COURS:FONDEMENT DU MULTIMEDIACOURS:FONDEMENT DU MULTIMEDIABEN MEFTEH HAMDIBEN MEFTEH HAMDIISET RADES 2012-2013ISET RADES 2...
2PLAN DU COURS INTRODUCTION NUMERISATION PERCEPTION VISUELLE ET SVH (RGB ET SV) IMAGE NUMERIQUE SON NUMERIQUE VIDEO
3Chapitre 1 :Chapitre 1 :INTRODUCTIONINTRODUCTION
4INTRODUCTION Quest-ce que le multimédia? Origine Historique Intérȇt du multimédia Les applications multimédia
5INTRODUCTION Quest-ce que le multimédia?✔ ”Cest louverture de linformatique à dautres formesdinformations que le texte e...
6INTRODUCTION✔ Selon la norme AFNOR le terme MULTIMEDIA peut désigner :- Un assemblage des technologies destinées à gérer ...
7INTRODUCTION origine✔ Le multimédia est le carrefour de plusieures domaines :- audiovisuel- informatique- télécommunicat...
8INTRODUCTION Historique✔ Né dans les années 80 :– Avec le vidéodisque analogique.– Pour stocker des sons, des images fix...
9INTRODUCTION Historique✔ 1984-1985 : interface graphique sur les ordinateurs✔ ~1988 : CD-ROM✔ 1990 : sons et images soph...
10INTRODUCTION Intérȇt du multimédia✔ Nous nous souvenons en moyenne de :- 10 % de ce que nous lisons- 20 % de ce que nou...
11INTRODUCTION Les applications :✔ Applications « grand-public » (loisir, éducation, art et culture,...)✔ magazine, journ...
12INTRODUCTION Les applications :✔ Applications professionnelles (commerce, promotion, formation)– formation à distance– ...
13Chapitre 2 :Chapitre 2 :NUMERISATIONNUMERISATION
14NUMERISATION Pourquoi numériser ? CAN ET CNA Echantillonnage Quantification
15NUMERISATION Pourquoi numériser ?✔ Jusquaux années 1960-1970 le traitement des signaux se faisaitpar voie purement anal...
16NUMERISATION Pourquoi numériser ?* Coût des prototypes. Chaque application étant étroitement liéeà son système matériel...
17NUMERISATION Pourquoi numériser ?✔ Lunité centrale, grâce à un programme approprié peut effectuerdes calculs sur les va...
18NUMERISATION Pourquoi numériser ?3. Lancer le programme de calcul mathématique censé opérer le traitement voulu.4. Conv...
19NUMERISATION Pourquoi numériser ?
20NUMERISATION CAN et CNA✔ Un Converstisseur Analogique-Numérique CAN est un circuitintegré qui permet de convertir un si...
21NUMERISATION CAN et CNA✔ La figure ci-dessous illustre un CAN de 4 bits :
22NUMERISATION CAN et CNA✔ La résolution est un nombre qui mesure la finesse de laconversion✔ Il dépend du nombre de bits...
23NUMERISATION CAN et CNA✔ Résolution relative pour un convertisseur de 8 bits :1 / 255 = 0,003921 = 0,3921 %✔ Avec un co...
24NUMERISATION Echantillonnage✔ Si le signal à transmettre est une fonction du temps ; cest entreautre le cas du son ou d...
25NUMERISATION Echantillonnage✔ Si La figure ci-dessous présente le même signal sinusoïdaléchantillonné 8, puis 4 fois pa...
26NUMERISATION Echantillonnage✔ Si La figure ci-dessous présente le précédent signal sinusoïdaléchantillonné 3 puis 2 foi...
27NUMERISATION Echantillonnage✔ Le théorème de léchantillonnage précise la fréquence minimaledéchantillonnage pour un sig...
28NUMERISATION Echantillonnage✔ Exemple :➔ Le son téléphonique est contenu dans la bande théoriquemaximale de 0 - 4 kHz.L...
29NUMERISATION Quantification✔ Cest en Anglais Quantization .✔ Quantification = discrétisation de lamplitude .✔ Il sagit ...
30NUMERISATION Quantification✔ Cest en Anglais Quantization .✔ Quantification = discrétisation de lamplitude .✔ Il sagit ...
31Chapitre 3 :Chapitre 3 :PERCEPTION VISUELLEPERCEPTION VISUELLEET SVH (RGB ETET SVH (RGB ETSYSTEMES VIRTUELS)SYSTEMES VIR...
32PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine Illusion Les espaces de couleur
33PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ Chez lhumain la perception de la couleur depend de...
34PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ La perception de la couleur varie également dun in...
35PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ La lumière est un moyen de médiation de la percept...
36PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ Les ondes électromagnétiques couvrent des ondes ra...
37PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ Les humains perçoivent deux types de couleurs :✔ l...
38PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ La lumière en réalité est un mélange de spectre vi...
39PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ Lorsque la lumière blanche traverse une pomme roug...
40PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ Loeil est lorgane de base de la vision qui comport...
41PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ Lorsque la lumière reflétée sur un objet entre dan...
42PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ Les bâtonnets :➔ sont responsables de la vision no...
43PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine
44PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ Le mode de fonctionnement des nerfs optiques expli...
45PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Illusion✔ Le système visuel humain sert souvent de référence. Cepe...
46PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Illusion
47PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Illusion
48PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ On distingue deux types de synthèses de ...
49PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Systhèse soustractive :➔ Uilisation de t...
50PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ On appelle espace de couleurs la repprés...
51PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Le codage RGB :➔ Le codage RGB mis au po...
52PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :
53PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Le codage HSV :➔ Le modèle HSV (Hue, Sat...
54PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Le codage HSV :- la valeur, indiquant la...
55PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Le codage CIE :➔ Enfin en 1976, la CIE d...
56PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Le codage CIE :
57PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Le codage YIV :➔ Il sagit du format util...
58PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Le codage YCrCb :➔ Il sagit du format ut...
59PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Le codage YIQ :➔ Il sagit du format util...
60PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Les primaires et le blanc de référence u...
61Chapitre 4 :Chapitre 4 :IMAGE NUMERIQUEIMAGE NUMERIQUE
62IMAGE NUMERIQUEIMAGE NUMERIQUE Définitions prémliminaires Image Matricielle Numérisation
63IMAGE NUMERIQUEIMAGE NUMERIQUE Définitions préliminaires :✔ Une image : cest une représentation bi-dimentionnelle (2-D)...
64IMAGE NUMERIQUEIMAGE NUMERIQUE Définitions préliminaires :✔ Une image numérique est une représentation approchée adapté...
65IMAGE NUMERIQUEIMAGE NUMERIQUE Définitions préliminaires :✔ On distingue deux types dimages numériques :➔ Images matric...
66IMAGE NUMERIQUEIMAGE NUMERIQUE Définitions préliminaires :✔ Une image vectorielle est indépendante du facteur échelle c...
67IMAGE NUMERIQUEIMAGE NUMERIQUE Définitions préliminaires :✔ Etant définie par une dimension fixe et dun nombre de coule...
68IMAGE NUMERIQUEIMAGE NUMERIQUE Définitions préliminaires :✔ Traitement dimage : ensemble de méthodes et de techniquespe...
69IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Les images matricielles sont constituées de pixels de différentesco...
70IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ La représentation discrète est➔ Bidimentionnelle pour les images[1....
71IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Les pixels sont les plus petits éléments employés par lesmoniteurs ...
72IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ La dynamique dune image correspond à létendu de la gamme decouleurs...
73IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Une image binaire est une image ayant deux couleurs possiblesgénéra...
74IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Une image en niveaux de gris est appelée dans le langagecourant ima...
75IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :2550
76IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Les images en couleur indexé sont créées à laide dune palettelimité...
77IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :Image 1Image 2Palette 1(256 couleurs)Palette 2(256 couleurs)
78IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Une limage en « vrai couleur » se décompose en trois plansfondament...
79IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Si I est une image couleur, alors (p,M) = (3,255)Une imagecouleurLe...
80IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :Taille de l ’image = Largeur × Hauteur (octets)640 × 480 octets = 307...
81IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ La résolution est une mesure de la clarté ou du niveau de détail et...
82IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :+Résolutionspatiale-
83IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ La résolution en luminance, ou nombre de bits, se rapporte àléchell...
84IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ La résolution en luminance, détermine le nombre de nuances oude cou...
85IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :+ Résolution en luminance -
86IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Un histogramme est un graphique statistique permettant dereprésente...
87IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Exemple dhistogramme d’une image au niveau de gris:dynamique [0..255]
88IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Exemple dhistogramme d’une image au niveau de gris:dynamique [0..255]
89IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Pour les images en vrai couleur plusieurs histogrammes sontnécessai...
90IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Les contours sont les lieux de variations significatives delinforma...
91IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Les contours sont les lieux de variations significatives delinforma...
92IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :bois bulles canevas lierreherbe laine eau sable
93IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ La luminance (la brillance) est la quantité d’énergie (lumière)reçu...
94IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :n=0 n=+80n=-80
95IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Le contraste est une mesure relative aux différences deluminosités ...
96IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Un format dimage comprend en général un en-tête qui contientdes don...
97IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Caractéristiques intrinsèques à un format :➔ Le statut par rapport ...
98IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Caractéristiques intrinsèques à un format :➔ Entrelaçage : C’est un...
99IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ JPEG (Joint Photo Expert Group):➔ Ce format est la représentation d...
100IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ JPEG (Joint Photo Expert Group):➔ Ce format ne supporte pas les an...
101IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ JPEG 2000 (Joint Photo Expert Group 2000):➔ Ce format permet , dan...
102IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ JPEG 2000 (Joint Photo Expert Group 2000)➔ La compression est basé...
103IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ PNG (Portable Network Graphics)➔ Ce format est lémanation de recom...
104IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ GIF (Compuserve Graphics)➔ Ce format supporte 256 couleurs avec pa...
105IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ GIF (Compuserve Graphics)➔ Ce format supporte la transparense.➔ Le...
106IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ TIFF (TAG IMAGE FILE FORMAT)➔ Ce format supporte 16 millions de co...
107IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :
108IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ La numérisation dune image est obtenue par lintermédiaire duncapteur :➔...
109IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Lobtention dune image numérique nécessite deux processus :➔ Echantillon...
110IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :
111IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :Scène Echantillonnage1 Pixel (3bits)1 1 001234567PixelQuantification
112IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Une image estt une matrice M*N✔ Une image est une fonction F(x,y)
113IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :Image 1024x1024, codée sur 8 bits, sous-échantillonnée jusqu’à une taille...
114IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :a)1024x1024x8 b)512x512 ré-échantillonné en 1024*1024 par duplicationde l...
115IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Le PAVAGE :➔ Définition : Une abstraction mathématique de présentation ...
116IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Les images sont habituellement plaquée sur des pavés de typepolygones r...
117IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ A tout pavage du plan euclidien est associé un maillage.✔ Un maillage e...
118IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Il y a une dualité entre maillage et pavage :➔ à un pavage carré corres...
119IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ A Tout pixel se code comme un couple (i,j) dentiers.➔ Dans un maillage ...
120IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Etant donné un pixel (i,j), en maillage carré les pixels 4-adjacents à(...
121IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Dans le cas d’un maillage carré le pixel (i,j) est 4-adjacent à (i,j) s...
122IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Dans une configuration de maillage hexagonal le pixel central a 6voisin...
123IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Soit k = nombre d’adjacence choisie (k=4 ou k=8 ou k=6) :✔ Un k-chemin ...
124IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ La k-distance dk(p,q) entre 2 pixels p et q est la longueur min dunk-ch...
125IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Dans le cas du maillage carré il est facile de voir que si pet q sont d...
126IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Dans une configuration de maillage carré le pixel central a 8voisin :➔ ...
127IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Changement déchelle : Approximation d’une fonction sur inintervalle don...
128IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Zoom par réplication :Zoom
129IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Zoom par interpolation:
130IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :Interpolation linéaire
131IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :Interpolation linéaireP(x’,y’) = (1-dx) (1-dy) P(x,y) + (dx)(1-dy) P(x+1,...
132IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :Interpolation bicubique
133IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Bruit : phénomène de brusque variation de l’intensité d’un pixelpar rap...
134Chapitre 4 :Chapitre 4 :SON NUMERIQUESON NUMERIQUE
135SON NUMERIQUESON NUMERIQUE Définitions préliminaires Oreille et cerveau humain Numérisation Compression Principaux...
136SON NUMERIQUESON NUMERIQUE Définitions préliminaires✔ Qu’est-ce que le son ?nous désignons à la fois le mot son :➔ un ...
137SON NUMERIQUESON NUMERIQUE Définitions préliminaires✔ Transmission du son➔ La vibration de l’air constitue un phénomèn...
138SON NUMERIQUESON NUMERIQUE Définitions préliminaires➔ Exemple : propagation d’une onde provoquée par la chute d’unepie...
139SON NUMERIQUESON NUMERIQUE Définitions préliminaires✔ Phénomènes sonores➔ On considère généralement que la perception ...
140SON NUMERIQUESON NUMERIQUE Définitions préliminaires✔ Exemple (bandes passantes)SystèmeBandes passante(HZ)Téléphone 30...
141SON NUMERIQUESON NUMERIQUE Définitions préliminaires✔ Signal sonore➔ On représente fréquemment de manière simplifiée u...
142SON NUMERIQUESON NUMERIQUE Définitions préliminaires✔ Signal sonore➔ Exemple :Appuyer la touche d’un piano corresponda...
143SON NUMERIQUESON NUMERIQUE Oreille et cerveau humain✔ Le nombre et l’amplitude des diverses fréquences harmoniquessont...
144SON NUMERIQUESON NUMERIQUE Oreille et cerveau humain✔ Loreille absolue, par opposition à loreille relative, est la fac...
145SON NUMERIQUESON NUMERIQUE Oreille et cerveau humain✔ Seule la fréquence d’un diapason est considérée comme une« fréqu...
146SON NUMERIQUESON NUMERIQUE Numérisation✔ Le son est une suite périodique de compressions et de dépressions dumilieu da...
147SON NUMERIQUESON NUMERIQUE Numérisation➔ Onde sonore
148SON NUMERIQUESON NUMERIQUE Numérisation➔ Du continu au discretamplitudetempsOnde sonore échantillonnage quantification
149SON NUMERIQUESON NUMERIQUE Numérisation➔ Exemple déchantillonnage :
150SON NUMERIQUESON NUMERIQUE Numérisation➔ Exemple de fréquence déchantillonnage :Fréquence (kHz) Applications8 Téléphon...
151SON NUMERIQUESON NUMERIQUE Compression✔ La numérisation du son transforme un signal fragile et caractérisépar une vari...
152SON NUMERIQUESON NUMERIQUE Compression✔ Rappelons qu’un algorithme de compression non destructifpermet de retrouver, a...
153SON NUMERIQUESON NUMERIQUE CompressionExemple 1 : algorithmes généralistesWinZip, WinRar et WinAce (*.zip, *.rar, *.ac...
154SON NUMERIQUESON NUMERIQUE Principaux formats✔ Parmi la multitude des formats de fichiers audio proposés sur lemarché,...
155SON NUMERIQUESON NUMERIQUE Principaux formats➔ MOV ou QT (QuickTime): dessiné à l’origine à l’environnementMacintosh, ...
156SON NUMERIQUESON NUMERIQUE Principaux formats✔ Parmi la multitude des formats de fichiers audio proposés sur lemarché,...
157Chapitre 6 :Chapitre 6 :VIDEOVIDEO
158VIDEOVIDEO Quest-ce quune vidéo La vidéo analogique La vidéo numérique
159VIDEOVIDEO Quest-ce quune vidéo ?✔ Une vidéo est une succession d’images à une certaine cadence.✔ L’œil humain a comme...
160VIDEOVIDEO La vidéo analogique✔ Il existe 3 formats de vidéo analogiques :➔ Composite : Le type de connexion analogiqu...
161VIDEOVIDEO La vidéo analogique✔ Trois normes de formats sont actuellement en vigueur pour ladiffusion télévisée dans l...
162VIDEOVIDEO La vidéo numérique✔ La vidéo numérique consiste à afficher une succession d’imagesnumériques. Puisqu’il s’a...
163VIDEOVIDEO La vidéo numérique✔ Notion de codec➔ Une image d’une vidéo non compressée occupe une tailled’environ 1 Mo. ...
164VIDEOVIDEO La vidéo numérique➔ Exemples de codecs :✗ h.261 / MPEG-1 1988✗ Cinepac 1991 Apple✗ Indeo 1992 Intel✗ Avi 19...
165VIDEOVIDEO La vidéo numérique✔ Il existe au niveau de la vidéo deux sortes de compression :➔ On parle de compression s...
166VIDEOVIDEO La vidéo numérique✔ M-JPEG➔ La première idée qui vient à l’esprit après s’être interessé à lacompression d’...
167VIDEOVIDEO La vidéo numérique✔ MPEG➔ Dans de nombreuses séquences vidéos, de nombreuses scènessont fixes ou bien chang...
168VIDEOVIDEO La vidéo numérique✔ MPEG✗ le MPEG-1, développé en 1988, est un standard pour lacompression des données vidé...
169VIDEOVIDEO La vidéo numérique✔ MPEG➔ La norme MPEG-1 représente chaque image comme un ensemblede blocs 16 x 16. Elle p...
170VIDEOVIDEO La vidéo numérique✔ MPEG✗ Intra coded frames (Frames I, correspondant à un codageinterne): les images sont ...
171VIDEOVIDEO La vidéo numérique✔ MPEG➔ Les frames I : Ces images sont codées uniquement en utilisant lecodage JPEG, sans...
172VIDEOVIDEO La vidéo numérique✔ MPEG➔ Les frames B : De la même façon que les frames P, les frames Bsont travaillées pa...
173VIDEOVIDEO La vidéo numériqueNorme Objectif EtatMPEG-1 Visionnage / Video CD (1 à 3 Mb/s) Standard en 1992MPEG-2 Diffu...
174VIDEOVIDEO La vidéo numérique✔ Les formats les plus connus :➔ .mov : (Apple) container -> tous formats/résolutions et ...
175VIDEOVIDEO La vidéo numérique✔ Alors, quel est le meilleur format ? Bien difficile de répondre carcela dépend beaucoup...
176Chapitre 7 :Chapitre 7 :Compression de imagesCompression de images
177Compression des imagesCompression des images Cest quoi la compression La compression sans perte La compression avec ...
178Compression des imagesCompression des images Cest quoi la compression ?✔ La compression de données ou codage de source...
179Compression des imagesCompression des images La compression sans perte✔ La compression est dite sans perte lorsquil ny...
180Compression des imagesCompression des images● Méthode RLE✔ Exemple :WWWWWWWWWWWWBWWWWWWWWWWWWWWBBBWWWWWWWWWWWWWWWWWWWWW...
181Compression des imagesCompression des images● Méthode RLE✔ Le run-length encoding, appelé en français le codage par pla...
182Compression des imagesCompression des images● Méthode LZW :✔ LZW (pour Lempel-Ziv-Welch) est un algorithme de compressi...
183Compression des imagesCompression des images● Méthode LZW :w = Nul;tant que (lecture dun caractère c) fairesi (wc exist...
184Compression des imagesCompression des images● Méthode LZW :✔ Exemple✔ La table suivante montre le résultat de lexécutio...
185Compression des imagesCompression des images● Méthode LZW :
186Compression des imagesCompression des images● Méthode Huffman :✔ Le principe du codage de Huffman repose sur la créatio...
187Compression des imagesCompression des images● Méthode Huffman :✔ Example :Symbol FrequencyA 24B 12c 10D 8E 8
188Compression des imagesCompression des images● Méthode Huffman :Symbol Frequency Code Code totalLength LengthA 24 0 1 24...
189Compression des imagesCompression des images La compression avec perte✔ La compression est dite avec perte ou destruct...
190Compression des imagesCompression des images● La norme JPEG (Joint Photographic Expert Group )✔ JPEG définit deux class...
191Compression des imagesCompression des images● La norme JPEG (Joint Photographic Expert Group )✔ La technique de codage ...
192Compression des imagesCompression des images● La norme JPEG (Joint Photographic Expert Group )✔ La transformée DCT s’ex...
193Compression des imagesCompression des images● La norme JPEG (Joint Photographic Expert Group )
194Compression des imagesCompression des images● Lutilisation des fractales :✔ La compression fractale est une méthode de ...
195Compression des imagesCompression des images● Le codage par ondelette :✔ Le principe est de décomposer limage en de mul...
Upcoming SlideShare
Loading in...5
×

Cours fondement du multimedia

4,805

Published on

0 Comments
4 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
4,805
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
235
Comments
0
Likes
4
Embeds 0
No embeds

No notes for slide

Cours fondement du multimedia

  1. 1. COURS:FONDEMENT DU MULTIMEDIACOURS:FONDEMENT DU MULTIMEDIABEN MEFTEH HAMDIBEN MEFTEH HAMDIISET RADES 2012-2013ISET RADES 2012-201311
  2. 2. 2PLAN DU COURS INTRODUCTION NUMERISATION PERCEPTION VISUELLE ET SVH (RGB ET SV) IMAGE NUMERIQUE SON NUMERIQUE VIDEO
  3. 3. 3Chapitre 1 :Chapitre 1 :INTRODUCTIONINTRODUCTION
  4. 4. 4INTRODUCTION Quest-ce que le multimédia? Origine Historique Intérȇt du multimédia Les applications multimédia
  5. 5. 5INTRODUCTION Quest-ce que le multimédia?✔ ”Cest louverture de linformatique à dautres formesdinformations que le texte et le graphique.”( le livre blanc dumultimedia )✔ ”Technique de communication qui tend à rassembler sur un seulsupport lensemble des moyens audiovisuels (médium de base ,dessins animés et informatiques (données et programmes ) pourles diffuser simultanément et de manière interactives”(dictionnaire du multimédia)✔ ”Le terme multimédia designe un système intégrant divers médiaet autorisant leur utilisation interactive.”(The Design Of anExtensible Multimedia Library for an OODBMS)
  6. 6. 6INTRODUCTION✔ Selon la norme AFNOR le terme MULTIMEDIA peut désigner :- Un assemblage des technologies destinées à gérer lesdonnées, le son et limage sur un même support. -Un Ensemble de techniques permettant dutiliser des informations de typetexte, image fixe, image animée et son sur un même support.-Une caractéristique dun système de traitement, un ordinateur, un logiciel,etc., permettant lexploitation simultanée de données numériques, de textes,dimages fixes ou animées, de sons.
  7. 7. 7INTRODUCTION origine✔ Le multimédia est le carrefour de plusieures domaines :- audiovisuel- informatique- télécommunications- art graphique,publicité,électronique...✔ Ce domaine a bénéficier des avancées technologiques- Technologies de stockage.- Méthodes de compression/décompression.- Technologies de transfert de données.- Accroissement des capacités de traitements des ordinateurs
  8. 8. 8INTRODUCTION Historique✔ Né dans les années 80 :– Avec le vidéodisque analogique.– Pour stocker des sons, des images fixes et de la vidéo.– Premier : Hypercard (Macintosh Apple):+ Stocker du texte, des images et du son,+ Les manipuler,+ Les consulter par navigation.
  9. 9. 9INTRODUCTION Historique✔ 1984-1985 : interface graphique sur les ordinateurs✔ ~1988 : CD-ROM✔ 1990 : sons et images sophistiqués✔ Techniques de compression✔ Puissance des machines✔ 1994 : démocratisation d’Internet✔ 2004 : Web 2.0✔ …
  10. 10. 10INTRODUCTION Intérȇt du multimédia✔ Nous nous souvenons en moyenne de :- 10 % de ce que nous lisons- 20 % de ce que nous entendons- 30 % de ce que nous voyons.Et :- 50 % de ce que nous voyons et entendons en même temps,- 80 % de ce que nous disons,- 90 % de ce que nous faisons et disons en même temps.
  11. 11. 11INTRODUCTION Les applications :✔ Applications « grand-public » (loisir, éducation, art et culture,...)✔ magazine, journaux en ligne✔ musée interactif✔ encyclopédies électroniques✔ livres électroniques✔ TV et cinéma interactifs✔ vidéo à la demande✔ réalité virtuelle✔ auto-apprentissage
  12. 12. 12INTRODUCTION Les applications :✔ Applications professionnelles (commerce, promotion, formation)– formation à distance– vidéoconférences (visioconférence)– catalogues interactifs– commerce électronique– domaine médical (télédiagnostic,dossiers)– construction (architecte, simulation)– réservation en ligne
  13. 13. 13Chapitre 2 :Chapitre 2 :NUMERISATIONNUMERISATION
  14. 14. 14NUMERISATION Pourquoi numériser ? CAN ET CNA Echantillonnage Quantification
  15. 15. 15NUMERISATION Pourquoi numériser ?✔ Jusquaux années 1960-1970 le traitement des signaux se faisaitpar voie purement analogique grâce à des systèmes matérielsélectroniques.✔ Inconvénients :* Manque de fiabilité des résultats due à linévitable dérive etdispersion des caractéristiques des composants* Etude difficile et approximative car basée sur desphénomènes physiques analogues mais pas toujours identiquesaux phénomènes réels.* Inévitable introduction dartefacts - parasites - dus au bruitdes systèmes de traitement eux-mêmes. Bruit le plus souventindissociable du signal.
  16. 16. 16NUMERISATION Pourquoi numériser ?* Coût des prototypes. Chaque application étant étroitement liéeà son système matériel, toute modification impliquantpratiquement sa reconstruction matérielle.* Coûts de construction en série élevés en raison du nombreconsidérable dinsertions de composants discrets analogiques àfaible densité dintégration fonctionnelle : résistances -condensateurs etc.✔ Lavénement des machines de calcul numérique à forte densitédintégration - microprocesseurs - a permis de substituer letraitement numérique des grandeurs physiques analogiques à leurtraitement analogique.
  17. 17. 17NUMERISATION Pourquoi numériser ?✔ Lunité centrale, grâce à un programme approprié peut effectuerdes calculs sur les valeurs instantanées dun signale et en déduireles corrections souhaitées.✔ On a transféra les compétences de la physique vers lesmathématiques.✔ Etapes du traitement numérique :1. Transformer le signal analogique à traiter en un signal électrique proportionnel :cest la capture ou lacquisition du signal. Les instruments en sont divers :microphones pour les sons, tubes analyseurs dimages pour la vidéo, capteursindustriels etc. Cette étape est encore purement analogique.2. Convertir le signal électrique en une suite de valeurs numériques binaires, seulescompréhensibles par les calculateurs numériques. Cest la conversion analogique-numérique.
  18. 18. 18NUMERISATION Pourquoi numériser ?3. Lancer le programme de calcul mathématique censé opérer le traitement voulu.4. Convertir les codes binaires résultant du calcul en un signal électrique pourramener le résultat final dans le monde réel analogique. Cest la conversionnumérique-analogique.5. Reconvertir le signal électrique dans la grandeur physique initiale : haut parleurs,écrans vidéo, transducteurs industriels.
  19. 19. 19NUMERISATION Pourquoi numériser ?
  20. 20. 20NUMERISATION CAN et CNA✔ Un Converstisseur Analogique-Numérique CAN est un circuitintegré qui permet de convertir un signal analogique en un signalnumérique.✔ Un Convertisseur Numérique-Analogique CNA est un circuitintegré qui fait linverse✔ Les CAN sont plus complexes et plus chères que les CNA et leursprix varient selon deux parametres :- résolution-la rapidité de conversion
  21. 21. 21NUMERISATION CAN et CNA✔ La figure ci-dessous illustre un CAN de 4 bits :
  22. 22. 22NUMERISATION CAN et CNA✔ La résolution est un nombre qui mesure la finesse de laconversion✔ Il dépend du nombre de bits du convertisseur✔ Plus la résolution est élevée :➔ plus les échelons sont nombreux pour une même étendue devaleurs extrêmes➔ plus les écarts entre valeurs successives seront faibles➔ plus le signal initial sera fidèlement relevé.
  23. 23. 23NUMERISATION CAN et CNA✔ Résolution relative pour un convertisseur de 8 bits :1 / 255 = 0,003921 = 0,3921 %✔ Avec un convertisseur 16 bits :1/65635 = 15,2590 E-6✔ Cette définition est également valable pour les convertisseursinverses : les CNA
  24. 24. 24NUMERISATION Echantillonnage✔ Si le signal à transmettre est une fonction du temps ; cest entreautre le cas du son ou de limage vidéo.Combien de fois par seconde devrons-nous relever ses valeurssucessives pour le restituer fidèlement ?✔ Léchantillonnge = la discrétisation dans le temps (sampling enAnglais).✔ Nous comprenons bien que si les échantillons sont "rares" lesignal analogique sera grossièrement traduit et doncgrossièrement restitué : on le dira sous-numérisé.✔ Il semble bien quil faudra un nombre "assez élevé"déchantilonnages par seconde si lon souhaite une "bonnerestitution" par la suite.
  25. 25. 25NUMERISATION Echantillonnage✔ Si La figure ci-dessous présente le même signal sinusoïdaléchantillonné 8, puis 4 fois par période.
  26. 26. 26NUMERISATION Echantillonnage✔ Si La figure ci-dessous présente le précédent signal sinusoïdaléchantillonné 3 puis 2 fois par période.
  27. 27. 27NUMERISATION Echantillonnage✔ Le théorème de léchantillonnage précise la fréquence minimaledéchantillonnage pour un signal sinusoïdal analogique defréquence donnée :La fréquence déchantillonnage minimale requise pourpouvoir ensuite restituer un signal sinusoïdal est le doublede la fréquence de ce signal.✔ Ce qui donne (à retenir) :➔ La fréquence déchantillonnage minimale requise pour pouvoirensuite restituer un signal est le double de la fréquence de la plushaute des harmoniques de ce signal que lon souhaite restituer (thde Shannon)
  28. 28. 28NUMERISATION Echantillonnage✔ Exemple :➔ Le son téléphonique est contenu dans la bande théoriquemaximale de 0 - 4 kHz.Lharmonique la plus élevée a une fréquence de 4 kHz.Si nous voulons restituer toutes ses harmoniques, il nous faudradonc prélever 8 000 échantillons par seconde.(En fait, la bande passante pratique de la boucle terminaleanalogique dabonné est de 300 Hz - 3,5 kHz. Soit 3,2 kHz.)➔ La musique de qualité exige une bande passante de 20 Hz à 20kHz.Léchantillonnage se fera donc à 40 kHz.Léchantillonnage standard pour les CD est de 44,1 kHz (44 100échantillons par seconde).
  29. 29. 29NUMERISATION Quantification✔ Cest en Anglais Quantization .✔ Quantification = discrétisation de lamplitude .✔ Il sagit de terminer le nombre de bits utilisés pour discrétiser lavaleur de chaque échantillon✔ Exemple : Un son dont la fréquence déchantillonnage est 44 KHZpeut ȇtre 8 bits , 16 bits ,...8 bits → 256 valeursOn a discrétisé lintervalle continu [Vmin , Vmax] en 256 valeurspossibles
  30. 30. 30NUMERISATION Quantification✔ Cest en Anglais Quantization .✔ Quantification = discrétisation de lamplitude .✔ Il sagit de terminer le nombre de bits utilisés pour discrétiser lavaleur de chaque échantillon✔ Exemple : Un son dont la fréquence déchantillonnage est 44 KHZpeut ȇtre 8 bits , 16 bits ,...8 bits → 256 valeursOn a discrétisé lintervalle continu [Vmin , Vmax] en 256 valeurspossibles
  31. 31. 31Chapitre 3 :Chapitre 3 :PERCEPTION VISUELLEPERCEPTION VISUELLEET SVH (RGB ETET SVH (RGB ETSYSTEMES VIRTUELS)SYSTEMES VIRTUELS)
  32. 32. 32PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine Illusion Les espaces de couleur
  33. 33. 33PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ Chez lhumain la perception de la couleur depend de :➔ la lumière,➔ des objets reflétant la lumière,➔ de loeil et du cerveau du spectateur✔ La perception de la couleur varie considérablement en fonction delenvironnement extérieur.➔ la même couleur semble différente éclairée par le soleil ou à labougie.➔ la vue humaine sadapte à la source de lumière, nous permettantde déterminer quil sagit de la même
  34. 34. 34PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ La perception de la couleur varie également dun individu à unautre.➔ Nous pouvons percevoir une couleur comme étant chaude,froide, pesante,légère, douce, vive,excitante, relaxante oubrillante .✔ Dans tous les cas la perception dépend de lâge, du sexe, et delenvironnement de la personne.➔ Deux personnes nauront jamais la même impression à proposdune seule couleur physique.➔ Les gens diffèrent même en termes de sensibilité à la gamme delumière visible.
  35. 35. 35PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ La lumière est un moyen de médiation de la perception des objetsquelle illumine.➔ Lorsque nos yeux sont stimulés par la lumière reflétée par unobjet, nous percevons et reconnaissons la lumière sous formedune couleur.✔ C’est une lumière sous forme d’un type spécifique dondeélectromagnétique :➔ similaire aux ondes radio utilisées dans la télédiffusion et latélécommunication.✔ Les caractéristiques de la lumière changent en fonction de lalongueur des ondes électromagnétiques.
  36. 36. 36PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ Les ondes électromagnétiques couvrent des ondes radio, à lalumière visible, et jusquaux rayons gamma.✔ Lénergie véhiculée par des ondes, est de lordre de 400nm (bleu)-700 nm (rouge).✔ La Commission Internationale de lEclairage (CIE) définit la"lumière visible" comme étant constituée des longueurs dondessituées entre 380 nm et 780 nm.
  37. 37. 37PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ Les humains perçoivent deux types de couleurs :✔ la couleur dune source dégageant de la lumière sappelle lacouleur lumière✔ et la couleur dun objet illuminé par une source de lumières’appelle la couleur dobjet.
  38. 38. 38PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ La lumière en réalité est un mélange de spectre visible de lalumière visible.➔ Les humains perçoivent la lumière du soleil de midicomme étant de la "lumière blanche ".➔ Cette lumière blanche est en réalité un mélange de spectre decouleur visible comprise entre 400 nm (bleu) 500 nm (vert) et 700nm (rouge).✔ Un objet ne parait coloré que parce que s’il est éclairé par unesource lumineuse.➔ La couleur que nous percevons comme étant la couleur d’objetcest en réalité la lumière reflétée par cet objet.
  39. 39. 39PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ Lorsque la lumière blanche traverse une pomme rouge :➔ Elle absorbe les spectres de lumière visible comprise entre 400nm (bleu), 500 nm (vert).➔ Elle réfléchie que le spectre visible de longueur d’onde 700 nm(rouge).➔ Quelle est la couleur d’une pomme la nuit en absence de lumière ?
  40. 40. 40PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ Loeil est lorgane de base de la vision qui comporte un ensembledéléments destinés à:➔ recevoir la lumière reflétée sur un objet,➔ former limage des objets perçus,➔ traiter les informations recueillies.
  41. 41. 41PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ Lorsque la lumière reflétée sur un objet entre dans loeil humain,elle réagit avec les photorécepteurs (nerfs optiques) de la rétinequi sont :➔ Les bâtonnets : sensibles à la lumière et à lobscurité➔ Les cônes : sensibles aux longueurs dondes du rouge, du vert etdu bleu.✔ La rétine envoie ensuite des signaux viale nerf optique jusquau cerveau.
  42. 42. 42PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ Les bâtonnets :➔ sont responsables de la vision nocturne et possèdent un maximum desensibilité vers 510 nm.➔ Leur sensibilité est liée à un colorant, qui blanchit à la lumière du jour,expliquant par là leur insensibilité pendant la nuit.➔ Les bâtonnets ne permettent pas de déterminer les couleurs.✔ Les cônes :➔ fournissent une réponse chromatique (couleur), grâce à des pigmentssensibles aux longueurs dondes du rouge, du vert et du bleu.
  43. 43. 43PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine
  44. 44. 44PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Vision Humaine✔ Le mode de fonctionnement des nerfs optiques explique bien laperception de la couleur :➔ Labsence de perception de la couleur ou le daltonisme seproduisent lorsque la fonction de ces nerfs est affectée.➔ La variation de la perception de la couleur est déterminée par lavariation du fonctionnement de ces nerfs optiques :- Certains animaux ne peuvent voir dans lobscurité, alors quedautres voient très bien dans ces conditions.-Les chiens et les chats ne perçoivent pas les couleurs.
  45. 45. 45PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Illusion✔ Le système visuel humain sert souvent de référence. Cependant,il ne constitue pas un système parfait et il peut être facilementpiégé comme le montrent les exemples suivants :
  46. 46. 46PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Illusion
  47. 47. 47PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Illusion
  48. 48. 48PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ On distingue deux types de synthèses de couleurs :➔ Synthèse addictive➔ Synthèse soustractive✔ Systhèse addictive :➔ Combinaison de trois faisceaux lumineux de couleurs rouge, verte et bleue àproportions variées pour produire la plus part des couleurs➔ Cette méthode est appelée "additive" parce que la somme de ces troiscouleurs de base (à intensité égale) donne du blanc.➔ On nomme parfois les couleurs rouge,verte et bleue les primaires addictives
  49. 49. 49PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Systhèse soustractive :➔ Uilisation de trois couleur de base le cyan, le magenta et le jaunepour supprimer certaines couleurs de la couleur blanche etobtenir une couleur souhaitée.➔ chacun des trois couleurs de base absorbe les ondes duneprimaire additive (le rouge, le vert ou le bleu) et réfléchit lesondes des deux autres.- le jaune absorbe les ondes bleues et réfléchit les ondes rouges etvertes.- le magenta réfléchit les ondes rouges et bleues au détriment desondes vertes.➔ On nomme parfois les couleurs cyan,magenta et jaune lesprimaires soustractive.
  50. 50. 50PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ On appelle espace de couleurs la repprésentation mathématiquedun ennsemble de couleurs .✔ Il en existe plusieurs espaces de couleurs , parmi lesquels les plusconnus sont :➔ Le codage RGB➔ Le codage CMYK➔ Le codage HSV➔ Le codage CIE➔ Le codage YIV➔ Le codage YCrCb➔ Le codage YIQ
  51. 51. 51PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Le codage RGB :➔ Le codage RGB mis au point par la Commission Internationale delEclairage (CIE) est basé sur la synthèse addictive.➔ Il estt utilisé par lecran dun ordinateur ou de télévision.✔ Le codage CMYK :➔ Il est basé sur la synthèse soustractive (Cyan , Magenta , Jaune etnoir pur ou en français CMJN ).➔ Il est utilisé pour produire la couleur en imprimerie .
  52. 52. 52PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :
  53. 53. 53PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Le codage HSV :➔ Le modèle HSV (Hue, Saturation, value, ou en français TSV), estun modèle de représentation proche de la perception humaine misau point pour permettre une gestion interactive rapide dunecouleur.➔ Contrairement au modèle RGB, le modèle HSV plus facile àutiliser lors du réglage ou léclaircissement d’une couleur.➔ Le modèle HSV consiste à décomposer la couleur selon descritères physiologiques :- La teinte (en anglais Hue), correspondant à la perception de lacouleur (mauve ou orange, etc.),- La saturation, décrivant la pureté de la couleur, cest-à-dire soncaractère vif ou terne (neuf ou délavé),
  54. 54. 54PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Le codage HSV :- la valeur, indiquant la quantité de lumière de la couleur, cest-à-dire son aspect clair ou sombre.➔ La teinte décrit la nuance de couleur et où cette couleur se trouvedans le spectre de couleur Rouge, jaune, etc .➔ La saturation est un pourcentage qui sétend de 0 à 100. Un rougepur qui na aucun blanc est 100% saturé.➔ La valeur, comme la Saturation, est un pourcentage qui va de 0 à100. Quand la teinte est rouge et la valeur est élevée, la couleursemble brillante/lumineux. Quand la valeur est basse, elle semblefoncée.
  55. 55. 55PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Le codage CIE :➔ Enfin en 1976, la CIE développe le modèle colorimétrique La*b*(aussi connu sous le nom de CIE Lab), dans lequel une couleur estrepérée par trois valeurs :- L, la luminance, exprimée en pourcentage (0 pour le noir à 100pour le blanc)- a et b deux gammes de couleur allant respectivement du vert aurouge et du bleu au jaune avec des valeurs allant de -120 à +120.➔ Le mode Lab couvre lintégralité du spectre visible par loeilhumain et le représente de manière uniforme.➔ PhotoShop utilisent ce mode pour passer dun modèle dereprésentation à un autre.
  56. 56. 56PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Le codage CIE :
  57. 57. 57PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Le codage YIV :➔ Il sagit du format utilisé dans le standard allemand PAL (PhaseAlternation by Line)➔ Le paramètre Y représente la luminance (cest-à-dire linformationen noir et blanc).➔ U et V permettent de représenter la chrominance, cest-à-direlinformation sur la couleur.➔ Y = 0,30RE + 0,59GE + 0,11BE➔ U = 0,493(BE - Y)➔ V = 0,877(RE - Y)
  58. 58. 58PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Le codage YCrCb :➔ Il sagit du format utilisé dans le standard français SECAM(SEquentiel Couleur A Mémoire).➔ Le paramètre Y représente la luminance (cest-à-dire linformationen noir et blanc).➔ Cr et Cb permettent de représenter la chrominance, cest-à-direlinformation sur la couleur.➔ Y = 0,30RE + 0,59GE + 0,11BE➔ Cr = -1.9(RE - Y)➔ Cb = 1,5(BE - Y)
  59. 59. 59PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Le codage YIQ :➔ Il sagit du format utilisé dans le standard NTSC (NationalTelevision Standards Committee)➔ Le paramètre Y représente la luminance (cest-à-dire linformationen noir et blanc).➔ I et Q permettent de représenter la chrominance, cest-à-direlinformation sur la couleur.➔ Y = 0,30RF + 0,59GF + 0,11BF➔ I = 0,74(RF - Y) - 0,27(BF – Y)➔ Q = 0,48(RF - Y) + 0,41(BF - Y
  60. 60. 60PERCEPTION VISUELLE ET SVHPERCEPTION VISUELLE ET SVH Les espaces de couleur :✔ Les primaires et le blanc de référence utilisés dans les téléviseursdépendent des normes imposées par les standards de chaquepays. Le standard NTSC utilise l’illuminant C comme blanc deréférence alors que les standards PAL et SECAM utilisentl’illuminant D65.✔ Les téléviseurs américains répondent à la norme NTSC quiutilise les primaires [RF], [GF], [BF] fixées par la FCC (FederalCommunications Commission).✔ Les téléviseurs européens répondent à la norme allemande PALfixée par l’EBU (European Broadcasting Union ou UnionEuropéenne de Radio-télévision (UER)), ou à la norme françaiseSECAM.
  61. 61. 61Chapitre 4 :Chapitre 4 :IMAGE NUMERIQUEIMAGE NUMERIQUE
  62. 62. 62IMAGE NUMERIQUEIMAGE NUMERIQUE Définitions prémliminaires Image Matricielle Numérisation
  63. 63. 63IMAGE NUMERIQUEIMAGE NUMERIQUE Définitions préliminaires :✔ Une image : cest une représentation bi-dimentionnelle (2-D)dune scène tri-dimentionnelle (3-D)
  64. 64. 64IMAGE NUMERIQUEIMAGE NUMERIQUE Définitions préliminaires :✔ Une image numérique est une représentation approchée adaptéeà des traitements informatiques .En fait , toutes les donnéescorrespondant aux informations contenues dans limage sontstructurées dune certaine façon afin de permettre leur stockage.✔ Une image numérique en elle même est en fait un concept tout àfait abstrait :➔ manipulation de données numériques.➔ ces données ne trouve une signification à nos yeux quàla visualisation lorsque lon utilise un logiciel adéquat.
  65. 65. 65IMAGE NUMERIQUEIMAGE NUMERIQUE Définitions préliminaires :✔ On distingue deux types dimages numériques :➔ Images matricielles➔ Images vectorielles✔ Une image matricielle est en faite une matrice de donnéesnumériques dont chaque position (x,y) associe une couleur afin devisualiser limage à lecran.✔ Une image vectorielle est une représentation des données delimages par des formes géométriques qui vont pouvoir êtredécrites dun point de vue mathématique.
  66. 66. 66IMAGE NUMERIQUEIMAGE NUMERIQUE Définitions préliminaires :✔ Une image vectorielle est indépendante du facteur échelle car elleest définie par des coordonnés numériques et des formulesmathématiques.Zoom
  67. 67. 67IMAGE NUMERIQUEIMAGE NUMERIQUE Définitions préliminaires :✔ Etant définie par une dimension fixe et dun nombre de couleursfixe , une image matricielle est en fait dépendante du facteuréchelle dont le changement peut provoquer par suite une perte dequalité .Zoom
  68. 68. 68IMAGE NUMERIQUEIMAGE NUMERIQUE Définitions préliminaires :✔ Traitement dimage : ensemble de méthodes et de techniquespermettant de :➔ modifier limage pour améliorer son aspect visuel,➔ la préparer à la transmission par voie télématique,➔ la préparer à lextraction dune mesure,➔ extraire des informations pertinentes.
  69. 69. 69IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Les images matricielles sont constituées de pixels de différentescouleurs disposés en lignes et en colonnes.✔ Elles sont définies par leurs dimensions en nombre de pixels ainsique par le nombre de couleurs possibles.✔ Chaque pixel possède une adresse numérique et est stocké dansune zone de mémoire appelée matrice.✔ Les images matricielles dépendent de la résolution :➔ Elles comportent un nombre fixe de pixels qui représentent les donnéesde limage.
  70. 70. 70IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ La représentation discrète est➔ Bidimentionnelle pour les images[1..L] x [1..C] -> [1,M]p (L lignes, C colonnes)➔ Tridimentionnelle pour les vidéos[1..L] x [1..C] x [1..T] -> [1,M]p (vidéo de T im.)L : nombre de lignesC : nombre de colonnes[1,M]p :M+1 valeurs dintensité , sur un espace a p dimensions(p=nombre de plans )
  71. 71. 71IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Les pixels sont les plus petits éléments employés par lesmoniteurs et imprimantes dordinateur pour représenter descaractères, des graphiques et des images.✔ Une image numérique est formée dune grille de petits carrésappelés pixels.✔ Un pixel est :➔ une unité de base de limage➔ un pas de discrétisation
  72. 72. 72IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ La dynamique dune image correspond à létendu de la gamme decouleurs que peuvent prendre les pixels image.✔ La dynamique d’une image est liée au nombre doctets utiliséspour stocker linformation couleurs.✔ La dynamique de l’image détermine si une image est :➔ binaire,➔ en niveau de gris,➔ en fausses couleurs (couleurs indexées),➔ Ou en couleurs « vrai ».
  73. 73. 73IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Une image binaire est une image ayant deux couleurs possiblesgénéralement noir est blanc.✔ Dans ces images, un seul bit suffit à représenter chaque pixel(1=blanc ou 0=noir).✔ Si I est une image binaire, alors :➔ (p,M) = (1,1)➔ p=1 à un seul plan = une seule matrice.➔ M=1 à m+1 valeur d’intensité.
  74. 74. 74IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Une image en niveaux de gris est appelée dans le langagecourant image en noir et blanc.✔ Dans ce type dimage , chaque pixel est codé sur 8 bits et contientun seul nombre qui correspond à la nuance du gris de limage.✔ Les nuances de gris couvrent tout le spectre du blanc au noir, enune échelle de 256 nuances.✔ Si I est une image en niveaux de gris alors (p,M)=(1,255).
  75. 75. 75IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :2550
  76. 76. 76IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Les images en couleur indexé sont créées à laide dune palettelimitée attachée à cette image et qui comprend n couleursdifférentes.➔ N=512;➔ N=256;✔ La donnée correspondant à chaque pixel consiste en un indice quipointe vers une couleur précise dans la palette.✔ Ce format ne convient pas à des images en couleurs réelles, àcause du nombre restreint de couleurs et de palettes différentesquil est possible dutiliser.✔ Si I est une image en couleur indexée, (p,M) = (1,n-1).➔ n = taille de lindexe
  77. 77. 77IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :Image 1Image 2Palette 1(256 couleurs)Palette 2(256 couleurs)
  78. 78. 78IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Une limage en « vrai couleur » se décompose en trois plansfondamentaux que sont le Rouge, le Vert et le Bleu.✔ Il sagit dune appellation trompeuse :➔ on est dans un monde numérique (discret, fini) qui ne peut pasrendre compte de la réalité (infinie).✔ Une image couleur comporte pour chaque pixel une informationsur sa composition en Rouge, Vert et Bleu :➔ toute couleur peut, être obtenue par un mélange de ces 3couleurs fondamentales.➔ Chacune de ces couleurs fondamentales RVB dispose de 256nuances possibles soit 256*256*256 possibilités= 16 millions depossibilités.
  79. 79. 79IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Si I est une image couleur, alors (p,M) = (3,255)Une imagecouleurLes trois plans RVBChaque plan a 256 nuances de couleursMatrice R Matrice V Matrice B
  80. 80. 80IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :Taille de l ’image = Largeur × Hauteur (octets)640 × 480 octets = 307.200 octets
  81. 81. 81IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ La résolution est une mesure de la clarté ou du niveau de détail etde finesse dune image numérique.✔ La définition complète du terme résolution recouvre les notionsde résolution spatiale et de résolution en luminance.✔ Dans lusage courant, le terme résolution est souvent employépour parler de la résolution spatiale uniquement.✔ Plus la résolution,est grande, plus limage est détaillée, et plus lefichier correspondant est volumineux.✔ la résolution spatiale sexprime en pixels au pouce et souventabrégé « dpi » pour dots per inch.
  82. 82. 82IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :+Résolutionspatiale-
  83. 83. 83IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ La résolution en luminance, ou nombre de bits, se rapporte àléchelle de gris ou aux couleurs possibles de chaque pixel.
  84. 84. 84IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ La résolution en luminance, détermine le nombre de nuances oude couleurs possibles pour chaque pixel.✔ Plus le nombre de bits est grand, plus le nombre de couleurspossibles est élevé.+ Résolution en luminance -vraie couleur24 bitsFausse couleur8 bitsen niveau degris24 bitsbinaire2bits
  85. 85. 85IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :+ Résolution en luminance -
  86. 86. 86IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Un histogramme est un graphique statistique permettant dereprésenter la distribution des intensités des pixels dune image,cest-à-dire le nombre de pixels pour chaque intensité lumineuse.✔Par convention un histogramme représente le niveau dintensité enabscisse en allant du plus foncé (à gauche) au plus clair (à droite).C’est la fréquence d’apparition d’une valeur de pixelHisto(i)=Card{Pixel(x,y)=i}
  87. 87. 87IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Exemple dhistogramme d’une image au niveau de gris:dynamique [0..255]
  88. 88. 88IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Exemple dhistogramme d’une image au niveau de gris:dynamique [0..255]
  89. 89. 89IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Pour les images en vrai couleur plusieurs histogrammes sontnécessaires. Par exemple pour une image codée en RGB :➔ un histogramme représentant la distribution de la luminance,➔ trois histogrammes représentant respectivement la distributiondes valeurs respectives des composantes rouges, bleues et vertes.
  90. 90. 90IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Les contours sont les lieux de variations significatives delinformation au niveaux de gris.✔ Un contour est une transition marquée entre deux régions ayantchacune une luminosité distincte.Image au niveau de gris Image contour
  91. 91. 91IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Les contours sont les lieux de variations significatives delinformation au niveaux de gris.✔ Une texture est une répétition spatiale :➔ dun même motif➔ dans différentes directions de lespace.✔ La texture décrit :➔ un aspect homogène de la surface,➔ une information visuelle qui permet de la décrire qualitativementa laide des adj. : grossière, fine, lisse, tachetée, granuleuse,marbrée, régulière ou irrégulière
  92. 92. 92IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :bois bulles canevas lierreherbe laine eau sable
  93. 93. 93IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ La luminance (la brillance) est la quantité d’énergie (lumière)reçue par unité de surface (pixel) nommé dans la pratiqueIntensité lumineuse I.✔ Pour augmenter la luminosité d’une image deux solutionspossibles :➔on ajoute à chacun des pixels de limage une même constante n dans lesdifférentes composantes de couleurs R, G et B.➔on calcul la composante luminosité f(x,y) de l’image, puis pour chaquepixel de f(x,y) on ajoute une constante n.I=∬yxI x,ydxdy∬yxdxdy=1LC∑x=0L−1∑y=0C−1f x,y
  94. 94. 94IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :n=0 n=+80n=-80
  95. 95. 95IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Le contraste est une mesure relative aux différences deluminosités dans les images.21010)),((1IyxfNMCNxMy−= ∑∑−=−=
  96. 96. 96IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Un format dimage comprend en général un en-tête qui contientdes données sur limage (taille de limage en pixels par exemple)suivie des données de limage.✔ Il existe plusieurs formats dimage :➔ Bmp➔ Jpg➔ Gif➔ Png➔ Tiff➔ ...
  97. 97. 97IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Caractéristiques intrinsèques à un format :➔ Le statut par rapport aux brevets : La plupart des formats sontlibres mais certains sont ”propriétaires”, comme le format GIF.➔ Le nombre de couleurs supportées➔ La compression des données :- On distinguera les compressions sans pertes, qui compactentl’information des intensités sans changer leur valeurs, et lescompressions avec pertes, comme JPEG, o`u le contenu est altéré.➔ Transparence : La caractéristique de transparence permet despécifier que l’une des couleurs de la palette peut être ignoréelors de l’affichage de l’image sur le moniteur (Par extension :alpha chanel).
  98. 98. 98IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ Caractéristiques intrinsèques à un format :➔ Entrelaçage : C’est un mécanisme qui permet de faire apparaîtreplus rapidement les images à l’écran, en affichant une versionbasse résolution raffinée au fur et à mesure du chargement.➔ Animation : Certains formats permettent de stocker dans le mêmefichier plusieurs images qui représentent une animation. C’est lecas du format GIF.Des navigateurs, comme Netscape, sont alorscapables d’afficher ce fichiers comme une séquence jouée.➔ Les usages ! ! internet ? archivage ? calcul scientifique ?
  99. 99. 99IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ JPEG (Joint Photo Expert Group):➔ Ce format est la représentation dune norme ISO. Statut parrapport aux brevets .➔ Ce format permet une représentation en vraies couleurs (16millions).➔ La compression utilisée est la compression avec perte avec un tauxqui varie entre 1% (qualité la meilleure) et 99 %(qualité moinsbonne).➔ Ce format ne supporte pas la transparence car il est basé sur unecompression avec perte.➔ Ce format supporte lentrelaçage.
  100. 100. 100IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ JPEG (Joint Photo Expert Group):➔ Ce format ne supporte pas les animations.➔ Il est utilisé dans le cadre de la représentation de prédilection: lesimages "naturelles" avec des grands dégradés de couleurs(transition douce de couleurs).➔ Il est utilisé au niveau de linternet .
  101. 101. 101IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ JPEG 2000 (Joint Photo Expert Group 2000):➔ Ce format permet , dans une zone définie, des manipulationsgéométriques tels que la rotation, la permutation du paysage parrapport au portait➔ Permet de définir une ou plusieurs zones dune image afin denpréserver la qualité (dégrader les régions les moins stratégiques delimage tout en gardant intact la zone sélectionnée).➔ Permet dincorporer des méta-données.
  102. 102. 102IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ JPEG 2000 (Joint Photo Expert Group 2000)➔ La compression est basée sur un système dondelette qui permetune compression plus importante avec une perte de qualitéimperceptible à loeil nu).➔ Ce format permet une représentation en vraies couleurs (16millions) et ne gère pas la transparence➔ Usage : internet ...
  103. 103. 103IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ PNG (Portable Network Graphics)➔ Ce format est lémanation de recommandations du consortium W3(1996).➔ Il supporte dews images vraies couleurs ,niveaux de gris et 8 bitsindexées.➔ Il est basé sur une compression sans perte réputée par sonefficacité.➔ Il supporte la transparence .➔ Laffichage entrelacé est possible aussi .➔ Il est utilisé partout et surtout internet et ne supporte pas lesanimations.
  104. 104. 104IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ GIF (Compuserve Graphics)➔ Ce format supporte 256 couleurs avec palette.➔ La compression est sans perte mais dépend de plusieurs facteurs :- lexistence de zones homogènes.- de lorientation de limage: la lecture des données de limage sefait en commençant par le pixel en haut et à gauche et se fait enligne.
  105. 105. 105IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ GIF (Compuserve Graphics)➔ Ce format supporte la transparense.➔ Lentrelaçage diffère selon le navigateur :Ligne 1,9,17 puis lignes  5,13 puis ligne 3, 7, 11, 15 et enfin ligne 2, 4, 6, 8, 10, 12, 14, 16 .➔ Les animations sont possibles.➔ Ce format est utilisé au niveau des logos et dans tout ce qui contient despeu de nuances de couleurs et avec une transition brusque.➔ Il est utilisé aussi au niveau dinternet.
  106. 106. 106IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :✔ TIFF (TAG IMAGE FILE FORMAT)➔ Ce format supporte 16 millions de couleurs.➔ multiples versions qui rendent sa diffusion difficile!➔ Il utilise une compression sans ou avec perte(au choix).➔ Il ne supporte ni la transparençe ni lentrelaçage.➔ Ce format ne supporte pas les animations.➔ Utilisation possible partout sauf sur internet car ill est tresvolumineux .
  107. 107. 107IMAGE NUMERIQUEIMAGE NUMERIQUE Image Matricielle :
  108. 108. 108IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ La numérisation dune image est obtenue par lintermédiaire duncapteur :➔ Le signal lumineux est transmis à une cellule photo-sensibleappelée CCD (Charged Coupled Device) qui transforme lénergie(lumière) en une série dimpulsions électriques.✔ et aussi dun numériseur (carte de numérisation intégrée ou non aucapteur) qui transforment un signal optique en un signalnumérique:➔ Le signal électrique est repris par un convertisseur analogique-digital qui transforme les données continues en donnéesnumériques codées sur 1, 8, 16 ou 24 bits.➔Le codage utilisé définit le type dimages (noir et blanc, niveaux de gris oucouleur).
  109. 109. 109IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Lobtention dune image numérique nécessite deux processus :➔ Echantillonnage spatial de limage (sampling) :- Discrétisation dans le temps :Découpage en « tranche » (pavage) :définition de la résolution spatiale de l’image (nombre pixels enhorizontal et en vertical).➔ Quantification du niveau de luminance (quantization):-Définition de la résolution de luminance :-Définition de la résolution de luminance :-Choix de la précision de représentation de chaque pixel-Choix de la précision de représentation de chaque pixel.-Précision du nombre de bits utilisé pour le codage de chaque-Précision du nombre de bits utilisé pour le codage de chaqueéchantillon (pixel).échantillon (pixel).
  110. 110. 110IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :
  111. 111. 111IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :Scène Echantillonnage1 Pixel (3bits)1 1 001234567PixelQuantification
  112. 112. 112IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Une image estt une matrice M*N✔ Une image est une fonction F(x,y)
  113. 113. 113IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :Image 1024x1024, codée sur 8 bits, sous-échantillonnée jusqu’à une taille de 32x32 pixels.Le nombre de niveau de gris est gardé à 256.
  114. 114. 114IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :a)1024x1024x8 b)512x512 ré-échantillonné en 1024*1024 par duplicationde lignes et . c jusqu’à f)images 256x256, 128x128, 64x64,32x32 sous échantillonnées à partir de a.
  115. 115. 115IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Le PAVAGE :➔ Définition : Une abstraction mathématique de présentation des pixels sousforme d’une décomposition régulière dans un plan euclidien avec unemême forme élémentaire.➔ Principe : Lors du processus de digitalisation, le signal lumineuxtransmis par les capteur (CCD) est projeté dans un espace euclidienpartitionner de façon régulière.➔ Une répartition sous forme d’un ensemble connexe de pointsappelés pixels de telle sorte que deux pixels voisins ne peuventsintersectée que sur leur bord, et que lensemble des pixelsrecouvre le plan.
  116. 116. 116IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Les images sont habituellement plaquée sur des pavés de typepolygones réguliers :✗ Triangulaire,✗ Carré,✗ Hexagonal.
  117. 117. 117IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ A tout pavage du plan euclidien est associé un maillage.✔ Un maillage est un graphe non-orienté dont les nœuds sont lespoints centres des pavés qui se touchent par un coté.
  118. 118. 118IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Il y a une dualité entre maillage et pavage :➔ à un pavage carré correspond un maillage carré.➔ au pavage hexagonal correspond une maille triangulaire.➔ au pavage triangulaire est associé le maillage hexagonal.✔ Le maillage est obtenu de manière implicite par échantillonnagede l’image analogique lors de la numérisation.✔ La plupart des capteurs échantillonne en maillage carré.
  119. 119. 119IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ A Tout pixel se code comme un couple (i,j) dentiers.➔ Dans un maillage carré, tout pixel a 2 types de voisins, à savoir ses4 voisins selon les axes, et ses 4 voisins selon les diagonales. Deuxpixels p et q sont dits :✗ 4-adjacents sils sont voisins suivant un axe.✗ 8-adjacents sils sont voisins suivant un axe ou une diagonale.
  120. 120. 120IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Etant donné un pixel (i,j), en maillage carré les pixels 4-adjacents à(i,j) sont :➔ (i+1,j),➔ (i-1,j),➔ (i,j+1),➔ et (i,j-1)✔ Pour les 8-adjacences les mêmes, plus (i+1,j+1), (i+1,j-1), (i-1,j+1).(i,j)(i,j)(i+1,j+1)(i-1,j-1)
  121. 121. 121IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Dans le cas d’un maillage carré le pixel (i,j) est 4-adjacent à (i,j) siet seulement si :|i-i| + |j-j| = 1✔ (i,j) est 8-adjacent à (i,j) si et seulement si :max(|i-i|,|j-j|) = 1(i,j)(i,j-1)(i-1,j)(i,j+1)(i+1,j)
  122. 122. 122IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Dans une configuration de maillage hexagonal le pixel central a 6voisins tous situés à égale distance de lui.✔ NB. Un passage dune maille carrée à une maille hexagonale, estpossible grâce à un simple calcul, effectué par certains logicielsdanalyse dimages.
  123. 123. 123IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Soit k = nombre d’adjacence choisie (k=4 ou k=8 ou k=6) :✔ Un k-chemin du pixel p au pixel q est une suite x0, ..., xndepixels tels que :➔ x0= p et xn= q (où n est un entier naturel)➔ pour i = 0, ..., n-1, xiest k-adjacent à xi+1➔ n est la longueur du chemin✔ Un chemin de longueur n comporte donc n+1 pixels et n transitions
  124. 124. 124IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ La k-distance dk(p,q) entre 2 pixels p et q est la longueur min dunk-chemin de p à q.✔ Il sagit bien dune distance dans le sens quelle vérifie les axiomessuivants :➔ dk(p,p) = 0, (identité ),➔ pour p différent de q on a dk(p,q) > 0 (positivité),➔ dk(p,q) = dk(q,p) (symétrie)➔ dk(p,r) est plus petit ou égal à dk(p,q) + dk(q,r) (inégalitétriangulaire).
  125. 125. 125IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Dans le cas du maillage carré il est facile de voir que si pet q sont de coordonnées (i,j) et (i,j) respectivement,alors :➔Distance de MANATHANd4(p,q) = |i-i| + |j-j|➔Distance de l’ECHIQUIERd8(p,q) = max(|i-i|,|j-j|)➔Distance EUCLIDIENNE(p,q) = [(xp - xq)2+ (yp - yq)2]1/2
  126. 126. 126IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Dans une configuration de maillage carré le pixel central a 8voisin :➔ 4 directs, tous situés à la distance d1 du pixel central.➔ 4 indirects, tous situés à la distanced2 = d1 du pixel central.d2d12
  127. 127. 127IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Changement déchelle : Approximation d’une fonction sur inintervalle donné.➔ Intercalation dans une suite de valeurs connu (données d’image)une ou plusieurs valeurs calculées par une fonction.✔ Exemple de changement d’échelle : Zoom +✔ Deux types d’interpolation :➔ Interpolation du plus proche voisin par Réplication des Pixels :Copie chaque colonne et chaque ligne.➔ Interpolation avec les 4 voisins✗ Bilinéaire✗ Bicubique✗ Sinc
  128. 128. 128IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Zoom par réplication :Zoom
  129. 129. 129IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Zoom par interpolation:
  130. 130. 130IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :Interpolation linéaire
  131. 131. 131IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :Interpolation linéaireP(x’,y’) = (1-dx) (1-dy) P(x,y) + (dx)(1-dy) P(x+1,y) + (1-dx)(dy) P(x,y+1)+ (Px) (Py) P(x+1,y+1)
  132. 132. 132IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :Interpolation bicubique
  133. 133. 133IMAGE NUMERIQUEIMAGE NUMERIQUE Numérisation :✔ Bruit : phénomène de brusque variation de l’intensité d’un pixelpar rapport à ses voisins.✔ Provenance :➔ l’éclairage,➔ l’objet,➔ La transmission,➔ l’optique de la caméra,➔ Le capteur CCD,➔ l’échantillonnage,➔ Le stockage de l’image
  134. 134. 134Chapitre 4 :Chapitre 4 :SON NUMERIQUESON NUMERIQUE
  135. 135. 135SON NUMERIQUESON NUMERIQUE Définitions préliminaires Oreille et cerveau humain Numérisation Compression Principaux formats
  136. 136. 136SON NUMERIQUESON NUMERIQUE Définitions préliminaires✔ Qu’est-ce que le son ?nous désignons à la fois le mot son :➔ un phénomène physique vibratoire complexe➔ la sensation auditive engendrée par ce phénomène✔ Qu’est-ce que le phénomène vibratoire ?un son naît (en général) de la déformation d’un corps. Cette déformationengendre une vibration mécanique qui va à son tour déformer le milieu danslequel se trouve le corps. Ainsi, la vibration va se propager de proche enproche, selon une onde dite sonore ou acoustique.➔ Exemple :la membrane d’un instrument à percussion déformée par la choc du maillet ou lacorde d’un violon frottée par l’archet.
  137. 137. 137SON NUMERIQUESON NUMERIQUE Définitions préliminaires✔ Transmission du son➔ La vibration de l’air constitue un phénomène périodique car ellese reproduit identiquement à elle-même au bout d’un certaintemps (ou période).➔ La période (T, exprimée en secondes) désigne le temps nécessaire à uncycle vibratoire complet, c’est-à-dire une oscillation.➔ La fréquence (f, exprimée en Hertz) définit le nombre de périodes par unitéde temps : il s’agit du nombre d’oscillations par seconde.✗ Relation entre T et f :la fréquence est l’inverse de la périodeplus la période est petite, plus la fréquence est grandef (en Hz) = 1 / T (en secondes)
  138. 138. 138SON NUMERIQUESON NUMERIQUE Définitions préliminaires➔ Exemple : propagation d’une onde provoquée par la chute d’unepierre lancée sur un plan d’eauTemps (s)amplitude0+A- ApériodeFréquence (= 3Hz)1 s
  139. 139. 139SON NUMERIQUESON NUMERIQUE Définitions préliminaires✔ Phénomènes sonores➔ On considère généralement que la perception auditive humaines’étale (dans le meilleur des cas) entre 20 Hz et 20 kHz.➔ La fréquence est un paramètre essentiel des phénomènes sonores car c’estd’elle que dépend la hauteur du son perçue :➔ Exemples :✗ la fréquence de 20 kHz (= 20 000 périodes/s) est considérée comme lalimite de la perception humaine dans l’extrême aigu, mais cette perceptiondes fréquences élevées se dégrade avec l’âge et la fatigue auditive✗ La fréquence de 20 Hz (= 20 périodes/s) est quant à elle considérée commela limite inférieure des la perception humaine dans l’extrême grave➔ Cette fourchette de fréquences définit donc la bande de fréquences oubande passante utile d’un système de reproduction sonore de haute qualitéqui doit s’efforcer de reproduire le plus linéairement possible
  140. 140. 140SON NUMERIQUESON NUMERIQUE Définitions préliminaires✔ Exemple (bandes passantes)SystèmeBandes passante(HZ)Téléphone 300 – 4 000Radio AM 50 – 6 000Radio FM 50 – 15 000Magnétophone K7 40 – 15 000CD audio etmatérielprofessionnel20 – 20 000
  141. 141. 141SON NUMERIQUESON NUMERIQUE Définitions préliminaires✔ Signal sonore➔ On représente fréquemment de manière simplifiée un signalsonore par une courbe sinusoïdale (ou harmonique ensinus/cosinus)➔ En fait, une telle sinusoïde ne représenterait qu’un son dit pur défini par uneseule fréquence : or, les sons audible ne sont pas purs, ie. complexes etconstitués d’une combinaison de fréquences➔ En effet, à la fréquence fondamentale qui définit la hauteur sonore viennents’ajouter une série de signaux harmoniques➔ C’est à J. Fourrier qu’il revient d’avoir démontré mathématiquement audébut du XIXe siècle que tout phénomène périodique pouvait êtredécomposé en une série de sinusoïdes élémentaires dont les fréquencessont des multiples entiers de la fréquence la plus grave, dite fondamentale.
  142. 142. 142SON NUMERIQUESON NUMERIQUE Définitions préliminaires✔ Signal sonore➔ Exemple :Appuyer la touche d’un piano correspondant au La3, nous obtenons un soncomplexe constitué par l’addition à la fréquence fondamentale (440 Hz) et àdes amplitudes variables de fréquences dites harmoniques à des valeursmultiples (x2, x3, …)➔ La Conférence Internationale de Londres en 1953 a fixé la hauteur absoluedu La3à 440 Hz, pour servir de base à l’accord des instruments (musiquesou sonores).
  143. 143. 143SON NUMERIQUESON NUMERIQUE Oreille et cerveau humain✔ Le nombre et l’amplitude des diverses fréquences harmoniquessont spécifiques à chaque source sonore et déterminent le timbrepropre de cette source.✔ Ce sont donc les harmoniques caractéristiques de chaque source quipermettent à l’oreille et au cerveau humains de distinguer et de reconnaîtredes sources sonores différentes :➔ Le timbre d’une voix émettant à une fréquence fondamentale de 400 Hzsera perçu comme différent d’une autre voix émettant à la même fréquence.➔ Le son d’une guitare ne sera pas confondu avec celui d’un piano, même siles deux instruments jouent la même séquence de notes musicales
  144. 144. 144SON NUMERIQUESON NUMERIQUE Oreille et cerveau humain✔ Loreille absolue, par opposition à loreille relative, est la facultépour un homme de pouvoir identifier une note musicale enl’absence de référence.➔ En occident seule 1 personne sur 10 000 en serait dotée.✔ En psychologie, Alexei Leontiev a émis lhypothèse, à partir detravaux réalisés auprès de blessés de la seconde guerre mondiale,que loreille absolue pouvait sacquérir en combinant unapprentissage vocal et auditif :➔ leffort musculaire réalisé par lappareil phonatoire au moment dela reproduction dun son est mémorisé et, quand un son estentendu, la personne tente alors de reproduire mentalementleffort nécessaire pour lémettre, ce qui lui permet ensuite dedire quelle est sa hauteur.➔ Daprès les expériences réalisées, de nombreuses personnesseraient ainsi parvenues à acquérir cette fameuse oreille absolue.
  145. 145. 145SON NUMERIQUESON NUMERIQUE Oreille et cerveau humain✔ Seule la fréquence d’un diapason est considérée comme une« fréquence absolue » servant de point de départ à tel ou tel typedaccord. Cette fréquence est celle du la 3est de « 440 Hz ». Uneoctave en acoustique désigne un doublement de fréquence➔ Cette valeur de 440 Hz a également été retenue pour la tonalité dutéléphone.
  146. 146. 146SON NUMERIQUESON NUMERIQUE Numérisation✔ Le son est une suite périodique de compressions et de dépressions dumilieu dans lequel il se propage (l’air)✔ Les divers organes de l’oreille externe, moyenne et interne captentces vibrations périodiques de pression et les transforment en signauxbio-électriques qui sont ensuite transmis au cortex pour y être traitéset perçus en tant que son (musique, parole, …)✔ La représentation analogique du son consiste à passer d’une ondesonore à son image électrique.✔ La représentation numérique du son nécessitera quant à elle laquantification des échantillons prélevés sur cette image.
  147. 147. 147SON NUMERIQUESON NUMERIQUE Numérisation➔ Onde sonore
  148. 148. 148SON NUMERIQUESON NUMERIQUE Numérisation➔ Du continu au discretamplitudetempsOnde sonore échantillonnage quantification
  149. 149. 149SON NUMERIQUESON NUMERIQUE Numérisation➔ Exemple déchantillonnage :
  150. 150. 150SON NUMERIQUESON NUMERIQUE Numérisation➔ Exemple de fréquence déchantillonnage :Fréquence (kHz) Applications8 Téléphonie11,025 Mac OS22,05 PC32 HTDV (high definition TV)Radio numériqueNICAM44,1 CD audio48 DAT (digital audio tape)96 DVD audio 6 canaux 5.1192 DVD audio 2 canaux stéréo2822,4 SACD (super audio CD)DSD (Direct stream digital)
  151. 151. 151SON NUMERIQUESON NUMERIQUE Compression✔ La numérisation du son transforme un signal fragile et caractérisépar une variation continue en un signal numérique très stable faitd’une succession de 0 et 1 : copiable et transportable sansdégradation.✔ Le signal numérique permet en fin de parcours de reconstituer etde restituer de manière propre l’onde sonore originale✔ Tout irait donc pour le mieux si les suites de 0 et 1 dont sontconstitués les documents sonores numériques n’étaient pas detaille à poser très vite de problèmes de stockage, surtout lorsqu’ils’agit d’enregistrements de haute qualité➔ Exemple : une durée de 1 minute en qualité son stéréo sur CD-DA, échantillonnage à 44,1 kHz, quantification à 16 bits sur 2voies, aura un volume :taux d’ échantillonnage x nbr. Bits codage x nbr. Secondes x nbr.voies =44100 x 16 x 60 x 2 = 84672000 bits/min = ~ 10Mo/min
  152. 152. 152SON NUMERIQUESON NUMERIQUE Compression✔ Rappelons qu’un algorithme de compression non destructifpermet de retrouver, après décompression, l’intégralité dudocument original : il n’y a pas de perte d’information sur lecontenu original.✔ Le principe général de ce type de compression est fondé sur la recherchedes occurrences multiples d’une même suite d’octets. Ces suites étantrassemblées dans un dictionnaire où elles seront représentées par lescodes les plus courts possibles.✔ Les codes dans le dictionnaire remplaceront dans le fichier compressé leslongues suites d’octets du fichier original.
  153. 153. 153SON NUMERIQUESON NUMERIQUE CompressionExemple 1 : algorithmes généralistesWinZip, WinRar et WinAce (*.zip, *.rar, *.ace) doivent se satisfaire d’uneréduction du volume du fichier d’origine (selon la complexité de la source) de 5à 35%Exemple 2 : algorithmes spécifiquesWavArc, RKAU, Perfect Clarity Audio (*.wa, *.rka, *.pca) sont spécifiquementdédiés au son et non destructifs, permettent d’atteindre une réduction devolume de 50%.
  154. 154. 154SON NUMERIQUESON NUMERIQUE Principaux formats✔ Parmi la multitude des formats de fichiers audio proposés sur lemarché, retenons les plus utilisés :➔ WAV (Waveform Audio Format): format propriétaire de l’environnementWindows sur PC, il est lu directement par la quasi-totalité des logicielsd’édition ou de composition musicale.➔ AIF ou AIFF (Audio Interchange File Format) ou SND (SouND): formatstandard Mac OS et reconnu par les logiciels PC. Il est devenu le 1er formatd’échange multi-plateformes.➔ AU (Audio UNIX): format développé pour UNIX, lu par la quasi-totalité delogiciels professionnels de traitement audio.➔ RA, RM ou RAM (Real Audio): format propriétaire adapté aux débits limitésde l’Internet pour la diffusion de sons ou vidéos en streaming * pour lelogiciel RealPLayer
  155. 155. 155SON NUMERIQUESON NUMERIQUE Principaux formats➔ MOV ou QT (QuickTime): dessiné à l’origine à l’environnementMacintosh, il est aujourd’hui disponible sur PC et peut être utilisépour réaliser du streaming.➔ VOC (SoundBlaster): format propriétaire de Creative Labs.➔ MP3 (MPEG-Layer 3): recommandé par le MPEG, ce formatprésente l’intérêt majeur d’autoriser un taux de compressionimportant sans altérer notablement la qualité sonore jusqu’àl’ordre 12:1. De nombreux lecteurs permettent la restitution desfichiers *.mp3 : WinAmp, Nad mp3 Player, UnrealPlayer, JetAudio,etc.➔ MID ou MIDI (Music Instrument Digital Interface): il s’agit d’unformat très spécifique puisque le son n’est pas (à proprementparler) numérisé comme dans les autres formats (wav, aif, etc.).
  156. 156. 156SON NUMERIQUESON NUMERIQUE Principaux formats✔ Parmi la multitude des formats de fichiers audio proposés sur lemarché, retenons les plus utilisés :➔ WAV (Waveform Audio Format): format propriétaire de l’environnementWindows sur PC, il est lu directement par la quasi-totalité des logicielsd’édition ou de composition musicale.➔ AIF ou AIFF (Audio Interchange File Format) ou SND (SouND): formatstandard Mac OS et reconnu par les logiciels PC. Il est devenu le 1er formatd’échange multi-plateformes.➔ AU (Audio UNIX): format développé pour UNIX, lu par la quasi-totalité delogiciels professionnels de traitement audio.➔ RA, RM ou RAM (Real Audio): format propriétaire adapté aux débits limitésde l’Internet pour la diffusion de sons ou vidéos en streaming * pour lelogiciel RealPLayer
  157. 157. 157Chapitre 6 :Chapitre 6 :VIDEOVIDEO
  158. 158. 158VIDEOVIDEO Quest-ce quune vidéo La vidéo analogique La vidéo numérique
  159. 159. 159VIDEOVIDEO Quest-ce quune vidéo ?✔ Une vidéo est une succession d’images à une certaine cadence.✔ L’œil humain a comme caractéristique d’être capable dedistinguer environ 20 images par seconde. Ainsi, en affichant plusde 20 images par seconde, il est possible de tromper l’œil et de luifaire croire à une image animée.✔ D’autre part la vidéo au sens multimédia du terme estgénéralement accompagnée de son, c’est-à-dire de données audio.✔ La vidéo analogique représente l’information comme un fluxcontinu de données analogiques, destiné à être affichées sur unécran de télévision (basé sur le principe du balayage. Il existeplusieurs normes pour la vidéo analogique. Les trois principalessont : PAL, NTSC, SECAM✔ La vidéo numérique consiste à coder la vidéo en une successiond’images numériques.
  160. 160. 160VIDEOVIDEO La vidéo analogique✔ Il existe 3 formats de vidéo analogiques :➔ Composite : Le type de connexion analogique le plus simpleconsiste à utiliser un câble composite.Ce câble transmet le signalvidéo à l’aide d’un fil unique. Les signaux de luminance et dechrominance sont combinés ensemble et transmis simultanément.Cette connexion présente la plus faible qualité du fait de la fusiondes deux signaux.➔ S-Video : Le type de connexion présentant un niveau de qualitéimmédiatement supérieur est appelé S–Video. Ce câble distribuesur deux fils distincts le signal de luminance et les signaux dechrominance combinés. Les deux fils sont contenus dans un câbleunique.➔ Composante : Le système de connexion qui offre la meilleurequalité, chaque signal YCC disposant d’un câble spécifique.
  161. 161. 161VIDEOVIDEO La vidéo analogique✔ Trois normes de formats sont actuellement en vigueur pour ladiffusion télévisée dans le monde :
  162. 162. 162VIDEOVIDEO La vidéo numérique✔ La vidéo numérique consiste à afficher une succession d’imagesnumériques. Puisqu’il s’agit d’images numériques affichées à unecertaine cadence, il est possible de connaître le débit nécessairepour l’affichage d’une vidéo, c’est-à-dire le nombre d’octetsaffichés (ou transférés) par unité de temps.✔ Ainsi le débit nécessaire pour afficher une vidéo (en octets parseconde) est égal à la taille d’une image que multiplie le nombred’images par seconde.✔ Soit une image true color (24 bits) ayant une définition de 640pixels par 480. Pour afficher correctement une vidéopossédantcette définition il est nécessaire d’afficher au moins 30 images parseconde, c’est-à-dire un débit égal à :900 Ko * 30 = 27 Mo/s
  163. 163. 163VIDEOVIDEO La vidéo numérique✔ Notion de codec➔ Une image d’une vidéo non compressée occupe une tailled’environ 1 Mo. Afin d’obtenir une vidéo paraissant fluide il estnécessaire d’avoir une fréquence d’au moins 25 ou 30 images parseconde, ce qui produit un flux de données d’environ30 Mo/s, soitplus de 1.5 Go par minute.➔ Il est évident que ce type de débit est peu compatible avec lesespaces de stockage des ordinateurs personnels ni même avec lesconnexions réseau de particuliers ou de petites ou moyennesentreprises.Ainsi, afin de pallier à cette difficulté, il est possiblede recourir à des algorithmes permettant de réduiresignificativement les flux de données en compressant /décompressant les données vidéos. On appelle ces algorithmesCoDec (pourCOmpression / DECompression).
  164. 164. 164VIDEOVIDEO La vidéo numérique➔ Exemples de codecs :✗ h.261 / MPEG-1 1988✗ Cinepac 1991 Apple✗ Indeo 1992 Intel✗ Avi 1992 Microsoft✗ h.263 / MPEG-2 1995/96 ITU-T VCEG✗ DV (Digital Video) 1995 (basé sur MPEG-2)✗ DVD 1995 video (MPEG-2) + son(AC-3, DTS, MPEG ouencore .ogg, MP3, VQF, AAC) !!!✗ h.264 / MPEG-4 2003 (.mp4, .mov, .avi, .divx,etc....;)
  165. 165. 165VIDEOVIDEO La vidéo numérique✔ Il existe au niveau de la vidéo deux sortes de compression :➔ On parle de compression spatiale lorsque l’on réduit la tailleinitiale d’une image par des moyens dégradants ou non. Cetteméthode s’applique principalement sur les images fixes.➔ La compression temporelle est utilisée pour réduire le fluxd’information en ne conservant par exemple que les différencesentre deux images successives. On associe à la compressiontemporelle deux méthodes distinctes :✔ Le codage différentiel qui soustrait toutes les informationsredondantes d’une image à l’autre pour ne conserver que lesdéplacements (problèmes si grandes différences)✔ La seconde méthode employée est le codage par prédiction dumouvement qui est très réducteur de volume, mais dont le défautest de trop dégrader l’information surtout si les mouvements sontrapides.
  166. 166. 166VIDEOVIDEO La vidéo numérique✔ M-JPEG➔ La première idée qui vient à l’esprit après s’être interessé à lacompression d’images est d’appliquer . Le principe du MotionJPEG (noté MJPEG ou M-JPEG, à ne pas confondre avec le MPEG)consiste à appliquer successivement l’algorithme de compressionJPEG aux différentes images d’une séquence vidéo.➔ Etant donné que le M-JPEG code séparément chaque image de laséquence il permet d’accéder aléatoirement à n’importe quellepartie d’une vidéo. Ainsi son débit de 8 à 10 Mbps le rendutilisable dans les studios de montage numérique.
  167. 167. 167VIDEOVIDEO La vidéo numérique✔ MPEG➔ Dans de nombreuses séquences vidéos, de nombreuses scènessont fixes ou bien changent très peu, c’est ce que l’on nomme laredondance temporelle.Lorsque seules les lèvres de l’acteurbougent, presque seuls les pixels de la bouche vont être modifiésd’une image à l’autre, il suffit donc de décrire le changementd’une image à l’autre. C’est là la différence majeure entre leMPEG (Mo-ving Pictures Experts Group) et le M-JPEG. Cependantcette méthode aur beaucoup moins d’impact sur unescèned’action.Le groupe MPEG a été établi en 1988 dans le butde développer des standa rds internationaux de compression,décompression, traitement et codage d’image animées et dedonnées audio.➔ Il existe plusieurs standards MPEG :
  168. 168. 168VIDEOVIDEO La vidéo numérique✔ MPEG✗ le MPEG-1, développé en 1988, est un standard pour lacompression des données vidéos et des canaux audio associés(jusqu’à 2 canaux pour une écoute stéréo). Il permet le stockagede vidéos à un débit de 1.5Mbps dans une qualité proche descassettes VHS sur un support CD appelé VCD (Vidéo CD).✗ le MPEG-2, un standard dédié originalement à la télévisionnumérique (HDTV) offrant une qualité élevé à un débit pouvantaller jusqu’à 40 Mbps, et 5 canaux audio surround. Le MPEG-2permet de plus une identification et une protection contre lepiratage. Il s’agit du format utilisé par les DVD vidéos.✗ le MPEG-4, un standard destiné à permettre le codage de donnéesmultimédia sous formes d’objets numériques, afin d’obtenir uneplus grande interactivité, ce qui rend son usage particulièrementadapté au Web et aux périphériques mobiles.
  169. 169. 169VIDEOVIDEO La vidéo numérique✔ MPEG➔ La norme MPEG-1 représente chaque image comme un ensemblede blocs 16 x 16. Elle permet d’obtenir une résolution de:• 352x240 à 30 images par seconde en NTSC• 352x288 à 25 images par seconde en PAL/SECAM➔ Le MPEG-1 permet d’obtenir des débits de l’ordre de 1.2 Mbps(exploitable sur un lecteur de CD-ROM).➔ Le MPEG-1 permet d’encoder une vidéo grâce à plusieurstechniques :
  170. 170. 170VIDEOVIDEO La vidéo numérique✔ MPEG✗ Intra coded frames (Frames I, correspondant à un codageinterne): les images sont codées séparément sans faire référenceaux images précédentes.✗ Predictive coded frames (frames P ou codage prédictif): lesimages sont décrites par différence avec les images précédentes.✗ Bidirectionally predictive coded frames (Frames B): les imagessont décrites par différence avec l’image précédente et l’imagesuivante.✗ DC Coded frames: les images sont décodées en faisant desmoyennes par bloc.
  171. 171. 171VIDEOVIDEO La vidéo numérique✔ MPEG➔ Les frames I : Ces images sont codées uniquement en utilisant lecodage JPEG, sans se soucier des images qui l’entourent. De tellesimages sont nécessaires dans une vidéo MPEG car ce sont ellesqui assurent la cohésion de l’image (puisque les autres sontdécrites par rapport aux images qui les entourent), elles sontutiles notamment pour les flux vidéo qui peuvent être pris encours de route (télévision), et sont indispensables en cas d’erreurdans la réception. Il y en a donc une ou deux par seconde dansune vidéo MPEG.➔ Les frames P : Ces images sont définies par différence par rapportà l’image précédente. L’encodeur recherche les différences del’image par rapport à la précédente et définit des blocs, appelésmacroblocs (16x16 pixels) qui se superposeront à l’imageprécédente.L’algorithme compare les deux images bloc par blocet à partir d’un certain seuil de différence, il considère le blocdel’image précédente différent de celui de l’image en cours et luiapplique une compression JPEG.
  172. 172. 172VIDEOVIDEO La vidéo numérique✔ MPEG➔ Les frames B : De la même façon que les frames P, les frames Bsont travaillées par différences par rapport à une image deréférence,sauf que dans le cas des frames B cette différence peuts’effectuer soit sur la précédente (comme dans les cas des framesP) soit sur la suivante, ce qui donne une meilleure compression,mais induit un retard (puisqu’il faut connaîtrel’image suivante) etoblige à garder en mémoire trois images (la précédente, l’actuelleet la suivante).➔ Afin d’optimiser le codage MPEG, les séquences d’images sontdans la pratique codées suivant une suite d’images I, B, et P (Détant comme on l’a dit réservé à l’avance rapide) dont l’ordre aété déterminé expérimentalement. La séquence, type appeléeGOP (Group Of Pictures ou en français groupes d’images) est lasuivante:IBBPBBPBBPBBI➔ Une image I est donc insérée toutes les 12 frames.
  173. 173. 173VIDEOVIDEO La vidéo numériqueNorme Objectif EtatMPEG-1 Visionnage / Video CD (1 à 3 Mb/s) Standard en 1992MPEG-2 Diffusion broadcast / DVD (4 à 50Mb/s)Standard en 1994MPEG-4 Intégration des formats Audiovisuels(Vidéo, audio, 2D, 3D) pour le bas et lehaut débitVersion 1 en 1998Version 2 en 19992003 : H264 / part 10MPEG-7 Description des informationsaudiovisuelles pour faciliter larecherche et le filtrageStandard en 2001MPEG-21 Définition d’un modèle et d’unearchitecture pour la diffusioncommerciale des contenus multimédiaEn cours
  174. 174. 174VIDEOVIDEO La vidéo numérique✔ Les formats les plus connus :➔ .mov : (Apple) container -> tous formats/résolutions et mélangesde ceux-ci.➔ .avi : (MS) container -> divers formats y compris DivX.➔ .dv : idéal pour le montage vidéo avec iMovie ou autrefaiblecompression => fichiers très gros mais sans perte de qualité.➔ .mpg .mpeg : obsolète, faible compression, mauvaise qualitédimage et de son.➔ .wmv :(Windows Media Player) divers codecs propriétairesnon compatible QuickTime sauf via plugins Flip4Mac ou Perian➔ .mp4 : MPEG-4 = forte compression, standardisé, accepté partout➔ .vob : DVDs commerciaux
  175. 175. 175VIDEOVIDEO La vidéo numérique✔ Alors, quel est le meilleur format ? Bien difficile de répondre carcela dépend beaucoup du type du document vidéo concerné et deson utilisation future. Voici quand même lesquisse dunesélection:➔ dv (ou .mov avec compression DV) : idéal pour le montage vidéomais surtout pas pour la diffusion.➔ .mp4 :idéal pour le web car format normalisé, fichiers petits etacceptés par tous les browsers.➔ .flv : pas mal utilisé sur le web car les vidéos en ligne ne sontpas/pas facilement copiables. A proscrire donc si on veut que lelecteur puisse aisément récupérer la vidéo.➔ .vob : si on veut faire de jolis DVDs lisibles sur nimporte quellecteur de salon.Dans ce cas il faut passer par un outil de créationde DVDs comme iDVD dApple.
  176. 176. 176Chapitre 7 :Chapitre 7 :Compression de imagesCompression de images
  177. 177. 177Compression des imagesCompression des images Cest quoi la compression La compression sans perte La compression avec perte
  178. 178. 178Compression des imagesCompression des images Cest quoi la compression ?✔ La compression de données ou codage de source est lopérationinformatique consistant à transformer une suite de bits A en unesuite de bits B plus courte pouvant restituer les mêmesinformations en utilisant un algorithme particulier.✔ Opération de codage, elle raccourcit la taille (de transmission oude stockage) des données au prix dun effort de compression et dedécompression.✔ La décompression est lopération inverse de la compression.✔ La compression peut etre soit sans perte soit avec perte
  179. 179. 179Compression des imagesCompression des images La compression sans perte✔ La compression est dite sans perte lorsquil ny a aucune perte dedonnées sur linformation dorigine. Il y a autant dinformationaprès la compression quavant, elle est seulement réécrite dunemanière plus concise (cest par exemple le cas de la compressiongzip pour nimporte quel type de données ou du format PNG pourdes images synthétiques destinées au Web2).✔ La compression sans perte est dite aussi compactage.✔ Linformation à compresser est vue comme la sortie dune sourcede symboles qui produit des textes finis selon certaines règles.✔ Le but est de réduire la taille moyenne des textes obtenus après lacompression tout en ayant la possibilité de retrouver exactementle message dorigine (on trouve aussi la dénomination codage desource en opposition au codage de canal qui désigne le codagecorrecteur derreurs).✔ Plusieurs méthodes possibles dont on site : RLE,LZW et Huffman.
  180. 180. 180Compression des imagesCompression des images● Méthode RLE✔ Exemple :WWWWWWWWWWWWBWWWWWWWWWWWWWWBBBWWWWWWWWWWWWWWWWWWWWWWWBWWWWWWWWWWW✔ Un encodage RLE consiste alors à indiquer pour chaque suite depixels dune même couleur, le nombre de pixels de cetteséquence. Le résultat comporte en général moins de caractères,bien que ce ne soit pas une obligation. On obtient par exemplepour la ligne précédente :12W1B14W3B23W1B11W✔ Tandis que : WBWBWBWBWB donnerait :1W1B1W1B1W1B1W1B1W1B✔ Ce qui est deux fois plus long.Remarque : Dans ce dernier cas, ilserait donc plus efficace décrire la lettre uniquement si elle estseule (sans le chiffre 1). On aurait donc au pire la même taille(dans le cas où il y aurait une ou 2 lettres identiques) mais jamaisune augmentation.
  181. 181. 181Compression des imagesCompression des images● Méthode RLE✔ Le run-length encoding, appelé en français le codage par plages,est un algorithme de compression de données en informatique.✔ Le système sapplique essentiellement à des documents scannésen noir et blanc : au lieu de coder un bit par point, on disposedun compteur — en général sur un octet — indiquant combien depoints blancs ou noirs se suivent. Comme il est rare de ne pasavoir au moins 8 pixels noirs ou 8 pixels blancs qui se suivent, etque 256 ne sont pas rares sur les endroits vierges ou les à-platsnoirs, le système a bien pour effet une compression.✔ Sil y a plus de 256 bits de la même couleur, on peut placerensuite un octet spécifiant 0 bit de la couleur opposée, puis coderle nombre de bits qui restent...✔ Par exemple, considérons un écran de texte noir sur fond blanc. Ilsera constitué de longues séquences de pixels blancs pour le fond,et de courtes séquences de pixels noirs pour le texte.Représentons une ligne dun tel écran, avec B pour les pixelsnoirs et W pour les pixels blancs :
  182. 182. 182Compression des imagesCompression des images● Méthode LZW :✔ LZW (pour Lempel-Ziv-Welch) est un algorithme de compressionde données sans perte. Il sagit dune amélioration de lalgorithmeLZ78 inventé par Abraham Lempel et Jacob Ziv en 1978. LZW futcréé en 1984 par Terry Welch, doù son nom.✔ Lalgorithme LZW avait été breveté par la société Unisys1 (unbrevet logiciel valable uniquement aux États-Unis). Il a été utilisédans les modems (norme V42 bis) et est encore utilisé dans lesformats dimage numérique GIF ou TIFF et les fichiers audioMOD.✔ L’algorithme est conçu pour être rapide à implémenter, mais n’estla plupart du temps pas optimal car il effectue une analyse limitéedes données à compresser.
  183. 183. 183Compression des imagesCompression des images● Méthode LZW :w = Nul;tant que (lecture dun caractère c) fairesi (wc existe dans le dictionnaire) alorsw = wc;sinonajouter wc au dictionnaire;écrire le code de w;w = c;fin sifin tant queécrire le code de w;
  184. 184. 184Compression des imagesCompression des images● Méthode LZW :✔ Exemple✔ La table suivante montre le résultat de lexécution de lalgorithmede compression sur la chaîne suivante :TOBEORNOTTOBEORTOBEORNOT✔ On suppose quon utilise un code ASCII de 256 caractères (8-bits)comme dictionnaire de base. La longueur de cette chaîne est de24 caractères. Elle nécessite donc 24 * 8 = 192 bits despace destockage.✔ Après la compression, nous obtenons une séquence de codes de 9bits sur la sortie :TOBEORNOT<256><258><260><265><259><261><263>✔ Elle nécessite 16 × 9 = 144 bits despace de stockage, au lieu des192 bits de la chaine originale.
  185. 185. 185Compression des imagesCompression des images● Méthode LZW :
  186. 186. 186Compression des imagesCompression des images● Méthode Huffman :✔ Le principe du codage de Huffman repose sur la création dunarbre composé de nœuds. Supposons que la phrase à coder est «wikipédia ».✔ On recherche tout dabord le nombre doccurrences de chaquecaractère (ici les caractères a, d, é, k, p et w sontreprésentés chacun une fois et le caractère i trois fois).✔ Chaque caractère constitue une des feuilles de larbre à laquelleon associe un poids valant son nombre doccurrences. Puis larbreest créé suivant un principe simple : on associe à chaque fois lesdeux nœuds de plus faibles poids pour donner un nœud dont lepoids équivaut à la somme des poids de ses fils jusquà nen avoirplus quun, la racine. On associe ensuite par exemple le code 0 àla branche de gauche et le code 1 à la branche de droite.
  187. 187. 187Compression des imagesCompression des images● Méthode Huffman :✔ Example :Symbol FrequencyA 24B 12c 10D 8E 8
  188. 188. 188Compression des imagesCompression des images● Méthode Huffman :Symbol Frequency Code Code totalLength LengthA 24 0 1 24B 12 100 3 36C 10 101 3 30D 8 110 3 2E 8 111 3 24
  189. 189. 189Compression des imagesCompression des images La compression avec perte✔ La compression est dite avec perte ou destructive (contrairementà la compression sans perte ou non destructive engendregénéralement une perte de données plus au moins visible .✔ Elle peut utiliser un codage non destructif tel est celui de huffman✔ Plusieurs méthodes possibles dont on site : la norme jpeg .
  190. 190. 190Compression des imagesCompression des images● La norme JPEG (Joint Photographic Expert Group )✔ JPEG définit deux classes de processus de compression :• avec pertes ou compression irréversible. C’est le JPEG « classique ». Ilpermet des taux de compression de 3 à 100• sans pertes ou compression réversible. Il n’y a pas de pertesd’information et il est donc possible de revenir aux valeurs originales del’image. Les gains en termes de compression sont alors plus modestes,avec un taux de compression de l’ordre de 2 à 8 [réf. nécessaire]. Cettepartie fait l’objet d’une norme spécifique appelée JPEG-LS.
  191. 191. 191Compression des imagesCompression des images● La norme JPEG (Joint Photographic Expert Group )✔ La technique de codage repose , après une transformationdiscrète en cosinus (DCT) , sur une quantification suivie duncodage de Huffman. La rigueur de la spécification est spécifiée aumoment du codage .✔ Ce paramètre va interférer sur la qualité du résultat :• 10:1 à 20:1 sans perte visible• 30:1 à 50:1 avec perte modérée• 100:1 pour les images de faibles qualités✔ La transformée DCT (Discrete Cosine Transform, en françaistransformée en cosinus discrète), est une transformationnumérique qui est appliquée à chaque bloc. Cette transformée estune variante de la transformée de Fourier. Elle décompose unbloc, considéré comme une fonction numérique à deux variables,en une somme de fonctions cosinus oscillant à des fréquencesdifférentes.
  192. 192. 192Compression des imagesCompression des images● La norme JPEG (Joint Photographic Expert Group )✔ La transformée DCT s’exprime mathématiquement par :✔ Et la transformée DCT inverse s’exprime par :✔ Dans les deux cas la constante vaut 1 si x>0 et 1/racine(2) sinon
  193. 193. 193Compression des imagesCompression des images● La norme JPEG (Joint Photographic Expert Group )
  194. 194. 194Compression des imagesCompression des images● Lutilisation des fractales :✔ La compression fractale est une méthode de compression dimageencore peu utilisée aujourd’hui. Elle repose sur la détection de larécurrence des motifs, et tend à éliminer la redondanced’informations dans limage.✔ Cest une méthode destructive puisque lensemble des données dedépart ne se retrouve pas dans limage finale. Il existe plusieursméthodes (subdivision de triangles, Delaunay etc.) mais lacompression par la méthode Jacquin est la plus connue.✔ Lidée de base est la description des images par des équationsainsi limage est définie par des transformations et non point parpoint .Ce fait engendre :• On peut obtenir un taux de compression de 30:1 sans effet de masaique .• Mais ça nécessite beaucoup de puissance et un temps de compressionénorme .
  195. 195. 195Compression des imagesCompression des images● Le codage par ondelette :✔ Le principe est de décomposer limage en de multiples images defaibles résolutions .✔ La compression se compose donc des étapes suivantes1. Transformations par ondelettes.2. Quantification : les valeurs des images de détails inférieures à un certainniveau sont éliminées, en fonction de l’efficacité recherchée. C’est cetteétape qui introduit des pertes.3. Codage des valeurs restantes.✔ Les principaux avantages par rapport à JPEG sont :• Le fait que l’algorithme s’adapte mieux aux propriétés locales de l’image.• On peut atteindre des taux de compression d’environ 50 contre 15 pourJPEG tout en ayant une qualité d’image raisonnable.
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×