TPE LA COMPRESSION D'IMAGES NUMERIQUES PAR LE JPEG

Dimension: px
Commencer à balayer dès la page:

Download "TPE 2003-2004 LA COMPRESSION D'IMAGES NUMERIQUES PAR LE JPEG"

Transcription

1 TPE LA COMPRESSION D'IMAGES NUMERIQUES PAR LE JPEG Classe : Terminal 5 du Lycée Brizeux Quimper Élèves : Fabien Menou Loïc Gueguen Benjamin Trempont Thème : Images Problématique : «Comment deux images qui semblent identiques peuvent-elles prendre un espace mémoire différent?» Professeurs : mathématiques : Mr Bozec physique/chimie : Mme Richard Source du téléchargement : Contact : webmaster@startjeux.com

2 Sommaire : Introduction : I/Le Système de couleurs YUV 1)Pourquoi changer le système de couleur? 2)Détermination mathématique des coefficients de "passage" 3)Quels sont les effets visibles et les limites de cette compression? Conclusion II/ La transformée en cosinus discrète (DCT) et la quantification 1)Le principe théorique de la DCT 2)L'application de la DCT dans la norme JPEG 3)La quantification III/Compression non destructrice 1)La Compression RLE ou RLC 2)La Compression Huffman Conclusion Glossaire Bibliographie

3 Introduction : La compression est une méthode très fréquemment utilisée qui touche le domaine de l'informatique, mais pour comprendre ce concept il faut avant tout faire une petite introduction sur la mémoire de l'ordinateur, en effet quand on parle de compression des données c'est cette espace mémoire qui sera réduit via la compression. La mémoire d'un ordinateur est constituée d'une suite de bits qui se suivent les uns à la suite des autres, un bit est le plus petit élément de la mémoire d'un ordinateur qui peut prendre deux valeurs possible, soit 1 ou soit 0, ce qui correspond à un état stable ou instable. Exemple d'une suite de bits : Mais dans l'ordinateur, les bits sont regroupés par groupe de huit bits, que l'on appelle octet, ainsi les données de la mémoire sont mieux hiérarchisées. De plus, l'ordinateur associe à chaque octet de la mémoire un numéro d'octet, c'est-à-dire que l'on peut demander à l'ordinateur la valeur d'un octet en donnant le numéro physique associé dans la mémoire à un octet, ces numéros varient bien évidement de 0 à la taille de l'espace mémoire de l'ordinateur et croît de un en un à chaque octet qui se suivent dans la mémoire. Si on reprend l'exemple d'au-dessus, on aura par exemple : bits dans la mémoire : numéro associée à chaque octet : Mais que représente ces 1 et ces 0 dans la mémoire? Et bien ils représentent des nombres comme nous avons l'habitude de travailler dessus mais au lieu d'être en base 10, ils sont en base 2 d'où l'appellation binaire car l'ordinateur ne peut «comprendre» que cette base. Voici un exemple de nombre en base 10, décomposé : 108 = 10 2 x x x 8 Pour passer d'une base 10 en base 2, on effectue des divisions euclidiennes successives par 2 sur le nombre en premier puis sur les quotients de la division précédente. Les restes que l'on obtient au fur et à mesure sont les chiffres du nombre en base 2. Voici un exemple avec 108 : En mettant bout à bout, le quotient de la dernière division puis les restes des divisions jusqu'au premier reste de la première division, on obtient 108 en binaire qui vaut Pour revenir en base 10 à partir de ce nombre binaire, il suffit de traiter chaque chiffre binaire en le multipliant par 2 avec l'exposant du rang où ce chiffre appartient en commençant par 0 et enfin on fait la somme de l'ensemble

4 des résultats obtenus. Voici un exemple illustrant le changement du nombre en base 2, en base décimale : 108 en base 2 : Valeur en base 10 de 108 : 108 = 2 7 x x x x x x x x1 On pourra bien entendu étendre la valeur d'une variable à plusieurs octets si on a besoin de travailler avec des plus grands nombres mais ici on se limitera souvent à 1 octet pour une valeur. Qui pourra ainsi avoir une valeur variant de 0 à 255 ou alors de -127 à 128 (par norme) si le bit du rang 7 représente le signe du nombre. Maintenant que nous savons comment sont représentées les données dans l'ordinateur il faut savoir comment une image est représentée. Pour mieux cerner le problème nous allons prendre l'exemple de la numérisation d'une photo via un appareil photo numérique. Il est en fait constitué de lignes et de colonnes de capteurs de lumière (capteurs photosensibles). Plus il y a de capteurs, plus l'image sera de qualité. Chaque capteur décompose la lumière qu'il reçoit en un signal électrique qui sera lui-même ensuite transformé en données numérique. Pour chaque capteur il y aura trois octets de données pour décomposer l'image en trois composantes qui sont le rouge, le vert et le bleue : ce sont les couleurs primaires d'un faisceau lumineux. On appelle ce morceau de l'image, un pixel : c'est le plus petit élément composant une image. Un capteur sur ce type d'appareil photographique est à l'échelle microscopique, ils sont donc très nombreux. En fin de compte, pour chaque composante lumineuse on aura un tableau de valeurs qui aura n*m valeurs. La variable m représente le nombre de lignes de capteurs et n le nombre de colonnes de capteurs. En général, un appareil photo numérique possède 800*600 pixels, cette résolution peut être moins grande ou beaucoup plus grande également. Donc pour une composante on aura 800*600 octets c'est-àdire octets. Mais comme, on a trois composantes pour cette images, la taille de cette image sera donc de 800*600*3 = octets 1,37 Mo. Or, la mémoire des appareils photos numériques est limitée et vaut 10 Mo environ mais cette valeur peut être beaucoup moins élevée ou au contraire beaucoup plus grande, ainsi l'appareil photo numérique ne pourrait pas prendre plus de 7 photos! Imaginez si nous avions à enregistrer une vidéo numérique à 24 images par secondes, un film de 1h30, prendrait 173,81 Go soit environ 249 CD-Rom et encore sans le son! On se rend vite compte que c'est strictement impossible et des techniques de compression d'image ont été mises en place pour contrer ce problème. A travers cet exposé, nous allons analyser, une norme de compression qui est le JPEG (pour Joint Photographic Experts Group). Pourquoi cette norme en particulier? C'est actuellement la norme la plus utilisée pour la compression d'images numériques que ce soit pour internet, ou pour les appareils photos numériques par exemple. De plus, il permet à l'utilisateur de choisir un facteur de qualité, c'est-àdire qu'il peut choisir une image qui sera de très bonne qualité mais qui prendra beaucoup d'espace

5 mémoire ou alors une image de moins bonne qualité mais qui prendra également moins de mémoire mais pourtant avec certains facteurs qualités, on a deux images de qualité identique à première vue mais qui prennent des espaces mémoires différents. Ainsi on s'est posé la problématique suivante : «comment deux images qui semblent identiques peuvent-elles prendre un espace mémoire différent?». Cet exposé va répondre à cette problématique en analysant l'ensemble des traitements que la compression JPEG fait à une image non compressée.

6 I) Le Système de couleurs YUV Tout d'abord, il faut définir le terme qui semble ambigu. Une image numérique est découpée en pixels, carrés de couleurs (ou de teintes de gris allant du blanc au noir) comme nous l'avons précédemment vu dans l'introduction. Au départ, lorsque l'on ne compresse pas l'image, chaque pixel est caractérisé par 3 composantes de base (format BMP ou BITMAP), la composante R, qui défini les domaines de nuances rouges, le V qui défini les domaines de nuance vertes et en dernier lieu le B, qui s'occupe de la couleur bleue. Ce qui nous donne au final un pixel codé en RVB (ou aussi appelé RGB). Le principe de la compression YUV est tout simplement d'optimiser ce codage couleur. En effet, au lieu de décomposer le pixel en 3 couleurs, on le décompose en 3 "caractéristiques" qui sont la luminance ou luminescence (Y ou Brigthness en anglais), la chrominance bleue (Cb ou U, tons de bleu), ainsi pour finir que la chrominance rouge (Cr ou V, tons de rouge). Tout cela dans le but de compresser l'image grâce aux caractéristiques de l'oeil qui est, pour nous humain, plus sensible au variations d'intensité lumineuse qu'au variations dans l'échelle des teintes (chrominance), mais nous allons développer tout cela plus en détails dans la suite de la partie. 1) Pourquoi changer le système de couleur? Comme toute étape d'un format de compression, ce passage en YUV (ou YCbCr) a pour but une exploitation optimisée du format d'image et donc aussi une compression par étapes. Ici ce changement possède les deux avantages, il compresse et rend l'image exploitable pour la DCT (Discrete Cosine Transform), deuxième étape de compression qui sera développée ultérieurement dans notre TPE. Pour mieux expliquer comment fonctionne ce passage et quels en sont les gains, nous allons prendre un exemple d'image formée par un bloc de 64 pixels (8x8 pixels) au format bitmap donc codée en RGB. Nous allons tout d'abord devoir appliquer une donnée de luminance a chaque pixel, étant donné que cette dernière est très importante dans une image, le passage en YUV va donc la garder pour chaque pixel. Ensuite, au lieu de définir une donnée pour chaque couleur (R V et B), nous allons prendre des blocs de 2x2 pixels et leur appliquer une composante Cb et une composante Cr, il ne nous reste plus que, dans ce même bloc de 4 pixels, 4 informations de luminance et 2 pour la chrominance (une Cb et une Cr), ce qui nous fait au total 6 octets pour le codage couleur sur un bloc de 4 pixels au lieu de 12 octets (4 pixels multiplié par 3 composantes). Nous avions pris une image de 64 pixels, qui pour des couleurs codées en RGB, pèse 3x64= 192 octets alors que notre image au format YUV ne pèse que (4+2)x16= 96 octets. Nous gagnons donc la moitié d'espace mémoire. Bien sur ces espaces mémoires ne sont que la partie couleur de l'image, ces 2 images auront des "poids" différents sur l'ordinateur, car après cette compression interviennent d'autres compressions. Voici un schéma qui illustre ce que nous avons décrit ci-dessus:

7 ( Cb = V et Cr = U) 2) Détermination mathématique des coefficients de "passage" Bien entendu, nous sommes parvenus a fixer les composantes Y, U et V grave a différentes méthodes physiques et mathématiques. La luminance Y étant la donnée fondamentale de l'image, nous la déterminons en premier lieu en faisant une moyenne pondérée des composantes RGB, ensuite nous procédons a l établissement des formules de passage des autres composantes, a savoir la chrominance rouge et la chrominance bleue. Ce qui nous donnera : Y = 0.3R V B. U = R V + 0.5B V = 0.5R G B A partir de ces équations, nous pouvons également revenir de ces composantes YUV aux composantes RVB : R = Y (Cr 128) G = Y (Cb 128) (Cr 128) B = Y (Cb 128) La luminance est une quantité physique objective, c est l intensité des radiations lumineuses par unité de surface considérées (en lumen, ou lux par mètre carré). Cette dernière va de 0 (luminance du noir) à 255 (luminance du blanc), car on admet qu il y a 256 échelles de gris allant du noir au blanc. On mesure la luminance par des récepteurs photoélectriques : on fait les mesures pour chaque composante RVB, on divise ensuite par la somme des trois résultats. Ainsi on obtient les coefficients donnés sur la page précédente. Puis grâce a cela, on détermine les coefficients Cb (V) et Cr (U). Mais avant cela nous devons représenter nos 3 composantes dans un repère orthonormé (unités équivalentes sur les 3 axes, ainsi que des axes perpendiculaires entre eux). Voici le repère en détails que nous expliquerons plus bas.

8 U et V doivent être respectivement dans le plan (R,Y) et (B,Y), car elles dépendent évidemment de ces deux données qui sont leurs chrominances respectives et la luminance. Pour que ces composantes soient bien distinctes, on doit toutes les mettre dans un plan orthogonal aux deux autres, ainsi, pour se faire, on doit poser U et V de telle forme que : U = a x (R-Y) et V = b x (B- Y). On obtient donc bien une «base orthogonale» comme RVB. Dans ces 2 formules, on choisit a et b arbitrairement et on ajoute 128 pour que U et V restent bien comprises entre 0 et 255. Dans les formules, on a posé a = et b = 0.565, ce qui permet bien, après vérification, aux 2 composantes de rester dans des valeurs comprises entre 0 et 255. En effet pour Cb et Cr, si on regarde bien pour Cb par exemple (ceci est aussi et bien sur valable pour Cr), = 0.5, or dans la formule nous avons +0.5B, si R, V et B sont comprises entre 0 et 255 et que nous n ajoutons pas 128, nous aurons des valeurs comprises entre -128 et +128, or des valeurs négatives n existent pas ici en terme de «données». 3) Quels sont les effets visibles et les limites de cette compression? Théoriquement et mathématiquement, cette transformation est bijective, c'est-à-dire qu on peut l effectuer dans un sens, comme dans l autre en re-écrivant l équation de façon à isoler les inconnues qui nous intéressent. Mais en pratique, une fois la compression faite, on ne peut pas revenir en arrière, car cette compression effectue une moyenne de chrominance par 4 pixels et pour 4 pixels. On ne peut donc plus retrouver les valeurs initiales de chaque pixel puisque les 3 autres pixels le bordant ont la même donnée de chrominance. Visuellement, on ne décèle la compression qu en regardant les endroits bien précis de l image ou en prenant une image très petite (en général, des phots numériques sont très «grandes», ou hautement définies, c'est-àdire comportant un nombre énorme de pixels, il est donc impossible pour nos yeux de trouver un défaut sur une photo complexe). Voici quelques exemples ou la compression se «voit» :

9 On voit très nettement la différence regardez la couleur de fond de l image et les coins de plus près. Ce ci montre bien que la compression YUV, et même plus généralement JPEG n est pas recommandée dans le cas de petites images ou de formes géométriques parfaites possédant des angles tels les carrés ci-dessus. Conclusion : La conversion YUV, couramment utilisée dans les algorithmes de compression d images tel le JPEG dans ce TPE, s avère très avantageuse des lors qu elle est utilisée à des fins précises comme la retouche photographique ou le stockage numérique, mais garde des limites et des défauts comme toute compression.

10 II/La transformée en cosinus discrète (DCT) et la quantification : 1)Le principe théorique de la DCT : La transformée en cosinus discrète est une transformation mathématique complexe qui a pour but dans la compression JPEG de transformer le domaine de représentation de nos données, c'est-àdire de passer d'un domaine spatiale à un domaine fréquentiel, ce que fait également sa grande soeur la transformée de Fourier, en effet après les transformations de visualisations nos données restent toujours dans un domaine spatiale à trois dimensions où x et y représentent un point de l'image (ou un point sur l'écran), ou plus précisément un élément de la matrice de pixel, avec une valeur pour chaque élément de cette matrice représentant l'intensité de couleur pour une des composante Y, Cb ou Cr, c'est-à-dire l'axe z dans un repère à trois dimension(l'image en dessous montre un signal en 3 dimensions), mais comme nous l'avons vu notre oeil est moins sensible à certaines données de l'image et le but de la transformée en cosinus discrète est de passer dans un domaine fréquentiel, ce qui nous permettra de trier efficacement l'ensemble des données de l'image et ainsi supprimer certaines données de l'image où l'oeil humain ne verra que très peu de différences : les hautes fréquences de l'image tout en gardant les données majeures de l'image qui sont les représentées par les bases fréquences. L'image dans un domaine spatial, a ses données non ordonnées et on voit bien qu'en supprimant même très peu de valeurs de l'image et bien cette perte se voit tout de suite, ainsi la DCT permettra de séparer les données majeures des données moins utiles pour mieux les manipuler par la suite. L'image en dessous montre la suppression de certaines données en remplaçant un carré de couleurs proches par une couleur uniforme, cette «perte» se voit immédiatement.

11 Les hautes fréquences représentent les zones à forts contrastes dans l'image, ce qui signifie lorsqu'il y a un changement brutal de couleurs dans l'image, comme par exemple, une image qui a d'un côté une couleur noire et de l'autre côté une couleur blanche. Voici cette image qui montre un très fort contraste : En reprenant l'image d'au-dessus et en changeant le contraste de l'image en l'abaissant comme le fait n'importe quel logiciel de traitement d'image, on obtient une nouvelle image et on voit bien que les bases fréquences représentent les zones qui n'ont pas de changement brutaux de couleurs dans l'image, représentant ainsi une plage de couleurs uniformes:

12 Affichons un exemple d'image qui nous démontre l'importance du contraste sur les images compressées via la norme JPEG, voici une image à fort contraste non compressée : Les discontinuités entre le disque bleu et son fond blanc, peuvent être considérées comme des zones à forts contrastes et en compressant cette image via la norme JPEG, on obtient très rapidement, même avec des facteurs de qualités petits, des dégradés qui se forment entre la couleur du disque et le fond blanc. Ce qui signifie qu'en supprimant les hautes fréquences de l'image on supprime les parties de l'image qui ont de forts contrastes, donc cette image a tendance à linéariser ses couleurs pour avoir des dégradés de couleurs comme on le voit sur l'image en-dessous, mais cette linéarisation n'est pas forcement un beau dégradé comme on aimerait avoir, cela donne souvent un rendu pas très agréable pour l'oeil et donc un résultat non cohérent par rapport à ce que représente l'image : Cette transformation est une transformation avec le qualificatif «discrète», car on a affaire à un signal non continue, en effet, comme on l'a vu avec l'appareil photo numérique, et bien celui-ci va prendre grâce à ses capteurs une valeur pour chacun des récepteurs photosensibles, et ainsi avec ce

13 prélèvement de valeurs, on aura affaire à un signal à trois dimensions discret car il y aura comme un «saut» entre une valeur et celles qui sont autour d'elle comme le montre l'image en dessous d'une dimension de 4*4 pixels : Afin de mieux comprendre le fonctionnement de cette transformation on va d'abord étudier comment une variante de la DCT agit sur un signal à deux dimensions, en effet ce type de signal est plus courant et surtout beaucoup plus intuitif et donc mieux compréhensible. Ce type de signal se retrouve très fréquemment comme par exemple lorsque l'on a un repère orthonormé où l'axe des abscisses est le temps et l'axe des ordonnées représente les amplitudes comme on a souvent affaire en physique. L'enregistrement d'un signal sonore est un exemple de ce type de signal qui utilise également une compression du même genre que celle de la transformée en cosinus discrète dans le célèbre format MP3. Dans notre exemple ici, on va considérer juste une image qui a pour dimension 8 colonnes sur une seule ligne, de plus on ne considère qu'une seule composante de l'image car la transformée en cosinus discrète s'applique séparément pour chacune des composantes de luminance et des deux chrominance. Pourquoi ne considère-t-on qu'une seule ligne? Tout simplement parce qu'on pourra considérer qu'à chaque unité d'abscisse on a un pixel avec une valeur comprise entre 0 et 255 représentant l'intensité lumineuse en ordonnée. Voici le tableau des huit valeurs que l'on considère : Valeurs : Juste en dessous, on a la représentation visuelle de ces valeurs en considérant la valeur 255 comme étant le blanc, 0 le noir et toutes les autres valeurs comprises entre 0 et 255, des couleurs intermédiaires : Enfin, on a un repère orthonormé affichant la représentation de l'ensemble des pixels avec des flèches bleues pour les amplitudes des pixels sur l'axe des ordonnées et en allant d'unité en unité d'abscisse on a les pixels de gauche à droite de l'abscisse 0 à l'abscisse 7. De plus, j'affiche une fonction (une parmi d'autres) qui passe par les points représentant les pixels : Le but de la DCT ou de l'une des transformation de la même famille est de transformer les données que l'on a dans un domaine fréquentiel, après cette transformation on obtient un spectre de fréquences qui décrit notre signal en une comme de fonctions sinus pour cet exemple. Voici le spectre que l'on obtient après transformation :

14 A partir, ce ce spectre, il nous est facile de retrouver le signal que l'on avait au départ, il suffit de faire la somme des fonctions sinus en fonction de leur fréquence et de leur amplitude. Pour cette exemple, notre signal de départ a alors pour équation : f(x) = 200*sin(2*pi*x*0.0625) + 100*sin(2*pi*x*0.125) + 50*sin(2*pi*x*0.3125) (pour le premier terme, 200 représente l'amplitude, et de la fréquence, même principe pour les termes qui suivent) En-dessous, nous avons la représentation de cette fonction qui passe bien par les points représentant nos pixels. Ainsi, on se rend compte qu'il est facile de supprimer certaines données de l'image de façon cohérente, en supprimant certaines fréquences du signal. On va juste conserver dans le signal, les deux fréquences les plus bases qui le décrivent pour montrer un exemple de perte de données. Voici à présent, l'image que l'on obtient, avec l'image originale juste en dessous, certes il y a une différences mais qui n'est pas si énorme et ce principe est celui utilisé par la transformée en cosinus discrète :

15 2)L'application de la DCT dans la norme JPEG : Après avoir vu, le principe théorique général de la DCT et donc l'objectif qu'elle devait atteindre avec pour principal exemple un signal en deux dimensions, il est temps d'expliquer son application à un signal en trois dimensions et donc à une image. En effet, ici on ne considère plus un signal en deux dimensions comme on travaille souvent dessus maissur trois signaux en trois dimensions, un pour chacune des composante donc l'application de la transformée en cosinus discrète s'applique sur chacune des composante séparément. De plus, il faut savoir qu'on ne peut appliquer la DCT que sur une matrice carré donc l'image que l'on a doit être découpée en bloc de N*N pixels, si les dimensions de l'image ne sont pas des multiples de N, alors l'image est agrandie sur la droite et/ou sur le bas de façon a avoir des dimensions qui soient des multiples de N, avec ces nouveaux pixels qui prennent pour valeurs, les mêmes que les pixels les plus à droite ou les plus en bas de l'image. On définit DCT(i, j) comme étant l'élément à la colonne i et à la ligne j de la matrice après la DCT, avec i et j variant de 0 à 7. Img(x,y) représente l'élément de la matrice carré de pixels N*N à la colonne x et à la ligne y avec x et y variant de 0 à 7. L'application de la DCT se fait donc sur chacune des matrices N*N prisent séparément. En gardant les mêmes notations, voici la formule de la DCT, avec Img la matrice de pixel avant transformation et DCT, les données après la DCT : N représente la taille de la matrice carré, mais elle est en général égale à 8 mais cette valeur pourrait être plus grande mais au détriment des calculs car pour chacun des N*N coefficients on a N*N additions et 2*N*N multiplications environ. Si N vaut 8, on a 64*64=4096 additions à calculer pour une matrice 8*8 et 8192 multiplications environ, ce qui est déjà énorme pour un bloc de seulement 8*8 pixels! La valeur 8 a donc été choisie car c'est un bon compromis entre la qualité de l'application de la DCT et la rapidité des calculs, de plus, au delà d'un bloc de 8*8 pixels, il n'y a en général plus beaucoup de rapport entre les pixels au niveau de leurs variations de couleurs. On va maintenant expliquer comment marche cette transformée, mais pour mieux la comprendre on va commencer par se limiter à une image d'une ligne de huit pixels, on étendra après le principe sur huit lignes. On garde donc la valeur 8 pour la variable N. On va donc commencer par construire 8 fonctions de base nécessaire pour décrire nos pixels, qui ont des fréquences de plus en plus élevées. Voici les huit fonctions de base qui sont après l'équation de leur courbe avec i variant de 0 à 7 de la fonction :

16

17 Le but de la DCT est de calculer un coefficient pour chacune de nos fonctions en fonction des données de nos huit pixels, c'est-à-dire huit coefficients en tout. On numérote les huit pixels en leur donnant un indice de 0 à 7 de gauche à droite dans la représentation spatiale. Donc après cette transformation nous aurons toujours huit valeurs d'où aucun gain d'espaces mémoire. Pour le calcul d'un coefficient d'une fonction, on décrit la fonction considérée seulement avec huit valeurs (les ordonnées des abscisses de 0 à 7 par la fonction f i ) et pour chacune des valeurs que l'on a, on l'a multiplie par la valeur du pixel avec le même indice, puis on fait la somme de ces huit multiplications pour avoir le coefficient d'une des fonction. On réitère cette opération pour nos huit fonctions. Voici un schéma illustrant cette opération pour une des fonctions de base : Le calcul d'un coefficient d'une des fonction de base, est calculer par rapport à la forme décrite par les valeurs de nos pixels. Plus la valeur absolue du coefficient de la fonction est élevé, plus il y a d'informations sur l'image stockées par le coefficient, à l'inverse plus elle est petite moins il y a d'informations sur l'image décrient par le coefficient de l'une des fonction de base. Par exemple, si on prend la fonction f3 et 8 pixels représentés par les colonnes bleues sur l'image en-dessous. Plus ces colonnes sont élevées, plus la valeur du pixel est grande. Après avoir multiplié cette valeur par l'ordonnée de la fonction au-dessus, on a le signe de ce produit, et en observant, la hauteur des colonnes bleues, on voit bien que la somme de ces huit multiplications c'est-à-dire la valeur de ce coefficient est élevé et que cette fonction décrit la forme de nos pixels.

18 En gardant la même fonction de base mais en changeant la valeur de nos pixels tels qu'ils aient la même couleur pour une des composante, alors on s'aperçoit qu'en faisant la somme des huit multiplications on obtient une valeur nul, donc ici le coefficient de cette fonction de base ne décrit pas la forme de nos pixels, ce qui confirme ce qu'on voit en comparant la courbe du dessus et la droite d'équation y=a avec a qui vaut la valeur des pixels car tous les pixels ont la même valeur. Ainsi, en calculant les huit coefficients de nos fonctions de base, on a la forme de notre image qui est décrite par ces valeurs qui représentent un spectre de fréquences. Ainsi pour retrouver nos données de départ, il suffit de faire comme on a fait pour le spectre que l'on avait dans le chapitre 1, c'est-à-dire que la fonction passant par la représentation de nos pixels, a pour équation la somme des multiplications de la fonction de base f i (x) (fréquence) par le coefficient de la fonction de base i(amplitude de cette fréquence). On a ainsi la valeur du pixel i qui vaut IDCT(i). La transformée inverse est donc assez simple à retrouver et vaut : On a ainsi vu l'explication de la transformée en cosinus discrète et sa transformée inverse sur une seule ligne de huit pixels. Pour étendre cette relation, à un bloc de 8*8 pixels, il suffit d'étendre nos formules en prenant en compte les fonctions de base horizontales et les fonctions de bases verticales. C'est ce qui a été effectué dans la première formule qui a déjà été donnée plus haut mais pour la transformée inverse non. Il faut donc ajouter, une seconde variable à DCT pour pouvoir localiser un élément de la matrice après la DCT. En ajoutant cette variable, il faut également ajouter un symbole sigma d'addition comme le premier en début de formule sauf qu'il concerne la nouvelle variable que l'on a ajouté et enfin il

19 faut multiplier le terme de la fonction cosinus par un terme de la même forme sauf qu'il concerne y au lieu de x, c'est-à-dire le domaine spatiale vertical. Au final, on obtient la transformée inverse en cosinus discrète, qui transforme la matrice N*N représentant le spectre de fréquences en la matrice IDCT de pixels que l'on avait au départ par la formule suivante : Ainsi, après la transformée en cosinus discrète on obtient un nouveau domaine de représentation de notre image qui est un domaine fréquentiel via un spectre de fréquences. D'après les fonctions de bases que l'on a crée, plus on va vers les éléments de droites et/ou du bas de la matrice 8*8 que l'on a maintenant, alors plus on se dirige vers les hautes fréquences de l'image, c'est-à-dire les zones de l'image à forts contrastes. C'est à l'étape qui suit que l'on considéra cette propriété et que l'on exploitera pour justement enlever ces parties de l'image car l'oeil humain, ne verra que très peu de baisse de qualité. 3)La quantification : La transformée en cosinus discrète appliquée sur une matrice carré, dans notre cas une matrice 8*8 n'a fait que transformer nos données maiselles sont facilement retrouvable dans leur état avant transformation, donc il n'y a pas eut de pertes d'informations jusqu'à présent sauf aux erreurs de précisions et d'arrondis mais il n'y a également pas eut de gains de place mémoire car il y a toujours autant de nombres dans la matrice c'est-à-dire 64 coefficients, la quantification est justement cette étape qui va permettre de réduire le poids de nos données. Cette étape divise chaque coefficient de la matrice 8*8 après la DCT par un coefficient d'une matrice carré de même taille que la précédente, donc ici dans notre cas, cette matrice sera de 8*8 éléments, il faut préciser que ce tableau de valeurs est spécifique pour chacune des composante de l'image, de même on a vu que la transformée en cosinus discrète s'applique sur des blocs de 8*8 pixels pour chacune des composantes prise séparément. Donc un élément de la matrice d'entrée qui est localisé par une colonne et une ligne et bien, le coefficient de la matrice de quantification qui est localisé par la même colonne et la même ligne divisera ce coefficient de la matrice d'entrée. Si Quant(i, j) représente l'élément de la matrice de quantification située à la colonne i et à la ligne j, avec ces deux variables variant de 0 à 7, on a alors nos nouvelles valeurs dans une nouvelle matrice Nx par la formule suivante : Nx(i, j)= DCT(i,j)/Quant(i,j) (où Nx(i,j) représente l'élément de la matrice à la colonne i et à la ligne j de la matrice après quantification) Mais comme arrive-t-on à réduire le poids d'un coefficient? En fait, cette étape est la seule étape destructrice de la norme JPEG, le tôt de compression d'une image va dépendre de la table de quantification que l'on aura. En effet plus un coefficient de cette matrice est grand, plus le coefficient de la matrice après la DCT, sera réduit, maisil sera également arrondi à l'entier le plus grand inférieur au nombre que l'on a après la division par le coefficient de quantification. Par exemple, si on a après la DCT un coefficient qui vaut 4 et que le coefficient de la matrice de quantification est 100, on a après quantification la valeur 0.04, mais comme cette valeur est arrondie à l'entier le plus grand inférieur à 0.04, on a la valeur 0. Comme on l'a vue précédemment le principe de la DCT est de trier nos données par fréquence, horizontales et verticales, plus on va vers les coefficients sur la droite, plus on sera dans les hautes fréquences horizontales qui sont moins importantes et plus on va vers les coefficients plus en bas, plus on ira vers les hautes fréquences verticales qui sont moins importantes. On a déduit que les données les plus importantes dans la matrice après la transformée en cosinus discrète se situent en haut à gauche de celleci, on peut donc attribuer dans la matrice de quantification des coefficients plus élevés plus on va vers la droite et vers le bas. Voici un schéma montrant deux flèches désignant deux sens des hautes fréquences :

20 La bonne manière de tirer partie des informations importantes du bloc 8*8 est de créer une équation qui prend en paramètre un facteur de qualité de 1 à 10 mais également le fait qu'il faut que les coefficients à droite et en bas aient des valeurs de plus en plus grandes lorsque l'on se dirige vers le coin en bas à droite. Voici l'exemple d'une équation qui prend en compte ces paramètres, où i et j représentent respectivement la colonne i et la ligne j avec Q(i,j) l'élément désigné dans la matrice de quantification: Q(i,j)=1 + ( 1 + i + j )*Facteur Ce n'est bien entendu qu'un exemple d'équation, on peut en créer une infinité et chaque logiciel utilise sa propre équation pour trouver le meilleur compromis entre qualité de l'image et sa taille. On peut également noter que chacune des diagonales doivent avoir des coefficients proches voir identiques, en effet sur cette droite, pour un coefficient donné, un autre coefficient de cette diagonale, sera plus dans les hautes fréquences horizontales mais plus dans les bases fréquences verticales, il y a donc comme un «équilibre» entre les coefficients d'une même diagonale. Sur l'image en-dessous, les lignes noires représentes ces diagonales et la flèche verte montre le sens où l'on monte de façon générale dans les hautes fréquences : Cette caractéristique à propos des coefficients d'une même diagonale est importante car elle servira par la suite pour avoir un maximum de valeurs identiques les unes à la suite des autres mais surtout une suite de zéro plus ou moins longue. En reprenant l'équation de la table de quantification, on a écrit un programme qui charge une matrice de pixel à partir d'un fichier de 8*8 valeurs et qui crée une matrice de quantification en fonction du facteur de qualité. Ce programme affiche les matrices de quantification et de pixels avant transformation et la matrice après les deux transformations mais également la matrice en utilisant les algorithmes inverses pour retrouver la matrice de pixel. On se rend bien compte qu'après les transformations, on obtient dans les deux cas, une matrice avec beaucoup de zéros à l'intérieur et que l'ensemble des valeurs ont tendance à être vers le haut à gauche, on se rend bien compte que les données pourront être beaucoup plus facilement réduite par rapport à la matrice de pixels du départ. De même, on se rend compte qu'en effectuant les algorithmes inverse on obtient une matrice de valeurs qui reste relativement proche de la matrice de départ, donc la perte de données est plus ou moins importante en fonction du facteur de qualité. Voici un aperçu des résultats que le logiciel donne pour les facteurs de qualité 5 et 17 :

21 Enfin si, on créer une table de quantification avec un facteur de qualité très élevé, par exemple 87, on obtient ce genre de résultats :

22 On voit ici qu'après la transformée en cosinus discrète, il ne reste plus d'un coefficient non nul dans la matrice, et la transformée inverse nous donne une matrice de pixels où chacun d'eux ont la même valeur donc la même couleur. Ce résultat signifie qu'à des taux de compression très élevés, nous aurons notre image qui commencera a avoir des blocs de N*N pixels qui auront la même couleur, on aura donc un effet de pixelisation c'est-à-dire où l'on verra de gros blocs de pixels qui auront la même couleur. Par exemple, si on a l'image originale juste en dessous, l'image compressée en JPEG un peu plus en dessous montre bien cette effet où l'on voit des blocs de couleurs uniformes ce qui donne un effet visuel pas très agréable pour l'oeil :

23

24

25 II/Compression non destructrice : Nous allons donc passer à la troisième étape de ce TPE, qui consiste à compresser, cette fois-ci sans perte d information. Il reste après la DCT, deux compressions pour la norme JPEG : La compression RLE (Run Length Encoding) ou RLC (Run Length Coding) et la compression Huffman. 1)La Compression RLE ou RLC Cette méthode de compression est l une des plus simples. Le principe est de remplacer une séquence de l éléments u identiques par un couple (u, l). C est à dire remplacer une addition par une multiplication. Exemple : JPPPPPPPPPPEEEEEEEEEEEEEEEEEEEEEEGGGGGGGGGGGGGGGGGGGGG On choisi un caractère spécial comme $, après la compression nous obtenons donc : J$10O$23A$21L Gain : 42 caractères soit 24% Cette méthode est très utile pour la compression JPEG, car comme vu dans la partie 2 suite à la compression du type DCT nous retrouvons une très grande suite de 0. Cette suite de 0 est beaucoup plus importante par une lecture en «zigzag» : Utilisons maintenant cette méthode au cas général : En premier temps on définit un caractère spécial (dans l exemple $) pour repérer le nombre de répétition du caractère, puis un seuil de répétition ( car cette méthode peut augmenter la taille des données si celles-ci comportent peu de suites de symboles identiques, d où la mise en place du seuil de répétition) Ensuite, on commence la lecture un par un de chaque caractère de la chaîne en suivant cet algorithme :

26 La compression RLE voit son utilité essentiellement pour la compression des images, une image étant composée de répétitions de pixels, de couleur identique, codés chacun par un caractère. 2)La Compression Huffman La méthode de compression Huffman consiste à diminuer au maximum le nombre de bits utilisés pour coder un fragment d information. Prenons l exemple d un fichier de texte : le fragment d information sera un caractère ou un suite de caractères. Plus le fragment sera grand, plus les possibilités seront grandes et donc la mise en œuvre complexe à exécuter. L algorithme de Huffman se base sur la fréquence d apparition d un fragment pour le coder : plus un fragment est fréquent, moins on utilisera de bits pour le coder. Par exemple dans un fichier texte, si on considère que notre fragment est la taille d un caractère, on peut remarquer que les voyelles sont beaucoup plus fréquentes que les consonnes : par exemple la lettre e est largement plus fréquente que la lettre x par conséquent la lettre e sera codée sur moins de bit que la lettre x : la lettre e peut être sur 2 bits et x sur 10 bits. Pour utiliser cet algorithme, prenons exemple pour un codage des caractères dans un texte : Il faut tout d abord créer un tableau à deux entrées : d une part les caractères de la chaîne, d autre part leur nombre de répétition. Ensuite il faut trier la liste par ordre croissant de fréquences. Puis construire l arbre à partir de la liste ordonnée de nœuds, il suffit de prendre les deux nœuds les moins fréquents et de les ajouter comme fils d un nouveau nœud qui aura pour fréquence la somme des deux. Si nous prenons par exemple un texte qui comporte :

27 5 F 9 E 12 C 13 B 16 D 45 A On prend les deux nœuds les moins fréquents (f et e), et on crée un nouveau nœud : Et ainsi de suite jusqu à ne plus avoir qu un seul nœud. Après cela, pour avoir le codage de chacune des lettres, on complète l arbre : descendre vers la gauche équivaut à un 0 vers la droite à un 1 :

28

29 On en déduit donc le codage suivant : LETTRES Nombre de répétitions Bits associés avec Huffman Nombre de bits f e c b d a Sur cet exemple nous voyons très bien que le a, apparaissant 45 fois est codé grâce à cette compression sur un seul bit, sans cet méthode il aurait très bien pu être codé sur 4 bits et la lettre f sur 1 bit! Voilà donc pourquoi cette compression est importante. Il existe 3 variantes de cet algorithme :

30 - Non adaptive : l arbre est élaboré à partir d une table des fréquences fixe ce qui fait qu il est adapté à un seul type de donnée, et dans certain cas le fichier sera plus important après la compression. - Semi adaptive : On lit une fois le fichier à compresser pour créer la table des fréquences, puis on s en sert pour compresser le fichier. C est la méthode la plus efficace mais elle présente l inconvénient de nécessiter l arbre que l on devra introduire dans un en-tête. Adaptive : La table des fréquences est élaborée au fur et à mesure de la lecture du fichier et l arbre est reconstruit à chaque fois. On réalise l arbre avec les premiers caractères (que l on ne compresse pas) et on s en sert pour compresser les caractères suivants que l on utilise aussi pour actualiser l arbre etc.. Elle est un peu moins efficace que la méthode semi adaptive mais le résultat final est souvent meilleur car elle ne nécessite pas le stockage de l arbre, et de plus elle ne nécessite qu une lecture du fichier.

31 Conclusion : Nous avons décidé de choisir comme sujet : «La compression d'images numériques par le JPEG» pour répondre à une question que nous nous posions, comment deux images paraissant pratiquement identiques à nos yeux puissent prendre un espace disque totalement différent, par exemple cette image : L'image compressé qui prend 1150 Ko contre 35 Ko pour l'image compressé en JPEG, soit 3% de la taille original! Dans une première partie nous avons vu que chaque pixel, lorsque l'image n'est pas compressée (format BMP ou BITMAP) est caractérisée par 3 composantes de base, la composante R, qui definit les domaines de nuances rouges, le V qui definit les domaines de nuance vertes et en dernier lieu le B, qui s'occupe de la couleur bleue. Ce qui nous donne au final un pixel codé en RVB (ou aussi appellé RGB). Le principe de la compression YUV est tout simplement d'optimiser ce codage couleur. En effet, au lieu de décomposer le pixel en 3 couleurs, on le décompose en 3 "caractéristiques" qui sont la luminance ou luminescence (Y ou Brigthness en anglais), la chrominance bleue (Cb ou U, tons de bleu), ainsi pour finir que la chrominance rouge (Cr ou V, tons de rouge). Tout cela dans le but de compresser l'image avec les caractéristiques de l'oeil qui est, pour nous humain, plus sensible au variations d'intensité lumineuse qu'au variations dans l'echelle des teintes (chrominance). Ensuite dans une seconde partie la transformée en cosinus discrète, le but étant de transformer le domaine de représentation de nos données, c'est à dire de passer d'un domaine spatial à un domaine fréquentiel, ce qui permet de trier efficacement l'ensemble des données de l'image et ainsi supprimer certaines données de l'image où l'oeil humain ne verra que très peu de différences : les hautes fréquences de l'image représentant les zones à forts contrastes de l'image. Et enfin dans une troisième partie les deux dernières compressions du types RLE (Run Length Encoding) et Huffman, qui sont des encodages sans pertes d'informations, permettant de tirer partie du travail que la DCT a effectué. A travers ce TPE, nous avons analyser comment la compression d'une image Bitmap se faisait, mais pour décompresser l'image, il faut appliquer les algorithmes inverses dans le sens inverse c'est-à-dire la décompression Huffman, puis RLE au niveau de la décompression sans perte puis on applique la transformée en cosinus discrète inverse et pour finir on applique la transformation inverse de couleur de YCbCr à RGB. On retrouve ainsi notre image de départ avec une perte de donnée cependant. Ainsi en appliquant des procédés d'optimisations et de concentration de l'essentiel des données de l'images, on a pu réduire la taille de l'image sur l'ordinateur. Mais cette compression, a quand même un coup qui est une perte de donnée qui peut être faible mais également beaucoup plus grande et très désagréable pour l'oeil ce qui signifie également que la compression JPEG est surtout optimisé pour certains type d'images qui sont des images photographiques et surtout pas des images géométriques où les discontinuités de celles-ci entraînent de très mauvais rendus. Enfin, il faut compter du temps de calcul pour la décompression et la compression de l'image. Aujourd'hui les machines informatiques deviennent de plus en plus rapide donc ce n'est plus vraiment un inconvénient mais pour des machines plus vieilles, ce temps peut-être ressenti. On peut donc conclure en disant que le JPEG est une norme de compression d'image à utiliser pour des images de types photographiques, mais les dégradations que l'image subie peuvent être importante et c'est pour ça que de nouvelles normes de compression ont été mises en place pour avoir des images de meilleurs qualités en abaissant encore la taille de l'image comme par exemple la norme JPEG2000 qui pour une qualité équivalente a des images qui peuvent être de taille dix fois moins grande, ou encore la compression par ondelettes ou par fractale.

32 Glossaire : Bit : Le plus petit élément de la mémoire d'un ordinateur qui peut prendre deux valeurs possible, soit 1 ou soit 0. Octet : Un paquet de huit bits qui se suivent dans la mémoire et qui possède une adresse mémoire. La mémoire d'un ordinateur est caractérisée par le nombre d'octet qu'elle contient. Les autres unités sont le Kilo-octet (Ko) où 1 Ko = 1024 octets = 2 10 octets, le Méga-octet (Mo) où 1 Mo = 1024 Ko = octet = 2 20 octets. Pixel : Cette le plus petit élément composant une image qui est décrit avec trois valeurs qui sont le rouge, le bleue et le vert avec une valeur variant de 0 à 255. Pixelisation : C'est un effet visuel où l'image originale perd en qualité. Elle transforme une belle image en un ensemble de gros blocs de pixels colorés avec la même couleur à l'intérieur de ce bloc. Résolution : C'est le nombre de colonnes et de lignes de pixels d'une image ou d'un écran d'ordinateur ou de télévision par exemple. RBG (Red, Green, Blue pour rouge, vert et bleue): C'est une abréviation pour désigner une couleur qui est définie par trois composantes : rouge, vert et bleue.

33 Bibliographie : Internet : -Les algorithmes de compression et d'encodage du JPEG : L'appareil photo numérique : -Les images :

TD : Codage des images

TD : Codage des images TD : Codage des images Les navigateurs Web (Netscape, IE, Mozilla ) prennent en charge les contenus textuels (au format HTML) ainsi que les images fixes (GIF, JPG, PNG) ou animée (GIF animée). Comment

Plus en détail

TP SIN Traitement d image

TP SIN Traitement d image TP SIN Traitement d image Pré requis (l élève doit savoir): - Utiliser un ordinateur Objectif terminale : L élève doit être capable de reconnaître un format d image et d expliquer les différents types

Plus en détail

Traitement numérique de l'image. Raphaël Isdant - 2009

Traitement numérique de l'image. Raphaël Isdant - 2009 Traitement numérique de l'image 1/ L'IMAGE NUMÉRIQUE : COMPOSITION ET CARACTÉRISTIQUES 1.1 - Le pixel: Une image numérique est constituée d'un ensemble de points appelés pixels (abréviation de PICture

Plus en détail

Formats d images. 1 Introduction

Formats d images. 1 Introduction Formats d images 1 Introduction Lorsque nous utilisons un ordinateur ou un smartphone l écran constitue un élément principal de l interaction avec la machine. Les images sont donc au cœur de l utilisation

Plus en détail

Le poids et la taille des fichiers

Le poids et la taille des fichiers Le poids et la taille des fichiers Au tout départ des 0 et des 1 En français et en anglais on appelle cela un bit 8 bit donne un octet (ou byte en anglais) Exemple d octet : 11111111 10111010 00001000

Plus en détail

Comment tracer une droite représentative d'une fonction et méthode de calcul de l'équation d'une droite.

Comment tracer une droite représentative d'une fonction et méthode de calcul de l'équation d'une droite. Comment tracer une droite représentative d'une fonction et méthode de calcul de l'équation d'une droite. Introduction : Avant de commencer, il est nécessaire de prendre connaissance des trois types de

Plus en détail

Chap17 - CORRECTİON DES EXERCİCES

Chap17 - CORRECTİON DES EXERCİCES Chap17 - CORRECTİON DES EXERCİCES n 3 p528 Le signal a est numérique : il n y a que deux valeurs possibles pour la tension. Le signal b n est pas numérique : il y a alternance entre des signaux divers

Plus en détail

INFO 2 : Traitement des images

INFO 2 : Traitement des images INFO 2 : Traitement des images Objectifs : Comprendre la différence entre image vectorielle et bipmap. Comprendre les caractéristiques d'une image : résolution, définition, nombre de couleurs, poids Etre

Plus en détail

Fête de la science Initiation au traitement des images

Fête de la science Initiation au traitement des images Fête de la science Initiation au traitement des images Détection automatique de plaques minéralogiques à partir d'un téléphone portable et atelier propose de créer un programme informatique pour un téléphone

Plus en détail

Chapitre 13 Numérisation de l information

Chapitre 13 Numérisation de l information DERNIÈRE IMPRESSION LE 2 septembre 2013 à 17:33 Chapitre 13 Numérisation de l information Table des matières 1 Transmission des informations 2 2 La numérisation 2 2.1 L échantillonage..............................

Plus en détail

Usage des photos pour Internet et pour la presse

Usage des photos pour Internet et pour la presse Usage des photos pour Internet et pour la presse Que ce soit sur Internet ou dans la presse, l'usage de photographies a la même fonction qui est d illustrer le propos. Pour bien jouer son rôle d information

Plus en détail

Chapitre 18 : Transmettre et stocker de l information

Chapitre 18 : Transmettre et stocker de l information Chapitre 18 : Transmettre et stocker de l information Connaissances et compétences : - Identifier les éléments d une chaîne de transmission d informations. - Recueillir et exploiter des informations concernant

Plus en détail

Comme chaque ligne de cache a 1024 bits. Le nombre de lignes de cache contenu dans chaque ensemble est:

Comme chaque ligne de cache a 1024 bits. Le nombre de lignes de cache contenu dans chaque ensemble est: Travaux Pratiques 3. IFT 1002/IFT 1005. Structure Interne des Ordinateurs. Département d'informatique et de génie logiciel. Université Laval. Hiver 2012. Prof : Bui Minh Duc. Tous les exercices sont indépendants.

Plus en détail

Codage d information. Codage d information : -Définition-

Codage d information. Codage d information : -Définition- Introduction Plan Systèmes de numération et Représentation des nombres Systèmes de numération Système de numération décimale Représentation dans une base b Représentation binaire, Octale et Hexadécimale

Plus en détail

DÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )

DÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation ) DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité

Plus en détail

Classer et partager ses photographies numériques

Classer et partager ses photographies numériques Classer et partager ses photographies numériques Ce tutoriel a pour objectif de vous donner les bases nécessaires au classement de vos photographies numériques, et de vous donner des moyens simples de

Plus en détail

Initiation à linfographie

Initiation à linfographie Ce support de cours de l Agence universitaire de la Francophonie est distribué sous licence GNU FDL. Permission vous est donnée de copier, distribuer et/ou modifier ce document selon les termes de la Licence

Plus en détail

Outils permettant la diffusion de l information. Un point sur le droit numérique

Outils permettant la diffusion de l information. Un point sur le droit numérique Technologies de l Information et de la Communication Introduction aux NTE/TICE Présentation des UNR UNT Outils permettant la diffusion de l information Conceptualisation d un module d apprentissage numérique

Plus en détail

Travaux pratiques. Compression en codage de Huffman. 1.3. Organisation d un projet de programmation

Travaux pratiques. Compression en codage de Huffman. 1.3. Organisation d un projet de programmation Université de Savoie Module ETRS711 Travaux pratiques Compression en codage de Huffman 1. Organisation du projet 1.1. Objectifs Le but de ce projet est d'écrire un programme permettant de compresser des

Plus en détail

Chapitre 22 : (Cours) Numérisation, transmission, et stockage de l information

Chapitre 22 : (Cours) Numérisation, transmission, et stockage de l information Chapitre 22 : (Cours) Numérisation, transmission, et stockage de l information I. Nature du signal I.1. Définition Un signal est la représentation physique d une information (température, pression, absorbance,

Plus en détail

Analyse d images. Edmond.Boyer@imag.fr. Edmond Boyer UFRIMA 1

Analyse d images. Edmond.Boyer@imag.fr. Edmond Boyer UFRIMA 1 Analyse d images Edmond.Boyer@imag.fr Edmond Boyer UFRIMA 1 1 Généralités Analyse d images (Image Analysis) : utiliser un ordinateur pour interpréter le monde extérieur au travers d images. Images Objets

Plus en détail

IMAGES NUMÉRIQUES MATRICIELLES EN SCILAB

IMAGES NUMÉRIQUES MATRICIELLES EN SCILAB IMAGES NUMÉRIQUES MATRICIELLES EN SCILAB Ce document, écrit par des animateurs de l IREM de Besançon, a pour objectif de présenter quelques unes des fonctions du logiciel Scilab, celles qui sont spécifiques

Plus en détail

Cours de numérisation sur Epson Perfection

Cours de numérisation sur Epson Perfection Cours de numérisation sur Epson Perfection 1- Vérifiez la propreté de la vitre, placez l original sur celle-ci. À savoir, on peut numériser des transparents avec ce scanner ; il a un capteur CCD dans le

Plus en détail

Création de maquette web

Création de maquette web Création de maquette web avec Fireworks Il faut travailler en 72dpi et en pixels, en RVB Fireworks étant un logiciel dédié à la création de maquettes pour le web il ne propose que les pixels pour le texte

Plus en détail

Navigation dans Windows

Navigation dans Windows Cours 03 Navigation dans Windows Comme je le disais en introduction, notre souris se révèle plus maligne qu'elle n'en a l'air. À tel point qu'il faut apprendre à la dompter (mais c'est très simple, ce

Plus en détail

Sur trois couches, on obtient donc 2563 = 16 777 216 de couleurs, soit 24bpp (Bit Per Pixel).

Sur trois couches, on obtient donc 2563 = 16 777 216 de couleurs, soit 24bpp (Bit Per Pixel). Camera raw La fonction Camera Raw d'adobe Photoshop permet d'accéder facilement et rapidement aux images au format «raw» (brut), utilisé par de nombreux appareils photo numériques professionnels et milieu

Plus en détail

FORMATS DE FICHIERS. Quels sont les différents types d informations numériques dans un document multimédia?

FORMATS DE FICHIERS. Quels sont les différents types d informations numériques dans un document multimédia? FORMATS DE FICHIERS Choisir et justifier un format de fichier pour réaliser un document multimédia 1 ) Le problème d Amélie Amélie et Léa ont publié leur premier article sur leur propre blog. Amélie constate

Plus en détail

Régler les paramètres de mesure en choisissant un intervalle de mesure 10µs et 200 mesures.

Régler les paramètres de mesure en choisissant un intervalle de mesure 10µs et 200 mesures. TP Conversion analogique numérique Les machines numériques qui nous entourent ne peuvent, du fait de leur structure, que gérer des objets s composés de 0 et de. Une des étapes fondamentale de l'interaction

Plus en détail

Q6 : Comment calcule t-on l intensité sonore à partir du niveau d intensité?

Q6 : Comment calcule t-on l intensité sonore à partir du niveau d intensité? EXERCICE 1 : QUESTION DE COURS Q1 : Qu est ce qu une onde progressive? Q2 : Qu est ce qu une onde mécanique? Q3 : Qu elle est la condition pour qu une onde soit diffractée? Q4 : Quelles sont les différentes

Plus en détail

INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE

INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique

Plus en détail

I GENERALITES SUR LES MESURES

I GENERALITES SUR LES MESURES 2 Dans le cas d intervention de dépannage l usage d un multimètre est fréquent. Cet usage doit respecter des méthodes de mesure et des consignes de sécurité. 1/ Analogie. I GENERALITES SUR LES MESURES

Plus en détail

Etudier l influence de différents paramètres sur un phénomène physique Communiquer et argumenter en utilisant un vocabulaire scientifique adapté

Etudier l influence de différents paramètres sur un phénomène physique Communiquer et argumenter en utilisant un vocabulaire scientifique adapté Compétences travaillées : Mettre en œuvre un protocole expérimental Etudier l influence de différents paramètres sur un phénomène physique Communiquer et argumenter en utilisant un vocabulaire scientifique

Plus en détail

COPIER, COUPER, COLLER, SELECTIONNER, ENREGISTRER.

COPIER, COUPER, COLLER, SELECTIONNER, ENREGISTRER. COPIER, COUPER, COLLER, SELECTIONNER, ENREGISTRER. 1. Comment déplacer ou copier un fichier sur Windows Vous aurez régulièrement besoin de déplacer ou dupliquer des fichiers sur votre ordinateur. Par exemple

Plus en détail

nom : Collège Ste Clotilde

nom : Collège Ste Clotilde UNE CONFIGURATION INFORMATIQUE Objectif : Identifier les éléments principaux d une configuration L ordinateur enregistre des données qu il traite pour produire un résultat Sifflements 20 Notice 12 attache

Plus en détail

CHAPITRE IX : Les appareils de mesures électriques

CHAPITRE IX : Les appareils de mesures électriques CHAPITRE IX : Les appareils de mesures électriques IX. 1 L'appareil de mesure qui permet de mesurer la différence de potentiel entre deux points d'un circuit est un voltmètre, celui qui mesure le courant

Plus en détail

CHAPITRE VIII : Les circuits avec résistances ohmiques

CHAPITRE VIII : Les circuits avec résistances ohmiques CHAPITRE VIII : Les circuits avec résistances ohmiques VIII. 1 Ce chapitre porte sur les courants et les différences de potentiel dans les circuits. VIII.1 : Les résistances en série et en parallèle On

Plus en détail

1 Comment faire un document Open Office /writer de façon intelligente?

1 Comment faire un document Open Office /writer de façon intelligente? 1 Comment faire un document Open Office /writer de façon intelligente? 1.1 Comment fonctionne un traitement de texte?: les balises. Un fichier de traitement de texte (WRITER ou WORD) comporte en plus du

Plus en détail

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre : Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant

Plus en détail

Interface PC Vivago Ultra. Pro. Guide d'utilisation

Interface PC Vivago Ultra. Pro. Guide d'utilisation Interface PC Vivago Ultra Pro Guide d'utilisation Version 1.03 Configuration de l'interface PC Vivago Ultra Configuration requise Avant d'installer Vivago Ultra sur votre ordinateur assurez-vous que celui-ci

Plus en détail

UEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.

UEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux. UEO11 COURS/TD 1 Contenu du semestre Cours et TDs sont intégrés L objectif de ce cours équivalent a 6h de cours, 10h de TD et 8h de TP est le suivant : - initiation à l algorithmique - notions de bases

Plus en détail

DÉCOUVERTE DE CAPTURE ONE

DÉCOUVERTE DE CAPTURE ONE Page 1/12 DÉCOUVERTE DE CAPTURE ONE PREMIERS PAS Lorsqu'on a l'habitude ce logiciel on effectue toutes les opérations ( ou presque avec lui ), y compris le transfert des fichiers depuis l'apn vers le disque

Plus en détail

Projet d informatique M1BI : Compression et décompression de texte. 1 Généralités sur la compression/décompression de texte

Projet d informatique M1BI : Compression et décompression de texte. 1 Généralités sur la compression/décompression de texte Projet d informatique M1BI : Compression et décompression de texte Le but de ce projet est de coder un programme réalisant de la compression et décompression de texte. On se proposera de coder deux algorithmes

Plus en détail

Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies

Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure

Plus en détail

Cours Informatique 1. Monsieur SADOUNI Salheddine

Cours Informatique 1. Monsieur SADOUNI Salheddine Cours Informatique 1 Chapitre 2 les Systèmes Informatique Monsieur SADOUNI Salheddine Un Système Informatique lesystème Informatique est composé de deux parties : -le Matériel : constitué de l unité centrale

Plus en détail

Notice pour Visiteur du Site Perso

Notice pour Visiteur du Site Perso Notice pour Visiteur du Site Perso Notice pour Visiteur du Site perso I. Connexion au Site II. Le Mode «Visiteur» Visionner les photos Accueil Les plus vues Les mieux notées Ajout de photos Par téléchargement

Plus en détail

AGASC / BUREAU INFORMATION JEUNESSE 06700 Saint Laurent du Var Tel : 04.93.07.00.66 bij@agasc.fr www.agasc.fr. Word: Les tableaux.

AGASC / BUREAU INFORMATION JEUNESSE 06700 Saint Laurent du Var Tel : 04.93.07.00.66 bij@agasc.fr www.agasc.fr. Word: Les tableaux. Word: Les tableaux Introduction 6 ième partie Il est préférable par moments de présenter de l'information sous forme de tableau. Les instructions qui suivent démontrent comment créer un tableau et comment

Plus en détail

ESPACE MULTIMEDIA DU CANTON DE ROCHESERVIERE

ESPACE MULTIMEDIA DU CANTON DE ROCHESERVIERE ESPACE MULTIMEDIA DU CANTON DE ROCHESERVIERE Session découverte La Gestion des photos avec Windows Vista / Windows 7 et le traitements d images numériques 1 Généralités sur le jargon de l image numérique

Plus en détail

PHPWEBSITE -Tutoriel image

PHPWEBSITE -Tutoriel image PHPWEBSITE -Tutoriel image La capture des images depuis le web pour mon site. L optimisation d images pour le web, 1 Préparer des images pour le Web A. Généralités 1. Les trois formats d'images sur le

Plus en détail

Structure du format BMP, sa lecture, sa construction et son écriture

Structure du format BMP, sa lecture, sa construction et son écriture Structure du format BMP, sa lecture, sa construction et son écriture Claude Parisel Mars 2003 Table des matières : 1. Le choix du format 2. Commentaires sur les autres formats 3. Format BMP pour noir&blanc,

Plus en détail

LES DIFFÉRENTS FORMATS AUDIO NUMÉRIQUES

LES DIFFÉRENTS FORMATS AUDIO NUMÉRIQUES LES DIFFÉRENTS FORMATS AUDIO NUMÉRIQUES Compétences mises en jeu durant l'activité : Compétences générales : S'impliquer, être autonome. Compétence(s) spécifique(s) : Reconnaître des signaux de nature

Plus en détail

Seconde Généralités sur les fonctions Exercices. Notion de fonction.

Seconde Généralités sur les fonctions Exercices. Notion de fonction. Seconde Généralités sur les fonctions Exercices Notion de fonction. Exercice. Une fonction définie par une formule. On considère la fonction f définie sur R par = x + x. a) Calculer les images de, 0 et

Plus en détail

Représentation des Nombres

Représentation des Nombres Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...

Plus en détail

LECON 2 : PROPRIETES DE L'AFFICHAGE Version aout 2011

LECON 2 : PROPRIETES DE L'AFFICHAGE Version aout 2011 LECON 2 : PROPRIETES DE L'AFFICHAGE Version aout 2011 COPIER LE FICHIER LECON 1_02 DU DISQUE D : VERS LA CLE USB Cliquez gauche deux fois sur l'icône POSTE DE TRAVAIL Cliquez gauche deux fois sur DONNEES

Plus en détail

Complément d information concernant la fiche de concordance

Complément d information concernant la fiche de concordance Sommaire SAMEDI 0 DÉCEMBRE 20 Vous trouverez dans ce dossier les documents correspondants à ce que nous allons travailler aujourd hui : La fiche de concordance pour le DAEU ; Page 2 Un rappel de cours

Plus en détail

Traitement de texte : Quelques rappels de quelques notions de base

Traitement de texte : Quelques rappels de quelques notions de base Traitement de texte : Quelques rappels de quelques notions de base 1 Quelques rappels sur le fonctionnement du clavier Voici quelques rappels, ou quelques appels (selon un de mes profs, quelque chose qui

Plus en détail

Gestion de gros fichiers binaires (images) en APL*PLUS III

Gestion de gros fichiers binaires (images) en APL*PLUS III Gestion de gros fichiers binaires (images) en APL*PLUS III par Gérard A. Langlet Lun des nombreux problèmes que nous avons rencontrés en APL concerne l impression d images, constituées en fait de grosses

Plus en détail

Saisissez le login et le mot de passe (attention aux minuscules et majuscules) qui vous ont

Saisissez le login et le mot de passe (attention aux minuscules et majuscules) qui vous ont I Open Boutique Sommaire : I Open Boutique... 1 Onglet «Saisie des Produits»... 3 Création d'une nouvelle fiche boutique :... 3 Création d'une nouvelle fiche lieux de retraits :... 10 Création d'une nouvelle

Plus en détail

Utilisation du visualiseur Avermedia

Utilisation du visualiseur Avermedia Collèges Numériques Utilisation du visualiseur Avermedia Un visualiseur est aussi appelé caméra de table et ce nom rend mieux compte de sa fonction première à savoir filmer un document (revue,carte, dissection,

Plus en détail

L analyse boursière avec Scilab

L analyse boursière avec Scilab L analyse boursière avec Scilab Introduction La Bourse est le marché sur lequel se traitent les valeurs mobilières. Afin de protéger leurs investissements et optimiser leurs résultats, les investisseurs

Plus en détail

Transférer et enregistrer les photos sur l'ordinateur

Transférer et enregistrer les photos sur l'ordinateur BML INFORMATIQUE Perfectionnement Séance N 4 Approche de la photo numérique Daniel Drux 15 Oct. 2014 Cette séance a pour but de vous aider à aborder la photo numérique en assimilant les notions de base.

Plus en détail

Angles orientés et trigonométrie

Angles orientés et trigonométrie Chapitre Angles orientés et trigonométrie Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Trigonométrie Cercle trigonométrique. Radian. Mesure d un angle orienté, mesure principale.

Plus en détail

LES DÉTERMINANTS DE MATRICES

LES DÉTERMINANTS DE MATRICES LES DÉTERMINANTS DE MATRICES Sommaire Utilité... 1 1 Rappel Définition et composantes d'une matrice... 1 2 Le déterminant d'une matrice... 2 3 Calcul du déterminant pour une matrice... 2 4 Exercice...

Plus en détail

Tune Sweeper Manuel de l'utilisateur

Tune Sweeper Manuel de l'utilisateur Tune Sweeper Manuel de l'utilisateur www.wideanglesoftware.com Table des matières Introduction 2 Démarrage rapide 5 Recherche de doublons 9 Sélection des pistes à conserver 12 Éliminer les doublons 15

Plus en détail

1S9 Balances des blancs

1S9 Balances des blancs FICHE 1 Fiche à destination des enseignants 1S9 Balances des blancs Type d'activité Étude documentaire Notions et contenus Compétences attendues Couleurs des corps chauffés. Loi de Wien. Synthèse additive.

Plus en détail

D'UN THÉORÈME NOUVEAU

D'UN THÉORÈME NOUVEAU DÉMONSTRATION D'UN THÉORÈME NOUVEAU CONCERNANT LES NOMBRES PREMIERS 1. (Nouveaux Mémoires de l'académie royale des Sciences et Belles-Lettres de Berlin, année 1771.) 1. Je viens de trouver, dans un excellent

Plus en détail

Algorithme. Table des matières

Algorithme. Table des matières 1 Algorithme Table des matières 1 Codage 2 1.1 Système binaire.............................. 2 1.2 La numérotation de position en base décimale............ 2 1.3 La numérotation de position en base binaire..............

Plus en détail

GUIDE Excel (version débutante) Version 2013

GUIDE Excel (version débutante) Version 2013 Table des matières GUIDE Excel (version débutante) Version 2013 1. Créer un nouveau document Excel... 3 2. Modifier un document Excel... 3 3. La fenêtre Excel... 4 4. Les rubans... 4 5. Saisir du texte

Plus en détail

Exercices de dénombrement

Exercices de dénombrement Exercices de dénombrement Exercice En turbo Pascal, un entier relatif (type integer) est codé sur 6 bits. Cela signifie que l'on réserve 6 cases mémoires contenant des "0" ou des "" pour écrire un entier.

Plus en détail

I. Ensemble de définition d'une fonction

I. Ensemble de définition d'une fonction Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux

Plus en détail

modélisation solide et dessin technique

modélisation solide et dessin technique CHAPITRE 1 modélisation solide et dessin technique Les sciences graphiques regroupent un ensemble de techniques graphiques utilisées quotidiennement par les ingénieurs pour exprimer des idées, concevoir

Plus en détail

Choisir entre le détourage plume et le détourage par les couches.

Choisir entre le détourage plume et le détourage par les couches. Choisir entre le détourage plume et le détourage par les couches. QUEL CHOIX D OUTILS ET QUELLE METHODE, POUR QUEL OBJECTIF? Il existe différentes techniques de détourage. De la plus simple à la plus délicate,

Plus en détail

Numérisation du signal

Numérisation du signal Chapitre 12 Sciences Physiques - BTS Numérisation du signal 1 Analogique - Numérique. 1.1 Définitions. Signal analogique : un signal analogique s a (t)est un signal continu dont la valeur varie en fonction

Plus en détail

Projet Matlab : un logiciel de cryptage

Projet Matlab : un logiciel de cryptage Projet Matlab : un logiciel de cryptage La stéganographie (du grec steganos : couvert et graphein : écriture) consiste à dissimuler une information au sein d'une autre à caractère anodin, de sorte que

Plus en détail

Raisonnement par récurrence Suites numériques

Raisonnement par récurrence Suites numériques Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.

Plus en détail

Utiliser le logiciel Photofiltre Sommaire

Utiliser le logiciel Photofiltre Sommaire Utiliser le logiciel Photofiltre Sommaire 1. Quelques mots sur l image 2. Obtenir des images numériques 3. Le tableau de bord de logiciel PhotoFiltre 4. Acquérir une image 5. Enregistrer une image 6. Redimensionner

Plus en détail

BACCALAUREAT GENERAL MATHÉMATIQUES

BACCALAUREAT GENERAL MATHÉMATIQUES BACCALAUREAT GENERAL FEVRIER 2014 MATHÉMATIQUES SERIE : ES Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) 7(spe ES) Les calculatrices électroniques de poche sont autorisées, conformement à la

Plus en détail

Soit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.

Soit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée. ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle

Plus en détail

La Clé informatique. Formation Excel XP Aide-mémoire

La Clé informatique. Formation Excel XP Aide-mémoire La Clé informatique Formation Excel XP Aide-mémoire Septembre 2005 Table des matières Qu est-ce que le logiciel Microsoft Excel?... 3 Classeur... 4 Cellule... 5 Barre d outil dans Excel...6 Fonctions habituelles

Plus en détail

Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé.

Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé. Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé. L usage d une calculatrice est autorisé Durée : 3heures Deux annexes sont à rendre avec la copie. Exercice 1 5 points 1_ Soit f la

Plus en détail

COPY. Picture Style Editor Ver. 1.4 MODE D EMPLOI. Logiciel de création de fichiers de style d image. Contenu de ce mode d emploi

COPY. Picture Style Editor Ver. 1.4 MODE D EMPLOI. Logiciel de création de fichiers de style d image. Contenu de ce mode d emploi Logiciel de création de fichiers de style d image Picture Style Editor Ver..4 MODE D EMPLOI Contenu de ce mode d emploi Picture Style Editor est abrégé en PSE. Dans ce mode d emploi, les fenêtres utilisées

Plus en détail

Note technique. Formats de compression vidéo utilisés par CamTrace V11 avantages et inconvénients.

Note technique. Formats de compression vidéo utilisés par CamTrace V11 avantages et inconvénients. Note technique Formats de compression vidéo utilisés par CamTrace V11 avantages et inconvénients. 1) Formats d'acquisition et de stockage utilisées par CamTrace. CamTrace n'effectue aucune compression

Plus en détail

1. Introduction... 2. 2. Création d'une macro autonome... 2. 3. Exécuter la macro pas à pas... 5. 4. Modifier une macro... 5

1. Introduction... 2. 2. Création d'une macro autonome... 2. 3. Exécuter la macro pas à pas... 5. 4. Modifier une macro... 5 1. Introduction... 2 2. Création d'une macro autonome... 2 3. Exécuter la macro pas à pas... 5 4. Modifier une macro... 5 5. Création d'une macro associée à un formulaire... 6 6. Exécuter des actions en

Plus en détail

1 Introduction au codage

1 Introduction au codage CélestineOscarDésiréAnatoleGastonEugène 1 Introduction au codage 1.1 Les ensembles L ensemble de tout les ensembles est Dieu lui-même. Kantor Ensemble des parties d un ensemble désigne l ensemble des sous-ensembles

Plus en détail

TS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S

TS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S FICHE Fiche à destination des enseignants TS 35 Numériser Type d'activité Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S Compétences

Plus en détail

Informatique Générale

Informatique Générale Informatique Générale Guillaume Hutzler Laboratoire IBISC (Informatique Biologie Intégrative et Systèmes Complexes) guillaume.hutzler@ibisc.univ-evry.fr Cours Dokeos 625 http://www.ens.univ-evry.fr/modx/dokeos.html

Plus en détail

COMMUNICATEUR BLISS COMMANDE PAR UN SENSEUR DE POSITION DE L'OEIL

COMMUNICATEUR BLISS COMMANDE PAR UN SENSEUR DE POSITION DE L'OEIL COMMUNICATEUR BLISS COMMANDE PAR UN SENSEUR DE POSITION DE L'OEIL J. TICHON(1) (2), J.-M. TOULOTTE(1), G. TREHOU (1), H. DE ROP (2) 1. INTRODUCTION Notre objectif est de réaliser des systèmes de communication

Plus en détail

Optimisation, traitement d image et éclipse de Soleil

Optimisation, traitement d image et éclipse de Soleil Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement

Plus en détail

Dossier table tactile - 11/04/2010

Dossier table tactile - 11/04/2010 Dossier table tactile - 11/04/2010 Intro Je vais brièvement exposer dans ce document: Ce que j'ai fait, comment je l'ai fait, combien ça m'a couté, et combien de temps j'ai mis à fabriquer, dans le cadre

Plus en détail

Organiser ses photos sur l ordinateur

Organiser ses photos sur l ordinateur Organiser ses photos sur l ordinateur Sommaire Organiser ses photos sur l ordinateur Page 1 Sommaire Page 2 Un peu de vocabulaire Page 3 De l appareil photo à l ordinateur : méthode 1 Page 4 Comment créer

Plus en détail

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.

Plus en détail

Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo

Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo Dans ce projet, nous allons réaliser le code qui permet d'insérer sur une image, un logo sur un

Plus en détail

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007 Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................

Plus en détail

À la découverte de l ordinateur

À la découverte de l ordinateur À la découverte de l ordinateur Au début de l informatique, la seule possibilité pour communiquer avec l ordinateur était d écrire des lignes de code pour lui donner des ordres et obtenir des résultats

Plus en détail

MEDIAplus elearning. version 6.6

MEDIAplus elearning. version 6.6 MEDIAplus elearning version 6.6 L'interface d administration MEDIAplus Sommaire 1. L'interface d administration MEDIAplus... 5 2. Principes de l administration MEDIAplus... 8 2.1. Organisations et administrateurs...

Plus en détail

Définition 0,752 = 0,7 + 0,05 + 0,002 SYSTÈMES DE NUMÉRATION POSITIONNELS = 7 10 1 + 5 10 2 + 2 10 3

Définition 0,752 = 0,7 + 0,05 + 0,002 SYSTÈMES DE NUMÉRATION POSITIONNELS = 7 10 1 + 5 10 2 + 2 10 3 8 Systèmes de numération INTRODUCTION SYSTÈMES DE NUMÉRATION POSITIONNELS Dans un système positionnel, le nombre de symboles est fixe On représente par un symbole chaque chiffre inférieur à la base, incluant

Plus en détail

Chapitre 1 I:\ Soyez courageux!

Chapitre 1 I:\ Soyez courageux! Chapitre 1 I:\ Soyez courageux! Pour ne rien vous cacher, le langage d'assembleur (souvent désigné sous le terme "Assembleur", bien que ce soit un abus de langage, puisque "Assembleur" désigne le logiciel

Plus en détail

Fonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme

Fonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme Fonctions linéaires et affines 3eme 1 Fonctions linéaires 1.1 Vocabulaire Définition 1 Soit a un nombre quelconque «fixe». Une fonction linéaire associe à un nombre x quelconque le nombre a x. a s appelle

Plus en détail