Notions sur le Traitement de l'image

Notions sur le Traitement de l'image
Cours: SYSTEMES MULTIMEDIA Prof. Slimane Larabi,

Sommaire 1- Notions sur l’image 2- Formats de l’image (Méthodes de compression) 3- Le son et la vidéo 4-Le standard MPEG7 5-La synchronisation en Multimedia (SMIL: Synchronized Multimedia Integration Language)

Chapitre 1: Notions sur l'image

1.1 DEFINITION D’ UNE IMAGE
0f R(x,y) 255 0f(x,y) 255 0f V(x,y) 255 0f B(x,y) 255 Une image= fonction , qui associe en un point donné une valeur (niveau de gris) qui dépend de la quantité de lumière: 0< f(x,y)  M pour tout (x,y) de l’image

..\..\..\..\..\Program Files\Euresys\eVision\EasyAccess\EasyAccess.exe

1.2 MOYENS D’ ACQUISITION D’ IMAGES
On utilise le capteur correspondant au besoin : - application spatiale : Satellite - application avec grande précision : caméra CCD - application (précision non exigée) : caméra TV

ELEMENTS D’UN CAPTEUR - Dispositif optique - Système de transfert énergie lumineuse en énergie électrique - Carte pour échantillonnage du signal vidéo, numérisation, mémorisation

- Dispositif optique 1.3 ELEMENTS D’UN CAPTEUR
- Système de transfert énergie lumineuse en énergie électrique - Carte pour échantillonnage du signal vidéo, numérisation, mémorisation

1.3 ELEMENTS D’UN CAPTEUR Echantillonnage

1.4 ECHANTILLONNAGE

Echantillonnage 1.4 ECHANTILLONNAGE REPRESENTATION D’UNE IMAGE
Matricielle Histogramme Perspective (lignes, colonnes, niveau de gris) Profil (1 ligne ou 1 colonne)

1.5 REPRESENTATION D’UNE IMAGE
Matricielle Histogramme Perspective (lignes, colonnes, niveau de gris) Profil (1 ligne ou 1 colonne)

1.5 REPRESENTATION D’UNE IMAGE Représentation matricielle
1 2 3 4 154 163 191 204 214 Figure 1.1

1.5 REPRESENTATION D’UNE IMAGE Représentation matricielle
1 2 3 4 5 6 7 8 9 10 11 154 163 191 204 214 225 232 237 238 233 222 152 161 189 213 231 235 236 211 208 162 188 202 194 186 201 224 230 229 215 197 179 212 223 228 217 183 166 153 159 200 210 221 207 190 172 158 160 187 195 178 150 185 198 209 216 199 184 168 155 147 173 148 143 156 205 203 196 165 141 182 171 149 140 157 192 177 145 12 164 167 142 139 255 ..\..\..\..\..\Program Files\Euresys\eVision\EasyAccess\EasyAccess.exe

1.6 OPERATIONS SUR LES IMAGES
Addition Image1(n,m)+Image2(n,m)=Image3(n,m) Image3(i,j)=Image1(i,j)+Image2(i,j)

Addition de deux images

Soustraction Image1(n,m)-Image2(n,m)=Image3(n,m) Image3(i,j)=Image1(i,j)-Image2(i,j)

Soustraction de deux images

Addition/Soustraction d’un scalaire à une image Image1(n,m)+Valeur=Image2(n,m) Image2(i,j)=Image1(i,j)+Valeur

Addition avec un scalaire=190

Soustraction d’un scalaire valeur=50

Inversion d’une image InverseImage(n,m)=255-Image(n,m) Inverseimage(i,j)=255-Image(i,j)

Inversion d’une image

Convolution d’une image avec un filtre: Image(n,m)  Masque(p,q)

a22 M00+a23M01+a24M02+a32M10+a33M11+a34M12+a42M20+a43M21+a44M22

Exemple:

Exemple: (0) 200(-200) (-200)0(400) 0(200) (-200)0(200) 0(0)

Voir le logiciel

Introduction : Formats d’images
Une multitude de formats d’images est utilisée aujourd’hui, ceci est lié d’une part à la concurrence entre les fabricants des logiciels et la volonté de chacun d’eux à imposer son propre format, et de l’autre part aux différentes caractéristiques d’une image (dimensions, couleurs, fixe/dynamique, compression etc..) Deux méthodes sont utilisées: transformer l'image en un ensemble de vecteurs ou les transformer en un ensemble de points ; on parle des images vectorielles et des images " bitmaps ".

Formats d’images Images matricielles L'image est considérée comme étant une matrice composée d’une suite de lignes, qui sont elles-mêmes composées de suites de points appelés pixels. Ce système de codage consiste donc à décomposer la représentation de l'image, en un certain nombre de points élémentaires, chaque point est caractérisé par ses coordonnées spatiales et sa couleur choisie parmi la palette de couleurs utilisée. La qualité et le volume de l’information codée et transmise dépendront donc des deux éléments suivants:

Formats d’images Images matricielles L’information donnée par un pixel : le nombre de couleurs (NC) que peut contenir une image dépend directement du nombre de bits (n) utilisés pour la représentation d'un pixel (NC= 2n).

Formats d’images Exemple :
Images matricielles Exemple : Soit une image de 600x400 pixels codée sur 24 bits. Son volume théorique est égal à 600x400x3 octets=703,125 ko=70 MO Ce type de format est volumineux ce qui rend l'application d'une technique de compression très indispensable, pour gagner de l'espace mémoire dans l'archivage et faciliter leur transmission sur réseaux

Formats d’images Images vectorielles Les formats vectoriels se contentent de faire une description géométrique de l'image; le document numérisé prend donc la forme d'une suite de formules mathématiques décrivant les formes élémentaires constituant l'image (carrés, rectangles, ellipses, cercles, courbes, etc.). Chaque forme élémentaire constitue un objet et se voit assigné un certain nombre d'attributs tels que la couleur, la transparence, l'épaisseur du trait, le type de trait etc.

Formats d’images Images vectorielles Le stockage d'une image du type vectoriel est donc très différent de celui d'une image de type bitmap : Il consiste en la mémorisation de la représentation des coordonnées des points caractéristiques des formes qui constituent l'image. Il s'agit dès lors d'une représentation relative que l'on peut qualifier de "symbolique".

Formats d’images Images vectorielles

Formats d’images Compression d’image Le coût et les limites technologiques actuelles nécessitent de diminuer le volume d'image que se soit pour le stockage ou pour la transmission sur réseaux. Beaucoup de techniques de compression de données ont étés développées depuis les années soixante, la majorité sont indépendantes des formats de fichiers spécifiques, et peuvent être donc appliquées sur n’importe quel type de fichier.

Formats d’images Compression d’image :
La compression des fichiers images varie selon le type d’image compressée : fichier bitmap, fichier vectoriel ou métafichier. Dans le cas des fichiers bitmap, l'entête, la table des couleurs ainsi que les données autres que l'image, doivent être laissés sans compression pour permettre de repérer la zone contenant les données. Généralement la compression de ce type de fichiers donne un gain considérable en volume . Les fichiers vectoriels n'incluent généralement pas de compression. En effet, les données étant sous forme de vecteurs mathématiques, elles sont déjà une forme compacte de l'image. De plus, les fichiers de vecteurs sont relativement longs à lire, ajouter une compression ne ferait que rendre la tâche plus difficile.

Formats d’images Critères de comparaison entre les techniques de compression : Les techniques de compression peuvent être comparées selon les critères suivants : Efficacité (taux de compression) : C’est le rapport entre la taille du fichier compressé et sa taille initiale. Pour une meilleure utilisation des algorithmes, il faut comprendre que la plupart d’entre eux sont plus ou moins efficace dans un type d’image que dans un autre. Qualité de compression : Compression avec une perte d'un certain pourcentage de la qualité ou compression sans perte. Vitesse de compression/décompression Accessibilité : Sous licence, ou libres de droits.

Formats d’images Algorithmes de compression d’images :
Le choix d'une technique de compression à appliquer sur une image dépend du domaine d’utilisation de celle-ci. Par exemple pour les images destinées au Web on préfère utiliser des images de petites tailles même si elles sont d’une qualité médiocre que d’utiliser des images en haute qualité mais qui prennent beaucoup de temps dans leur téléchargement, Pour l'archivage d'image on préfère avoir des images de bonne qualité. Les algorithmes de compression d’images peuvent être répartis en deux classes :

Formats d’images Algorithmes de compression sans perte :
Ces méthodes sont basées généralement sur la recherche et le codage des données redondantes. Ce type de compression peut s’appliquer à n’importe quel type de données. Algorithme RLE (Run Length Encoding) : C’est la méthode la plus simple et la plus utilisée. Son principe de base consiste à rechercher des données redondantes (pixels dans le cas des images) et en codant la longueur et la valeur. Ainsi à chaque répétition d’un pixel plus d’un nombre n précisé par l’utilisateur, cette suite de pixels est remplacée par un caractère spécial indiquant la compression suivi par le nombre de répétitions du pixel et en fin sa valeur.

Formats d’images Algorithmes de compression sans perte :
Caractéristiques : Algorithme de compression ou de décompression très simple à implémenter. Taux de compression relativement faible par rapport à d’autres algorithmes. Obtient des meilleurs résultats avec des images contenant des zones importantes de couleur contiguë (images monochromes). La compression des images en couleurs complexes (photos) ne donne pas des bons résultats.

Formats d’images La compression LZW (Lempel Ziv Welch) :
Abraham Lempel et Jakob Ziv sont les créateurs du compresseur LZ77, inventé en 1977 (d'où son nom). Ce compresseur était alors utilisé pour l'archivage (les formats ZIP). Cet algorithme a été amélioré par Terry Welch de la société Unisys en 1984. Il est basé sur un dictionnaire (bibliothèque) construit au fur et à mesure de la lecture du fichier à coder. Les chaînes de caractères sont placées une par une dans la bibliothèque. Lorsqu’une chaîne est déjà présente dans la bibliothèque, son code de fréquence d’utilisation est incrémenté. Les chaînes de caractères ayant des codes de fréquences élevés sont remplacées par un " mot " ayant un nombre de caractères le plus petit possible et le code de correspondance est inscrit dans la bibliothèque. On obtient ainsi l'information encodée et sa bibliothèque.

Formats d’images La compression LZW (Lempel Ziv Welch) : w = vide
Repeat read a character k if wk exist in the dictionary then w = wk else output the code for w add wk to the dictionary w = k endloop

Caractéristiques : Cet algorithme est breveté par la société Unisys, il a été utilisé dans les formats TIFF et GIF, par contre l’algorithme LZ77 est libre de droit et a été utilisé dans le format PNG. Il s'applique très bien sur les images de faibles profondeurs (nombre réduit de couleurs différentes) puisque les motifs différents doivent être relativement faibles pour être répétés. Il est l'un des plus répandus algorithmes, et est très rapide aussi bien en compression qu'en décompression.

Input : ^wed^we^wee^web^wet  19 octets  133 bits Output  12 octets, 96 bits Espace(0) w(87) e(69) d(68) ^w(95) e(69) ^we(99) e^(100) we(96) b(66) ^we(99) t(84) Ceci et ceci Ajout Ce ec ci i^ ^e et t^ cec

Formats d’images Le codage de Huffman :
Cet algorithme est développé en 1952 par David Huffman, il est l’un des algorithmes les plus anciens, son codage est basé sur la fréquence d’apparition d’un caractère : plus le caractère apparaît souvent plus son code sera court et vice-versa. Pour permettre un décodage unique les codes attribués aux différents caractères doivent être préfixés, c'est-à-dire qu’aucun caractère n’est un préfixe d’un autre. C’est pourquoi on appelle aussi ce codage un VLC préfixé (Variable Length Code, code à taille variable).

Les codes des caractères sont attribués de la manière suivante: Chercher la fréquence d’apparition de chaque caractère. Trier les caractères par ordre décroissant de fréquence (poids). Construire l’arbre binaire comme suit : Relier deux à deux les caractères de fréquences les plus basses et affecter à ce nœud la somme des fréquences des caractères. Répéter l’opération jusqu’à ce que l’arbre relie toutes les lettres. L’arbre étant construit, on met un 1 sur la branche à droite du nœud et un 0 sur celle de gauche.

Parcourir l’arbre de la racine vers chacune des feuilles pour tirer le code de chaque caractère. To read the codes from a Huffman tree, start from the root and add a '0' every time you go left to a child, and add a '1' every time you go right. So in this example, the code for the character 'b is 01 and the code for 'd' is 110.

Formats d’images Le codage de Huffman : Exemple: “huffman tree”:

Formats d’images Le codage de Huffman : Exemple: “huffman tree”

Formats d’images Le codage de Huffman : Caractéristiques :
Cet algorithme permet d’avoir un taux de compression très élevé (50% en moyenne) et un temps de compression assez rapide. La bibliothèque doit être transmise avec le fichier. Il est très sensible: la perte d’un bit entraîne une altération de toutes les données qui suivent lors de la décompression

Formats d’images Compression avec pertes : Principes de base
Décomposition d'un schéma de codage avec pertes L'image (ou une partition de celle-ci) peut être dans un premier temps transformée, les transformations les plus couramment utilisées en compression d'images sont la DCT (transformation en cosinus discrète), la DWT (transformation en ondelette), la DFT (transformation de FOURIER discrète). Le but de ces transformations et de compacter au mieux l'information contenue dans l'image, c'est à dire d'avoir un nombre de coefficients représentatifs aussi faible de possible.

Formats d’images L’étape suivante est la quantification des coefficients transformées, elle permet de coder au mieux des coefficients souvent réels ou complexes en introduisant une erreur de quantification. La quantification est donc la phase qui provoque une dégradation dans l'image reconstruite mais c'est aussi cette opération qui permet d'obtenir des taux de compressions beaucoup plus importants que dans le cas d'une compression sans perte.

Formats d’images

Formats d’images La norme de compression JPEG
Le sigle JPEG veut dire (Joint Photographic Experts Group), il représente actuellement le standard de compression avec perte le plus utilisé pour les images naturelles. Cette norme de compression mondiale d'images fixes est apparue à la fin des années 80.

Formats d’images Chaînes de codage et décodage JPEG
Tout système de codage avec pertes peut être décomposé en 3 étapes fondamentales : - transformation, - quantification - codage. (Voir le diagramme suivant)

Formats d’images

Formats d’images La transformée choisie pour la norme est la transformée en cosinus discrète appelée DCT appliquée sur des blocs de l'image de taille fixes (8x8). Suivent ensuite une étape de quantification des coefficients DCT et un codage de ceux-ci.

Formats d’images

Formats d’images Dans le cas d'un bloc de taille 8 x8, les différentes fonctions de bases qui représentent l'espace transformée sont au nombre de 64. Ces fonctions sont représentées sur la figure suivante. Les fonctions situées en haut et à gauche représentent les basses fréquences de la transformée, les fréquences spatiales augmentent au fur et à mesure que l'on se déplace vers le coin inférieur droit du bloc.

Formats d’images

Formats d’images Quantification et parcours des blocs
Le principal avantage de la DCT est le fait de pouvoir concentrer au maximum l'information contenue dans un bloc au niveau des coefficients basse fréquence. La figure suivante représente les transformées de 4 blocs images Les coefficients DCT importants sont ceux de basse fréquence. D'un point de vue psychovisuel, les basses fréquences sont beaucoup plus importantes pour la compréhension d'une image naturelle que les hautes fréquences qui représentent le bruit et les détails d'une image.

Formats d’images

Formats d’images D'une part pour répondre µa la sensibilité de l'œil, le pas de quanti cation utilise est différent suivant la position du coefficient dans le bloc : les basse-fréquences sont affectées d'un pas de plus faible que les hautes fréquences (voir Fig. 7). Ce mode de quantification entra^³ne une accumulation de coefficients nuls dans le coins inferieurs droit du bloc DCT. D'autre part, afin de faciliter le codage par place des coefficients DCT, il est important de choisir un sens de parcours des coefficients qui permette d'aller des coefficients les plus important vers les coefficients faibles et souvent nulles. Cette opération s'effectue en utilisant un chemin de parcourt en Z, appelée zig-zig scan. Le parcours est également représenté sur la figure suivante.

Formats d’images

Formats d’images Codage des coefficients
1. Codage différentiel du coefficient DC La somme des pixels d'un bloc, représentée par le coefficient T(0; 0), est souvent très importante, il est alors plus avantageux d'utiliser un codage différentiel. Ce codage consiste à coder la différence entre le coefficient DC d'un bloc et le coefficient DC du bloc précédent. 2. Codage par plage des coefficients AC Les coefficients AC sont parcourus en zig-zag et ensuite codés par plages afin d'exploiter l'important nombre de coefficients haute-fréquence égales à 0. 3. codage de Huffman Le codage de Huffman est ensuite utilisé pour coder résultat du codage par plage ainsi que le codage différentiel des coefficients. Le fichier ainsi crée est le fichier compressé jpg.

Formats d’images La norme de compression JPEG2000
Ce nouveau standard a pour objectif d'offrir de nouvelles fonctionnalités permettant de répondre µa une demande croissante, à savoir : - Obtenir des performances de compression supérieures à son prédécesseur JPEG, notamment pour des débits très faibles. - Permettre d'organiser le fichier compressé de plusieurs manières, notamment en fonction de la résolution désirée ou de la qualité de reconstruction. - Avoir un mode de compression sans perte performant - Fournir la possibilité de coder des parties d'une image avec une qualité supérieure à d'autres parties.

Formats d’images Chaînes de codage et décodage JPEG2000
Le codage et décodage d'une image au format JPEG2000 s'effectuent en quatre étapes principales : les trois étapes classiques en compression d'image (Transformation, Quantification, Codage) plus une étape de prétraitement de l'image qui à pour but de rendre l'opération de codage plus efficace. Ces différentes étapes sont illustrées sur la figure suivante

Formats d’images

Formats d’images Prefiltrage de l'image
Dans le contexte de la norme JPEG2000, chaque image est découpée en un pavage de tuiles pour réduire la complexité de l'algorithme pour des images de très grande tailles mais aussi de faciliter la navigation à l'intérieur de telles images. Ces tuiles sont de tailles carré (64x64) ou (128x128) par exemple. Comme pour l'algorithme JPEG qui code les coefficients DC de chaque bloc de manière différentielle, l'algorithme enlève la valeur moyenne de l'image avant d'effectuer la transformation de l'image. Les coefficients basse-fréquence pourront ainsi être codées sur un nombre de bits moins important. Cette étape comporte également une transformation de l'espace des couleurs RGB en l'espace YCrCb. Cette transformation permet également de coder les couleurs avec un nombre de bits inférieur.

Formats d’images La transformée en ondelettes discrète
La transformation en ondelettes discrète provient de l'analyse multi-résolution qui a été développée par Stéphane Mallat et Yves Meyer. Comme son nom l'indique, le but de cette théorie est de décomposer un signal suivant différentes résolutions. On procède ainsi à une décorrélation de l'information qu'il contient. L'analyse multirésolution a le même effet qu'un microscope aux pouvoirs de grossissement variables. Les basses résolutions représentent la forme grossière du signal tandis que les hautes résolutions encodent les détails du signal. Dans une approche traitement du signal, les hautes résolutions représentent les hautes fréquences et les basses résolutions représentent les basses fréquences.

Formats d’images Pour chaque niveau : On part d'une image A.
On divise par 2 la définition horizontale de l'image en moyennant les pixels deux à deux suivant l'axe horizontal. On obtient B. Pour chaque pixel, on calcule l'erreur entre l'image originale et l'image B. On obtient C. Pour B et C, on moyenne les pixels deux à deux mais cette fois suivant l'axe vertical. On obtient D et E. Pour B comme pour C, on répète l'étape 3 et on obtient F et G. L'image D obtenue est une image dont le résolution est divisée par 2 dans les deux sens. Les images E, F et G nous donnent les erreurs entre A et D. On peut alors répété cette transformation sur l'image D et ce jusqu'à atteindre le niveau voulu

Formats d’images

Formats d’images 156 KO

Formats d’images JPEG 80% 70 Ko . Gain 55%

Formats d’images JPEG 60% 44 Ko. Gain : 72%

Formats d’images JPEG 40% 26 Ko : Gain 83%

Formats d’images JPEG 10% 14 Ko : Gain 91%

Formats d’images JPEG 5% 12 Ko : Gain 92 %

Formats d’images Avantages et inconvénients du format JPEG
Le format JFIF, plus connu sous le nom de format JPEG, est complémentaire des formats GIF et PNG pour la publication d'images sur le Web : il sauvegarde plus d'informations couleur que le format GIF et permet de comprimer des photographies ou des images lourdes.

Formats d’images Avantages et inconvénients du format JPEG
L’algorithme de compression provoque une perte d'information et peut donc entraîner une perte de qualité visible quand on utilise un taux de compression élevé ou sur certains types d’images. Ainsi, le format .jpeg convient bien aux photos mais pas aux images comportant peu de couleurs ou aux figures géométriques (pour lesquelles le format GIF est plus adapté). Le principal avantage de ce format est le taux de compression réglable qui permet à l’utilisateur de trouver un compromis entre le taux de compression et la qualité de l'image.

Formats d’images

Formats d’images Qu'est-ce que le format d'images GIF
Le format d'images GIF (Graphic Interchange Format) a été inventé par CompuServe (service de réseau en ligne) pour créer des images légères qui peuvent circuler facilement dans le réseau. Le GIF se sert de l'algorithme non destructeur LZW (Lampel Ziv Welch : noms de ses auteurs) pour la compression d'images, mais l'algorithme LZW est breveté par l'entreprise qu'elle a crée "Unisys", le format GIF s'est en servi pour plusieurs années illicitement, en 1995. Unisys et CompuServe ont soudainement annoncé que les programmes qui implémentent le format GIF doivent verser des royalties à l'entreprise Unisys détentrice de l'algorithme LZW, par la suite un autre format libre de droits a été mis au point pour remplacer le GIF : le PNG successeur du GIF. Le brevet LZW utilisé entre autre pour la compression du GIF, TIFF, PDF, PostScript et les fichiers ZIP a expiré le 20 juin 2003 aux États-Unis. Et ne va pas tarder à tomber dans le domaine public.

Formats d’images Les caractéristiques du format d'images GIF
La compression GIF La compression GIF est dite compression sans perte (lossless compression), ceci dit que l'image GIF peut restituer l'image originale bit par bit, on dit que la compression est réversible (contrairement à JPEG). Le principe de la compression est simple : les valeurs RVB (les entrées) de toutes les couleurs utilisées dans l'image vont être enregistrées dans l'en-tête de l'image et puis chaque pixel va importer sa couleur depuis cet en-tête au lieu de recevoir directement les valeurs RVB, ainsi les pixels ayant la même couleur vont profiter d'une seule entrée. L'utilisation du GIF pour une image où les couleurs ne se répètent pas (par exemple une image 2 x 2 à quatre couleurs différentes) va augmenter la taille du fichier, mais rassurez-vous ce cas n'existe pratiquement pas mais c'est juste pour vous faire comprendre si vous souhaitez parfaire vos connaissances lisez : codage paletted ou Couleurs indexées (indexed-color).

Formats d’images La transparence GIF
Le GIF supporte la transparence mais il ne prend pas en charge le canal alpha ce qui limite trop ses capacités, en fait le PNG peut afficher plusieurs niveaux de transparences (256 niveaux) on parle de transparence multiniveau (png : transparence graduelle), tandis que le GIF ne supporte que deux états de transparence soit totalement opaque : 256 soit totalement transparent : 0 (transparence binaire : on-off transparency). L'entrelacement GIF Le GIF permet au même titre que le PNG mais à moindre performance l'entrelacement : affichage par résolution progressive, consultez L'entrelacement (interlacing) du PNG. Le GIF utilise le mode couleurs indexées Le format GIF utilise une palette de couleurs qui peut atteindre au maximum 256 couleurs différentes (GIF 8 bits), ce qui montre son potentiel limité devant le géant PNG qui peut dépasser largement 256 couleurs (consultez Mode paletted ou Couleurs indexées).

Formats d’images Le GIF animé
L'une des particularités du GIF c'est la possibilité de créer une image animée. La technique est simple : il suffit d'empiler une succession d'images dans un seul fichier GIF pour former une animation au même titre que les dessins animés. Le temps d'apparition de chacune de ces images peut être réglé, en plus vous pouvez fixer le nombre d'itérations (répétitions) de l'image ainsi que la transparence. Vous vous demandez certainement comment obtenir un effet aussi marrant, les solutions ne manquent pas, vous pouvez créer un gif animé avec Image Ready ou Photoshop. Un gif animé est obtenu par le même principe que les dessins animés, c'est à dire en défilant plusieurs images à une certaine vitesse de façon continue ou à un certain nombre de répétition.

Formats d’images Compression du format GIF
La compression des images GIF est basée sur l’algorithme de compression LZW. Etant donné que ce format ne permet d’utiliser que 256 couleurs maximum, l’application d’une telle compression sur ces données permet d’avoir des fichiers de tailles très petites par rapport à d’autres formats

Formats d’images Caractéristiques et applications :
Le format GIF est caractérisé par : Un fort taux de compression : il permet d’avoir des images de 10 à 30 fois plus petites par rapport au format BMP. Il permet d’avoir des images animées en stockant plusieurs images dans le même fichier, en plus dans la version 89a il permet en outre l’entrelacement des images, et l'utilisation des couleurs transparentes, ce qui permet d'obtenir des effets particulièrement intéressants lors de l'affichage de pages WEB

Formats d’images En effet si le format GIF permet d’avoir des images de petites tailles c’est grâce à son inconvénient majeur qui est l’utilisation de 256 couleurs maximum. Donc ce format est souhaitable uniquement pour les images de 256 couleurs maximum (ex : les logos). Ce format a un autre inconvénient c’est qu’il n’est pas libre de droit, parce qu’il utilise l’algorithme de compression LZW, tous les éditeurs de logiciel manipulant des images GIF doivent payer une redevance à la société détentrice des droits, Unisys. C'est une des raisons pour lesquelles le format PNG est de plus en plus choisi, au détriment du format GIF.

Formats d’images Le GIF animé
L'une des particularités du GIF c'est la possibilité de créer une image animée. La technique est simple : il suffit d'empiler une succession d'images dans un seul fichier GIF pour former une animation au même titre que les dessins animés. Le temps d'apparition de chacune de ces images peut être réglé, en plus vous pouvez fixer le nombre d'itérations (répétitions) de l'image ainsi que la transparence. Vous vous demandez certainement comment obtenir un effet aussi marrant, les solutions ne manquent pas, vous pouvez créer un gif animé avec Image Ready ou Photoshop. Un gif animé est obtenu par le même principe que les dessins animés, c'est à dire en défilant plusieurs images à une certaine vitesse de façon continue ou à un certain nombre de répétition.

Formats d’images

Notions sur le Traitement de l'image

Présentations similaires

Présentation au sujet: "Notions sur le Traitement de l'image"— Transcription de la présentation:

Présentations similaires

Notre projet

Feed-back

Entrer

S'autoriser via un réseau social:

Notions sur le Traitement de l'image

Présentations similaires

Présentation au sujet: "Notions sur le Traitement de l'image"— Transcription de la présentation:

Présentations similaires

Notre projet

Feed-back