CHAPITRE III

L’IMAGE

L’image est une perception visuelle d’un objet donné par une surface réfléchissante de lumière
et de couleurs.
Grâce à la cornée (l'enveloppe translucide de l'oeil) et de l'iris (qui en se fermant permet de doser la
quantité de lumière), une image se forme sur la rétine. Celle-ci est composée de petits bâtonnets et des
cônes.
Les bâtonnets permettent de percevoir la luminosité et le mouvement, tandis que les cônes permettent
de différencier les couleurs. Il existe en réalité trois sortes de cônes : Une sorte pour le Rouge, Une
sorte pour le Vert et Une sorte pour le Bleu.

La couleur est provoquée par la lumière que captent nos yeux, mais elle naît - et ne naît que-
dans notre cerveau : La couleur est une perception du cerveau.

I. NOTION DE COULEUR :

La couleur de la lumière est caractérisée par sa longueur d'onde.

a. La couleur en Informatique

La représentation informatique de la couleur nécessite deux facteurs :

Il faut avoir une base : Une base est un ensemble fini d'éléments qui ont les propriétés
suivantes :

• Toutes les couleurs sont obtenues par combinaison des éléments de la base.

• Aucun élément de la base ne peut être une combinaison des autres éléments de la base
(indépendance).

• Ex: rouge, vert et bleu constituent une base.

Il faut faire une quantification : Limitation du nombre de valeurs que peuvent prendre les éléments
de la base.
b. Synthèse additive et soustractive

La Synthèse additive est la composition de trois couleurs primaires par addition de lumière (par
exemple en projetant des spots lumineux sur un fond noir) à télévision, moniteur d'ordinateur.

Couleurs primaires : rouge, vert, bleu.

Couleurs secondaires : cyan, magenta, jaune.

La superposition des trois couleurs donne le blanc et l'absence de couleur le noir.

La Synthèse soustractive est la composition de trois couleurs primaires par soustraction de lumière
(par exemple en superposant des filtres sur une surface blanche) à peinture, impression.

Couleurs primaires : cyan, magenta, jaune.

Couleurs secondaires : rouge, vert, bleu.

La superposition des trois couleurs donne le noir et le fond est blanc en l'absence de couleur.

II. MODELISATION INFORMATIQUE DE LA COULEUR

La modélisation de la couleur en informatique s’appuie sur la théorie de Maxwell. Il existe de

nombreux modèles, utilisés selon les applications : RGB ; HSL ; CMY(K) ; YIQ ; YUV ; CIE
1931 ; CIE Lab.
 a. Mode RVB

C'est le mode le plus couramment utilisé. Il est idéal pour l'affichage sur l'écran.
Une image RVB est composée de trois couches de couleurs: rouge, verte et bleue. En fait chaque
pixel d'une image RVB est un mélange de ces trois couches dans des proportions différentes: une
certaine quantité de rouge, de bleu ou de vert (de 0 à 255).
La combinaison de ces trois couches permet, par synthèse additive, d'obtenir toutes les autres
couleurs.
Le mode RVB est utilisé dans les cas suivants:

lorsque l'image est destinée à un affichage sur écran, pour le Web par exemple;

pour une impression sur imprimante personnelle, si celle-ci est conçue pour afficher des images
RVB (ce qui est le cas de beaucoup d'imprimantes, mais vérifier tout de même);

b. Mode CMJ

Système CMY (Cyan, Magenta, Yellow) ou CMJ (Cyan, Magenta, Jaune) C'est le principe de la
synthèse soustractive des couleurs, à la base de la plupart des imprimantes. Les couleurs de base
C, M, Y sont en fait des pigments (encres) qui absorbent certaines longueurs d'onde donc certaines
couleurs de la lumière blanche (qui contient toutes les couleurs).
La figure suivante montre les règles de conversion entre le mode RVB et CMJ.

b. Mode TSL

Système issu des travaux du peintre Albert Munsell (1858-1918) ; La couleur est caractérisée par
une teinte, Saturation et Luminosité ou (T S L)

La teinte La teinte permet de déterminer la couleur souhaitée à partir des couleurs à disposition
(rouge, vert, bleu, cyan, jaune, magenta). La teinte est exprimée par un nombre qui est sa position
angulaire sur le cercle chromatique (à partir du haut, dans le sens horaire). ex : rouge : 0 ; vert : 120
; magenta : 300.


 La saturation est un attribut qui décrit l'altération d'une couleur pure avec le blanc ou un
niveau de gris. Elle mesure la proportion de couleur pure par rapport au blanc. Elle représente
le facteur de pureté de la couleur. Cette notion permet de distinguer le rose du rouge.


La luminosité (intensité, nuance) est un attribut qui qualifie la luminosité d'une couleur. La
luminosité détermine l'intensité lumineuse émise par la couleur (couleur claire ou foncée La
couleur blanche est composée des couleurs du spectre. La couleur d'un objet correspond à la
longueur d'onde que cet objet réfléchit ou transmet; car les autres rayons de la lumière blanche
sont absorbés.

III. IMAGE NUMERIQUE

L’Image numérique est un ensemble de points élémentaires représentant chacun une portion de
l’image : le pixel (picture element)
Une image est définie par:

Nombre de pixels en largeur et hauteur

L’étendu des nuances de gris ou de couleur de chaque pixel (dynamique de l’image)

On distingue deux types d’images matricielle et vectorielles.

a. Images Matricielles et bitmap:

L'image est considérée comme un rectangle constitué de points élémentaires de couleur uniforme,
les pixels ("picture element",). Décrire l'image revient alors à préciser la couleur de chaque point.
Le fichier graphique sera une liste de nombres binaires, correspondants à ces couleurs, précédée par
un en-tête (header) décrivant la méthode utilisée. On peut en effet imaginer plusieurs façons de
décompter les points. Ce principe est celui des images dites matricielles ou bitmap.
Le dessin bitmap porte ce nom car il s'agit simplement de travailler avec des pixels. Le pixel peut
avoir une valeur de couleur et de transparence. Les images qui sont très souvent utilisées sur Internet
sont composées d'un nuage de pixels il en va de même pour les images numérisées et les photos
numériques.
Le logiciel de dessin bitmap va permettre de sélectionner ces pixels pour ensuite les manipuler,
changer leur couleur, etc. Ce type d'image et de logiciel convient parfaitement pour la retouche
photographique, Une image matricielle est composée d’une grille de points) où chaque pixel
possède une position et une couleur. Ex: 640*480 L'ensemble des points figure un dessin (ex: une
photo, une carte…) sous forme d'un rectangle.
Sur un dessin bitmap, le Zoom est délicat car il produit un tracé en "escalier" ou effet de
pixellisation.

b. Images Vectorielles :

L'image est considérée comme un ensemble de figures élémentaires pouvant être décrites par des
données mathématiques (coordonnées de points, tangentes en un point d'une courbe, etc.). Le fichier
décrit ces différentes figures, véritables "objets" graphiques indépendants les uns des autres.
Les formats vectoriels décrivent l'image en une série d'objets ou formes géométriques (lignes,
ellipses, polygones, etc.) dont les propriétés permettent de recréer l'image à partir d'instructions
précisées.
L'information contenue dans le fichier d'un format vectoriel est composée par des commandes
qui permettent de dessiner les formes particulières qui constituent l’image : appelées vecteurs
ou couples de points associés.
L'information décrira, par exemple, la position, l'épaisseur et la couleur d'une ligne à tracer.
Le codage d'une ligne contient :

un point de départ,

un point d'arrivée,

l'épaisseur,

un motif,

une couleur.
Ce chiffre est ici codé à l'aide des couples de points (A,B) ; (B,C) ; (C,D) ; (D,E) ; (E,F) ; (F,A)
Caractéristiques :

Se caractérise par son aspect "VIRTUEL", l’image est (re)calculée à chaque affichage.
Possibilité de transformer les fichiers en mode bitmap.

Nécessité d’un PC puissant pour les images complexes.

Pire que pour le Bitmap : presque chaque logiciel propose son format.

Les formules mathématiques utilisées variant considérablement, il est presque impossible de

récupérer et de convertir une image vectorielle provenant d'un autre programme. Encore plus
que les Bitmap, les formats vectoriels évoluent et il n'est pas toujours facile de lire un fichier
avec une extension théoriquement reconnue.

Ce type de format permet d'éditer les différents objets d'une image indépendamment : les
images peuvent être modifiées sans perte de résolution et la taille des fichiers est relativement
petite.

Ces équations mathématiques font en sorte qu'une illustration vectorielle peut être
redimensionnée sans pour autant subir une altération. Donc contrairement aux images bitmap,
il n'y a pas d'effet de pixellisation lors de l'agrandissement d'un dessin vectoriel, qui peut être
affiché ou imprimé à n'importe qu'elle résolution.

Une illustration vectorielle n'est pas tributaire de la résolution du périphérique de sortie. Seuls
les dégradés de couleurs et les couleurs contenus dans l'illustration peuvent être sensibles à la
résolution du périphérique.

c. Comparaison :

Le tableau suivant résume les différences entre les deux types d’images.
IV. CARACTERISTIQUES DES IMAGES

a. Taille d'une image

La taille d'une image est définie par le nombre de pixels qui la composent verticalement et
horizontalement. Ex: une image de 550x300 pixels (un pixel est le plus petit élément qui compose
une image)
C'est une manière absolue de chiffrer la taille de l'image. A ne pas confondre avec la place qu'occupe
l'image sur l'écran! La place que prend l'image sur l'écran dépend de la résolution du moniteur ex:
une image de 750x550 affichée à 100% occupera une bonne partie de l'écran si la résolution du
moniteur est de 800x600; elle occupe une place beaucoup plus petite pour un affichage de
1024x768; elle n'apparaît pas dans sa totalité pour un affichage de 640x480.

b. Résolution d’une image

Ce terme répond à deux définitions :

Résolution = capacité de définition du moniteur : On peut choisir entre plusieurs résolutions

d'affichage du moniteur. ex, sous Windows: 640x480, 800x600, 1024x768. si la taille de l'image
dépasse la résolution du moniteur, cette image ne peut pas être affichée à 100% sur l'écran.

Résolution = nombre de pixels par pouce : On utilise l'unité "ppp" = "pixel par pouce" Ou en
anglais "dpi" = "dots per inch". Sachant que un pouce est à peu près égal à 2,54 cm.

Cette notion est utile lorsqu'on passe d'un support physique à un support numérique (ex: une image
scannée), ou inversement (quand on scanne une image).

La taille en pixels est obtenue par la formule suivante :

 Taille en pixels = taille en pouces * résolution

c. Exemples

Si on veut scanner une image de 1 pouce sur 1 pouce (soit 2,5 cm sur 2,5 cm): si on scanne avec
une résolution de 150 ppp, on obtient une image de 150x150; avec une résolution de 300 ppp,
l'image sera de 300x300.
On a une image de 300x300 que l'on veut imprimer. Si lors de l'impression on a une résolution de
300 ppp, l'image obtenue sur papier sera de 1 pouce sur 1 pouce; une résolution de 150 ppp donnera
une image de 2 pouces sur 2 pouces.

V. COMPRESSION DES IMAGES

Comme il faut faire des compromis entre la qualité d’une image et sa taille en mémoire, la
compression permet d’apporter une solution.

Il existe différents algorithmes de compression d’images :

Sans perte (RLE, LZW, Codage de Huffman)

Avec perte

Par transformation : DCT, DWT, FT

Par prédiction : DPCM, ADPCM

a. RLE ou RLC(Run Length Encoding/Coding)

Basé sur la redondance des valeurs consécutives. Une suite de valeurs identiques est codée par 2
valeurs : le nombre de répétitions et la valeur répétée
– Exemple :
AAAAAAAAAABBBBBBCCCCCCC => en RLE 10 A 6 B 7 C
Algorithme efficace s’il y a beaucoup de surfaces uniformes
ESTIMATION => 1E1S1T1I1M1A1T1I1O1N.
Cet algorithme est utilisé différemment selon le nombre de couleurs à coder. En effet :

En noir et blanc, la suite de pixels codés 0000000000111110000001111111111 donne 10 0 5 1

6 0 10 1

Format BMP : 4 pixels de couleur 0E : 0E 0E 0E 0E Données compressées : 04 0E

2 pixels de couleur ABCD : AB CD AB CD

Données compressées : 00 02 AB CD

Si l’octet 1 différent de 0 alors octet 1 est le nombre de pixel à répéter, l’octet 2 indique la couleur
du pixel.
 Si l’octet 1 = 0 alors si l’octet 2 >= 3, l’octet 2 indique le nombre d’octet à utiliser (de 3 a 255).

Si l’octet 1 et 2 = 00 00 -> fin de ligne.

Si l’octet 1 et 2 = 00 01 -> fin de l’image.

c. Codage de Huffman (David Huffman1952)

But : réduire le nombre de bits utilisés pour le codage des caractères fréquents dans un texte et
d’augmenter ce nombre pour des caractères plus rares.
Le principe de l’algorithme de compression est le suivant:

on cherche la fréquence des caractères

on trie les caractères par ordre décroissant de fréquence

on construit un arbre pour donner le code binaire de chaque caractère

VI. FORMAT D'IMAGES

Un format d'image comprend en général un en-tête qui contient des données sur l'image (taille de
l'image en pixels par exemple) suivie des données de l'image. La structuration des données est différente
pour chaque format d'image.