Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Institut Universitaire de Technologie de Tours Département Génie Électrique et

Institut Universitaire de Technologie de Tours Département Génie Électrique et Informatique Industrielle Mr. Brault Mme. Dougherty Les formats de compression d'image Les formats de compression d'image Les formats de compression d'image Les formats de compression d'image Promotion 2002-2004 MICHOT Julien 2ème Année, groupe B1 Institut Universitaire de Technologie de Tours Département Génie Électrique et Informatique Industrielle Mr. Brault Mme. Dougherty Les formats de compression d’image Les formats de compression d’image Les formats de compression d’image Les formats de compression d’image Promotion 2002-2004 MICHOT Julien 2ème Année, groupe B1 Sommaire INTRODUCTION I. CARACTERISTIQUES D’UNE IMAGE..................................................................5 1. GENERALITES..............................................................................................................5 2. LE CODAGE DE LA COULEUR........................................................................................7 3. DIFFERENTES FORMES D’IMAGES...............................................................................10 II. CODAGES ET COMPRESSIONS D’UNE IMAGE ..........................................11 1. LE FORMAT RLE .......................................................................................................11 2. LA COMPRESSION RL.................................................................................................12 3. LE CODAGE DE HUFFMAN..........................................................................................13 4. LA COMPRESSION LZW ............................................................................................14 5. LE MODE DE COMPRESSION JPEG..............................................................................17 III. LES METHODES DE COMPRESSION RECENTES.......................................21 1. LA COMPRESSION FRACTALE .....................................................................................21 2. LA COMPRESSION PAR ONDELETTES ..........................................................................23 CONCLUSION RESUME ............................................................................................................................26 TABLE DES ILLUSTRATIONS .....................................................................................27 BIBLIOGRAPHIE.............................................................................................................28 ANNEXES ..........................................................................................................................29 4 Introduction C’est avec l’apparition des ordinateurs, et surtout avec Internet, que les images sont devenues omniprésentes et prépondérantes. En effet, quoi de plus précis qu’une image ? Il faudrait plusieurs pages de texte pour décrire une simple photographie, ou un schéma… Cependant, si dans la rapidité d’information l’image détrône facilement le texte, celle-ci devient vite lourde de données, donc excessivement longue à transmettre et à traiter. Voilà pourquoi depuis quelques années, les centres de recherche en informatique dépensent de nombreuses heures sur des algorithmes de compression. Afin de limiter la taille, ou le poids, d’une image, nous devons la compresser, c’est-à-dire éliminer les informations inintéressantes ou redondantes. Il existe de nos jours plus d’une vingtaine de formats de compression, spécifiquement dans la compression d’image (.gif, .jpeg, .bmp…), ayant chacun leur propre méthode de codage, ou cumulant plusieurs algorithmes, mais tous sont complémentaires. Étant donné la nature de vulgarisation de ce rapport, ainsi que la limitation du nombre de page qu’il nous est imposé, nous n’expliquerons que succinctement quelques différentes méthodes de compression, en délaissant l’approfondissement mathématique des codages. Nous présenterons dans un premier temps les caractéristiques d’une image, en tant qu’entité informatique, puis nous analyserons les principes de codage et de compression d’une image, avec quelques exemples de format. Enfin, nous étudierons les deux « futures » méthodes de compression les plus prometteuses : la compression par fractale et par ondelette. 5 I. Caractéristiques d’une image Pour comprendre comment fonctionne la compression d’image, nous devons tout d’abord savoir ce qu’est une image, quelles sont les différentes représentations informatiques, par quels moyen peut-on réduire la taille des fichiers, comment représenter les couleurs bref autant de choses qu’il est nécessaire de détailler dans une première partie. 1. Généralités a. Notion de pixel En informatique, et ce pour des raisons de gain de place, une image est composée d’un ensemble de points, appelés pixel (abréviation de PICTure Element). Ces pixels sont regroupés en lignes et en colonnes afin de former un espace à deux dimensions. Chaque point sera représenté par ses coordonnées (X,Y), avec X l’axe orienté de gauche à droite, et Y l’axe orienté de haut en bas. Figure 1. Pixels b. Représentation de la couleur En plus de ses coordonnées planaires, un pixel se caractérise par sa pondération, appelée aussi profondeur de codage, qui représente sa couleur ou son intensité. Cette valeur peut être codée sur un nombre n différent de bits (ou octet) selon les méthodes de codage de la couleur utilisées. Les standards les plus répandus sont n=1 bit (noir ou blanc), n=4 (16 couleurs ou 16 niveaux de gris), n=8 bits (256 couleurs ou 256 niveaux de gris) … Les différents codages de la couleur seront évoqués dans la partie I.2. On appelle la palette de couleur, l’ensemble des couleurs que peut contenir une image. Il est fréquent de voir des images qui n’utilisent jamais certaines couleurs, il devient dès lors intéressant de limiter la palette de couleur en ne sélectionnant que la ou les couleurs utilisées réellement par l’image. Il suffit pour cela, d’attribuer un nombre à la couleur, et de copier la correspondance chiffre-couleur dans l’entête de l’image (utilisée lors du décodage). c. Taille et définition d’une image 6 Pour connaître la définition (en octets) d'une image, il est nécessaire de compter le nombre de pixels que contient l'image, cela revient à calculer le nombre de cases du tableau, soit la hauteur de celui-ci que multiplie sa largeur. La taille (ou poids) de l'image est alors le nombre de pixels que multiplie la taille de chacun de ces éléments. Les définitions les plus répandues sont 640 x 480, 600 x 800, 1024 x 768 pixels… Prenons l’exemple d’une image 1024 x 768, dont la couleur est codée sur 24 bits (1 octet pour les nuances de rouge, 1 pour le bleu et 1 octet pour le vert, codage True color ou RGB) - Nombre de pixels : 1024 x 768 = 786432 pixels - Poids de l’image : 786432 x 3 = 2359296 octets - soit une image de 2359296 / 1024 = 2304 Ko, ou 2304 / 1024 = 2,25 Mo, ce qui est assez conséquent, surtout lorsqu’on veut transmettre l’image… d. Deux types de compression L’enjeu de la recherche sur la compression d’image est de trouver un moyen de diminuer la taille d’une image, tout en essayant de limiter la dégradation due à la compression. Il existe deux grandes familles d’algorithme de compression : la non-destructrice et la destructrice. La première restitue une image totalement identique à l'original, il n’y a donc aucune perte d’information. Cette famille d’algorithme est essentielle dans nos ordinateurs, la totalité des programmes d'archivage sont bâtis sur cette technique de compression sans perte d'information. Le principe courant de ces programmes est de réduire les séquences d’information redondantes. La méthode destructrice délivre après compression une image différente, elle contient beaucoup moins d’information que l’original, certains détails auront été éliminés lors du codage. Cette modification est plus ou moins visible, selon le degré de compression. L’attrait de cette famille est qu’elle peut obtenir un rendement formidablement grand. Cependant, on ne peut utiliser ce genre de compression que pour des sons, vidéos et images, mais pas sur des fichiers ou sur du texte puisque ceux-ci ne doivent subir aucune dégradation. On appelle ratio le rapport entre la taille d’une image non compressée et la taille de la même image, mais compressée. Le taux de compression étant l’inverse du ratio, un ratio de n : 1 est équivalent à un taux de n 1 . Ainsi, avec une image de 2 Mégaoctets non compressée, et 7 avec un algorithme de ratio 4 : 1 (ou par équivalence, avec un taux de compression de 4 1 ), nous devrions obtenir une image compressée de taille 0,5 Mo ( 5 , 0 4 1 2 = × ) . . 2. Le codage de la couleur Pour représenter sur un périphérique externe, un écran par exemple, la couleur d’un pixel, nous avons besoin de codifier la couleur sur un ou plusieurs octets. En effet, la lumière est une onde, et la couleur varie en fonction de la longueur de cette onde. Comme tout signal analogique, nous avons besoin de numériser cette donnée. Nous allons donc parcourir les codages de couleur les plus répandus, qui se différencient par leur mode de représentation de la couleur. - Le codage RGB1 correspond à la façon dont les couleurs sont codées informatiquement, ou plus exactement à la manière dont les tubes cathodiques des écrans d'ordinateurs représentent les couleurs. Ce codage réserve un octet pour chaque couleurs (Rouge, Bleu et Vert). Aussi, nous obtenons 256 intensités de rouge (28), 256 intensités de vert et 256 intensités de bleu, soient 16 777 216 possibilités théoriques de couleurs différentes, c'est-à- dire plus que ne peut en discerner l’œil humain (environ 2 millions). Cependant, cette valeur n'est que théorique car elle dépend fortement du matériel d'affichage utilisé. Etant donné que le codage RGB repose sur trois composantes proposant la même gamme de valeur, on le représente généralement graphiquement par un cube dont chacun des axes correspond à une couleur primaire : Figure 2. Représentation graphique du codage RGB - Le codage TSL2 (ou HSL), inventé grâce aux travaux du peintre Albert H.Munsell , est un modèle de représentation dit "naturel", c'est-à-dire proche de la perception physiologique 1 Rouge, Vert, Bleu ou en anglais :Red, Green, Blue 2 Teinte, Saturation, Luminance ou en anglais : Hue, Saturation, Luminance 8 de la couleur par l’œil humain. Le modèle RGB aussi adapté soit-il pour la représentation informatique de la couleur ou bien l'affichage sur les périphériques de sortie, ne permet pas de sélectionner facilement une couleur. En effet, le réglage de la couleur en RGB dans les outils informatiques se fait généralement à l'aide de trois glisseurs ou bien de trois cases avec les valeurs relatives de chacune des composantes primaires, or l'éclaircissement d'une couleur demande d'augmenter proportionnellement les valeurs respectives de chacune des composantes. Ainsi le modèle HSL a-t-il été uploads/Science et Technologie/ rapport-images-pdf.pdf