬وﻣﺜﺎل ﻋﻠﻰ ذﻟﻚ اﻟﺘﺤﻮﯾﻞ ﺑﯿﻦ اﻻﻧﻮاع اﻟﻤﺨﺘﻠﻔﺔ ﻟﻠﺼﻮر‪ ،‬وﻣﺨﺮﺟﺎت ھﺬه‬
‫اﻟﻌﻤﻠﯿﺎت ھﻲ ﺻﻮرة ذات ﺟﻮدة أﻋﻠﻰ‪.‬‬

‫‪ -‬إﺳﺘﺨﺮاج اﻟﺨﺼﺎﺋﺺ )‪(Features Extraction.‬‬

‫ﯾﺘﻢ ﻓﯿﮭﺎ اﻟﺤﺼﻮل ﻋﻠﻰ ﺻﻔﺎت ﺑﻐﺮض ﺗﻘﻠﯿﻞ اﻟﺘﻔﺎﺻﯿﻞ وﺗﻘﻠﯿﻞ ﻋﻤﻠﯿﺎت اﻟﻤﻌﺎﻟﺠﺔ‪ ،‬وﻣﺜﺎل ﻋﻠﻰ ذﻟﻚ‬
‫اﺳﺘﺨﺮاج اﻟﺤﻮاف )‪[3].(Edges‬‬

‫‪ -‬ﺗﻘﺴﯿﻢ اﻟﺼﻮرة )‪(Image Segmentation‬‬

‫وﻓﻲ ھﺬه اﻟﻤﺮﺣﻠﺔ ﯾﺘﻢ ﺗﻘﺴﯿﻢ اﻟﺼﻮرة وﻓﻘﺎً ﻟﻤﻌﺎﯾﯿﺮ ﻣﺤﺪده‪ ،‬وﻛﺬﻟﻚ وﻓﻘﺎً ﻟﻠﺨﺼﺎﺋﺺ اﻟﻤﺴﺘﺨﺮﺟﺔ ﻓﻲ‬
‫اﻟﻤﺮﺣﻠﺔ اﻟﺴﺎﺑﻘﺔ‪.‬‬

‫‪ -‬اﻟﺘﻌﺮف ﻋﻠﻰ اﻟﺼﻮرة )‪(Image Recognition‬‬

‫وھﻲ ﻋﻤﻠﯿﺔ اﻟﺘﻌﺮف ﻋﻠﻰ ﻣﺤﺘﻮﯾﺎت اﻟﺼﻮرة‪ ،‬واﻟﺘﻌﺮف ﻋﻠﻰ ﻛﻞ ﻋﻨﺼﺮ ﺗﻢ إﺳﺘﺨﺮاﺟﺔ ﻓﻲ اﻟﻤﺮﺣﻠﺔ‬
‫اﻟﺴﺎﺑﻘﺔ‪[3].‬‬

‫‪ ٥.١.٢‬ﺻﯿﻎ اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ‬

‫‪Double -‬‬
‫ﺗﻘﻮم ﺑﺘﻤﺜﯿﻞ ﻗﯿﻤﺔ اﻟﺒﻜﺴﻞ ﻓﻲ ﺻﻮرة ﻋﺪد ﺣﻘﯿﻘﻲ‪ ،‬وﺗﺘﺮاوح ﻗﯿﻢ اﻟﺒﻜﺴﻞ ﻟﻤﺼﻔﻮﻓﺔ اﻟﺼﻮر ذات ﺗﺪرﺟﺎت‬
‫اﻟﺮﻣﺎدي )‪ (Gray scale Image‬واﻟﺼﻮر اﻟﻤﻔﮭﺮﺳﺔ )‪ (Indexed Image‬واﻟﺼﻮر اﻟﻤﻠﻮﻧﺔ )‪ (RGB Image‬ﻣﺎ‬
‫ﺑﯿﻦ ‪ ٠‬و ‪ ،١‬أﻣﺎ اﻟﺼﻮر اﻟﺜﻨﺎﺋﯿﺔ ﻓﺘﻜﻮن إﻣﺎ ‪ ٠‬أو ‪[4].١‬‬

‫‪Unit 8 -‬‬

‫‪14‬‬
‫ﺗﻘﻮم ﺑﺘﻤﺜﯿﻞ ﻗﯿﻤﺔ اﻟﺒﻜﺴﻞ ﻓﻲ ﺻﻮرة ﻋﺪد ﺻﺤﯿﺢ ﻣﻜﻮن ﻣﻦ ‪ ٨‬ﺧﺎﻧﺎت ﺛﻨﺎﺋﯿﮫ‪ ،‬وﺗﺘﺮاوح ﻗﯿﻢ اﻟﺒﻜﺴﻞ‬
‫ﻟﻤﺼﻔﻮﻓﺔ اﻟﺼﻮر ذات ﺗﺪرﺟﺎت اﻟﺮﻣﺎدي )‪ (Gray scale Image‬واﻟﺼﻮر اﻟﻤﻔﮭﺮﺳﮫ )‪(Indexed Image‬‬
‫واﻟﺼﻮر اﻟﻤﻠﻮﻧﮫ )‪ (RGB Image‬ﻣﺎ ﺑﯿﻦ ‪ ٠‬و ‪ ،٢٥٥‬أﻣﺎ اﻟﺼﻮر اﻟﺜﻨﺎﺋﯿﮫ ﻓﺘﻜﻮن إﻣﺎ ‪ ٠‬أو ‪.١‬‬

‫‪Unit 16 -‬‬
‫ﺗﻘﻮم ﺑﺘﻤﺜﯿﻞ ﻗﯿﻤﺔ اﻟﺒﻜﺴﻞ ﻓﻲ ﺻﻮرة ﻋﺪد ﺻﺤﯿﺢ ﻣﻜﻮن ﻣﻦ ‪ ١٦‬ﺧﺎﻧﮫ ﺛﻨﺎﺋﯿﮫ‪ ،‬وﺗﺘﺮاوح ﻗﯿﻢ اﻟﺒﻜﺴﻞ‬
‫ﻟﻤﺼﻔﻮﻓﺔ اﻟﺼﻮر ذات ﺗﺪرﺟﺎت اﻟﻠﻮن اﻟﺮﻣﺎدي )‪ (Gray scale Image‬واﻟﺼﻮر اﻟﻤﻔﮭﺮﺳﮫ )‪(Indexed Image‬‬
‫واﻟﺼﻮر اﻟﻤﻠﻮﻧﮫ )‪ (RGB Image‬ﻣﺎ ﺑﯿﻦ ‪ ٠‬و ‪ ٦٥٥٣٥‬وھﺬا اﻟﻨﻮع ﻻ ﯾﺪﻋﻢ اﻟﺼﻮر اﻟﺜﻨﺎﺋﯿﮫ ‪[4].‬‬

‫‪ ٦.١.٢‬ﺗﻄﺒﯿﻘﺎت ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ‬

‫ھﻨﺎك اﻟﻜﺜﯿﺮ ﻣﻦ اﻟﺘﻄﺒﯿﻘﺎت ﻓﻲ ﻣﺠﺎل ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ ﻓﻲ اﻻﻃﯿﺎف اﻟﻤﺨﺘﻠﻔﺔ ﻟﻨﺸﺎﻃﺎت اﻻﻧﺴﺎن‪،‬‬
‫ﻓﻤﻨﮭﺎ اﻧﻈﻤﺔ اﻻﺳﺘﺸﻌﺎر ﻋﻦ ﺑﻌﺪ وﻛﺬﻟﻚ ﻧﺠﺪ اﻻﻧﻈﻤﺔ اﻟﺒﯿﻠﻮﺟﯿﺔ اﻟﻄﺒﯿﺔ وھﻨﺎ ﻧﻌﺮض ﺑﻌﺾ ﺗﻠﻚ اﻻﻧﻈﻤﺔ‪[5].‬‬

‫‪ -‬أﻧﻈﻤﺔ اﻟﺘﺤﻘﻖ اﻟﻤﺮﺋﯿﺔ اﻷﻟﯿﺔ‬

‫وھﻲ اﻧﻈﻤﺔ ﺿﺮورﯾﺔ ﻟﺘﺤﺴﯿﻦ اﻻﻧﺘﺎﺟﯿﺔ وﺟﻮدة اﻟﻤﻨﺘﺞ ﻓﻲ اﻟﺼﻨﺎﻋﺎت‪ ،‬وھﻨﺎ ﻧﺴﺘﻌﺮض إﺛﻨﯿﻦ ﻣﻦ ﺗﻠﻚ‬
‫اﻻﻧﻈﻤﺔ‪.‬‬

‫‪ -‬ﻧﻈﺎم اﻟﻔﺤﺺ اﻵﻟﻰ ﻟﺨﯿﻮط اﻟﻤﺼﺒﺎح‬

‫وھﻮ ﺗﻄﺒﯿﻖ ﻣﺜﯿﺮ ﻟﻺھﺘﻤﺎم ﺑﯿﻦ اﻧﻈﻤﺔ اﻟﻔﺤﺺ اﻻﻟﻲ‪ ،‬وﯾﺘﻀﻤﻦ ﻓﺤﺺ وﻣﺮاﻗﺒﺔ اﻟﻌﻤﻠﯿﺎت اﻟﻤﺘﺒﻌﮫ‬
‫ﻓﻲ ﺻﻨﺎﻋﺔ اﻟﺼﺎﺑﯿﺢ‪ ،‬ﻋﺎدة ﻣﺎ ﺗﻨﻘﻄﻊ ﺧﯿﻮط اﻟﻤﺼﺎﺑﯿﺢ ﺑﻌﺪ ﻓﺘﺮه ﻗﺼﯿﺮه ﺑﺴﺒﺐ اي ﺧﻄﺄ ھﻨﺪﺳﻲ ﻋﻠﻰ ﺳﺒﯿﻞ‬
‫اﻟﻤﺜﺎل‪ ،‬ﻟﺬﻟﻚ ﻧﺠﺪ ان اﻟﺘﻔﺘﯿﺶ اﻟﯿﺪوي ﻻ ﯾﺼﻠﺢ ﻟﻤﺜﻞ ھﺬه اﻟﻌﻤﻠﯿﺔ‪.‬‬

‫‪ -‬ﻧﻈﺎم اﻟﺘﻌﺮف ﻋﻠﻰ اﻟﻌﻨﺎﺻﺮ اﻟﺨﺎﻃﺌﺔ‬

‫‪15‬‬
‫اﯾﻀﺎً ﯾﻤﻜﻦ إﺳﺘﺨﺪام ﻣﺜﻞ ھﺬه اﻻﻧﻈﻤﺔ ﻓﻲ اﻟﺘﻌﺮف ﻋﻠﻰ اﻟﻌﻨﺎﺻﺮ او اﻻﺟﺰاء اﻟﺨﺎﻃﺌﺔ ﺿﻤﻦ‬
‫اﻻﻧﻈﻤﺔ اﻻﻟﻜﺘﺮوﻧﯿﺔ او اﻻﻧﻈﻤﺔ اﻟﻜﮭﺮوﻣﯿﻜﺎﻧﯿﻜﯿﺔ‪ ،‬اﻟﻌﻨﺼﺮ اﻟﺬي ﯾﺤﺪث ﺑﮫ ﺧﻠﻞ ﻋﺎدة ﯾﻮﻟﺪ ﻃﺎﻗﺔ ﺣﺮارﯾﺔ‬
‫اﻛﺜﺮ ﻣﻦ ﻏﯿﺮه‪ ،‬وﺻﻮر اﻻﺷﻌﺔ ﺗﺤﺖ اﻟﺤﻤﺮاء ﺗﺘﻮﻟﺪ ﻣﻦ اﻟﺘﻮزﯾﻌﺎت اﻟﺤﺮارﯾﺔ ﻓﻲ اﻟﻤﻜﺎن‪ ،‬إذ ﻣﻦ ﺧﻼل‬
‫ﺗﺤﻠﯿﻞ ھﺬه اﻟﺼﻮر ﯾﻤﻜﻨﻨﺎ ﺗﺤﺪﯾﺪ اﻣﺎﻛﻦ اﻻﻋﻄﺎل‪.‬‬

‫‪ -‬ﺗﻘﻨﯿﺔ اﻟﺼﻮر اﻟﻄﺒﯿﺔ‬

‫ھﻨﺎك اﻟﻌﺪﯾﺪ ﻣﻦ اﺟﮭﺰة اﻟﺘﺼﻮﯾﺮ اﻟﻄﺒﯿﺔ ﻣﺜﻞ ﺻﻮر اﻻﺷﻌﺔ اﻟﺴﯿﻨﯿﺔ واﻟﻤﻮﺟﺎت ﻓﻮق اﻟﺼﻮﺗﯿﺔ وﺻﻮر‬
‫اﻟﺮﻧﯿﻦ اﻟﻤﻐﻨﺎﻃﯿﺴﻲ وﻏﯿﺮھﺎ ﻣﻦ اﻻﺟﮭﺰه وﺗﺴﺘﺨﺪم ﻋﻠﻰ ﻧﻈﺎق واﺳﻊ ﻓﻲ اﻟﺘﺸﺨﯿﺺ اﻟﻄﺒﻲ‪ ،‬وﺗﺘﻢ ﻣﻌﺎﻟﺠﺔ ھﺬه‬
‫اﻟﺼﻮر ﻟﻶﺗﻲ ‪:‬‬

‫ﺗﺤﺪﯾﺪ اﻟﻌﻨﺎﺻﺮ اﻟﻤﮭﻤﺔ‪.‬‬ ‫‪-‬‬

‫اﺧﺬ ﻗﯿﺎﺳﺎت ﻟﮭﺬه اﻟﻌﻨﺎﺻﺮ اﻟﻤﺴﺘﺨﺮﺟﺔ‪.‬‬ ‫‪-‬‬
‫ﺗﺤﻠﯿﻞ اﻟﻌﻨﺼﺮ ﻟﺘﺸﺨﯿﺺ اﻟﻤﺮض‪.‬‬ ‫‪-‬‬

‫ﻓﻲ اﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ ﻣﺜﺎل ﻟﺼﻮر ﻣﺴﺘﺨﺮﺟﺔ ﻣﻦ ﻣﺜﻞ ھﺬه اﻻﺟﮭﺰة‬

‫اﻟﺸﻜﻞ )‪ (5.2‬اﻟﺼﻮر اﻟﻤﺘﻘﻄﺔ ﺑﻮاﺳﻄﺔ اﺟﮭﺰة اﻟﺘﺸﺨﯿﺺ اﻟﻄﺒﻲ‬

‫‪16‬‬
 ‫اﻟﻤﺮاﻗﺒﺔ اﻟﺘﺤﯿﻄﯿﺔ )‪(Defense surveillance‬‬
‫وھﻮ ﻣﺠﺎل دراﺳﺔ ﻣﮭﻢ ﺟﺪاً‪ ،‬ﻓﮭﻨﺎك ﺣﺎﺟﺔ ﻣﺘﺰاﯾﺪة ﻟﻤﺮاﻗﺒﺔ اﻻراﺿﻲ واﻟﻤﺤﯿﻄﺎت ﺑﺈﺳﺘﺨﺪام ﺗﻘﻨﯿﺎت اﻟﻤﺮاﻗﺒﺔ‬
‫اﻟﺠﻮﯾﺔ‪.‬‬

‫ﻟﻨﻔﺘﺮض اﻧﻨﺎ ﻧﺮﯾﺪ اﻟﺤﺼﻮل ﻋﻠﻰ اﻧﻮاع وﺗﺸﻜﯿﻼت اﻻوﻋﯿﺔ اﻟﺒﺤﺮﯾﺔ ﻓﻲ ﺻﻮرة ﺟﻮﯾﺔ ﻟﺴﻄﺢ إﺣﺪى‬
‫اﻟﻤﺤﯿﻄﺎت‪ ،‬اﻟﻤﮭﻤﺔ اﻷﺳﺎﺳﯿﺔ ھﻨﺎ ھﻲ ﺗﻘﺴﯿﻢ اﻟﻜﺎﺋﻨﺎت اﻟﻤﺨﺘﻠﻔﺔ ﻓﻲ اﻟﻤﺎء‪ ،‬ﺑﻌﺪ إﺳﺘﺨﺮاج اﻟﻜﺎﺋﻨﺎت ﻧﻘﻮم ﺑﺈﺟﺮاء‬
‫اﻟﻘﯿﺎﺳﺎت ﻋﻠﯿﮭﺎ ﻣﺜﻞ اﻟﻤﺴﺎﺣﺔ واﻟﻤﻮﻗﻊ واﻟﺸﻜﻞ و اﻟﻄﻮل واﻟﻤﺤﯿﻂ واﻹﻛﺘﻨﺎز وﻣﺎ اﻟﻰ ذﻟﻚ وﺗﻘﺴﯿﻢ اﻟﻜﺎﺋﻨﺎت‬
‫اﻟﻤﺴﺘﺨﺮﺟﺔ ﺑﻨﺎءاً ﻋﻠﻰ ھﺬه اﻟﻘﯿﺎﺳﺎت‪.‬ﻓﺒﺎﻟﺘﺎﻟﻲ ﯾﺼﺒﺢ ﻣﻦ اﻟﺴﮭﻞ اﻟﺘﻌﺮف ﻋﻠﻰ ﻧﻮع ﻛﻞ ﺷﻜﻞ ﺑﻨﺎءاً ﻋﻠﻰ ﺧﺼﺎﺋﺼﺔ‪.‬‬
‫]‪.[5‬‬

‫ﺗﺘﺒﻊ اﻷھﺪاف اﻟﻤﺘﺤﺮﻛﺔ )‪(Moving-Object Tracking‬‬

‫ﺗﺘﺒﻊ اﻻﺟﺴﺎم اﻟﻤﺘﺤﺮﻛﺔ ﻟﻘﯿﺎس ﻣﻌﺎﻣﻼت اﻟﺤﺮﻛﺔ واﻟﺤﺼﻮل ﻋﻠﻰ ﺳﺠﻞ ﻣﺮﺋﻲ ﻟﻠﺠﺴﻢ اﻟﻤﺘﺤﺮك ھﻮ ﻣﺠﺎل‬
‫ﻣﮭﻢ ﻓﻲ ﺗﻄﺒﯿﻘﺎت ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ‪ ،‬ﻋﺎﻣﺔ ھﻨﺎك ﻃﺮﯾﻘﺘﺎن ﻟﺘﺘﺒﻊ اﻻﺟﺴﺎم‪.‬‬

‫ﺗﺘﺒﻊ ﯾﻌﺘﻤﺪ ﻋﻠﻰ اﻟﺘﻌﺮف ﻋﻠﻰ اﻟﺠﺴﻢ اﻟﻤﺘﺤﺮك ‪.Recognition-based tracking‬‬ ‫‪-‬‬
‫ﺗﺘﺒﻊ ﯾﻌﺘﻤﺪ ﻋﻠﻰ ﺣﺮﻛﺔ اﻟﺠﺴﻢ اﻟﻤﺘﺤﺮك ‪.Motion-based tracking‬‬ ‫‪-‬‬

‫اﻟﻨﻮع اﻻول ﯾﻘﻮم ﺑﺎﻟﺘﻌﺮف ﻋﻠﻰ اﻟﺠﺴﻢ ﻓﻲ ﺻﻮر ﻣﺘﻌﺎﻗﺒﺔ وﯾﺘﻢ اﻟﺘﺘﺒﻊ ﺑﻤﻌﺮﻓﺔ ﻣﻮﺿﻊ اﻟﺠﺴﻢ ﻓﻲ ﻛﻞ‬
‫ﺻﻮرة‪.‬‬

‫وﯾﺴﺘﺨﺪم اﻟﻨﻮع اﻟﺜﺎﻧﻲ ﻓﻲ اﻻﻧﻈﻤﺔ اﻟﺘﻲ ﺗﺘﻌﻘﺐ اﻻھﺪاف اﻟﺴﺮﯾﻌﺔ ﻓﻌﻨﺪ دﺧﻮل ﺟﺴﻢ ﻣﻌﯿﻦ ﻟﻤﺠﺎل اﻟﻜﺎﻣﯿﺮا‬
‫ﯾﻘﻮم اﻟﻨﻈﺎم ﺑﺎﻟﺤﺼﻮل ﻋﻠﻰ ﺻﻮرة ﻟﺬﻟﻚ اﻟﺠﺴﻢ آﻟﯿﺎً ﺑﺪون ﺗﺪﺧﻞ اﻻﻧﺴﺎن]‪. [5‬‬

‫‪17‬‬
18
 ‫‪ ١.٢.٢‬ﻣﻔﮭﻮم اﻟﺘﻌﺮف ﻋﻠﻰ ﻟﻮﺣﺎت اﻟﻌﺮﺑﺎت‬
‫ﯾﮭﺪف اﻟﻨﻈﺎم إﻟﻰ اﻟﺘﻌﺮف ﻋﻠﻰ ﻟﻮﺣﺔ اﻟﻌﺮﺑﺔ وذﻟﻚ ﺑﻌﺪ إﻟﺘﻘﺎط ﺻﻮرة ﻣﺤﺘﻮﯾﺔ ﻋﻠﻰ اﻟﻠﻮﺣﺔ وﻣﻦ ﺛﻢ إﺟﺮاء‬
‫ﻋﻤﻠﯿﺎت ﻣﻌﺎﻟﺠﺔ ﻋﻠﻰ اﻟﺼﻮرة ﻹﺳﺘﺨﺮاج ﺧﻮاص وﻣﻤﯿﺰات اﻟﺼﻮرةﺛﻢ إﺟﺮاء ﻋﻤﻠﯿﺔ ﺗﻘﻄﯿﻊ ﻟﻠﻮﺣﺔ ﻹﺳﺘﺨﺮاج‬
‫اﻷﺣﺮف واﻻرﻗﺎم وﻣﻦ ﺛﻤﻤﻘﺎرﻧﺔ ھﺬه اﻟﻤﻜﻮﻧﺎت ﻣﻊ ﺻﻮرﻻﺣﺮف وارﻗﺎم ﻣﺨﺰﻧﺔ ﻣﺴﺒﻘﺎً ﻓﻲ اﻟﺒﺮﻧﺎﻣﺞ‬
‫)‪ (Template‬ﺣﯿﺚ إذا وﺟﺪ ﺗﻄﺎﺑﻖ ﯾﻘﻮم اﻟﺒﺮﻧﺎﻣﺞ ﺑﺈﺧﺮاج اﻟﻘﯿﻤﺔ ﻣﻦ ﺣﺮف او رﻗﻢ وھﻜﺬا ﺣﺘﻰ ﻧﮭﺎﯾﺔ ﻣﻜﻮﻧﺎت‬
‫اﻟﻠﻮﺣﺔ‪.‬‬

‫‪ ٢.٢.٢‬اﻟﻄﺮق اﻟﻤﺴﺘﺨﺪﻣﮫ ﻟﻠﺘﻌﺮف ﻋﻠﻰ اﻟﻠﻮﺣﺔ‬

‫ﻋﻤﻠﯿﮫ اﻟﺘﻌﺮف ﻋﻠﻰ اﻟﻠﻮﺣﺔ ﻣﻦ اھﻢ ﻣﺮاﺣﻞ اﻟﻨﻈﺎم‪ ،‬وﺗﺴﺘﺨﺪم ﻋﺪة ﻃﺮق ﻟﻠﺘﻌﺮف ﻋﻠﻰ ﻣﻜﺎن اﻟﻠﻮﺣﺔ ﻓﻲ‬
‫اﻟﺼﻮرة اﻟﻤﻠﺘﻘﻄﺔ‪ ،‬وﻣﻦ اﻛﺜﺮ اﻟﻄﺮق ﺷﯿﻮﻋﺎً اﻟﻌﻤﻠﯿﺎت اﻟﻤﻮرﻓﻠﻮﺟﯿﺔ)‪ (Morphologic Operation‬وھﻲ ﻋﻤﻠﯿﺎت‬
‫ﺣﺴﺎﺑﯿﺔ ﺗﺘﻢ ﻋﻠﻰ ﺟﻤﯿﻊ اﻟﻨﻘﺎط ﻓﻲ اﻟﺼﻮرة ﻟﯿﻜﻮن اﻟﻨﺎﺗﺞ ھﻮ ﻣﻜﺎن اﻟﻠﻮﺣﺔ‪.‬‬

‫‪ ٣.٢.٢‬ﺗﻄﺒﯿﻘﺎت اﻟﻨﻈﺎم‬
‫ﻟﮫ اﻟﻌﺪﯾﺪ ﻣﻦ اﻟﺘﻄﺒﯿﻘﺎت ﻧﺬﻛﺮ ﻣﻨﮭﺎ‬

‫ﺗﺤﺪﯾﺪ ﻣﻮﻗﻊ اﻟﻌﺮﺑﺎت اﻟﻤﻄﻠﻮﺑﮫ ﺑﻮاﺳﻄﺔ اﻟﻘﺎﻧﻮن‬

‫ﯾﻤﻜﻦ ﺑﻮاﺳﻄﺔ اﻟﻨﻈﺎم ﺗﺤﺪﯾﺪ ﻣﻮﻗﻊ ﻋﺮﺑﺔ ﻣﻄﻠﻮﺑﺔ ﺑﻮاﺳﻄﺔ اﻟﻘﺎﻧﻮن ﺳﻮاء ﻛﺎﻧﺖ اﻟﻌﺮﺑﺔﻣﺴﺮوﻗﮫ او ﻣﺨﺎﻟﻔﺔ‪،‬‬

‫ﻓﯿﻜﻮن رﻗﻢ اﻟﻌﺮﺑﺔ ﻣﺨﺰن ﻓﻲ اﻟﻨﻈﺎم‪ ،‬واﺛﻨﺎء ﻗﯿﺎم اﻟﻜﺎﻣﯿﺮات ﺑﺈﻟﺘﻘﺎط ﺻﻮر ﻟﻠﻌﺮﺑﺎت وﺗﺤﺪﯾﺪ رﻗﻢ اﻟﻠﻮﺣﺔ ﻟﻜﻞ ﻋﺮﺑﺔ‪،‬‬
‫ﯾﻘﻮم اﻟﻨﻈﺎم ﺑﻤﻄﺎﺑﻘﺔ ﻛﻞ رﻗﻢ ﻣﻊ اﻻرﻗﺎم اﻟﻤﻄﻠﻮﺑﮫ وإذا وﺟﺪ ﺗﻄﺎﺑﻖ ﯾﻘﻮم ﺑﺈرﺳﺎل إﺷﺎرة ﻷﻗﺮب ﺿﺎﺑﻂ ﻣﺮور ﻣﻦ‬
‫ﻣﻮﻗﻊ اﻟﻜﺎﻣﯿﺮا‪.‬‬

‫‪19‬‬
 ‫اﻟﺘﺤﻜﻢ ﻓﻲ ﺑﻮاﺑﺎت اﻟﻌﺮﺑﺎت‬
‫ﻓﻲ ﺑﻌﺾ اﻟﻤﺆﺳﺴﺎت ﻻ ﯾﺴﻤﺢ إﻻ ﺑﺪﺧﻮل ﻋﺮﺑﺎت اﻟﻌﺎﻣﻠﯿﻦ إﻟﻰ ﻣﻘﺮ اﻟﻤﺆﺳﺴﺔ‪ ،‬ﻓﻨﻘﻮم ﺑﺘﺮﻛﯿﺐ ﻛﺎﻣﯿﺮا ﻋﻨﺪ‬
‫ﺑﻮاﺑﺔ اﻟﻤﺆﺳﺴﺔ ﺗﻘﻮم ﺑﺈﻟﺘﻘﺎط ﺻﻮرة ﻟﻜﻞ ﻋﺮﺑﺔ ﺗﺤﺎول اﻟﺪﺧﻮل وﺗﺤﺪﯾﺪ رﻗﻢ اﻟﻌﺮﺑﺔ واﻟـﺘﺄﻛﺪ ﻣﻦ وﺟﻮد اﻟﺮﻗﻢ ﺿﻤﻦ‬
‫ﻗﺎﺋﻤﺔ اﻻرﻗﺎم اﻟﻤﺴﻤﻮح ﻟﮭﺎ ﺑﺎﻟﻌﺒﻮر‪ ،‬ﻓﺈذا ﻛﺎن اﻟﺮﻗﻢ ﻣﻮﺟﻮد ﯾﻘﻮم اﻟﻨﻈﺎم ﺑﻔﺘﺢ اﻟﺒﻮاﺑﺔ وﯾﺴﻤﺢ ﻟﻠﻌﺮﺑﺔ ﺑﺎﻟﻤﺮور‪ ،‬وإذا‬
‫ﻟﻢ ﯾﺠﺪ اﻟﺮﻗﻢ ﻻ ﯾﺤﺪث أي ﺗﻐﯿﯿﺮ‪.‬‬

‫ﻣﺮاﻗﺒﺔ اﻣﺎﻛﻦ ﺗﻮﻗﻒ اﻟﻌﺮﺑﺎت‬

‫ﯾﻤﻜﻦ ﺗﻄﺒﯿﻖ اﻟﻨﻈﺎم ﻓﻲ ﻣﻮاﻗﻒ اﻟﺴﯿﺎرات )‪ ،(Parking‬ﺑﺤﯿﺚ ﺗﺜﺒﺖ ﻛﺎﻣﯿﺮا ﻋﻦ اﻟﻤﺪﺧﻞ‪ ،‬ﻓﻌﻨﺪ دﺧﻮل‬
‫ﺳﯿﺎرة ﻏﯿﺮ ﻣﺼﺮح ﻟﮭﺎ ﺑﺎﻟﺪﺧﻮل ﯾﻘﻮم اﻟﻨﻈﺎم ﺑﺈرﺳﺎل إﺷﺎرةﻟﻠﻤﺴﺆول ﻋﻦ اﻟﻤﻜﺎن او اﺻﺪار اﺷﺎرة ﺗﺤﺬﯾﺮ ﻟﺴﺎﺋﻖ‬
‫اﻟﻌﺮﺑﺔ‪.‬‬

‫‪20‬‬
21
 ‫‪ ١.٣.٢‬اﻟﺪراﺳﮫ اﻻوﻟﻰ‬

‫اﻟﺪراﺳﮫ اﻟﺴﻮداﻧﯿﮫ‬
‫ﺗﻤﺖ ﻓﻲ اﻟﻌﺎم ‪ ٢٠٠٧‬ﻓﻲ ﺟﺎﻣﻌﺔ اﻟﺴﻮدان ﻟﻠﻌﻠﻮم واﻟﺘﻜﻨﻠﻮﺟﯿﺎ‪ ،‬وﯾﻜﻮن ﻣﺪﺧﻞ اﻟﻨﻈﺎم ﻋﺒﺎرة ﻋﻦ ﻣﻘﻄﻊ‬
‫ﻓﯿﺪﯾﻮ‪ ،‬وﺗﻘﻄﯿﻊ اﻟﻔﯿﺪﯾﻮ اﻟﻰ ﻋﺪة إﻃﺎرات‪ Frames‬وﺣﺴﺎب اﻟﺘﻐﯿﺮ ﺑﯿﻦ ﺗﻠﻚ اﻻﻃﺎرات ﻟﻤﻌﺮﻓﺔ ﻓﻲ اي اﻃﺎر ﺗﻮﺟﺪ‬
‫اﻟﻌﺮﺑﺔ‪ ،‬ﺑﻌﺪ ذﻟﻚ ﯾﺘﻢ ﺗﺤﺪﯾﺪ ﻣﻮﻗﻊ اﻟﻠﻮﺣﺔ ﻓﻲ اﻟﺼﻮرة‪ ،‬ﺛﻢ ﺗﻘﺴﯿﻢ اﻟﻠﻮﺣﺔ اﻟﻰ اﺟﺰاء‪ ،‬واﺧﯿﺮاً ﺗﺄﺗﻲ ﻣﺮﺣﻠﺔ اﻟﺘﻌﺮف‬
‫ﻋﻠﻰ اﻟﺮﻣﻮز اﻟﻤﻮﺟﻮدة ﻓﻲ اﻟﻠﻮﺣﺔ‪[6].‬‬

‫اﻟﻄﺮﯾﻘﺔ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓﻲ ﺗﺤﺪﯾﺪ ﻣﻮﻗﻊ اﻟﻠﻮﺣﺔ‬

‫اﺳﺘﺨﺪﻣﺖ ﺧﻮارزﻣﯿﺔ ﺗﺤﻮﯾﻞ ھﻮف‪ ،‬وﺗﻘﻮم اﻟﺨﻮارزﻣﯿﺔ ﺑﻤﻌﺎﻟﺠﺔاﻟﺼﻮرة واﺳﺘﺨﺮاج ﻛﻞ اﻟﺨﻄﻮط‬
‫اﻟﻤﻮﺟﻮده ﻓﯿﮭﺎ‪ ،‬ﺛﻢ اﻟﺒﺤﺚ ﻋﻦ اﻟﺨﻄﻮط اﻟﺘﻲ ﻗﺪ ﺗﺸﻜﻞ ﺣﺪود ﻟﻠﻮﺣﺔ وﺑﻌﺪ ذﻟﻚ إﺳﺘﺨﺮاﺟﮭﺎ وﺗﺤﺪﯾﺪ ﻣﻜﺎن اﻟﻠﻮﺣﺔ ﻋﻦ‬
‫ﻃﺮﯾﻖ ﺗﻠﻚ اﻟﺨﻄﻮط‪.‬‬

‫ﻃﺮﯾﻘﺔ اﻟﺘﻌﺮف ﻋﻠﻰ ﻣﺤﺘﻮﯾﺎت اﻟﻠﻮﺣﺔ‬

‫اﺳﺘﺨﺪﻣﺖ ﻓﻲ ﻋﻤﻠﯿﺔ اﻟﺘﻌﺮف ﻋﻠﻰ ﻣﺤﺘﻮﯾﺎت اﻟﻠﻮﺣﺔ ﺗﻘﻨﯿﺔ اﻟﺸﺒﻜﺎت اﻟﻌﺼﺒﯿﺔ)‪.(Neural Networks‬‬

‫‪22‬‬
 ‫ھﯿﻜﻞ اﻟﻨﻈﺎم‬

‫ﺟﻠﺐ اﻟﻔﯿﺪﯾﻮ‬

‫اﺳﺘﺨﺮاج اﻻﺟﺴﺎم اﻟﻤﺘﺤﺮﻛﺔ‬

‫ﺗﺤﺪﯾﺪ اﻟﻤﻮاﻗﻊ اﻟﻤﺮﺷﺤﺔ ﻛﻠﻮﺣﺔ‬

‫ﻓﻲ ﺣﺎل ان اﻟﻤﻨﻄﻘﺔ‬

‫ﺗﻘﻄﯿﻊ ﻣﺤﺘﻮﯾﺎت ﻟﻮﺣﺔ اﻟﻤﺮﻛﯿﺔ‬

‫اﻟﻤﺮﺷﺤﺔ ﻟﯿﺴﺖ‬

‫ﻟﻮﺣــﺔ‬

‫ﺗﻤﯿﯿﺰ ﻣﺤﺘﻮﯾﺎت ﻟﻮﺣﺔ اﻟﻤﺮﻛﺒﺔ‬

‫اﻟﺸﻜﻞ )‪ (6.٢‬ھﯿﻜﻞ اﻟﺪراﺳﺔ اﻟﺴﻮداﻧﯿﺔ‬

‫ﻧﺘﺎﺋﺞ اﻟﺪراﺳﺔ‬
‫ﺗﻮﺻﻞ اﻟﻨﻈﺎم اﻟﻰ اﻟﺘﻌﺮف ﻋﻠﻰ اﻻﺣﺮف ﺑﻨﺴﺒﺔ ﺗﺰﯾﺪ ﻋﻦ ‪.%٨٥‬‬

‫‪23‬‬
 ‫‪ ٢.٣.٢‬اﻟﺪراﺳﺔ اﻟﺜﺎﻧﯿﺔ‬

‫اﻟﺪراﺳﺔ اﻟﺴﻌﻮدﯾﺔ‬
‫ﺗﻤﺖ ﻓﻲ اﻟﻌﺎم ‪ ٢٠١٢‬ﻣﻦ ﻗﺒﻞ ﻃﻼب ﻓﻲ ﺟﺎﻣﻌﺔ اﻟﻤﻠﻚ ﻓﯿﺼﻞ‪ ،‬واﺳﺘﺨﺪﻣﺖ ﺗﻘﻨﯿﺔ اﻟـ ‪(Redial Basis‬‬
‫)‪ Function (RBF) Neural Networks‬ﻟﻠﺘﺤﻘﻖ )‪ (Detection‬واﻟﺘﻌﺮف )‪(Recognition‬ﻋﻠﻰ ﻣﺤﺘﻮﯾﺎت‬
‫اﻟﻠﻮﺣﺔ‪.‬‬

‫وﺗﻘﻮم اﻟﺪراﺳﺔ ﻋﻠﻰ اﻟﺘﻘﺎط ﺻﻮرة ﻟﻠﻌﺮﺑﺔ ﺳﻮاء ﺑﻮاﺳﻄﺔ ﻛﺎﻣﯿﺮا ﻣﺜﺒﺘﺔ ﻓﻲ اﻟﻄﺮﻗﺎت او ﻓﻲ ﺳﯿﺎرات ﺷﺮﻃﺔ‬
‫اﻟﻤﺮور‪ ،‬وﺗﺤﻠﯿﻞ ﺗﻠﻚ اﻟﺼﻮرة وﻣﻌﺮﻓﺔ رﻗﻢ اﻟﻌﺮﺑﺔ وﺗﺮﺳﻞ ﻷﻗﺮب ﺿﺎﺑﻂ‪[7].‬‬

‫ﻃﺮﯾﻘﺔ ﺗﺤﺪﯾﺪ ﻣﻜﺎن اﻟﻠﻮﺣﺔ‬

‫ﯾﺘﻢ ذﻟﻚ ﺑﺎﺳﺘﺨﺪام اﻟﻌﻤﻠﯿﺎت اﻟﻤﻮرﻓﻮﻟﻮﺟﯿﺔ‪ ،‬وھﻲ ﻋﻤﻠﯿﺎت رﯾﺎﺿﯿﺔ ﯾﺘﻢ اﺟﺮاﺋﮭﺎ ﻋﻠﻰ ﻛﻞ ﺑﻜﺴﻼت اﻟﺼﻮرة‬
‫ﺑﻐﺮض ﺟﻌﻞ ﻣﻜﺎن اﻟﻠﻮﺣﺔ ﯾﺒﺪو واﺿﺤﺎً اﻛﺜﺮ ﻣﻦ ﺑﻘﯿﺔ اﺟﺰاء اﻟﺼﻮرة‪ ،‬ﺑﺎﻻﺿﺎﻓﮫ اﻟﻰ اﺳﺘﺨﺪام ﺗﻘﻨﯿﮫ اﻟـ ) ‪Redial‬‬
‫‪ (Basis Function (RBF) Neural‬ﻟﻠﺘﻌﺮف ﻋﻠﻰ اﻛﺜﺮ ﻣﻜﺎن ﯾﺤﺘﻤﻞ وﺟﻮد اﻟﻠﻮﺣﺔ ﺑﮫ‪.‬‬

‫ﻃﺮﯾﻘﺔ اﻟﺘﻌﺮف ﻋﻠﻰ ﻣﺤﺘﻮﯾﺎت اﻟﻠﻮﺣﺔ‬

‫ﺗﻢ اﺳﺘﺨﺪام ﺗﻘﻨﯿﺎت اﻟﺸﺒﻜﺎت اﻟﻌﺼﺒﯿﮫ ) )‪ (Neural Networks (NN‬ﻟﻠﺘﻌﺮف ﻋﻠﻰ اﻟﺮﻣﻮز اﻟﻤﻮﺟﻮدة ﻓﻲ‬
‫اﻟﻠﻮﺣﺔ ‪.‬‬

‫ھﯿﻜﻞ اﻟﻨﻈﺎم‬
‫‪24‬‬
 ‫اﻟﺸﻜﻞ )‪ (7.2‬ھﯿﻜﻞ اﻟﺪراﺳﺔ اﻟﺴﻌﻮدﯾﺔ‬

‫اﻟﺠﺪول )‪ (1.٢‬ﻧﺘﺎﺋﺞ اﻟﺪراﺳﺔ اﻟﺴﻌﻮدﯾﺔ‬

‫ﻧﺘﺎﺋﺞ اﻟﺪراﺳﺔ‬

‫‪Sample‬‬ ‫‪LP detection‬‬ ‫‪Character‬‬ ‫‪Character‬‬

‫‪number‬‬ ‫‪segmentation recognition‬‬

‫‪200‬‬ ‫‪95%‬‬ ‫‪99%‬‬ ‫‪91%‬‬

‫‪ ٣.٣.٢‬اﻟﺪراﺳﺔ اﻟﺜﺎﻟﺜﺔ‬

‫‪25‬‬
 ‫اﻟﺪراﺳﺔ اﻻﻣﺮﯾﻜﯿﺔ‬
‫ذھﺒﺖ ھﺬه اﻟﺪراﺳﺔ ﻷھﺪاف اﺑﻌﺪ ﻣﻦ اﻟﺪراﺳﺘﯿﻦ اﻟﺴﺎﺑﻘﺘﯿﻦ‪ ،‬ﺣﯿﺚ اﻗﺘﺼﺮت وﻇﯿﻔﺔ اﻟﻨﻈﺎﻣﯿﻦ اﻟﺴﻮداﻧﻲ‬
‫واﻟﺴﻌﻮدي ﻋﻠﻰ اﻟﺘﻘﺎط ﺻﻮرة ﻟﻠﻄﺮﯾﻖ ﺑﻤﺎ ﻓﯿﮭﺎ اﻟﺴﯿﺎره اﻟﻤﺨﺎﻟﻔﺔ ﺛﻢ ﻣﻌﺎﻟﺠﺔ ﺗﺤﻠﯿﻞ اﻟﺼﻮر اﻟﻰ ان ﻧﺘﺤﺼﻞ ﻋﻠﻰ‬
‫ﻣﺤﺘﻮﯾﺎت اﻟﻠﻮﺣﺔ‪.‬‬

‫ﻓﻲ ﺣﯿﻦ ان اﻟﻨﻈﺎم اﻻﻣﺮﯾﻜﻲ ﯾﻘﻮم ﺑﻨﻔﺲ اﻟﻤﮭﻤﮫ اﻟﺴﺎﺑﻘﺔ ﺑﺎﻹﺿﺎﻓﺔ اﻟﻰ ﻣﮭﻤﺔ اﺧﺮى‪ ،‬ﺣﯿﺚ ﯾﺘﻢ ﺗﺨﺰﯾﻦ‬
‫ﻣﺠﻤﻮﻋﺔ ﻣﻦ ارﻗﺎم اﻟﻠﻮﺣﺎت ﻓﻲ اﻟﻨﻈﺎم وﺗﺴﻤﻰ ﺑﺎﻟـ ‪ ،Hot Lists‬وھﻲ ارﻗﺎم ﻟﺴﯿﺎرات ارﺗﻜﺘﺐ ﻣﺨﺎﻟﻔﺎت وﻟﻢ ﯾﺘﻢ‬
‫اﻟﻌﺜﻮر ﻋﻠﯿﮭﺎ‪ ،‬وﻋﻨﺪ ﺗﺸﻐﯿﻞ اﻟﻨﻈﺎم ﯾﻘﻮم ﺑﺎﻵﺗﻲ ‪:‬‬

‫ﻣﺮاﻗﺒﺔ اﻟﻄﺮﯾﻖ ﺑﺈﺳﺘﺨﺪام ﻛﺎﻣﯿﺮات ﻋﺎﻟﯿﺔ اﻟﺪﻗﺔ‪.‬‬ ‫‪-‬‬

‫اﻟﺘﻘﺎط ﺻﻮر وﺗﺤﻠﯿﻠﮭﺎ ﻟﻜﻞ اﻟﻠﻮﺣﺎت اﻟﺘﻲ ﺗﻘﻊ ﻓﻲ ﻣﺠﺎل اﻟﻜﺎﻣﯿﺮا‪.‬‬ ‫‪-‬‬

‫ﻣﻘﺎرﻧﺔ ﻧﺘﺎﺋﺞ اﻟﺘﺤﻠﯿﻞ ﻣﻊ ﻗﺎﺋﻤﺔ اﻟﻠﻮﺣﺎت اﻟﻤﻮﺟﻮدة ﻣﺴﺒﻘﺎً ﻓﻲ اﻟﻨﻈﺎم‪.‬‬ ‫‪-‬‬

‫ﻋﻨﺪ ﻣﻄﺎﺑﻘﺔ ﻟﻮﺣﺘﯿﻦ‪ ،‬ﯾﻘﻮم اﻟﻨﻈﺎم ﺑﺈرﺳﺎل إﺷﺎرة ﺑﻮﺟﻮد ﺳﯿﺎرة ﻣﺮﺗﻜﺒﺔ ﻟﻤﺨﺎﻟﻔﮫ وﺗﺤﺪﯾﺪ ﻣﻜﺎﻧﮭﺎ‪.‬‬ ‫‪-‬‬

‫اﯾﻀﺎً ﻛﻤﺎ ذﻛﺮﻧﺎ ﯾﻘﻮم اﻟﻨﻈﺎم ﺑﻤﺮاﻗﺒﺔ اﻟﻄﺮﯾﻖ ورﺻﺪ اﻟﺴﯿﺎرات اﻟﺘﻲ ﺗﺮﺗﻜﺐ ﻣﺨﺎﻟﻔﺔ ﻛﻤﺎ ﻓﻲ اﻟﻨﻈﺎﻣﯿﻦ‬
‫اﻟﺴﺎﺑﻘﯿﻦ‪[8].‬‬

‫‪26‬‬
27
 ‫‪ ١.٣‬ﻣﻘﺪﻣﺔ‬
‫ﻋﻤﻠﯿﺔ اﻟﺘﻌﺮف ﻋﻠﻰ اﻻﻧﻤﺎط ﻣﻦ اﻟﺘﻄﺒﯿﻘﺎت اﻟﺘﻲ ﻧﺎﻟﺖ رواﺟﺎً ﻛﺒﯿﺮاً ﺑﺴﺒﺐ اﻟﺘﻘﺪم ﻓﻲ اﻟﺒﺮﻣﺠﺔ وﺑﻨﺎء اﻟﻨﻈﻢ‬
‫ﻓﻲ اﻻوﻧﺔ اﻻﺧﯿﺮة وﯾﻤﻜﻦ ﺑﻨﺎء ﻣﺜﻞ ھﺬه اﻻﻧﻈﻤﺔ ﺑﻮاﺳﻄﺔ اﻟﻌﺪﯾﺪ ﻣﻦ اﻟﻠﻐﺎت ﻣﺜﻞ ﻟﻐﺘﻲ ‪ C‬و ‪ ،C++‬ﻛﺬﻟﻚ ﯾﻤﻜﻦ‬
‫ﺑﻨﺎءھﺎ ﺑﺈﺳﺘﺨﺪام ﻟﻐﺔ اﻟﻤﺎﺗﻼب‪.‬‬

‫ﻓﻲ ھﺬا اﻟﺒﺤﺚ ﺗﻢ اﺧﺘﯿﺎر ﻟﻐﺔ اﻟﻤﺎﺗﻼب ﻛﺒﯿﺌﺔ ﺗﻄﻮﯾﺮﯾﺔ ﻟﻠﻨﻈﺎم‪ ،‬وﺗﻢ اﺧﺘﯿﺎرھﺎ ﻟﻜﻔﺎءﺗﮭﺎ ﻓﻲ اﻟﺘﻌﺎﻣﻞ ﻣﻊ‬
‫اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ اﯾﻀﺎً ﻟﻮﺟﻮد دوال ﺟﺎھﺰة ﻟﻠﺘﻌﺎﻣﻞ ﻣﻊ اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ‪.‬‬

‫وﻟﺒﻨﺎء ﻧﻈﺎم اﻟﺘﻌﺮف ﻋﻠﻰ ﻟﻮﺣﺎت اﻟﻌﺮﺑﺎت اﻟﺴﻮداﻧﯿﺔ ﻧﺤﺘﺎج اﻟﻰ آﻟﺔ ﺗﺼﻮﯾﺮ ﺑﺠﺎﻧﺐ ﻟﻐﺔ اﻟﺒﺮﻣﺠﺔ‪ ،‬وﻣﻊ‬
‫ﺗﻄﻮر اﻟﺘﻜﻨﻮﻟﻮﺟﯿﺎ ﻇﮭﺮت اﻧﻮاع ﻛﺜﯿﺮه ﻣﻦ اﻻت اﻟﺘﺼﻮﯾﺮ وﻓﻲ ﺑﺤﺜﻨﺎ ھﺬا ﺗﻢ إﺳﺘﺨﺪام رادارات ﺷﺮﻃﺔ اﻟﻤﺮور‬
‫اﻟﺴﻮداﻧﯿﺔ ﻣﺮﺗﺒﻄﺔ ﻣﻊ ﻛﺎﻣﯿﺮات رﻗﻤﯿﺔ وھﻲ ﻣﻨﺘﺸﺮة ﻓﻲ اﻟﺸﻮارع اﻟﺮﺋﯿﺴﯿﺔ ﻟﻠﺘﻌﺮف ﻋﻠﻰ اﻟﻌﺮﺑﺎت اﻟﻤﺨﺎﻟﻔﺔ‪.‬‬

‫‪ ٢.٣‬ﻧﺒﺬه ﺗﻌﺮﯾﻔﯿﮫ ﺑﺎﻟﻤﺎﺗﻼب‬

‫ﻣﺎ ھﻮ ‪MATLAB‬‬
‫ھﻲ ﻟﻐﺔ ذات أداء ﻋﺎﻟﻲ ﻟﻠﺤﺴﺎﺑﺎت اﻟﺘﻘﻨﯿﺔ‪،‬ﺣﯿﺖ ﺗﺪﻣﺞ اﻟﺘﺨﻤﯿﻦ‪ ،‬واﻟﺒﺮﻣﺠﺔ ﺑﻄﺮﯾﻘﺔ ﺳﮭﻠﺔ اﻻﺳﺘﻌﻤﺎل ﻓﻲ‬
‫ﺑﯿﺌﺘﮭﺎ‪ ،‬ﺣﯿﺚ اﻟﻤﺸﺎﻛﻞ و اﻟﺤﻠﻮل ﺗﻜﻮن ﻓﻲ ﺻﻮرة ﻣﺠﻤﻮﻋﺔ رﻣﻮز رﯾﺎﺿﯿﺔ ذات ﻋﻼﻗﺔ ﺑﺒﻌﻀﮭﺎ‪.‬‬

‫اﻟﻤﻌﻤﻞ اﻟﺮﯾﺎﺿﻲ ‪ Matrix Laboratory‬ھﻮ ‪ MATLAB‬اﺧﺘﺼﺎر ﻛﻠﻤﺔ‬

‫ﻓﻲ اﻷﺻﻞ ﻛﺘﺒﺖ ﻟﺘﺰود اﻟﺘﻌﺎﻣﻞ اﻟﺴﮭﻞ ﻟﺒﺮﻣﺠﺔ اﻟﻤﺼﻔﻮﻓﺎت اﻟﻤﺘﻄﻮرة ﺑﻮاﺳﻄﺔ ﻣﺸﺎرﯾﻊ & ‪LINPACK‬‬
‫‪EISPACK‬اﻟﺘﻲ ﻣﻊ ﺑﻌﻀﮭﺎ ﺗﻘـﺪم ﻣﻌﺎﻟﺠﺔ ﻟﺘﻠﻚ اﻟﻤﺼﻔﻮﻓـﺎت‪.‬‬

‫اﻻﺳﺘﻌﻤﺎﻻت اﻟﻤﺜﺎﻟﯿﺔ ﺗﺸﺘﻤﻞ ﻋﻠﻰ آﻻﺗﻲ ‪:‬‬

‫اﻟﺮﺳﻮﻣﺎت اﻟﮭﻨﺪﺳﯿﺔ واﻟﻌﻠﻤﯿﺔ‪.‬‬ ‫‪-‬‬
‫اﻟﺸﺒﻜﺎت اﻟﻌﺼﺒﯿﺔ‪.‬‬ ‫‪-‬‬
‫‪28‬‬
 ‫ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ‪.‬‬ ‫‪-‬‬
‫ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮت‪.‬‬ ‫‪-‬‬
‫ﻣﻌﺎﻟﺠﺔ ﻣﻘﺎﻃﻊ اﻟﻔﯿﺪﯾﻮ‪.‬‬ ‫‪-‬‬

‫اﻟﻤﺎﺗﻼب ﻧﻈﺎم ﻓﻌﺎل ﺣﯿﺚ ﻋﻨﺎﺻﺮ اﻟﺒﯿﺎﻧﺎت اﻷﺳﺎﺳﯿﺔ ھﻲ اﻟﻤﺼﻔﻮﻓﺎت اﻟﺘﻲ ﻻ ﺗﺘﻄﻠﺐ أﺑﻌﺎد‪ ،‬ھﺬا ﯾﺴﻤﺢ‬
‫ﻟﻠﻤﺴﺘﺨﺪم ﺑﺤﻞ ﻋﺪة ﻣﺸﺎﻛﻞ ﺧﺎﺻﺔ وھﻲ ﺗﻠﻚ اﻟﺘﻲ ﺗﺘﻌﻠﻖ ﺑﺎﻟﻤﺼﻔﻮﻓﺎت واﻟﻤﺘﺠﮭﺎت‪ ،‬و ﻓﻲ ﺟﺰء ﺑﺴﯿﻂ ﻣﻦ اﻟﺰﻣﻦ‬
‫ﺗﺴﺘﻄﯿﻊ ﻛﺘﺎﺑﺔ ﺑﺮﻧﺎﻣﺞ ﻗﺪ ﯾﺴﺘﻐﺮق زﻣﻦ اﻛﺜﺮ إذا ﻛﺘﺐ ﺑﻠﻐﮫ اﺧﺮى ﻣﺜﻞ ﻟﻐﺔ ‪ C‬او ‪ Fortran‬وﻣﻊ ذﻟﻚ ﯾﻌﻤﻞ ﺑﺼﻮرة‬
‫اﻗﻞ ﻛﻔﺎءة ﻣﻦ اﻟﺒﺮﻧﺎﻣﺞ اﻟﻤﻜﺘﻮب ﺑﻠﻐﺔ ‪.MATLAB‬‬

‫اﻟﻤﺎﺗﻼب ﺗﻄﻮرت ﻋﻠﻰ ﻣﺮ اﻟﺴﻨﯿﻦ ﻣﻊ زﯾﺎدة اﺳﺘﻌﻤﺎﻟﮭﺎ ﻣﺜﻼ ﻓﻲ ﻣﺤﯿﻂ اﻟﺠﺎﻣﻌﺎت ﺣﯿﺚ ھﻲ ﺗﺮﻛﯿﺒﺎت‬
‫وﺳﺎﺋﻞ ﻗﯿﺎﺳﯿﺔ ﻟﻔﺼﻮل اﻟﻤﺒﺘﺪﺋﯿﻦ و اﻟﻤﺘﻘﺪﻣﯿﻦ ﻓﻲ اﻟﺮﯾﺎﺿﯿﺎت‪ ،‬اﻟﮭﻨﺪﺳﺔ‪ ،‬و اﻟﻌﻠﻮم ﻓﻲ اﻟﺼﻨﺎﻋـﺔ‪ ،‬ﻣﺎﺗﻼب وﺳﯿﻠﺔ‬

‫اﺧﺘﯿﺎر ﻟﻼﺑﺤﺎث اﻹﻧﺘﺎﺟﯿﺔ اﻟﻌﺎﻟﯿﺔ اﻟﺘﻄﻮﯾﺮ و اﻟﺘﺤﻠﯿﻞ‪.‬‬

‫وﻣﻦ ﻣﺰاﯾﺎ اﻟﻤﺎﺗﻼب ﻣﺠﻤﻮﻋﺔ ﻣﻨﺎﻟﺘﻄﺒﯿﻘﺎت و اﻟﺤﻠﻮل ﺗﺴﻤﻰ)‪ ( toolboxes‬و ھﻲ ﻣﮭﻤﺔ ﺟﺪا ﻟﻤﻌﻈﻢ‬
‫ﻣﺴﺘﺨﺪﻣﻲ اﻟﻤﺎﺗﻼب و ال ) ‪ (toolboxes‬ﺗﺴﻤﺢ ﻟﻠﻤﺴﺘﺨﺪم ﺑﺎن ﯾﺘﻌﻠﻢ و ﯾﻄﺒﻖ ﺗﻘﻨﯿﺎت ﻣﺘﺨﺼﺼﺔ و ھﻲ ﻣﺠﻤﻮﻋﺔ‬
‫ﺷﺎﻣﻠﺔ ﻟﻮﻇﺎﺋﻒ اﻟﻤﺎﺗﻼب )‪ (M.files‬اﻟﺘﻲ ﺗﻤﺪد ﺑﯿﺌﺔ اﻟﻤﺎﺗﻼب ﻟﺤﻞ أﻧﻮاع اﺳﺘﺜﻨﺎﺋﯿﺔ ﻣﻦ اﻟﻤﺸﺎﻛﻞ‪.‬‬

‫ﻧﻈﺎم اﻟﻤﺎﺗﻼب‬
‫ﻧﻈﺎم اﻟﻤﺎﺗﻼب ﯾﺘﻜﻮن ﻣﻦ ﺧﻤﺴﺔ أﺟﺰاء رﺋﯿﺴﯿﺔ‪:‬‬

‫ﻟﻐﺔ اﻟﻤﺎﺗﻼب‬ ‫‪-١‬‬

‫ھﺬه ﻟﻐﺔ ذات ﻣﺴﺘﻮى ﻋﺎﻟﻲ ﻟﻠﻤﺼﻔﻮﻓﺎت ذات اﻟﺒﻌﺪ اﻟﻮاﺣﺪ وذات اﻟﺒﻌﺪﯾﻦ ﻣﻊ ﺟﻤﻞ ﺗﺘﻤﺎﺷﻰ ﻣﻊ اﻟﺘﺤﻜﻢ‪،‬‬
‫اﻟﻮﻇﺎﺋﻒ‪ ،‬ﺗﺮﻛﯿﺐ اﻟﺒﯿﺎﻧﺎت‪ ،‬اﻟﺪﺧﻞ ﻋﻠﻰ اﻟﺨﺮج‪ ،‬واﻟﮭﺪف اﻟﻮﺟﯿﮫ ﻟﻤﺰاﯾﺎ اﻟﺒﺮﻣﺠﺔ‪.‬‬

‫‪29‬‬
 ‫ﺑﯿﺌﺔ ﻋﻤﻞ اﻟﻤﺎﺗﻼب‬ ‫‪-٢‬‬
‫ھﺬه ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻮﺳﺎﺋﻞ واﻟﺘﺴﮭﯿﻼت اﻟﺘﻲ ﺗﻌﻤﻞ ﻣﻌﮭﺎ ﻣﺜﻞ ﻣﺴﺘﺨﺪﻣﻲ اﻟﻤﺎﺗﻼب او ﻣﺒﺮﻣﺠﻲ اﻟﻤﺎﺗﻼب و‬
‫اﻟﺘﻲ ﺗﺸﺘﻤﻞ ﻋﻠﻲ ﺗﺴﮭﯿﻼت ﻟﻺدارة وﻣﺘﻐﯿﺮات ﻓﻲ ‪ workspace‬وإرﺳﺎل واﺳﺘﻼم ﺑﯿﺎﻧﺎت‪ ،‬أﯾﻀﺎ ﺗﺘﻀﻤﻦ وﺳﺎﺋﻞ‬
‫ﻟﻠﺘﻄﻮﯾﺮ‪،‬اﻹدارة وﺗﻄﺒﯿﻘﺎت اﻟﻤﺎﺗﻼب‪.‬‬

‫اﻟﺘﻌﺎﻣﻞ ﻣﻊ اﻟﺮﺳﻮﻣﺎت‬ ‫‪-٣‬‬

‫ھﺬا اﻟﻨﻈﺎم ﻟﻠﺘﻌﺎﻣﻞ ﻣﻊ اﻟﺮﺳﻮﻣﺎت ﯾﺘﻀﻤﻦ أواﻣﺮ ذات ﻣﺴﺘﻮى ﻋﺎﻟﻲ ﻟﻠﺒﯿﺎﻧﺎت ذات اﻟﺒﻌﺪﯾﻦ‬
‫واﻟﺜﻼﺛﺔ أﺑﻌﺎد‪،‬اﻟﺘﺼﻮر‪،‬ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮر‪،‬اﻟﺮﺳﻮﻣﺎت‪،‬وﺗﻘﺪﯾﻢ اﻟﺮﺳﻮﻣﺎت‪ ،‬أﯾﻀﺎ ﺗﺸﺘﻤﻞ ﻋﻠﻲ أواﻣﺮ ذات‬
‫ﻣﺴﺘﻮى ﻣﻨﺨﻔﺾ ﺗﻠﻚ اﻟﺘﻲ ﺗﺴﻤﺢ ﻟﻠﻈﮭﻮر اﻟﺘﺎم ﻟﻠﺮﺳﻮﻣــﺎت‪.‬‬

‫ﻣﻜﺘﺒﺔاﻟﻤﺎﺗﻼب ﻟﻠﻮﻇﺎﺋﻒ اﻟﺮﯾﺎﺿﯿﺔ‬ ‫‪-٤‬‬

‫ھﻲ ﻣﺠﻤﻮﻋﺔ واﺳﻌﺔ ﻣﻦ ﺣﻠﻘﺔ اﻟﺘﺤﻠﯿﻞ اﻟﻠﻮﻏﺎرﯾﺜﻤﻲ ﻣﻦ اﻟﺪوال اﻻﺑﺘﺪاﺋﯿﺔ ﻣﺜـــﻞ‪cosine &، sine، sum‬‬
‫‪.complex arithmetic‬‬

‫إﻣﻜﺎﻧﯿﺔ رﺑﻂ اﻟﻤﺎﺗﻼب ﻣﻊ ﻟﻐﺎت اﻟﺒﺮﻣﺠﺔ‬ ‫‪-٥‬‬

‫وذﻟﻚ ﺑﺮﺑﻄﮫ ﻣﻊ ﻟﻐﺎت ﻣﺜﻞ ﻟﻐﺔ ‪ C‬و ‪ JAVA‬واﯾﻀﺎ ‪.[10]C#‬‬

‫‪ 3.3‬ﺻﻨﺎدﯾﻖ ادوات اﻟﻤﺎﺗﻼب )‪(Matlab Toolbox’s‬‬

‫‪30‬‬
‫ھﻲ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﺪوال اﻟﺠﺎھﺰة اﻟﺘﻲ ﺗﺴﺎﻋﺪ ﻋﻠﻰ ﺑﻨﺎء اﻻﻧﻈﻤﺔ وﻛﺘﺎﺑﺔ اﻟﺒﺮاﻣﺞ ﺑﺴﮭﻮﻟﺔ‪ ،‬وﻛﻞ ﻣﺠﻤﻮﻋﺔ‬
‫ﻣﻦ اﻟﺪوال ﺗﻘﻮم ﺑﺄداء وﻇﯿﻔﺔ ﻓﻲ ﻣﺠﺎل ﻣﺤﺪد ﯾﺘﻢ ﺟﻤﻌﮭﺎ ﻓﻲ ﺻﻨﺪوق ادوات )‪ (Toolbox‬واﺣﺪ‪ .‬وھﻨﺎك ﻋﺪد ﻛﺒﯿﺮ‬
‫ﻣﻦ ﺻﻨﺎدﯾﻖ اﻷدوات )‪ (Toolboxes‬ﻓﻲ اﻟﻤﺎﺗﻼب وﻣﻦ ﺿﻤﻨﮭﺎ‪[4].‬‬

‫اﻟﺠﺪول )‪ (١-٣‬ﺻﻨﺎدﯾﻖ اﻻدوات ﻓﻲ ﻟﻐﺔ اﻟﻤﺎﺗﻼب‬

‫اﻟﺸﺮح‬ ‫ﺻﻨﺪوق اﻻدوات‬

‫ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ وإﺳﺘﺨﺪام ﻧﺎﺗﺞ‬ ‫ﺻﻨﺪوق ادوات ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮر‬

‫اﻟﻤﻌﺎﻟﺠﺔ ﻓﻲ ﻋﻤﻠﯿﺎت اﺧﺮى‬
‫‪Image processing Toolbox‬‬

‫ﯾﮭﺘﻢ ﺑﺎﻷﺟﮭﺰه اﻟﻤﺴﺘﺨﺪﻣﮫ ﻓﻲ إﻟﺘﻘﺎط اﻟﺼﻮر‬ ‫ﺻﻨﺪوق ادوات اﻟﺤﺼﻮل ﻋﻠﻰ اﻟﺼﻮر‬
‫ورﺑﻄﮭﺎ ﻣﻊ اﻟﺘﻄﺒﯿﻖ‬
‫‪Image Acquition Toolbox‬‬

‫ﺗﺴﺘﺨﺪم ﻓﻲ رﺑﻂ اﻟﺘﻄﺒﯿﻖ اﻟﻤﻌﻨﻲ ﻣﻊ‬ ‫ﺻﻨﺪوق أدوات اﻹﺗﺼﺎﻻت‬

‫اﻹﻧﺘﺮﻧﺖ‬
‫‪Communications Toolbox‬‬

‫ﻣﻌﺎﻟﺠﺔ اﻹﺷﺎرات اﻟﺘﻲ ﺗﺄﺗﻲ ﻣﻦ اﻟﺤﺴﺎﺳﺎت‬ ‫ﺻﻨﺪوق أدوات ﻣﻌﺎﻟﺠﺔ اﻹﺷﺎرات‬

‫)‪ (Sensors‬وﻣﺎ ﺷﺎﺑﮫ‬
‫‪signal processing toolbox‬‬

‫ﺗﻘﻨﯿﮫ ﺗﻌﻠﯿﻢ ﻟﻠﺤﺎﺳﻮب ﻟﯿﻌﻤﻞ ﺑﻄﺮﯾﻘﺔ ﺗﺸﺎﺑﮫ‬ ‫ﺻﻨﺪوق اﻟﺸﺒﻜﺎت اﻟﻌﺼﺒﯿﮫ‬

‫ﻃﺮﯾﻘﺔ ﻋﻤﻞ اﻟﻌﻘﻞ اﻟﺒﺸﺮي‬
‫‪Neural Network Toolbox‬‬

‫‪31‬‬
 ‫واﻟﻌﺪﯾﺪ ﻣﻦ ﺻﻨﺎدﯾﻖ اﻻدوات اﻻﺧﺮى واﻟﺘﻲ ﺗﺴﺎﻋﺪ ﻓﻲ ﺣﻞ اﻟﻜﺜﯿﺮ ﻣﻦ اﻟﻤﺸﺎﻛﻞ اﻟﻤﻌﻘﺪه‪[8].‬‬

‫وﻓﻲ ھﺬا اﻟﺒﺤﺚ ﺗﻢ إﺳﺘﺨﺪام ﺻﻨﺪوق ادوات ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮر )‪.(Image processing Toolbox‬‬

‫ﺻﻨﺪوق ادوات ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮر) ‪Image Processing‬‬

‫‪(Toolbox‬‬
‫ﯾﺤﺘﻮي ﻋﻠﻰ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﺪوال اﻟﺘﻲ ﺗﺴﺘﺨﺪم ﻟﻤﻌﺎﺟﺔ اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ وﺗﺤﻠﯿﻠﮭﺎ‪ ،‬وﻋﻦ ﻃﺮﯾﻘﮭﺎ ﯾﻤﻜﻦ‬
‫إﺟﺮاء ﺑﻌﺾ اﻟﻌﻤﻠﯿﺎت واﻟﻤﻌﺎﻟﺠﺎت ﻋﻠﻰ اﻟﺼﻮر‪ ،‬وﯾﻤﻜﻦ اﻟﻘﯿﺎم ﺑﺘﻠﻚ اﻟﻌﻤﻠﯿﺎت ﺑﺼﻮرة رﯾﺎﺿﯿﺔ ﺑﺈﺳﺘﺨﺪام اﻟﻤﮭﺎرات‬
‫اﻟﺒﺮﻣﺠﯿﺔ‪ ،‬وﻣﻦ ھﺬه اﻟﻌﻤﻠﯿﺎت‪.‬‬

‫اﻟﺘﺤﻮﯾﻞ ﺑﯿﻦ اﻻﻧﻮاع اﻟﻤﺨﺘﻠﻔﮫ ﻟﻠﺼﻮر‬

‫وﻣﺜﺎل ﻋﻠﻰ ذﻟﻚ اﻟﺘﺤﻮﯾﻞ ﻣﻦ اﻟﺼﻮر اﻟﻤﻠﻮﻧﮫ اﻟﻰ اﻟﺼﻮر ذات ﺗﺪرﺟﺎت اﻟﻠﻮن اﻟﺮﻣﺎدي‪ ،‬ﻓﺎﻟﺼﻮر اﻟﻤﻠﻮﻧﮫ‬
‫ﺗﺤﺘﻮي ﻋﻠﻰ ﺛﻼﺛﮫ اﻟﻮان اﺳﺎﺳﯿﮫ ﺗﻜﻮن ﻟﻮن اﻟﻨﻘﻄﮫ ﻓﻲ اﻟﺼﻮرة وھﻲ اﻻﺣﻤﺮ و اﻻﺧﻀﺮ واﻻزرق‪ ،‬وﻟﻠﺘﺤﻮﯾﻞ‬
‫ﻧﺴﺘﺨﺪم اﻟﺪاﻟﮫ )‪ rgb2gray(image‬اﻟﺘﻲ ﺗﻘﻮم ﺑﻌﻤﻠﯿﮫ رﯾﺎﺿﯿﮫ ﻋﻠﻰ اﻟﻘﯿﻢ اﻟﻠﻮﻧﯿﮫ ﻓﻲ ﻛﻞ ﺑﻜﺴﻞ وﯾﻜﻮن اﻟﻨﺎﺗﺞ ﻗﯿﻤﮫ‬
‫ﻣﻦ ‪ ١‬اﻟﻰ ‪ ٢٥٥‬ﺗﻤﺜﻞ ﺗﺪرﺟﺎت اﻟﻠﻮن اﻟﺮﻣﺎدي‪[4].‬‬

‫اﻟﺸﻜﻞ )‪ (١.٣‬ﺻﻮرة ﻣﻠﻮﻧﮫ‬

‫‪32‬‬
 ‫اﻟﺸﻜﻞ)‪ (٢.٣‬اﻟﺼﻮرة ﻓﻲ اﻟﺸﻜﻞ )‪ (١.٣‬ﺑﻌﺪ اﻟﺘﺤﻮﯾﻞ ﻟﺘﺪرﺟﺎت اﻟﻠﻮن اﻟﺮﻣﺎدي‬

‫اﻟﺘﺤﻮﯾﻞ اﻟﻤﻜﺎﻧﻲ ﻟﻠﺼﻮرة)‪(Spatial Transformation‬‬

‫وھﻲ ﻋﻤﻠﯿﺎت ﻋﻠﻰ ﻧﻘﺎط اﻟﺼﻮرة اﻟﻤﺪﺧﻠﮫ وﺗﻌﺪﯾﻞ ﻋﻠﻰ اﻣﺎﻛﻨﮭﺎ ﻓﻲ اﻟﺼﻮرة اﻟﻤﺨﺮﺟﮫ وﻣﺜﺎل ﻋﻠﻰ ﺗﻠﻚ‬
‫اﻟﻌﻤﻠﯿﺎت ﺗﺪوﯾﺮ اﻟﺼﻮرة وﻗﺺ اﻟﺼﻮرة‪ ،‬ﻓﻔﻲ ﻋﻤﻠﯿﮫ ﺗﺪوﯾﺮ اﻟﺼﻮرة ﯾﺘﻢ ﺗﻐﯿﯿﺮ ﻣﻮﻗﻊ اﻟﺒﻜﺴﻞ ﻓﻲ اﻟﺼﻮرةﻋﻠﻰ‬
‫ﺣﺴﺐ اﻟﺰاوﯾﮫ اﻟﻤﺪﺧﻠﮫ‪ ،‬وﻓﻲ ﻋﻤﻠﯿﺔ ﻗﺺ اﻟﺼﻮرة ﺗﻜﻮن اﻟﺼﻮرة اﻟﻨﺎﺗﺠﮫ ﺟﺰء ﻣﻦ اﻟﺼﻮرة اﻟﻤﺪﺧﻠﮫ وﯾﺤﺪد ذﻟﻚ ﻗﯿﻢ‬
‫اﻟﻘﺺ ﻓﻲ اﻟﺪاﻟﮫ اﻟﻤﺴﺘﺨﺪﻣﮫ ﻟﺬﻟﻚ‪ ،‬اﻟﺪاﻟﮫ اﻟﻤﺴﺘﺨﺪﻣﮫ ﻓﻲ ﺗﺪوﯾﺮ اﻟﺼﻮرة ھﻲ )‪ ،imrotate(Image‬واﻟﺪاﻟﮫ‬
‫اﻟﻤﺴﺘﺨﺪﻣﮫ ﻓﻲ ﻗﺺ اﻟﺼﻮرة ھﻲ )‪ (Image) ،imcrop(Image‬ھﻲ اﻟﺼﻮرة اﻟﻤﺮاد إﺟﺮاء اﻟﻤﻌﺎﻟﺠﺔ ﻋﻠﯿﮭﺎ‪.‬‬

‫‪33‬‬
 ‫اﻟﺸﻜﻞ )‪ (٣.٣‬اﻟﺼﻮرة ﻗﺒﻞ ﻋﻤﻠﯿﺔ اﻟﺘﺪوﯾﺮ واﻟﻘﺺ‬

‫اﻟﺸﻜﻞ )‪ (٤.٣‬اﻟﺼﻮرة ﻓﻲ اﻟﺸﻜﻞ )‪ (٣.٣‬ﺑﻌﺪ ﻋﻤﻠﯿﺔ اﻟﺘﺪوﯾﺮ ﺑﺪرﺟﺔ ﻣﻘﺪارھﺎ ‪ ٣٠‬درﺟﮫ‬

‫‪34‬‬
 ‫اﻟﺸﻜﻞ )‪ (5.3‬اﻟﺼﻮرة ﻓﻲ اﻟﺸﻜﻞ )‪ (٣.٣‬ﺑﻌﺪ ﻋﻤﻠﯿﺔ اﻟﻘﺺ ﺑﻤﻌﺎﻣﻼت‬
‫)‪( ١٠٠,١٠٠,٢٠٠,٢٠٠‬‬

‫إﻛﺘﺸﺎف اﻟﺤﻮاف)‪( Edge Detection‬‬

‫ﺗﻌﺮف ﻋﻤﻠﯿﺔ اﻟﻜﺸﻒ ﻋﻦ اﻟﺤﻮاف ﻋﻠﻰ اﻧﮭﺎ ﻋﻤﻠﯿﺔ ﺗﺤﺪﯾﺪ اﻟﺨﺼﺎﺋﺺ اﻟﻤﻜﺎﻧﯿﮫ اﻟﺘﻲ ﯾﺼﻌﺐ ﺗﻤﯿﯿﺰھﺎ ﻓﻲ‬
‫ﺑﻌﺾ اﻷﺣﯿﺎن ﺑﺸﻜﻞ ﻣﺒﺎﺷﺮ ﻣﻦ اﻟﺼﻮر اﻟﺨﺎم ﺑﻐﺮض اﺳﺘﺨﻼص اﻟﺘﺮاﻛﯿﺐ اﻟﺸﻜﻠﯿﺔ‪ ،‬وﺗﻌﺪ ﻋﻤﻠﯿﺔ اﻟﻜﺸﻒ ﻋﻦ‬
‫اﻟﺤﻮاف ﻣﻦ اﻟﺨﻄﻮات اﻻﺳﺎﺳﯿﺔ ﻓﻲ ﻓﮭﻢ وﺗﺤﻠﯿﻞ اﻟﺼﻮرة‪ ،‬وﺗﺸﻤﻞ ﻋﻤﻠﯿﺔ اﻟﻜﺸﻒ ﻋﻦ اﻟﺤﻮاف ﻓﻲ اﻟﻐﺎﻟﺐ ﺗﺤﺪﯾﺪ‬
‫وﻋﺰل اﻟﺤﻮاف ﻣﻦ اﻟﺼﻮرة اﻟﺮﻗﻤﯿﺔ ﺑﺎﺳﺘﺨﺪام ﺧﻮارزﻣﯿﺎت وﻃﺮاﺋﻖ ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮرة اﻟﺮﻗﻤﯿﺔ]‪.[5‬‬

‫اﻟﺸﻜﻞ )‪ (6.3‬اﻟﺼﻮرة ﻗﺒﻞ ﺗﺤﺪﯾﺪ اﻟﺤﻮاف‬

‫‪35‬‬
 ‫اﻟﺸﻜﻞ )‪ (7.3‬اﻟﺼﻮرة ﻓﻲ اﻟﺸﻜﻞ )‪ (6.3‬ﺑﻌﺪ ﺗﺤﺪﯾﺪ اﻟﺤﻮاف ﺑﺈﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ ‪Prewitt‬‬

‫اﻟﻌﻤﻠﯿﺎت اﻟﻤﻮرﻓﻮﻟﻮﺟﯿﺔ‬
‫وھﻲ ﻋﻤﻠﯿﺎت ﺗﺘﻢ ﻋﻠ ﻰ اﻟﺼﻮر ﺛﻨﺎﺋﯿﮫ او اﻟﺼﻮر اﻟﺮﻣﺎدﯾﺔ اﻋﺘﻤﺎداً ﻋﻠﻰ ﻋﻨﺼﺮ اﻟﺒﻨﺎء اﻟﻤﺴﺘﺨﺪم‬
‫)‪ (Structure element‬وﺗﻄﺒﯿﻖ ھﺬا اﻟﻌﻨﺼﺮ ﻋﻠﻰ اﻟﺼﻮرة ﺑﺎﺳﺘﺨﺪام إﺣﺪى اﻟﻤﻌﺎﻣﻼت اﻟﻤﻌﺮﻓﺔ ﻋﻠﻰ‬
‫اﻟﻤﺠﻤﻮﻋﺎت‪ ،‬وﺗﺨﺘﻠﻒ ﻧﺘﯿﺠﺔ ﺗﻄﺒﯿﻖ اﻟﻌﻤﻠﯿﺔ اﻟﻤﻮرﻓﻮﻟﻮﺟﯿﺔ ﻋﻠﻰ اﻟﺼﻮرة ﺑﺎﺧﺘﻼف ﺷﻜﻞ اﻟﻌﻨﺼﺮ اﻟﺒﻨﺎء‪ ،‬ﺣﯿﺚ ﯾﻤﻜﻦ‬
‫أن ﯾﻀﻤﻦ ﻋﻨﺼﺮ اﻟﺒﻨﺎء ﺑﻌﺾ اﻟﺨﺼﺎﺋﺺ اﻟﺘﻲ ﺗﻤﯿﺰ ﻏﺮﺿﺎً ﻣﺎ‪ ،‬وﻧﺬﻛﺮ ﻣﻦ ﺗﻠﻚ اﻟﻌﻤﻠﯿﺎت‪.‬‬

‫اﻟﺘﺂﻛﻞ )‪(Erosion‬‬
‫ﺗﻘﻮم ھﺬه اﻟﻌﻤﻠﯿﺔ ﺑﺘﺒﺪﯾﻞ ﻗﯿﻤﺔ اﻟﺒﻜﺴﻞ اﻟﺤﺎﻟﯿﺔ ﺑﺄﻗﻞ ﻗﯿ ﻤﺔ ﻣﻦ ﻗﯿﻢ اﻟﺒﻜﺴﻼت اﻟﻤﺠﺎورة ﻟﮭﺎ‪ ،‬وﻋﻨﺪ ﺗﻄﺒﯿﻘﮭﺎ ﻋﻠﻰ‬
‫اﻟﺼﻮرة اﻟﺜﻨﺎﺋﯿﮫ ﻓﺈﻧﮭﺎ ﺗﻘﻮم ﺑﺘﻘﻠﯿﺺ ﺣﺠﻢ اﻷﺟﺴﺎم ﻋﻦ ﻃﺮﯾﻖ ﻣﺴﺢ اﻟﺤﺪود وذﻟﻚ ﺑﻤﻄﺎﺑﻘﺔ ﻋﻨﺼﺮ اﻟﺒﻨﺎء ﻣﻊ‬
‫اﻟﺒﻜﺴﻼت اﻟﻤﻜﻮﻧﮫ ﻟﻠﺼﻮرة‪ ،‬ﻓﺈذا ﻛﺎن ﻣﺮﻛﺰ ﻋﻨﺼﺮ اﻟﺒﻨﺎء ﯾﺘﻄﺎﺑﻖ ﻣﻊ ﺑﻜﺴﻞ ﻗﯿﻤﺘﺔ ﺻﻔﺮ ﻻ ﯾﺤﺪث ﺗﻐﯿﯿﺮ‪ ،‬وﯾﺘﻢ‬
‫ﺗﺤﺮﯾﻚ ﻋﻨﺼﺮ اﻟﺒﻨﺎء ﻟﻠﺒﻜﺴﻞ اﻟﺘﺎﻟﻲ‪ ،‬اﻣﺎ إذا ﺗﻄﺎﺑﻖ ﻣﻊ ﺑﻜﺴﻞ ﻗﯿﻤﺘﺔ واﺣﺪ ﯾﺘﻢ ﺗﺒﺪﯾﻠﮫ ﺑﺼﻔﺮ إذاﻛﺎﻧﺖ ﻗﯿﻤﺔ اﺣﺪ‬
‫اﻟﺒﻜﺴﻼت اﻟﻤﺠﺎوره ﻟﮫ ﺻﻔﺮ‪ .‬وﻋﻨﺪ ﺗﻄﺒﯿﻘﮭﺎ ﻋﻠﻰ اﻟﺼﻮر ذات اﻟﺘﺪرج اﻟﺮﻣﺎدي ﻓﺈﻧﮭﺎ ﺗﻘﻮم ﺑﺘﺒﺪﯾﻞ ﻗﯿﻤﺔ اﻟﺒﻜﺴﻞ ﺑﺄﻗﻞ‬
‫ﻗﯿﻤﺔ ﺑﻜﺴﻞ ﻣﻦ اﻟﺒﻜﺴﻼت اﻟﻤﺠﺎورة ﻣﻤﺎ ﯾﺆدي اﻟﻰ ﺗﻘﻠﯿﻞ اﻟﺴﻄﻮع )‪.[4](Brightness‬‬

‫‪36‬‬
 ‫اﻟﺸﻜﻞ )‪ (8.3‬اﻟﺼﻮرة ﻋﻠﻰ اﻟﯿﺴﺎر ﻗﺒﻞ ﻋﻤﻠﯿﺔ اﻟﺘﺂﻛﻞ وﻋﻠﻰ اﻟﯿﻤﯿﻦ ﺑﻌﺪ ﻋﻤﻠﯿﺔ اﻟﺘﺂﻛﻞ‬

‫اﻟﺘﻮﺳﻊ )‪(Dilation‬‬
‫ﺗﻘﻮم ھﺬه اﻟﻌﻤﻠﯿﺔ ﺑﺘﺒﺪﯾﻞ ﻗﯿﻤﺔ اﻟﺒﻜﺴﻞ اﻟﺤﺎﻟﯿﺔ ﺑﺄﻛﺒﺮ ﻗﯿﻤﺔ ﻣﻦ ﻗﯿﻢ اﻟﺒﻜﺴﻼت اﻟﻤﺠﺎورة ﻟﮭﺎ‪ ،‬وﻋﻨﺪ ﺗﻄﺒﯿﻘﮭﺎ‬
‫ﻋﻠﻰ اﻟﺼﻮرة اﻟﺜﻨﺎﺋﯿﮫ ﻓﺈﻧﮭﺎ ﺗﻘﻮم ﺑﺰﯾﺎدة ﺣﺠﻢ اﻷﺟﺴﺎم وذﻟﻚ ﺑﻤﻄﺎﺑﻘﺔ ﻋﻨﺼﺮ اﻟﺒﻨﺎء ﻣﻊ اﻟﺒﻜﺴﻼت اﻟﻤﻜﻮﻧﮫ ﻟﻠﺼﻮرة‪،‬‬
‫ﻓﺈذا ﻛﺎن ﻣﺮﻛﺰ ﻋﻨﺼﺮ اﻟﺒﻨﺎء ﯾﺘﻄﺎﺑﻖ ﻣﻊ ﺑﻜﺴﻞ ﻗﯿﻤﺘﮫ ﺻﻔﺮ وﻛﺎﻧﺖ ﻗﯿﻢ إﺣﺪى اﻟﺒﻜﺴﻼت اﻟﻤﺠﺎورة ﻟﮫ ﻗﯿﻤﺘﮭﺎ واﺣﺪ‬
‫ﯾﺘﻢ ﺗﺒﺪﯾﻞ ﻗﯿﻤﺔ ذﻟﻚ اﻟﺒﻜﺴﻞ ﺑﻮاﺣﺪ‪ ،‬اﻣﺎ إذا ﺗﻄﺎﺑﻖ ﻣﻊ ﺑﻜﺴﻞ ﻗﯿﻤﺘﮫ واﺣﺪ ﻓﯿﺘﻢ وﺿﻌﮫ ﻛﻤﺎ ھﻮ ﻓﻲ اﻟﺼﻮرة اﻟﻤﺨﺮﺟﺔ‪.‬‬
‫وﻋﻨﺪ ﺗﻄﺒﯿﻘﮭﺎ ﻋﻠﻰ اﻟﺼﻮر ذات اﻟﺘﺪرج اﻟﺮﻣﺎدي ﻓﺈﻧﮭﺎ ﺗﻘﻮم ﺑﺘﺒﺪﯾﻞ ﻗﯿﻤﺔ اﻟﺒﻜﺴﻞ ﺑﺄﻗﻞ ﻗﯿﻤﺔ ﺑﻜﺴﻞ ﻣﻦ اﻟﺒﻜﺴﻼت‬
‫اﻟﻤﺠﺎورة ﻣﻤﺎ ﯾﺆدي اﻟﻰ ذﯾﺎدة اﻟﺴﻄﻮع )‪[4].(Brightness‬‬

‫‪37‬‬
 ‫اﻟﺸﻜﻞ )‪ (9.3‬اﻟﺼﻮرة ﻋﻠﻰ اﻟﯿﻤﯿﻦ ﻗﺒﻞ ﻋﻤﻠﯿﺔ اﻟﺘﻮﺳﻊ وﻋﻠﻰ اﻟﯿﺴﺎر ﺑﻌﺪ ﻋﻤﻠﯿﺔ اﻟﺘﻮﺳﻊ‬

‫اﻟﻔﺘﺢ )‪(Opening‬‬
‫ھﻮ ﻋﻤﻠﯿﺔ ﺗﺂﻛﻞ )‪ (Erosion‬ﻣﺘﺒﻮﻋﮫ ﺑﻌﻤﻠﯿﺔ ﺗﻮﺳﻊ )‪.(Dilation‬‬

‫اﻹﻏﻼق )‪(Closing‬‬
‫ھﻮ ﻋﻤﻠﯿﺔ ﺗﻮﺳﻊ )‪ (Dilation‬ﻣﺘﺒﻮﻋﮫ ﺑﻌﻤﻠﯿﺔ ﺗﺂﻛﻞ )‪.(Erosion‬‬

‫‪ ٤.٣‬ﻋﺘﺎد اﻟﻨﻈﺎم‬
‫ﻓﯿﻤﺎ ﺳﺒﻖ ﺗﺤﺪﺛﻨﺎ ﻋﻦ اﻟﺒﯿﺌﺔ اﻟﺘﻲ ﯾﺘﻢ ﻓﯿﮭﺎ ﺗﻄﻮﯾﺮ اﻟﻨﻈﺎم واھﻢ اﻟﺪوال واﻟﺨﻮارزﻣﯿﺎت اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓﻲ ﺑﻨﺎء‬
‫اﻟﻨﻈﺎم‪ ،‬وﻓﻲ ھﺬا اﻟﺠﺰء ﺳﻨﺘﺤﺪث ﻋﻦ اﻻﺟﮭﺰة اﻟﻤﺴﺘﺨﺪﻣﮫ ﻓﻲ اﻟﻨﻈﺎم‪.‬‬

‫‪38‬‬
 ‫‪ ١.٤.٣‬ﺟﮭﺎز اﻟﺤﺎﺳﻮب‬
‫ﺟﮭﺎز اﻟﺤﺎﺳﻮب اﻟﺬي اﺳﺘﺨﺪم ﻓﻲ ﺑﻨﺎء ھﺬا اﻟﻨﻈﺎم ﻟﮫ اﻟﻤﻮاﺻﻔﺎت اﻟﺘﺎﻟﯿﮫ‬

‫‪Inter (R) Pen um 4 CPU 3.00 GHz‬‬ ‫‪-‬‬

‫‪RAM : 1 GB‬‬ ‫‪-‬‬
‫‪System Type : 32 bit‬‬ ‫‪-‬‬

‫اﻟﺠﺪﯾﺮ ﺑﺎﻟﺬﻛﺮ اﻧﮫ ﻛﻠﻤﺎ زادت ﻛﻔﺎءة اﻟﺠﮭﺎز ﻛﻠﻤﺎ زادت ﻛﻔﺎءة اﻟﻨﻈﺎم وﻗﺪرﺗﮫ ﻋﻠﻰ اﻟﻤﻌﺎﻟﺠﺔ اﻟﺴﺮﯾﻌﮫ ﻟﻠﺼﻮر اﻟﺘﻲ‬
‫ﺗﺄﺗﻲ ﻣﻦ اﻟﻜﺎﻣﯿﺮا‪.‬‬

‫‪ ٢.٤.٣‬آﻟﺔ اﻟﺘﺼﻮﯾﺮ ‪Camera‬‬

‫ﻓﻲ ھﺬا اﻟﺒﺤﺚ ﺗﻢ اﺳﺘﺨﺪام ﻛﺎﻣﯿﺮا ﯾﺘﻢ اﻟﺘﺤﻜﻢ ﻓﯿﮭﺎ ﺑﻮاﺳﻄﺔ اﻟﻤﻮﺑﺎﯾﻞ رادار )‪ (Mobile radar‬اﻟﻤﻮﺟﻮدة‬
‫ﻟﺪى ﺷﺮﻃﮫ اﻟﻤﺮور اﻟﺴﻮداﻧﯿﺔ ﻹﻟﺘﻘﺎط ﺻﻮرة ﻟﻠﻌﺮﺑﺔ ﻣﺤﺘﻮﯾﺔ ﻋﻠﻰ اﻟﻠﻮﺣﺔ‪.‬‬

‫اﻟﻜﺎﻣﯿﺮا ﺑﺎﻟﻤﻮاﺻﻔﺎت اﻟﺘﺎﻟﯿﮫ‪:‬‬

‫‪ .‬دﻗﺔ اﻟﻜﺎﻣﯿﺮا ‪ 8‬ﻣﯿﻐﺎﺑﻜﺴﻞ ﺑﺄﺑﻌﺎد ‪3296X2536‬‬

‫‪ .‬ﻋﺮض اﻟﺼﻮرة اﻟﻤﻠﺘﻘﻄﺔ ‪ ٣٢٩٦‬ﺑﻜﺴﻞ‪.‬‬

‫‪ .‬ﻃﻮل اﻟﺼﻮرة اﻟﻤﻠﺘﻘﻄﺔ ‪ ٢٥٣٦‬ﺑﻜﺴﻞ‪.‬‬

‫ﺗﻘﻮم اﻟﻜﺎﻣﯿﺮ ﺑﺎﻻﻟﺘﻘﺎط اﻟﺼﻮر ﺑﻌﺪ رﺑﻄﮭﺎ ﻣﻊ ﻣﻮﺑﺎﯾﻞ رادار )‪ (mobile radar‬ﺑﺤﯿﺚ ﯾﺘﻢ اﻟﺘﻘﺎط ﺻﻮر‬
‫ﻟﻼﺟﺴﺎم)ﻣﺮﻛﺒﺎت( اﻟﺘﻲ ﺗﺘﺠﺎوز ﺳﺮﻋﺘﮭﺎ اﻟﺴﺮﻋﺔ اﻟﻤﺤﺪدة ﻓﻲ اﻟﺮادار‪[9].‬‬

‫‪39‬‬
40
41
 ‫‪ ١.١.٤‬ﻣﻘﺪﻣﺔ‬
‫ﻓﻲ ھﺬا اﻟﻔﺼﻞ ﺳﯿﺘﻢ اﻟﺘﺤﺪث ﻋﻦ اﻟﻨﻈﺎم اﻟﺤﺎﻟﻲ وھﻮ ﻧﻈﺎم ﯾﺪوي ﻣﻊ اﺳﺘﺨﺪام ﺑﻌﺾ اﻟﺘﻘﻨﯿﺎت ﻓﻲ ﺟﺰء‬
‫ﻣﺤﺼﻮر ﻣﻦ اﻟﻌﻤﻠﯿﺔاﻟﻤﺮورﯾﺔ وﺑﺎﻟﺘﺤﺪﯾﺪ ﻓﻲ ﻣﺨﺎﻟﻔﺎت ﺗﺨﻄﻲ اﻟﺴﺮﻋﺔ وھﻲ رادارات ﺗﻘﻮم ﺑﺎﻟﺘﻘﺎط ﺻﻮرة ﻟﻠﻤﺮﻛﺒﺎت‬
‫اﻟﺘﻲ ﺗﺘﺠﺎوز ﺳﺮﻋﺘﮭﺎ اﻟﺴﺮﻋﺔ اﻟﻘﺎﻧﻮﻧﯿﺔ وھﺬه اﻟﺮادارات ﺗﻮﺿﻊ ﻓﻲ اﻟﻄﺮق اﻟﺴﺮﯾﻌﺔ داﺧﻞ اﻟﻮﻻﯾﺎت او ﻓﻲ اﻟﻄﺮق‬
‫اﻟﺴﻔﺮﯾﺔ ﻣﺜﻞ ﻃﺮﯾﻖ اﻟﺨﺮﻃﻮم – ﻣﺪﻧﻲ‪.‬‬

‫ﻻ ﯾﺘﻌﺎﻣﻞ اﻟﻨﻈﺎم ﻣﻊ اي ﻗﺎﻋﺪة ﺑﯿﺎﻧﺎت او ﻧﻈﺎم ﺣﺎﺳﻮﺑﻲ ﻓﻘﻂ ﯾﻘﻮم ﺑﺄﻟﺘﻘﺎط اﻟﺼﻮر ﻟﻠﻌﺮﺑﺎت اﻟﻤﺮﺗﻜﺒﺔ‬
‫ﻟﻤﺨﺎﻟﻔﺔ ﺗﺨﻄﻲ اﻟﺴﺮﻋﺔ وارﺳﺎﻟﮭﺎ اﻟﻰ اﻟﻀﺎﺑﻂ اﻟﻤﺴﺆول اﻟﺬي ﯾﺘﻌﺎﻣﻞ ﻣﻊ ﺻﺎﺣﺐ اﻟﻤﺮﻛﺒﺔ‪.‬‬

‫ﻛﻤﺎ ﺗﻢ وﺿﻊ ﻛﺎﻣﯿﺮات ﻣﺮاﻗﺒﺔ ﻓﻲ ﺑﻌﺾ اﻟﻄﺮق اﻟﺮﺋﯿﺴﯿﮫ داﺧﻞ وﻻﯾﺔ اﻟﺨﺮﻃﻮم وﺗﺘﻢ ادارﺗﮭﺎ ﻣﻦ ﻗﺒﻞ‬
‫رﺋﺎﺳﺔ اﻟﺸﺮﻃﮫ وﺣﺘﻰ اﻻن ﻣﮭﻤﺘﮭﺎ ھﻲ اﻟﻤﺮاﻗﯿﮫ ﻓﻘﻂ‪.‬‬

‫ادارة اﻟﻤﺮور ﻻ ﺗﺘﻌﺎﻣﻞ ﻣﻊ ﺟﻤﯿﻊ اﻟﻤﺮﻛﺒﺎت ﺑﻨﻔﺲ اﻟﺼﻮرة ﻓﻘﻂ ﺗﺘﻌﺎﻣﻞ ﻣﻊ اﻟﻌﺮﺑﺎت اﻟﺨﺎﺻﺔ واﻟﺘﺠﺎرﯾﺔ‪،‬‬
‫اﻟﺠﺪول ادﻧﺎه ﯾﻮﺿﺢ ﻛﻞ ﻧﻮع ﻣﻦ اﻟﻌﺮﺑﺎت واﻟﺠﮭﺔ اﻟﺘﻲ ﺗﺘﻌﺎﻣﻞ ﻣﻌﮫ‪.‬‬

‫ﺟﺪول )‪ (١.٤‬ﻧﻮع اﻟﻤﺮﻛﺒﺎت واﻟﺠﮭﺔ اﻟﺘﻲ ﺗﺪﯾﺮ ﻛﻞ ﻧﻮع‬

‫اﻟﺠﮭﺔ اﻟﺘﻲ ﺗﺘﻌﺎﻣﻞ ﻣﻌﮭﺎ‬ ‫ﻧﻮع اﻟﻤﺮﻛﺒﺔ‬

‫اﻻدراه اﻟﻌﺎﻣﺔ ﻟﻠﻤﺮور‬ ‫اﻟﻌﺮﺑﺎت اﻟﺨﺎﺻﺔ واﻟﺘﺠﺎرﯾﺔ‬

‫إداره اﻟﺸﺮﻃﺔ‬ ‫اﻟﻌﺮﺑﺎت اﻟﺘﻲ ﺗﺘﺒﻊ ﻟﻠﺸﺮﻃﺔ‬

‫اﻟﺠﯿﺶ‬ ‫اﻟﻌﺮﺑﺎت اﻟﺘﻲ ﺗﺘﺒﻊ ﻟﻠﺠﯿﺶ‬

‫ﺟﮭﺔ ﺣﻜﻮﻣﯿﺔ‬ ‫اﻟﻌﺮﺑﺎت اﻟﺤﻜﻮﻣﯿﺔ‬

‫وزارة اﻟﺨﺎرﺟﯿﺔ‬ ‫ﻋﺮﺑﺎت اﻟﻤﻨﻈﻤﺎت واﻟﺒﻌﺜﺎت‬

‫‪42‬‬
‫ھﺬه اﻧﻮاع اﻟﻌﺮﺑﺎت ﻣﻦ ﺟﮭﺔ اﻻدارة‪ ،‬اﻣﺎ اﻧﻮاﻋﮭﺎ ﻣﻦ ﻧﺎﺣﯿﺔ ﻟﻮن ﺧﻠﻔﯿﺔ اﻟﻠﻮﺣﺔ وﻟﻮن اﻻﺣﺮف داﺧﻞ اﻟﻠﻮﺣﺔ‬
‫ﻓﺘﺼﻨﻒ اﻟﻌﺮﺑﺎت اﻟﺴﻮداﻧﯿﺔ ﻛﻤﺎ ﯾﻠﻲ‪.‬‬

‫ﺟﺪول )‪ (٢.٤‬اﻧﻮاع اﻟﻤﺮﻛﺒﺎت ﺣﺴﺐ ﻟﻮن اﻟﺨﻠﻔﯿﺔ واﻻﺣﺮف‬

‫ﻟﻮن اﻻﺣﺮف‬ ‫ﻟﻮن اﻟﺨﻠﻔﯿﺔ‬ ‫ﻧﻮع اﻟﻤﺮﻛﺒﺔ‬

‫اﺳﻮد‬ ‫اﺑﯿﺾ‬ ‫ﻋﺮﺑﺎت ﺧﺎﺻﺔ‬

‫اﺑﯿﺾ‬ ‫اﺧﻀﺮ‬ ‫ﻋﺮﺑﺎت ﺗﺠﺎرﯾﺔ‬

‫اﺑﯿﺾ‬ ‫اﺳﻮد‬ ‫اﻟﺸﺎﺣﻨﺎت‬

‫اﺳﻮد‬ ‫اﺻﻔﺮ‬ ‫اﻟﻌﺮﺑﺎت اﻟﺤﻜﻮﻣﯿﺔ‬

‫اﺑﯿﺾ‬ ‫ازرق‬ ‫ﻋﺮﺑﺎت ﺧﺎﺻﺔ ﺑﺎﻟﺸﺮﻃﺔ‬

‫اﺳﻮد‬ ‫اﺣﻤﺮ‬ ‫ﻋﺮﺑﺎت ﺧﺎﺻﺔ ﺑﺎﻟﺠﯿﺶ‬

‫اﺻﻔﺮ‬ ‫اﺑﯿﺾ‬ ‫ﻋﺮﺑﺎت اﻻﺳﺘﺜﻤﺎر)اﻟﺸﺮﻛﺎت‬

‫واﻟﻤﺆﺳﺴﺎت(‬

‫‪43‬‬
 ‫‪ ٢.١.٤‬اﻟﻘﺼﻮر ﻓﻲ اﻟﻨﻈﺎم اﻟﺤﺎﻟﻲ‬

‫اﻟﺘﻌﺮف ﻋﻠﻰ ارﻗﺎم اﻟﻠﻮﺣﺔ ﯾﻜﻮن ﺑﻮاﺳﻄﺔ اﻟﺒﺸﺮ‬

‫ﺑﻌﺪ ان ﯾﺘﻢ اﻟﺘﻘﺎط اﻟﺼﻮرة ﺑﻮاﺳﻄﮫ اﻟﺮادار وارﺳﺎﻟﮭﺎ اﻟﻰ اﻟﻤﻮﻇﻒ اﻟﻤﺴﺆول ﯾﻘﻮم ﺑﺎﻟﺘﻌﺮف ﻋﻠﻰ ﻣﺤﺘﻮﯾﺎت‬
‫اﻟﻠﻮﺣﺔ واﻟﺘﺒﻠﯿﻎ ﻋﻨﮭﺎ‪ ،‬ﻓﮭﺬه ﺗﻌﺪ ﻣﻦ اﻟﻌﯿﻮب اﻟﺘﻲ ﺗﺤﺴﺐ ﻟﮭﺬه اﻟﻄﺮﯾﻘﺔ ﻷن اﻟﻤﺴﺆول ﻋﻦ اﻟﺘﻌﺮف ﻻ ﯾﺴﺘﻄﯿﻊ ان‬
‫ﯾﺘﻌﺎﻣﻞ ﻣﻊ اﻛﺜﺮ ﺻﻮرة ﻓﻲ اﻟﻠﺤﻈﮫ‪.‬‬

‫اﻟﻨﻈﺎم ﻻ ﯾﻌﻤﻞ ‪ ٢٤‬ﺳﺎﻋﺔ‬

‫ﻛﻤﺎ ذﻛﺮﻧﺎ ﻓﻲ اﻟﻨﻘﻄﺔاﻟﺴﺎﺑﻘﺔ ﻓﺎﻟﻤﻮﻇﻒ اﻟﻤﺴﺆول ﻋﻦ ﻋﻤﻠﯿﺔ اﻟﺘﻌﺮف ﻋﻠﻰ ارﻗﺎم اﻟﻠﻮﺣﺔ واﻟﺘﺒﻠﯿﻎ ﻋﻨﮭﺎ ﻻ‬
‫ﯾﺴﺘﻄﯿﻊ ﺑﺎي ﺻﻮرة اﻟﻌﻤﻞ ﻃﻮال اﻟﯿﻮم‪ ،‬او ﯾﻤﻜﻦ ان ﯾﻌﻤﻞ اﻛﺜﺮ ﻣﻦ ﻣﻮﻇﻒ وﻓﻲ ھﺬا زﯾﺎدة ﻟﺘﻜﻠﻔﺔ اﻟﻨﻈﺎم‪.‬‬

‫ﺗﺨﺰﯾﻦ اﻟﺼﻮر ﯾﺄﺧﺬ ﻣﺴﺎﺣﺔ اﻛﺒﺮﻣﻦ ﺗﺨﺰﯾﻦ اﻟﻨﺼﻮص‬

‫اﻟﺼﻮر اﻟﻤﻠﺘﻘﻄﺔ ﺑﻮاﺳﻄﺔ اﻟﺮادار ذات ﺑُﻌﺪ ‪ ٢٥٣٦×٣٢٩٦‬ﻓﺎﻟﺼﻮر ﺑﮭﺬة اﻻﺑﻌﺎد ﺗﺄﺧﺬ ﻣﺴﺎﺣﺔ ﻛﺒﯿﺮه ﻋﻨﺪ‬
‫ﺗﺨﺰﯾﻨﮭﺎ )ﻣﺘﻮﺳﻂ ﺣﺠﻢ اﻟﺼﻮرة ‪.(MegaByte ١.٥‬‬

‫ﯾﺤﺘﺎج اﻟﻨﻈﺎم ﻟﻌﺪد ﻣﻦ اﻻﺷﺨﺎص ﻟﻜﻲ ﯾﻌﻤﻞ ﺑﺼﻮرة ﺳﻠﯿﻤﺔ‬

‫ﯾﺤﺘﺎج اﻟﻨﻈﺎم اﻟﻰ ﺷﺨﺺ ﯾﻜﻮن ﻣﺘﻮاﺟﺪ ﻃﻮال ﻓﺘﺮه ﻋﻤﻞ اﻟﺮادار ﻟﯿﺴﺘﻘﺒﻞ اﻟﺼﻮرة وﯾﺤﺪد ﻣﻮﻗﻊ اﻟﻠﻮﺣﺔ‬
‫ﯾﺪوﯾﺎً واﻟﺘﺒﻠﯿﻎ ﻋﻦ رﻗﻢ اﻟﻠﻮﺣﺔ‪ ،‬وذﻟﻚ ﺑﻄﺒﺎﻋﺔﺻﻮرة ﻟﻠﻮﺣﺔ واﻋﻄﺎءھﺎ ﻟﺸﺨﺺ ﯾﻮﺻﻠﮭﺎ ﻟﺼﺎﺣﺐ اﻟﻌﺮﺑﺔ اﻟﻤﺨﺎﻟﻔﺔ‬
‫ﺑﻌﺪ اﯾﻘﺎﻓﮭﺎ‪ ،‬ﻓﻜﻞ ھﺬا ﯾﺰﯾﺪ ﻣﻦ ﺗﻜﻠﻔﺔ اﻟﻨﻈﺎم‪.‬‬

‫‪ ٣.١.٤‬ارﻗﺎم وإﺣﺼﺎءات‬
‫ﺑﺎﻟﺮﻏﻢ ﻣﻦ اﻟﺠﮭﺪ اﻟﻤﺒﺬول ﻣﻦ ﻗﺒﻞ ادارة اﻟﻤﺮور و اﻟﺘﻮﺳﻌﺎت اﻟﺘﻲ ﺗﺘﻢ ﻓﻲ اﻟﻄﺮق واﺳﺘﺨﺪام اﻟﻄﺮق اﻟﺪاﺋﺮﯾﺔ وزﯾﺎدة‬
‫اﻟﺠﺴﻮر ﻓﻲ وﻻﯾﺔ اﻟﺨﺮﻃﻮم اﻻ اﻧﺔ ﻣﺎ زاﻟﺖ ھﻨﺎك ﻣﺸﻜﻠﺔ ﺣﻘﯿﻘﯿﺔ ﻓﻲ اﻟﻤﺮور واﻹﺣﺼﺎءات اﻟﺘﺎﻟﯿﺔ ﺗﻮﺿﺢ ذﻟﻚ‬

‫ﻋﻠﻰ ﻛﻞ رأس دﻗﯿﻘﺘﯿﻦ ﯾﺘﻢ ﺗﺪوﯾﻦ ارﺑﻌﺔ ﺑﻼﻏﺎت ﻣﺮورﯾﺔ‪.‬‬ ‫‪-‬‬

‫‪44‬‬
 ‫ﺛﻼﺛﮫ ﺣﺎﻻﻟﺖ وﻓﺎة ﯾﻮﻣﯿﺎً‪.‬‬ ‫‪-‬‬
‫‪ ١٧‬ﺣﺎﻟﺔ اذى ﺟﺴﯿﻢ )إﻋﺎﻗﺔ او ﻋﺎھﺔ ﻣﺴﺘﺪﯾﻤﺔ(‪.‬‬ ‫‪-‬‬
‫‪ ١٩‬ﺣﺎﻟﺔ اذى ﺑﺴﯿﻂ‪.‬‬ ‫‪-‬‬
‫‪ ١٠٥‬ﺣﺎدث ﺗﻠﻒ‪.‬‬ ‫‪-‬‬

‫وذﻟﻚ ﯾﻮﻣﯿﺎً داﺧﻞ وﻻﯾﺔ اﻟﺨﺮﻃﻮم‪. 1‬‬

‫‪ 1‬ﻣﻘﺎل ﻋﻠﻰ ﺻﺤﯿﻔﺔ اﻟﺴﻮداﻧﻲ ﻧﺸﺮ ﺑﺘﺎرﯾﺦ ‪17 . 05 – 2012‬‬

‫‪45‬‬
46
 ‫‪ ١.٢.٤‬ﻣﻘﺪﻣﺔ‬
‫ﻓﻲ ھﺬا اﻟﻔﺼﻞ ﺳﯿﺘﻢ اﻟﺘﺤﺪث ﻋﻦ اﻟﻨﻈﺎم اﻟﻤﻘﺘﺮح وﻣﺮاﺣﻞ اﻟﻨﻈﺎم اﻟﺘﻲ ﯾﻤﺮ ﺑﮭﺎ وھﻲ ارﺑﻌﺔ ﻣﺮاﺣﻞ‪.‬‬

‫ﻓﻲ اﻟﻤﺮﺣﻠﺔ اﻻوﻟﻲ وھﻲ ﺗﺤﺴﯿﻦ اﻟﺼﻮرة ﺳﻨﺘﺨﻠﺺ ﻣﻦ اﻟﻀﺠﯿﺞ اﻟﻤﻮﺟﻮد ﺑﺎﻟﺼﻮرة ﻟﺘﻘﻠﯿﻞ اﻟﺘﻔﺎﺻﯿﻞ اﻟﺘﻲ‬
‫ﺳﻨﺘﻌﺎﻣﻞ ﻣﻌﮭﺎ ﻓﻲ اﻟﻤﺮاﺣﻞ اﻟﺘﺎﻟﯿﺔ‪ ،‬اﻣﺎ اﻟﻤﺮﺣﻠﺔ اﻟﺜﺎﻧﯿﺔ وھﻲ ﻣﺮﺣﻠﺔ ﺗﺤﺪﯾﺪ ﻣﻮﻗﻊ اﻟﻠﻮﺣﺔ ﻓﺘﺘﻜﻮن ﻣﻦ ﺛﻼث ﺧﻄﻮات‪،‬‬
‫ﻓﻲ اﻻوﻟﻰ ﯾﺘﻢ إﺳﺘﺨﺮاج اﻟﺤﻮاف اﻟﻤﻮﺟﻮدة ﻓﻲ اﻟﺼﻮرة وﻓﻲ اﻟﺜﺎﻧﯿﺔ ﯾﺘﻢ رﺑﻂ اﻟﺤﻮاف ﻣﻊ ﺑﻌﻀﮭﺎ اﻟﺒﻌﺾ وﻓﻲ‬
‫اﻟﺜﺎﻟﺜﺔ ﯾﺘﻢ ﺗﺤﺪﯾﺪ ﻣﻮﻗﻊ اﻟﻠﻮﺣﺔ‪.‬‬

‫ﻓﻲ اﻟﻤﺮﺣﻠﺔ اﻟﺜﺎﻟﺜﺔ ﯾﺘﻢ ﺗﻘﺴﯿﻢ اﻟﻠﻮﺣﺔ وإﺳﺘﺨﺮاج اﻻﺟﺰاء اﻟﺘﻲ ﺗﻮﺟﺪ ﺑﮭﺎ اﻟﺮﻣﻮز اﻟﻤﺮاد اﻟﺘﻌﺮف ﻋﻠﯿﮭﺎ‬
‫وإرﺳﺎﻟﮭﺎ ﻟﻠﻤﺮﺣﻠﺔ اﻻﺧﯿﺮة وھﻲ ﻣﺮﺣﻠﺔ اﻟﺘﻌﺮف ﻋﻠﻰ اﻟﺮﻣﻮز اﻟﺘﻲ ﺗﺘﻜﻮن ﻣﻦ ﺛﻼث ﺧﻄﻮات‪ ،‬اﻟﻤﺮﺣﻠﺔ اﻻوﻟﻰ‬
‫وھﻲ ﻣﺮﺣﻠﺔ اﻟﺘﺤﺴﯿﻦ‪ ،‬واﻟﺜﺎﻧﯿﺔ ﻣﺮﺣﻠﺔ ﺗﻘﺴﯿﻢ اﻟﻤﺤﺘﻮﯾﺎت ﻓﻲ اﻟﺼﻮرة واﻻﺧﯿﺮه ھﻲ ﻣﺮﺣﻠﺔ اﻟﺘﻌﺮف ﻋﻠﻰ اﻟﺮﻣﻮز‪.‬‬

‫‪ ٢.٢.٤‬ﻣﺮاﺣﻞ اﻟﻨﻈﺎم اﻟﻤﻘﺘﺮح‬

‫‪ ١.٢.٢.٤‬اﻟﻤﺮﺣﻠﺔ اﻻوﻟﻰ‬

‫ﺗﺤﺴﯿﻦ اﻟﺼﻮرة اﻟﻤﺪﺧﻠﺔ )‪(Image Enhancement‬‬

‫ﻣﻦ اﻟﻄﺒﯿﻌﻲ ان ﺗﻜﻮن اﻟﺼﻮر اﻟﻤﺪﺧﻠﺔ اﻟﻰ اﻟﻨﻈﺎم ﻗﻠﯿﻠﺔ اﻟﺠﻮدة ﻣﮭﻤﺎ زادت دﻗﺔ اﻟﻜﺎﻣﯿﺮا اﻟﻤﺴﺘﺨﺪﻣﺔ وذﻟﻚ ﻷﻧﮭﺎ‬
‫ﻗﺎدﻣﺔ ﻣﻦ اﻟﺒﯿﺌﺔ اﻟﺨﺎرﺟﺔ اﻟﺘﻲ ﻗﺪ ﺗﺆﺛﺮ ﻋﻠﻰ اﻟﺼﻮرة ﺑﺪرﺟﺎت ﻣﺨﺘﻠﻔﺔ ﻣﺜﻞ اﻻﻣﻄﺎر او اﻧﻌﻜﺎس اﺷﻌﺔ اﻟﺸﻤﺲ‪ ،‬ھﺬه‬
‫اﻟﻌﻮاﻣﻞ ﺗﺆدي اﻟﻰ ﺗﻘﻠﯿﻞ ﺟﻮدة اﻟﺼﻮرة‪ ،‬وﻓﻲ ھﺬه اﻟﻤﺮﺣﻠﺔ ﻧﻘﻮم ﺑﺘﺤﺴﯿﻦ اﻟﺼﻮرة وﻣﻦ اﻣﺜﻠﺔ ھﺬا اﻟﺘﺤﺴﯿﻦ‪.‬‬

‫إزاﻟﺔ اﻟﻀﻮﺿﺎء‪.‬‬ ‫‪-‬‬

‫اﻟﺘﺨﻠﺺ ﻣﻦ اﻟﺘﻔﺎﺻﯿﻞ اﻟﻐﯿﺮ ﻣﻔﯿﺪة‪.‬‬ ‫‪-‬‬
‫ﺗﻘﻠﯿﻞ اﻟﺘﻔﺎﺻﯿﻞ اﻟﻨﺎﺗﺠﺔ ﻋﻨﺪ اﯾﺠﺎد ﺣﻮاف اﻟﺼﻮرة‪.‬‬ ‫‪-‬‬

‫‪47‬‬
‫ﻓﻲ اﻟﺒﺪء ﯾﺘﻢ ﺗﺤﻮﯾﻞ اﻟﺼﻮرة ﻣﻦ ﺻﻮرة ﻣﻠﻮﻧﺔ اﻟﻰ ﺻﻮرة ذات ﺗﺪرﺟﺎت اﻟﻠﻮن اﻟﺮﻣﺎدي‪ ،‬ﺛﻢ ﺑﻌﺪ ذﻟﻚ ﯾﺘﻢ‬
‫ﺗﻄﺒﯿﻖ ﻣﺮﺷﺢ )‪ (Filter‬ﻣﺤﺪد ﻋﻠﻰ اﻟﺼﻮرة ﻟﻠﺘﺨﻠﺺ ﻣﻦ اﻟﺘﻔﺎﺻﯿﻞ اﻟﺘﻲ ﻗﺪ ﺗﺸﻜﻞ ﻋﺎﺋﻖ ﻓﻲ اﻟﻤﺮﺣﻠﺔ اﻟﻘﺎدﻣﮫ وھﻲ‬
‫ﻣﺮﺣﻠﺔ ﺗﺤﺪﯾﺪ اﻟﺤﻮاف ﻓﻲ اﻟﺼﻮرة‪.‬‬

‫وﯾﺘﻢ ﺗﺤﺴﯿﻦ اﻟﺼﻮرة ﺑﻌﺪ ﺗﺤﻮﯾﻠﮭﺎ ﻟﺘﺪرﺟﺎت اﻟﻠﻮن اﻟﺮﻣﺎدي وذﻟﻚ ﻟﺘﺴﮭﯿﻞ ﻣﻌﺎﻟﺠﺘﮭﺎ‪.‬‬

‫ﻣﺮﺷﺢ ‪Medfilt2‬‬

‫ھﻮ ﻣﺮﺷﺢ ﻏﯿﺮ ﺧﻄﻲ وﯾﺴﺘﺨﺪم ﻓﻲ ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ وﻣﻌﺎﻟﺠﺔ اﻻﺷﺎرات‪ ،‬وﯾﻘﻮم ﺑﺘﻘﻠﯿﻞ اﻟﻀﻮﺿﺎء‬
‫)‪ (Noise‬ﻓﻲ اﻟﺼﻮرة وھﻮ ذو ﻛﻔﺎءه ﻋﺎﻟﯿﮫ ﺧﺎﺻﺔ اذا ﻛﺎن اﻟﻐﺮض ﻣﻨﮫ ھﻮ اﻇﮭﺎر اﻟﺤﻮاف ﺑﺼﻮرة اﻓﻀﻞ وﯾﻄﺒﻖ‬
‫ﺑﺎﺳﺘﺨﺪام ﻗﻨﺎﻋﻮھﻲ ﻋﺒﺎره ﻋﻦ ﻣﺼﻔﻮﻓﺔ ذات ﺑﻌﺪﯾﻦ‪ ،‬وھﻨﺎ اﻟﻘﻨﺎع اﻟﻤﺴﺘﺨﺪم‪.‬‬

‫‪٢١‬‬

‫‪١٢‬‬

‫اﻟﺸﻜﻞ )‪ (١.٤‬اﻟﻘﻨﺎع اﻟﻤﺴﺘﺨﺪم ﻣﻊ ‪Medfilter‬‬

‫ﻣﺮﺷﺢ ‪Imfilter‬‬

‫وھﻮ اﯾﻀﺎ ﻣﺮﺷﺢ ﯾﺴﺘﺨﺪم ﻟﺘﻘﻠﯿﻞ اﻟﻀﺠﯿﺞ واﻟﺤﻮاف ﻏﯿﺮ اﻟﻤﻔﯿﺪه )ﺗﺴﻤﻰ اﯾﻀﺎ ﺑﺎﻟﺤﻮاف ﻏﯿﺮ اﻟﺤﻘﯿﻘﯿﮫ(‬
‫وﯾﺴﺘﺨﺪم ﻣﺼﻔﻮﻓﮫ ﻣﺘﻌﺪدة اﻻﺑﻌﺎد ﻛﻘﻨﺎع وھﻲ ﻛﺎﻟﺘﺎﻟﻲ‪.‬‬

‫‪٠.٤٧٣٧. ٠.٠٥٢٦. ٠.٤٧٣٧.‬‬

‫‪٠.٠٥٢٦. ٣.١٠٥٣‬‬ ‫‪٠.٠٥٢٦.‬‬

‫‪٠.٤٧٣٧. ٠.٠٥٢٦. ٠.٤٧٣٧.‬‬

‫اﻟﺸﻜﻞ )‪ (٢.٤‬اﻟﻘﻨﺎع اﻟﻤﺴﺘﺨﺪم ﻣﻊ ‪Imfilter‬‬

‫‪48‬‬
 ‫ﻣﺜﺎل ﻟﻠﺼﻮرة ﺑﻌﺪ ادﺧﺎﻟﮭﺎ ﻟﻠﻨﻈﺎم وﻧﺎﺗﺞ ﻋﻤﻠﯿﺎت اﻟﺘﺤﺴﯿﻦ اﻟﻤﺬﻛﺮوه اﻋﻼه‪.‬‬

‫اﻟﺸﻜﻞ )‪ (٣.٤‬ﺻﻮرة اﻟﻌﺮﺑﺔ ﺑﻌﺪ ان ﺣﻮﻟﺖ ﻟﺘﺪرﺟﺎت اﻟﻠﻮن اﻟﺮﻣﺎدي‬

‫اﻟﺸﻜﻞ )‪ (٤.٤‬ﺻﻮرة اﻟﻌﺮﺑﺔ ﺑﻌﺪ ﺗﻄﺒﯿﻖ ﻋﻤﻠﯿﺎت اﻟﻤﻌﺎﻟﺠﺔ ﻋﻠﯿﮭﺎ‬

‫‪49‬‬
 ‫‪ ٢.٢.٢.٤‬اﻟﻤﺮﺣﻠﺔ اﻟﺜﺎﻧﯿﺔ‬

‫ﺗﺤﺪﯾﺪ ﻣﻜﺎن اﻟﻠﻮﺣﺔ‬

‫‪ ١.٢.٢.٢.٤‬اﻟﺨﻄﻮة اﻻوﻟﻰ‬

‫اﺳﺘﺨﺮاج اﻟﺤﻮاف‬

‫ﺧﻮارزﻣﯿﺔ ﺑﺮﯾﻮﯾﺖ ﻷﺳﺘﺨﺮاج اﻟﺤﻮاف )‪(Prewitt Edge Detection‬‬

‫ﻋﺒﺎرة ﻋﻦ ﻣﺮﺷﺢ ﯾﺴﺘﺨﺪم ﻓﻲ ﺗﺤﺪﯾﺪ اﻟﺤﻮاف ﻓﻲ اﻟﺼﻮرة واﻟﺤﺎﻓﺔ ھﻲ اﻟﺘﺤﻮل ﻣﻦ درﺟﺔ ﻟﻮﻧﯿﺔ اﻟﻰ اﺧﺮى ﻓﻲ‬
‫اﻟﺼﻮرة‪.‬‬

‫وﯾﺘﻢ ذﻟﻚ ﺑﻤﺴﺢ اﻟﺼﻮرة اﻓﻘﯿﺎ ورأﺳﯿﺎ ﺑﺈﺳﺘﺨﺪام ﻣﺮﺷﺢ ﻟﻜﻞ إﺣﺪاﺛﻲ‪ ،‬وﺑﻌﺪ ان ﺗﺘﻢ ﻋﻤﻠﯿﺔ اﻟﻤﺴﺢ ﺗﻨﺘﺞ اﻟﺼﻮرة‬
‫اﻟﻨﮭﺎﺋﯿﺔ‪ ،‬وﯾﻜﻮن اﻟﻨﺎﺗﺞ ھﻮ ﺻﻮرة ﺛﻨﺎﺋﯿﺔ واﻟﺤﻮاف ﻓﯿﮭﺎ ﺑﺎﻟﻠﻮن اﻻﺑﯿﺾ‪.‬‬

‫‪١‬‬ ‫‪١‬‬ ‫‪١‬‬

‫‪٠‬‬ ‫‪٠‬‬ ‫‪٠‬‬

‫‪١.‬‬ ‫‪١. ١.‬‬

‫اﻟﺸﻜﻞ )‪ (٥.٤‬اﻟﻤﺮﺷﺢ اﻻﻓﻘﻲ ‪Horizontal filter‬‬

‫‪50‬‬
 ‫‪.1‬‬ ‫‪0‬‬ ‫‪1‬‬

‫‪.1‬‬ ‫‪0‬‬ ‫‪1‬‬

‫‪.1‬‬ ‫‪0‬‬ ‫‪1‬‬

‫اﻟﺸﻜﻞ )‪ (٧.٤‬اﻟﻤﺮﺷﺢ اﻟﺮأﺳﻲ ‪Vertical filter‬‬

‫اﻟﺼﻮرة ادﻧﺎه ﺗﻮﺿﻊ ﻧﺎﺗﺞ ﻋﻤﻠﯿﮫ ﺗﺤﺪﯾﺪ اﻟﺤﻮاف ﻋﻠﻰ اﻟﺼﻮرة ﻓﻲ اﻟﺸﻜﻞ )اﻟﺴﺎﺑﻖ(‬

‫اﻟﺸﻜﻞ )‪ (٧.٤‬ﻧﺎﺗﺞ ﻋﻤﻠﯿﺔ ﺗﺤﺪﯾﺪ اﻟﺤﻮاف‬

‫‪51‬‬
 ‫‪ ٢.٢.٢.٢.٤‬اﻟﺨﻄﻮة اﻟﺜﺎﻧﯿﺔ‬

‫رﺑﻂ اﻟﺤﻮاف ‪Edge Linking‬‬

‫ﺑﻌﺪ ان ﺗﻢ ﺗﺤﺪﯾﺪ اﻟﺤﻮاف ﺗﺄﺗﻲ ﻣﺮﺣﻠﺔ رﺑﻂ اﻟﺤﻮاف اﻟﻤﺘﻘﺎرﺑﺔ‪ .‬واﻟﺘﻲ ﯾﻤﻜﻦ ان ﺗﻜﻮن ﻛﺎﺋﻨﺎت )‪.(Objects‬‬
‫ﻣﻊ ﺑﻌﻀﮭﺎ اﻟﺒﻌﺾ وذﻟﻚ ﺑﺈﺳﺘﺨﺪام اﻟﻌﻤﻠﯿﺎت اﻟﻤﻮرﻓﻮﻟﻮﺟﯿﺔ ﻋﻠﻰ اﻟﺼﻮرة‪ ،‬وھﻨﺎ اﺳﺘﺨﺪﻣﻨﺎ داﻟﺔ ﻓﺘﺢ اﻟﺼﻮرة‬
‫)‪ (Image opening‬ﺑﻌﻨﺼﺮ ﺑﻨﺎء )‪ (Structure element‬ﻣﻦ ﻧﻮع )‪ (Disk‬ﺑﻄﻮل ‪.٥‬‬

‫وﺗﺘﻢ ھﺬه اﻟﻤﺮﺣﻠﺔ ﺑﻌﺪ اﻟﺘﺨﻠﺺ ﻣﻦ اﻟﺤﻮاف اﻟﻤﻨﻔﺮدة اﻟﺘﻲ ﻟﻢ ﯾﺘﻢ اﻟﺘﺨﻠﺺ ﻣﻨﮭﺎ ﺑﺼﻮرة ﺟﯿﺪة ﻓﻲ ﻣﺮﺣﻠﺔ‬
‫اﻟﺘﺤﺴﯿﻦ‪ ،‬وﯾﺘﻢ ذﻟﻚ ﺑﺈﺳﺘﺨﺪام إﺣﺪى اﻟﻤﺮﺷﺤﺎت اﻟﺘﻲ ﺗﻢ اﻟﺘﺤﺪث ﻋﻨﮭﺎ‪ ،‬وھﻨﺎ ﻣﺜﺎل ﻹﺳﺘﺨﺪام اﻟﺪاﻟﮫ ﻋﻠﻰ اﻟﺼﻮرة‬
‫اﻟﻨﺎﺗﺠﮫ ﻣﻦ اﻟﻤﺮﺣﻠﺔاﻟﺴﺎﺑﻘﺔ‪.‬‬

‫اﻟﺸﻜﻞ )‪ (٨.٤‬اﻟﺼﻮرة اﻟﻨﺎﺗﺠﮫ ﻋﻨﺪ رﺑﻂ اﻟﺤﻮاف وﺗﻜﻮﯾﻦ ﻛﺎﺋﻨﺎت‪.‬‬

‫‪ ٣.٢.٢.٢.٤‬اﻟﺨﻄﻮة اﻟﺜﺎﻟﺜﺔ‬
‫‪52‬‬
 ‫ﺗﺤﺪﯾﺪ ﻣﻮﻗﻊ اﻟﻠﻮﺣﺔ اﻋﺘﻤﺎداً ﻋﻠﻰ اﻟﻤﻤﯿﺰات ‪( Features-Based‬‬
‫) ‪Detection‬‬

‫ﻛﻤﺎ ذﻛﺮﻧﺎ ﻓﻔﻲ اﻟﻤﺮﺣﻠﺔاﻟﺴﺎﺑﻘﺔ ﺗﻨﺘﺞ ﻋﺪه ﻛﺎﺋﻨﺎت ﻓﻲ اﻟﺼﻮرة و ﻛﻞ ﻛﺎﺋﻦ ﻟﮫ ﻧﻔﺲ اﻟﻨﺴﺒﺔ ﻓﻲ ان ﯾﻜﻮن ھﻮ‬
‫ﻣﻮﻗﻊ اﻟﻠﻮﺣﺔ‪ ،‬ﻟﺬﻟﻚ ﺗﺄﺗﻲ ﻓﻲ ھﺬة اﻟﻤﺮﺣﻠﺔ ﻋﻤﻠﯿﺔ ﺗﺮﺷﯿﺢ ﺗﻠﻚ اﻟﻜﺎﺋﻨﺎت ﻋﻠﻰ ﺣﺴﺐ ﺧﻮاﺻﮭﺎ‪ ،‬وﯾﺘﻢ ذﻟﻚ ﺑﺨﻄﻮﺗﯿﻦ‪.‬‬

‫ﻓﻲ اﻟﺨﻄﻮة اﻻوﻟﻰ ﯾﺘﻢ اﻟﺘﺨﻠﺺ ﻣﻦ ﻛﻞ ﻛﺎﺋﻦ ﻻ ﯾﻨﻄﺒﻖ ﻋﻠﯿﮫ اھﻢ ﻣﯿﺰه ﻓﻲ ﺧﺼﺎﺋﺺ اﻟﻠﻮﺣﺎت وھﻲ ان‬
‫ﯾﻜﻮن ﻃﻮل اﻟﻜﺎﺋﻦ اﻛﺒﺮ ﻣﻦ ارﺗﻔﺎﻋﺔ‪ ،‬ﻓﻜﻞ ﻛﺎﺋﻦ ﻻ ﯾﻨﻄﺒﻖ ﻋﻠﯿﮫ ھﺬا اﻟﺸﺮط ﯾﺘﻢ اﻟﺘﺨﻠﺺ ﻣﻨﮫ‪.‬‬

‫ﻓﻲ اﻟﺨﻄﻮةاﻟﺜﺎﻧﯿﺔ ﯾﺘﻢ ﻣﻌﺎﻟﺠﺔ ﻛﻞ ﻛﺎﺋﻦ ﻋﻠﻰ ﺣﺪا‪ ،‬واﺟﺮاء ﺑﻌﺾ اﻟﻌﻤﻠﯿﺎت اﻟﻤﻮرﻓﻮﻟﻮﺟﯿﺔ ﻋﻠﯿﮫ وذﻟﻚ‬
‫ﺑﺈﻓﺘﺮاض ﻛﻞ ﻛﺎﺋﻦ ﻧﺘﻌﺎﻣﻞ ﻣﻌﮫ ھﻮ ﻟﻮﺣﺔ ﻟﻠﻌﺮﺑﺔ‪ ،‬وﻓﻲ ﻧﮭﺎﯾﺔ اﻟﻤﻌﺎﻟﺠﺔ اذا ﻛﺎن ﻋﺪد اﻟﻜﺎﺋﻨﺎت داﺧﻞ ھﺬا اﻟﻜﺎﺋﻦ اﻛﺒﺮ‬
‫ﻣﻦ ‪ ٨‬ﻛﺎﺋﻨﺎت )اﻗﻞ ﻋﺪد رﻣﻮز ﻓﻲ اﻟﻠﻮﺣﺔ ھﻮ ‪ ٨‬رﻣﻮز( ﻓﯿﺘﻢ اﻋﺘﺒﺎرة ﻣﻮﻗﻌﺎً ﻟﻠﻮﺣﮫ‪ ،‬وھﻨﺎ ﻣﺜﺎل ﻟﻨﺎﺗﺞ ھﺬه اﻟﻤﺮﺣﻠﺔ‬
‫ﻣﻄﺒﻖ ﻋﻠﻰ اﻟﺼﻮرة اﻟﻨﺎﺗﺠﮫ ﻣﻦ اﻟﻤﺮﺣﻠﺔاﻟﺴﺎﺑﻘﺔ‪.‬‬

‫اﻟﺸﻜﻞ )‪ (٩.٤‬ﻧﺎﺗﺞ ﺧﻮارزﻣﯿﮫ ﺗﺤﻠﯿﻞ اﻟﻜﺎﺋﻨﺎت ﻓﻲ اﻟﺼﻮرة‬

‫‪ ٣.٢.٢.٤‬اﻟﻤﺮﺣﻠﺔاﻟﺜﺎﻟﺜﺔ‬

‫ﺗﻘﻄﯿﻊ اﻟﻠﻮﺣﺔ )‪(Plate Segmentation‬‬

‫ﻓﻲ ھﺬه اﻟﻤﺮﺣﻠﺔ ﯾﺘﻢ اﻹﺑﻘﺎء ﻋﻠﻰ اﻻﺟﺰاء اﻟﻤﺮاد اﻟﺘﻌﺮف ﻋﻠﯿﮭﺎ ﻹرﺳﺎﻟﮭﺎ ﻟﻠﻤﺮﺣﻠﺔ اﻟﺘﺎﻟﯿﺔ وھﻲ ﻣﺮﺣﻠﺔ‬
‫اﻟﺘﻌﺮف‪.‬‬

‫‪53‬‬
‫ﺗﻢ اﻟﻌﻤﻞ ﻋﻠﻰ اﻻرﻗﺎم اﻟﻌﺮﺑﯿﺔ ﻓﻲ اﻟﻠﻮﺣﺔ ﺑﺪﻻً ﻣﻦ اﻻﻧﺠﻠﯿﺰﯾﺔوذﻟﻚ ﻷﻧﮭﺎ اوﺿﺢ ﺑﻌﺪ ﻋﻤﻠﯿﺔ اﻟﻘﻄﻊ‪ ،‬و ﻓﻲ‬
‫اﻟﺠﺰء اﻟﻤﺨﺼﺺ ﻟﻠﻮﻻﯾﺔ ورﻗﻢ اﻟﻤﻜﺘﺐ ﺗﻢ اﻟﻌﻤﻞ ﻋﻠﻰ اﻟﺠﺰء ﺑﺎﻟﻠﻐﺔ اﻻﻧﺠﻠﯿﺰﯾﺔ وذﻟﻚ ﻟﺴﺒﺒﯿﻦ‪،‬اوﻻً ﻷﻧﮭﺎ اوﺿﺢ ﻣﻦ‬
‫اﻟﺠﺰء ﺑﺎﻟﻠﻐﺔ اﻟﻌﺮﺑﯿﺔ‪ ،‬ﻛﺬﻟﻚ ﻷن ﺑﻌﺾ اﻟﻮﻻﯾﺎت ﺗﺤﺘﻮي رﻣﻮزھﺎ ﻋﻠﻰ اﺣﺮف ﺑﮭﺎ ﻧﻘﺎط ﻣﺜﻼً وﻻﯾﺔ اﻟﺨﺮﻃﻮم‬
‫رﻣﺰھﺎ ھﻮ )خ( ووﻻﯾﺔ اﻟﺠﺰﯾﺮة رﻣﺰھﺎ ھﻮ )ج(‪ ،‬ﻓﺎﻟﻨﻘﻂ ﻓﻲ اﻻﺣﺮف اﻟﻤﺬﻛﻮرة ﯾﺘﻢ اﻟﺘﺨﻠﺺ ﻣﻨﮭﺎ ﻓﻲ ﻋﻤﻠﯿﺔ‬
‫اﻟﻤﻌﺎﻟﺠﺔ ﻓﺒﺎﻟﺘﺎﻟﻲ ﻻ ﯾﺘﻢ اﻟﺘﻌﺮف ﻋﻠﯿﮭﺎ ﺑﺼﻮرة ﺻﺤﯿﺤﺔ‪.‬‬

‫ﯾﺘﻢ ﻗﺺ اﻟﺠﺰﺋﯿﻦ رﻗﻢ اﻟﻠﻮﺣﺔ ورﻣﺰ اﻟﻮﻻﯾﺔ ورﻗﻢ اﻟﻤﻜﺘﺐ ﺑﺈﺳﺘﺨﺪام اﻟﺪاﻟﺔ ‪ ،Imcrop‬ﺣﯿﺚ ﯾﺘﻢ اﻋﻄﺎءھﺎ‬
‫اﺣﺪاﺛﯿﺎت ﻣﻮﻗﻊ ﻛﻞ ﺟﺰء وﻓﻲ اﻟﺸﻜﻞ ادﻧﺎه ﻧﺎﺗﺞ ﻋﻤﻠﯿﺔ اﻟﻘﻄﻊ ﻟﻜﻼ اﻟﺠﺰﺋﯿﻦ‪.‬‬

‫اﻟﺸﻜﻞ )‪ (١٠.٤‬رﻗﻢ اﻟﻠﻮﺣﺔ ﺑﻌﺪ ﻋﻤﻠﯿﺔ اﻟﻘﻄﻊ‬

‫اﻟﺸﻜﻞ )‪ (١١.٥‬رﻣﺰ اﻟﻮﻻﯾﮫ ورﻗﻢ ﻣﻜﺘﺐ اﻟﺘﺮﺧﯿﺺ ﺑﻌﺪ ﻋﻤﻠﯿﺔ اﻟﻘﻄﻊ‬

‫‪ ٤.٢.٢.٤‬اﻟﻤﺮﺣﻠﺔ اﻟﺮاﺑﻌﺔ‬

‫اﻟﺘﻌﺮف ﻋﻠﻰ ﻣﺤﺘﻮﯾﺎت اﻟﻠﻮﺣﺔ )‪(Character Recognition‬‬

‫‪54‬‬
‫وھﻲ اﻟﻤﺮﺣﻠﺔ اﻻﺧﯿﺮة ﻓﻲ اﻟﻨﻈﺎم‪ ،‬وھﻲ ﻛﺬﻟﻚ ﻟﮭﺎ ﺧﻄﻮﺗﯿﻦ ﻓﻲ اﻟﺨﻄﻮة اﻻوﻟﻰ ﯾﺘﻢ ﺗﺤﺴﯿﻦ اﻟﺼﻮرة اﻟﻨﺎﺗﺠﺔ‬
‫ﻣﻦ ﻋﻤﻠﯿﺔ اﻟﻘﻄﻊ ﻓﻲ اﻟﻤﺮﺣﻠﺔاﻟﺴﺎﺑﻘﺔ وﺗﮭﯿﺎﺗﮭﺎ ﻟﻤﺮﺣﻠﮫ اﻟﺘﻲ ﺗﻠﯿﮭﺎ وھﻲ ﻣﺮﺣﻠﺔ اﻟﺘﻌﺮف ﻋﻠﻰ اﻟﺮﻣﻮز اﻟﻤﻮﺟﻮده ﻓﻲ‬
‫ﻛﻞ ﺻﻮرة‪.‬‬

‫‪ ١.٤.٢.٢.٤‬اﻟﺨﻄﻮة اﻻوﻟﻰ‬

‫اﻟﺘﺤﺴﯿﻦ ‪Enhancement phase‬‬

‫ﻣﺴﺎواة اﻟﻤﺪرج اﻻﺣﺼﺎﺋﻲ ‪Histogram equalization‬‬

‫و ھﻲ اﺣﺪى ﻃﺮق اﻟﺘﺤﺴﯿﻦ وﺗﺴﺘﺨﺪم ﻋﺎدة ﻓﻲ زﯾﺎدة ﺗﺒﺎﯾﻦ اﻟﺼﻮرة وﻣﻦ ﺧﻼل ھﺬا اﻟﺘﻌﺪﯾﻞ ﻓﺈن اﻟﺸﺪة‬
‫ﯾﻤﻜﻦ ان ﯾﺘﻢ ﺗﻮزﯾﻌﮭﺎ ﺑﺼﻮرة اﻓﻀﻞ ﻓﻲ اﻟﺮﺳﻢ اﻟﺒﯿﺎﻧﯿﻮھﺬا ﯾﺴﻤﺢ ﻟﻠﻤﻨﻄﻘﺔ ذات اﻟﺘﺒﺎﯾﻦ اﻟﻘﻠﯿﻞ ﺑﺎﻟﺤﺼﻮر ﻋﻠﻰ ﺗﺒﺎﯾﻦ‬
‫اﻋﻠﻰ‪.‬‬

‫وﺗﻢ اﺳﺘﺨﺪام ھﺬه اﻟﻄﺮﯾﻘﺔ ھﻨﺎ ﻟﺰﯾﺎدة وﺿﻮح اﻻﺣﺮف وﻓﺼﻠﮭﺎ ﺑﻘﺪر اﻟﻤﺴﺘﻄﺎع ﻋﻦ اﻟﺨﻠﻔﯿﺔ ن وﻓﻲ اﻟﺸﻜﻞ‬
‫اﻟﺘﺎﻟﻲ ﻣﺜﺎل ﻹﺳﺘﺨﺪام ﻣﺴﺎواة اﻟﻤﺪرج اﻻﺣﺼﺎﺋﻲ ﻋﻠﻰ اﻟﺼﻮر ﻓﻲ اﻟﺸﻜﻠﯿﻦ )‪(٤.١٠‬و)‪(٤.١١‬‬

‫اﻟﺸﻜﻞ )‪ (١٢.٤‬ﻣﺴﺎواة اﻟﻤﺪرج اﻻﺣﺼﺎﺋﻲ ﻟﻠﺸﻜﻞ)‪(١٠.٤‬‬

‫‪55‬‬
 ‫اﻟﺸﻜﻞ )‪ (١٣.٤‬ﻣﺴﺎواة اﻟﻤﺪرج اﻻﺣﺼﺎﺋﻲ ﻟﻠﺸﻜﻞ)‪(١١.٤‬‬

‫وﺗﺘﺒﻊ ﻋﻤﻠﯿﺔ اﻟﺘﺤﺴﯿﻦ ﻋﻤﻠﯿﺎت اﺧﺮى ﺑﺪاﯾﺔ ﺑﺘﺤﻮﯾﻞ اﻟﺼﻮرة اﻟﻰ ﺛﻨﺎﺋﯿﮫ ﺛﻢ ﺗﻄﺒﯿﻖ اﻟﻌﻤﻠﯿﺎت اﻟﻤﻮرﻓﻮﻟﻮﺟﯿﺔ‬
‫ﻋﻠﻰ اﻟﺼﻮرة‪ ،‬ﻓﯿﻜﻮن اﻟﻨﺎﺗﺞ ﻛﻤﺎ ﻓﻲ اﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ‪.‬‬

‫اﻟﺸﻜﻞ )‪ (١٤.٤‬ﻧﺎﺗﺞ ﻋﻤﻠﯿﺎت اﻟﺘﺤﺴﯿﻦ ﻋﻠﻰ اﻟﺸﻜﻞ )‪(١٢.٤‬‬

‫اﻟﺸﻜﻞ )‪ (١٥.٤‬ﻧﺎﺗﺞ ﻋﻤﻠﯿﺎت اﻟﺘﺤﺴﯿﻦ ﻋﻠﻰ اﻟﺸﻜﻞ )‪(١٣.٤‬‬

‫‪ ٢.٤.٢.٢.٤‬اﻟﺨﻄﻮةاﻟﺜﺎﻧﯿﺔ‬

‫اﻟﺘﻘﺴﯿﻢ ‪Segmentation phase‬‬

‫‪56‬‬
 ‫ﺑﻌﺪ ان ﺗﻢ ﺗﺤﺴﯿﻦ اﻟﺼﻮرة اﻟﻤﺪﺧﻠﺔ ﯾﺘﻢ ﻓﺼﻞ ﻛﻞ ﺣﺮف ﻓﻲ ﻋﻠﻰ ﺣﺪا‪ ،‬وﯾﺘﻢ ذﻟﻚ ﺑﺈﻋﺘﺒﺎر ان ﻛﻞ ﻛﺎﺋﻦ‬
‫)‪ (Object‬ھﻮ ﺣﺮف‪.‬‬

‫)أ( ﻣﺪﺧﻞ ﻋﻤﻠﯿﺔ اﻟﺘﻘﺴﯿﻢ‬ ‫)ب( ﻧﺎﺗﺞ ﻋﻤﻠﯿﺔ اﻟﺘﻘﺴﯿﻢ‬

‫اﻟﺸﻜﻞ )‪(٤.١٦‬‬

‫‪ ٣.٤.٢.٢.٤‬اﻟﺨﻄﻮةاﻟﺜﺎﻟﺜﺔ‬

‫اﻟﺘﻌﺮف ‪Recognition phase‬‬

‫ﻣﻄﺎﺑﻘﺔ اﻟﻘﻮاﻟﺐ ‪Template matching‬‬

‫اﻟﻄﺮﯾﻘﺔ ﺗﻘﻮم ﻋﻠﻰ ﺗﺨﺰﯾﻦ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻘﻮاﻟﺐ )‪ (Templates‬أو اﻟﻨﻤﺎذج)‪ (Prototypes‬ﻣﻦ ﻛﻞ‬
‫ﺻﻨﻒ او رﻣﺰ ‪ .‬ﯾﻤﻜﻦ ان ﺗﺤﻤﻠﺔ اﻟﻠﻮﺣﺔ‪ .‬ﻓﻲ اﻟﺤﺎﺳﻮب وﻓﻲ ﻣﺮﺣﻠﺔ اﻟﺘﺼﻨﯿﻒ ﺗﺘﻢ ﻋﻤﻠﯿﺔ ﻣﻘﺎرﻧﺔ ﻟﻠﺼﻮرة اﻟﺪاﺧﻠﺔ‬
‫)‪ (Input pattern‬ﻣﻊ )‪ (templates‬اﻟﻘﻮاﻟﺐ ﻓﺈن ﻛﺎﻧﺖ ﻧﺘﯿﺠﺔ ﻣﻘﺎرﻧﺘﮭﺎ ﻣﻊ اﻟﺼﻨﻒ )‪ (A‬أﻛﺒﺮ ﻣﻦ ﻧﺘﯿﺠﺔ ﻣﻘﺎرﻧﺘﮭﺎ‬

‫ﻣﻊ اﻟﺼﻨﻒ )‪ (B‬ﻓﺈﻧﮭﺎ ﺗﺼﻨﻒ ﺿﻤﻦ اﻟﺼﻨﻒ )‪ (A‬وھﻜﺬا‪.‬‬

‫ﺗﺘﻢ ﻋﻤﻠﯿﺔ اﻟﻤﻘﺎرﻧﺔ ﺑﻌﺪ ﺗﺨﺰن اﻟﺼﻮرة اﻟﺪاﺧﻠﺔ ﻋﻠﻰ ﺷﻜﻞ ﻣﺼﻔﻮﻓﺔ وﺗﻘﺎرن ﻣﻊ اﻟﻘﻮاﻟﺐ اﻟﻤﻮﺟﻮدة ﻓﻲ‬
‫اﻟﺠﮭﺎز ) ‪ (pixel by pixel‬وﺗﻌﻄﻲ ﻗﯿﻤﺔ ﻟﻠﻤﻘﺎرﻧﺔ‪ ،‬اﻟﺼﻌﻮﺑﺔ اﻟﻮﺣﯿﺪة ﻓﻲ ھﺬه اﻟﻄﺮﯾﻘﺔ ھﻲ اﻻﺧﺘﯿﺎر اﻟﺠﯿﺪ ﻟﻠﻘﻮاﻟﺐ‬
‫ﻣﻦ ﻛﻞ ﺻﻨﻒ ﺑﺎﻹﺿﺎﻓﺔ اﻟﻰ ﺗﺤﺪﯾﺪ ﻣﻌﺎﯾﯿﺮ اﻟﻤﻘﺎرﻧﺔ وﺧﺼﻮﺻﺎ ﻟﻮ ﻛﺎﻧﺖ اﻟﺼﻮرة اﻟﺪاﺧﻠﺔ ﺗﺤﻤﻞ ﺗﺸﻮھﺎت ن ﻟﺬﻟﻚ‬
‫ﻓﺈن اﻟﻤﺮﺣﻠﺔ اﻟﺴﺎﺑﻘﺔ ﺗﺆﺛﺮ ﺑﺪرﺟﮫ ﻛﺒﯿﺮه ﻋﻠﻰ ھﺬه اﻟﻤﺮﺣﻠﺔ‪ ،‬ﻛﻞ ﻗﺎﻟﺐ ﯾﺘﻜﻮن ﻣﻦ ‪ ٢٤‬ﻋﻤﻮد و‪ ٤٢‬ﺻﻒ وﯾﺘﻢ دﻣﺞ‬
‫ﺟﻤﯿﻊ اﻟﻘﻮاﻟﺐ ﻓﻲ ﻣﺼﻔﻮﻓﮫ واﺣﺪه وذﻟﻚ ﻟﺘﺴﮭﯿﻞ ﻋﻤﻠﯿﺔ اﻟﻤﻘﺎرﻧﮫ‪ ،‬اﯾﻀﺎ ﯾﺘﻢ ﺗﻐﯿﯿﺮ ﺣﺠﻢ ﻛﻞ ﺣﺮف اﻟﻰ ﻧﻔﺲ اﻟﺤﺠﻢ‬
‫اﻟﻤﺴﺘﺨﺪم ﻓﻲ اﻟﻘﻮاﻟﺐ ﻷﻧﮫ ﻛﻤﺎ ذﻛﺮﻧﺎ ﻓﺈن ﻓﻲ ﻋﻤﻠﯿﺔ اﻟﻤﻘﺎرﻧﮫ ﯾﺘﻢ ﻣﻘﺎرﻧﺔ ﻛﻞ ﺑﻜﺴﻞ ﻣﻦ اﻟﻘﻮاﻟﺐ ﻣﻊ اﻟﻤﻘﺎﺑﻞ ﻟﮫ ﻣﻦ‬
‫اﻟﺼﻮرة اﻟﻤﺪﺧﻠﮫ‪ ،‬وھﻨﺎ ﻣﺜﺎل ﻹﺣﺪى اﻟﻘﻮاﻟﺐ اﻟﻤﺴﺘﺨﺪﻣﮫ‪.‬‬

‫‪57‬‬
 ‫اﻟﺸﻜﻞ )‪(١٧.٤‬‬

‫اﻟﻘﺎﻟﺐ اﻟﻤﺴﺘﺨﺪم ﻟﻠﺮﻗﻢ ‪ ٤‬ﺑﺎﻟﻠﻐﺔ اﻟﻌﺮﺑﯿﺔ‬

‫اﻟﻘﺎﻟﺐ اﻟﻤﺴﺘﺨﺪم ﻟﻠﺤﺮف ‪K‬‬

‫اﻟﺸﻜﻞ )‪(١٨.٤‬‬

‫ھﯿﻜﻞ اﻟﻨﻈﺎم‬

‫إدﺧﺎل اﻟﺼﻮرة اﻟﻰ اﻟﻨﻈﺎم‬

‫‪58‬‬
‫ﺗﺤﻮﯾﻞ اﻟﺼﻮرة اﻟﻰ اﻟﻠﻮن اﻟﺮﻣﺎدي‬

‫ﺗﺤﺴﯿﻦ اﻟﺼﻮرة و ﺗﺤﺪﯾﺪ اﻟﺤﻮاف‬

‫رﺑﻂ اﻟﺤﻮاف اﻟﻤﺘﻘﺎرﺑﺔ وﺗﻜﻮﯾﻦ‬

‫ﻛﺎﺋﻨﺎت‬

‫ﺗﺤﻠﯿﻞ اﻟﻜﺎﺋﻨﺎت وﺗﺤﺪﯾﺪ ﻣﻮﻗﻊ‬

‫اﻟﻠﻮﺣﺔ‬

‫ﺗﻘﺴﯿﻢ اﻟﻠﻮﺣﺔ اﻟﻰ ﺟﺰﺋﯿﻦ‬

‫اﻟﺘﻌﺮف ﻋﻠﻰ ﻣﺤﺘﻮﯾﺎت ﻛﻞ ﺟﺰء‬

‫اﻟﺸﻜﻞ )‪ (١٩.٤‬ھﯿﻜﻞ اﻟﻨﻈﺎم‬

‫‪59‬‬
60
‫ﺟﻤﯿﻊ اﻟﺘﺠﺎرب اﻟﺘﻲ ﺗﻢ إﺟﺮاؤھﺎ ﺗﻤﺮ ﺑﻜﺎﻓﺔ ﻣﺮاﺣﻞ اﻟﻨﻈﺎم ﻣﻦ ﺗﺤﺴﯿﻦ ﻟﻠﺼﻮرة ﺛﻢ ﺗﺤﺪﯾﺪ ﻣﻮﻗﻊ اﻟﻠﻮﺣﺔ ﺛﻢ‬
‫ﺗﻘﺴﯿﻢ اﻟﻠﻮﺣﺔ‪ ،‬وﻓﻲ اﻟﻤﺮﺣﻠﺔ اﻻﺧﯿﺮة ﻣﺮﺣﻠﺔ اﻟﺘﻌﺮف ﻋﻠﻰ اﻟﺮﻣﻮز اﻟﻤﻮﺟﻮدة ﻓﻲ اﻟﻠﻮﺣﺔ‪.‬‬

‫ﺗﺤﺪﯾﺪ ﻣﻮﻗﻊ اﻟﻠﻮﺣﺔ‬

‫اﻟﺘﺠﺮﺑﺔ اﻻوﻟﻰ‬

‫ﺧﻮارزﻣﯿﺔ ﺗﺤﻮﯾﻞ ھﻮف ﻟﺘﺤﺪﯾﺪ اﻟﺨﻄﻮط ﻣﻦ اﻟﺼﻮرة ‪Hough‬‬

‫‪Transform‬‬

‫وھﻲ ﺧﻮارزﻣﯿﺔ ﺗﮭﺘﻢ ﺑﺈﺳﺘﺨﺮاج ﻛﺎﻓﺔ اﻟﺨﻄﻮط اﻟﻤﻮﺟﻮدة ﻓﻲ اﻟﺼﻮرة‪ ،‬ﺛﻢ اﺳﺘﺨﺮاج اﻟﺨﻄﻮط اﻟﻤﺘﻮازﯾﺔ‬
‫وﻓﺤﺺ اﻟﻤﻨﻄﻘﺔ ﺑﯿﻨﮭﻤﺎ ﺑﺈﻓﺘﺮاض ان ھﺬه اﻟﻤﻨﻄﻘﮫ ﺗﻤﺜﻞ ﻣﻮﻗﻊ اﻟﻠﻮﺣﺔ‪.‬‬

‫اﻟﻌﯿﻮب‬

‫اﺣﯿﺎﻧﺎً ﻻ ﯾﻜﻮن اﻟﺨﻂ ﻣﺘﺼﻼً ﺑﺴﺒﺐ اﻟﺘﺸﻮة اﻟﺬي ﻗﺪ ﯾﺤﺪث ﻟﻠﻮﺣﺔ‪.‬‬ ‫‪-‬‬
‫ﻗﺪ ﺗﺘﺪاﺧﻞ اﻟﺨﻄﻮط اﻟﻤﻮﺟﻮدة ﻓﻲ ﺑﻘﯿﺔاﻟﺼﻮرة ﻣﻊ اﻟﺨﻄﻮط اﻟﺘﻲ ﺗﻤﺜﻞ ﺣﺪود اﻟﻠﻮﺣﺔ ﻣﻤﺎ ﯾﻮدي اﻟﻰ دﺧﻮل‬ ‫‪-‬‬
‫اﺟﺴﺎم اﺧﺮى ﺑﻌﺪ ﺗﺤﺪﯾﺪ ﻣﻮﻗﻊ اﻟﻠﻮﺣﺔ او ﻗﺪ ﯾﺴﺒﺐ ذﻟﻚ ﻓﺸﻞ ﻓﻲ ﺗﺤﺪﯾﺪ ﻣﻮﻗﻊ اﻟﻠﻮﺣﺔ‪.‬‬

‫ﺗﻘﺴﯿﻤﺎت اﻟﻠﻮﺣﺔ اﻟﺴﻮداﻧﯿﺔ ﯾﺠﻌﻞ ﻣﻦ اﻟﺼﻌﻮﺑﮫ ﺟﺪاً إﻛﺘﺸﺎف اﻟﻤﻮﻗﻊ اﻟﺼﺤﯿﺢ ﻟﻠﻮﺣﺔ ﺑﺈﺳﺘﺨﺪام‬ ‫‪-‬‬
‫ھﺬھﺎﻟﺨﻮارزﻣﯿﺔ‪ ،‬ﻓﻜﻤﺎ ﻧﺮى ﻓﻲ اﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ ﻧﻤﻮذج ﻟﻠﻮﺣﮫ اﻟﺴﻮداﻧﯿﺔ‪ ،‬ﻗﺪ ﺗﻜﺘﺸﻒ اﻟﺨﻮارزﻣﯿﺔ اي ﺟﺰء‬
‫ﻣﻦ اﻻﺟﺰاء ‪ ٢ ،١‬او ‪ ٣‬وﺑﺎﻟﺘﺎﻟﻲ ﺗﻔﺸﻞ اﻟﺨﻮارزﻣﯿﺔ ﻓﻲ اﻟﺘﺤﺪﯾﺪ اﻟﺼﺤﯿﺢ ﻟﻤﻮﻗﻊ اﻟﻠﻮﺣﺔ‪.‬‬

‫)‪(٢‬‬ ‫)‪(١‬‬

‫)‪(٣‬‬

‫اﻟﺸﻜﻞ )‪ (٢٠.٤‬ﻧﻤﻮذج ﻟﻠﻮﺣﺔ ﺳﻮداﻧﯿﺔ‬

‫‪61‬‬
62
63
 ‫‪ ١.٥‬اﻟﻨﺘﺎﺋﺞ‬
‫ﻓﻲ ھﺬا اﻟﺠﺰء ﺳﻨﺘﺤﺪث ﻋﻦ اﻟﻨﺘﺎﺋﺞ اﻟﺘﻲ ﺗﻮﺻﻞ إﻟﯿﮭﺎ اﻟﻨﻈﺎم‪ ،‬اوﻻً ﺳﻨﺴﺘﻌﺮض اﻟﻨﺘﺎﺋﺞ اﻟﺘﻲ ﺗﻮﺻﻞ ﻟﮭﺎ‬
‫اﻟﻨﻈﺎم ﻓﻲ ﻣﺮﺣﻠﺔ ﺗﺤﺪﯾﺪ ﻣﻮﻗﻊ اﻟﻠﻮﺣﺔ‪ ،‬ﺛﻢ ﻧﺘﺎﺋﺞ اﻟﺘﻌﺮف ﻋﻠﻰ ﺟﻤﯿﻊ اﻟﻠﻮﺣﺎت‪.‬‬

‫ﻣﻮﻗﻊ اﻟﻠﻮﺣﺔ‬
‫ﻣﺠﻤﻮع اﻟﺼﻮر اﻟﺘﻲ ﺗﺤﺼﻠﻨﺎ ﻋﻠﯿﮭﺎ ﻣﻦ إدارة ﺷﺮﻃﺔ ﻣﺮور‪ .‬وﻻﯾﺔ اﻟﺨﺮﻃﻮم ھﻲ ‪ ٤٠‬ﺻﻮرة ﺗﻤﻜﻦ اﻟﻨﻈﺎم‬
‫ﻣﻦ ﺗﺤﺪﯾﺪ ﻣﻮﻗﻊ اﻟﻠﻮﺣﺔ ﻓﻲ ﺟﻤﯿﻊ اﻟﺼﻮر اي ﺑﻨﺴﺒﺔ ‪.%١٠٠‬‬

‫اﻟﺘﻌﺮف ﻋﻠﻰ ﻣﺤﺘﻮﯾﺎت اﻟﻠﻮﺣﺔ‬

‫ﻧﺴﺒﺔ اﻟﺘﻌﺮف اﻟﺘﻲ ﺗﻮﺻﻞ اﻟﯿﮭﺎ اﻟﻨﻈﺎم ﻛﺎﻧﺖ اﻛﺜﺮ ﻣﻦ ‪.%٨٥‬‬

‫واﻟﺠﺪول اﻟﺘﺎﻟﻲ ﯾﻮﺿﺢ ﻋﺪد اﻟﺼﻮر اﻟﺘﻲ اﺟﺮﯾﺖ ﻋﻠﯿﮭﺎ اﻟﺘﺠﺎرب‪ ،‬واﻟﻨﺘﺎﺋﺞ ﻓﻲ ﻛﻞ ﻣﺮﺣﻠﺔ‪.‬‬

‫ﺟﺪول )‪ (١.٥‬ﻧﺘﺎﺋﺞ اﻟﻨﻈﺎم‬

‫اﻟﺘﻌﺮف ﻋﻠﻰ ﻣﺤﺘﻮﯾﺎت‬ ‫ﺗﺤﺪﯾﺪ ﻣﻮﻗﻊ اﻟﻠﻮﺣﺔ‬ ‫ﻛﻤﯿﺔ اﻟﺼﻮر‬

‫اﻟﻠﻮﺣﺔ‬

‫‪%٨٥‬‬ ‫‪%١٠٠‬‬ ‫‪٤٠‬‬

‫وﯾﺘﻤﻜﻦ اﻟﻨﻈﺎم ﻣﻦ اﺳﺘﺨﺮاج ﻧﺘﯿﺠﺔ اﻟﺘﻌﺮف ﻓﻲ زﻣﻦ ﻣﺘﻮﺳﻄﮫ ﻣﺎﺑﯿﻦ ‪ ٦ – ٤‬ﺛﻮاﻧﻲ وذﻟﻚ ﻓﻲ ﺟﮭﺎز‬
‫ﺑﺎﻟﻤﻮاﺻﻔﺎت اﻟﻤﺬﻛﻮره ﻓﻲ ﻋﺘﺎد اﻟﻨﻈﺎم‪ ،‬وﯾﻘﻞ ﻣﺘﻮﺳﻂ ھﺬا اﻟﺰﻣﻦ ﻛﻠﻤﺎ زادت ﻣﻮاﺻﻔﺎت اﻟﺠﮭﺎز اﻟﺬي ﯾﻌﻤﻞ ﻋﻠﯿﮫ‬
‫اﻟﻨﻈﺎم‪.‬‬

‫‪64‬‬
65
 ‫‪.‬‬

‫‪ ٢.٥‬اﻟﺘﻮﺻﯿﺎت‬
‫ھﺬا اﻟﻨﻈﺎم ﯾﮭﺪف إﻟﻰ اﻟﺘﻌﺮف ﻋﻠﻰ ﻣﺤﺘﻮﯾﺎت اﻟﻠﻮﺣﺔ ﻓﻲ اﻟﺼﻮرة اﻟﻤﻠﺘﻘﻄﺔ‪ ،‬وﺗﻄﻠﻌﺎﺗﻨﺎ ﻟﮭﺬا اﻟﻨﻈﺎم أﺑﻌﺪ ﻣﻦ‬
‫ذﻟﻚ‪ ،‬وﻓﻲ ﻣﺎ ﯾﻠﻲ ﻧﺬﻛﺮ ﺑﻌﺾ اﻟﻤﻼﺣﻈﺎت اﻟﺘﻲ ﻧﺄﻣﻞ ان ﯾﺘﻢ ﺗﻄﺒﯿﻘﮭﺎ ﻋﻠﻰ ھﺬه اﻟﻨﻈﺎم‪.‬‬

‫ﺗﻄﺒﯿﻖ ﻣﺜﻞ ھﺬه اﻻﻧﻈﻤﮫ ﻋﻠﻰ ارض اﻟﻮاﻗﻊ‪.‬‬ ‫‪-‬‬

‫ﺗﻮﺳﯿﻊ ﻣﺠﺎل إﺳﺘﺨﺪام اﻟﻨﻈﺎم ﻟﯿﺸﻤﻞ ﻣﺠﺎﻻت اﺧﺮى ﻣﺜﻞ اﻟﺘﺤﻜﻢ ﻓﻲ اﻟﺒﻮاﺑﺎت ﻓﻲ اﻟﻤﺆﺳﺴﺎت او ﻣﺪاﺧﻞ‬ ‫‪-‬‬
‫اﻣﺎﻛﻦ ﺗﻮﻗﻒ اﻟﺴﯿﺎرات‪.‬‬
‫رﺑﻂ اﻟﻨﻈﺎم ﻣﻊ ﻗﺎﻋﺪة ﺑﯿﺎﻧﺎت اﻟﻤﺮور وإﺳﺘﺨﺪام ﺗﻘﻨﯿﺔ اﻟﺮﺳﺎﺋﻞ اﻟﻘﺼﯿﺮه )‪ (SMS‬ﻟﺘﺒﻠﯿﻎ اﻟﻤﺨﺎﻟﻒ ﺑﺎﻟﻤﺨﺎﻟﻔﺔ‬ ‫‪-‬‬
‫اﻟﺘﻲ إرﺗﻜﺒﮭﺎ‪.‬‬

‫ﺗﻄﻮﯾﺮ ﻧﻈﺎم ﺧﺎص ﺑﺎﻟﻤﺮﻛﺒﺎت اﻟﺘﻲ ﺗﺄﺗﻲ ﻣﻦ ﺧﺎرج ﻧﻄﺎق اﻟﺪوﻟﺔ‪ ،‬او إذا ﺗﻢ ﺗﻄﻮﯾﺮ اﻟﻨﻈﺎم ﺟﻌﻠﺔ ﻗﺎدر ﻋﻠﻰ‬ ‫‪-‬‬
‫اﻟﺘﻌﺎﻣﻞ ﻣﻊ ﻟﻮﺣﺎت ھﺬه اﻟﻤﺮﻛﺒﺎت‪.‬‬

‫‪66‬‬
67
 ‫‪ ٣.٥‬اﻟﺨﺎﺗﻤﺔ‬
‫ﻓﻲ اﻟﺨﺘﺎم ﻧﺤﻤﺪ اﷲ ﻛﺜﯿﺮاً اﻟﺬي اﻋﺎﻧﻨﺎ ﻋﻠﻰ إﺧﺮاج ھﺬا اﻟﺒﺤﺚ اﻟﻤﺘﻮاﺿﻊ وﻧﺴﺄل اﻟﻤﻮﻟﻰ ﻋﺰ وﺟﻞ ان‬
‫ﯾﺴﺎﻋﺪ ﻓﻲ اﻟﻐﺮض اﻟﺬي ﻧﻄﻤﺢ ﻟﮫ وھﻮ ﺗﻘﻠﯿﻞ اﻟﺠﮭﺪ ﻋﻠﻰ إدارة اﻟﻤﺮور ﻓﻲ ﻋﻤﻠﯿﺔ اﻟﺘﺤﻜﻢ اﻟﻤﺮوري‪.‬‬

‫ﻛﺬﻟﻚ ﻧﺤﻤﺪه ﻛﺜﯿﺮاً ﻋﻠﻰ اﻹﺳﺘﻔﺎده ﻋﻠﻤﯿﺎً ﻣﻦ ھﺬا اﻟﺒﺤﺚ وﺧﺎﺻﺔ ﻓﻲ ﻣﺠﺎل اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ وﻣﻌﺎﻟﺠﺘﮭﺎ وﻓﺘﺢ‬
‫ﻟﻨﺎ ﻣﺠﺎﻻً ﻟﻠﺘﻌﻤﻖ ﻓﻲ ﻋﻠﻢ اﻟﺘﻌﺮف ﻋﻠﻰ اﻻﻧﻤﺎط‪.‬‬

‫اﯾﻀﺎً ﻧﺸﻜﺮ ﻛﻞ ﻣﻦ ﻗﺪم ﻟﻨﺎ أي ﻣﺴﺎﻋﺪة ﺳﻮاءاً ﻛﺎﻧﺖ ﻣﺎدﯾﺔ او ﻣﻌﻨﻮﯾﺔ ﻹﺗﻤﺎم ھﺬا اﻟﺒﺤﺚ‪.‬‬

‫‪68‬‬
69
1- ‫ ﻛﻠﯿﺔ اﻟﮭﻨﺪﺳﺔ اﻟﻜﮭﺮﺑﺎﺋﯿﺔ‬،‫ ﺟﺎﻣﻌﺔ ﺣﻠﺐ‬،‫ ﺣﺴﯿﻦ اﻟﺮوي‬: ‫ اﻟﻜﺎﺗﺐ‬،‫ﻣﻌﺎﻟﺠﺔ اﻟﺼﻮر اﻟﺮﻗﻤﯿﺔ ﺑﺈﺳﺘﺨﺪام اﻟﻤﺎﺗﻼب‬
.‫واﻻﻟﻜﺘﺮوﻧﯿﺔ– ھﻨﺪﺳﺔ اﻟﺘﺤﻜﻢ اﻻﻟﻲ واﻻﺗﻤﺘﺔ اﻟﺼﻨﺎﻋﯿﺔ‬

2- Digital Imaging Basics، by Melanie Cofield، Information Technology Lab ،School of

Information, The University of Texas at Austin.

3- Digital Image Processing: Introduction, Slides by Brian Mac Namee,

Brian.MacNamee@comp.dit.ie.

4- Matlab R2009a help.

5- Image Processing, Principles and Applications, Tinku Acharya . Tempe, Arizona,

Ajoy K. Ray . Kharagpur, India, Copyright 2005 by John Wiley & Sons, Inc. All rights
reserved.
6- ‫ﺗﻤﯿﯿﺰ ﻟﻮﺣﺎت اﻟﻤﺮﻛﺒﺎت اﻟﻤﺤﻠﯿﺔ ﺑﻮاﺳﻄﺔ اﻟﻜﺎﻣﯿﺮا‬

.٢٠٠٧ ‫ﺟﺎﻣﻌﺔ اﻟﺴﻮدان ﻟﻠﻌﻠﻮم واﻟﺘﻜﻨﻠﻮﺟﯿﺎ – ﻛﻠﯿﺔ ﻋﻠﻮم اﻟﺤﺎﺳﻮب – ﺳﺒﺘﻤﺒﺮ‬

7- A Vehicle License Plate Detection and Recognition System.pdf, Khalid W. Maglad,

Faculty of Computing and IT, King Abdul Aziz University.

8- You Are Being Tracked: How License Plate Readers Are Being Used, To Record
Americans’ Movements, July 2013, www.aclu.org.

70
9- .‫ ﻗﺴﻢ ﺗﻘﻨﯿﺔ اﻟﻤﻌﻠﻮﻣﺎت‬. ‫ﺷﺮﻃﺔ ﻣﺮور وﻻﯾﺔ اﻟﺨﺮﻃﻮم – إدارة اﻟﻤﺮاﻗﺒﮫ‬

10- http://m7ammad.wordpress.com/2009/10/05/%D9%86%D8%A8%D8%B
0%D8%A9.%D8%A8%D8%B3%D9%8A%D8%B7%D8%A9.%D8%B9%D9
%86.matlab/
in 16.6.2014 at 5:00 pm.

71