UE 303.a cours n°2

1. UE 303.acours n°2 Conception de système d’information multimédia : Représentation des informations multimédias – images et sons Par : Sahbi SIDHOM MCF. Université Nancy 2 Equipe de recherche SITE – LORIA sahbi.sidhom@loria.fr UE303 (M2.isitie) : S. Sidhom

2. Cours n°2 : • C’est quoi le multimédia (définitions) ? • Comment il est né et comment il prospère (évolutions) ? • Quelle est la morphologie du multimédia ? A.1. Numériser A.2. Compresser • C’est quoi l’analyse du multimédia ? • Comment analyser un document multimédia ? UE303 (M2.isitie) : S. Sidhom

3. III.Quelle est la morphologie du multimédia ? Domaine de connaissances Évolutions actuelles UE303 (M2.isitie) : S. Sidhom

4. A.Fondements du passage au numérique UE303 (M2.isitie) : S. Sidhom

5. A.1. Numériser • Créer un produit multimédia, c’est • traiter, • Structurer, • Synchroniser sur un même support des • Textes • Sons • Images (fixes ou animées), etc. tout en accordant au futur utilisateur de réelles possibilités d’interaction (chemin, rythme de consultation, choix de « lecture », etc.) • Rassembler et synchroniser sur un même support des médias aussi différents • Discrets et continus • Sonores et visuels • Fixes et animés implique nécessairement qu’ils partagent le même mode de représentation UE303 (M2.isitie) : S. Sidhom

6. Dans le multimédia, tous les médias (texte, son, image F/A, animations 2D/3D, vidéo…) partagent la même représentation numérique • Cette représentation est susceptible d’être interprétée par le même appareil de restitution : • Ordinateur • Assistant personnel PDA • i-Mode • Téléphone mobile 3G • Télévision interactive • Etc. UE303 (M2.isitie) : S. Sidhom

7. Pourquoi une représentation numérique ? • Un ordinateur n’étant capable que de manipuler des nombres (chiffres) • Les seules données qu’il est susceptible d’accepter et de traiter doivent être représentées sous une forme numérique • La numérisation préalable des données (texte, image, son) est la 1ère des conditions de possibilité du multimédia • À partir du moment où les documents sont numérisés (digitalisés), ils peuvent être manipulés, stockés et modifiés par :  un système apte à gérer les nombres (l’ordinateur), associé à son SE. et à sa panoplie de logiciels UE303 (M2.isitie) : S. Sidhom

8. En quoi consiste la numérisation ? • Les techniques de numérisation sont complexes, le principe général est relativement simple : • Puisqu’il s’agit de transformer une variation continue (sons, niveaux de gris, couleurs, etc.) en une succession d’éléments discontinus (discrets), dont on pourra représenter ensuite numériquement (les caractéristiques quantifiables) • Une représentation numérique binaire : • à partir du moment où un texte, un son, une image ou une séquence vidéo sont numérisés (fr. digitalisés), ils peuvent être manipulés, stockés et modifiés par un système apte à gérer les nombres : le PC (hardware) + le SE + les softwares (logiciels) UE303 (M2.isitie) : S. Sidhom

9. Numériser les données : chiffres, lettres, symboles • Le morse a été le premier codage à permettre une communication longue distance. C'est Samuel F.B.Morse qui l'a mis au point en 1844. Ce code est composé de points et de tirets (un codage binaire en quelque sorte...). • Le 10 mars 1876, le Dr Graham Bell met au point le téléphone, une invention révolutionnaire qui permet de faire circuler de l'information vocale dans des lignes métalliques. • Ces lignes permirent l'essor des téléscripteurs, des machines permettant de coder et décoder des caractères grâce au code Baudot (les caractères étaient alors codés sur 5 bits, il y avait donc 32 caractères uniquement...). • Dans les années 60, le code ASCII (American Standard Code for Information Interchange) est adopté comme standard. Il permet le codage de caractères sur 8 bits, soit 256 caractères possibles. UE303 (M2.isitie) : S. Sidhom

10. Quelques exemples (ASCII) : • Codage sur 1 octet : • = 8 bits • nombre de caractères représentés : • = 28 = 256 car. • codage de caractères (complément) : • http://www.commentcamarche.net/base/ UE303 (M2.isitie) : S. Sidhom

11. Le nombre 27 (en base 10) vaut en base 16 : • 1*161 + 11*160 = 1*161 + B*160 C'est-à-dire 1B en base 16. • Le nombre FB3 (en base 16) vaut en base 10 : • F*162 + B*161 + 3*160 = 3840 + 176 + 3 C'est-à-dire 4019 en base 10. décimale 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 hexadécimale 0 1 2 3 4 5 6 7 8 9 A B C D E F binaire 0000 0001 0010 0011 0100 0101 0110 0111 1000 1001 1010 1011 1100 1101 1110 1111 Base hexadécimale • Les nombres binaires étant de plus en plus longs, il a fallu introduire une nouvelle base : la base hexadécimale. • La base hexadécimale consiste à compter sur une base 16, c'est pourquoi au-delà des 10 premiers chiffres on a décidé d'ajouter les 6 premières lettres : 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, A, B, C, D, E, F. • Conversions : • Exemples : UE303 (M2.isitie) : S. Sidhom

12. Numériser les données : son, image • Quelles sont, par exemple, les caractéristiques quantifiables d’un son ou d’une image ?  la fréquence des ondes sonores émises par un instrument de musique dont la combinaison définit physiquement la hauteur et le timbre du son et  l’amplitude de ces mêmes ondes qui en définit la « puissance » • Ces deux données sont purement quantitatives, elles désignent un nombre de période par seconde (fréquence), l’autre un écart mesurable par rapport à un point central d’une vibration (amplitude). UE303 (M2.isitie) : S. Sidhom

13. Exemple : son amplitude +A Temps (s) 0 1/4 3/4 1 1/2 - A période Fréquence (4Hz) UE303 (M2.isitie) : S. Sidhom

14. Exemple : image • Une image peut être considérée comme un ensemble de points colorés ou d’objets prédéfinis : • Une image conçue comme un ensemble de points juxtaposés est appelée bitmap. Ainsi, un point peut être quantifié numériquement par sa position dans le nuage de points ( coordonnées x, y, …) • En colorimétrie (mesure de la couleur), une couleur quelconque de n’importe quel point d’une image peut être définie par la quantité de chaque couleur primaire qu’elle contient Ainsi, les nuances de couleur peuvent être distinguées numériquement. • Autres que des points juxtaposés, une image peut être construite d’objets prédéfinis tels que des carrés, des cercles, des ellipses, des segments, etc. (on parle d’ image vectorielle) Ainsi, ces objets peuvent recevoir une désignation numérique assortie de caractéristiques quantitatives : dimension, position, couleur, etc. et devenir manipulable par un ordinateur disposant du programme qui identifie numériquement les objets et les caractéristiques. UE303 (M2.isitie) : S. Sidhom

15. Indices :couleurs (A), textures (C), formes (D), pixels (B)… A B (grenouille aux yeux rouges ou phylloméduse aux yeux rouges - Costa Rica. ) C D UE303 (M2.isitie) : S. Sidhom

16. Indices :bitmap (B: 16bits couleur, C: 4bits couleur, image vectorielle (A), % pixels, image N-B A B C D UE303 (M2.isitie) : S. Sidhom

17. Représentation numérique binaire • Contentons-nous pour l’instant de noter que ce sont les données quantitatives qui permettent de transformer en une suite de nombres les images et les sons • Si l’on veut que ces nombres soient manipulables par un ordinateur, il convient de leur donner une forme susceptible de trouver une équivalence physique dans les divers états que peuvent prendre les composants de la machine • Le mérite revient aux TRANSISTORS, un composant élémentaire d’une machine de traitement de l’information pour représenter 2 chiffres (1: le courant passe et 0: non). 90% dans un ordinateur sont alloués à la mémoire de travail et 10% au calcul lui même. • Quelques statistiques : UE303 (M2.isitie) : S. Sidhom

18. bit : élément minimal d’information • Le bit, élément minimal d’information, est aussi l’unité élémentaire permettant la mémorisation de cette information. • La mémoire centrale d’un ordinateur peut être considérée comme un immense tableau dont les cases ne peuvent recevoir que des valeurs : 0 ou 1 • Un mot mémoire est un paquet de bits, en fonction de la taille, on utilise les dénominations suivantes pour ces paquets : • Unités de mesure en mémoire : Bit Octet Mot Dmot Kilo Méga Giga Téra Péta Exa Zêta Yotta Mémoire (matrice de bits) + UE303 (M2.isitie) : S. Sidhom

19. A.2. Compresser • La numérisation des données génère d’énormes fichiers qui occupent beaucoup de place en mémoire et exigent pour leur transport en un temps acceptable des débits que la plupart des réseaux ne peuvent offrir. • Exemples : • 1 page moyenne de texte (en ASCII) représente 2 à 3 Ko. • 1 image bitmap (640 x 480 pixels et 24 bits/pixel) occupe 900 Ko. • 1 séquence vidéo d’ 1 seconde (soit 25 images/s) occupe ~22 Mo. • Nécessité de compresser les données UE303 (M2.isitie) : S. Sidhom

20. Principe de compression À distinguer : • La réduction du volume de données , c’est ce qu’on appelle le compactage  Lorsque la réduction du volume ne cause aucune perte • La compression du volume de données  Lorsque la réduction s’accompagne d’une certaine perte d’information • La compression est un vaste domaine où les enjeux économiques sont énormes :  une des conditions de possibilité du multimédia sur le marché (public/privé, national/international) UE303 (M2.isitie) : S. Sidhom

21. Principes • Réduire le volume des données sans dégrader l’information représentée par ces données ou en le dégradant que de façon imperceptible et contrôlée Tout repose sur le constat que la quasi-totalité des données que nous traitons (images, sons, textes) présentent une distribution non uniforme de symboles ou de séquences de symboles. • Exemple : Quand nous manipulons un texte, les caractères que nous utilisons n’ont pas la même probabilité d’apparition, de plus tout énoncé présente une structure interne forte qui est déterminée par les règles syntaxiques, morphologiques, etc. or qui dit règle cela implique régularité, ie. formes répétitives et redondance • Principe de quantification de la redondance UE303 (M2.isitie) : S. Sidhom

22. Quelques statistiques • Mémoire nécessaire pour différents types de média : UE303 (M2.isitie) : S. Sidhom

23. Paramètres de la compression • Le paramètre clé d’un algorithme de compression est le taux de compression qui définit sa performance • Il est calculé comme le rapport entre la taille du fichier original (F0) et la taille du fichier compressé (Fc) • On utilise, pour représenter ce rapport, une notation de type N:1, qui indique que le volume de données d’origine a été divisé par N • Exemple : • 10:1  volume du fichier original divisé par 10 • 50:1  … par 50 • D’autres paramètres caractérisent également un algorithme de compression : • Sa vitesse • La qualité de restitution du document original UE303 (M2.isitie) : S. Sidhom

24. Fd Décompression Fo Compression Fc Pertes Fo  Fd Décompression Fc Compression Compression avec ou sans perte ? • Principes : UE303 (M2.isitie) : S. Sidhom

25. Compression avec perte : constat • La masse des images fixes ou animées à stocker ou à diffuser est en croissance constante : • Télédiffusion numérique terrestre ou par satellite, • Cinéma numérique, • Vidéo à la demande, • Radio numérique, • Vidéoconférence, • Surveillance vidéo à distance • Bases de données multimédias, • Etc. • Les espaces de stockage et les débits exigés par ces nouvelles applications multimédias ont suscité des efforts considérables d’adaptation à la mesure des : • Enjeux économiques, • Enjeux de « tout numérique » • Exigences nouvelles de travail et de communication : paradigme d’espace et de temps virtuels UE303 (M2.isitie) : S. Sidhom

26. Compression avec perte : solution • S’agissant d’image et de son, le « poids » des fichiers à stocker et à transmettre est tel qu’on a dû souvent accepter de perdre certaines informations jugées « inutiles » en fonction des caractéristiques spécifiques humaines de : • La perception visuelle • La perception auditive • L’intérêt pour la compression avec perte devient néfaste s’il s’agit de : • images contenant une grande quantité d’information avec beaucoup de détails et de nuances colorées • Voix ou de sons avec des détails de timbre (intensité, hauteur), de phonèmes, de notes fines pour composer de gammes • Séquence vidéo exigeant l’affichage de 25 images/s • Autres que la conservation sans aucune perte ou dégradation pour le patrimoine artistique, les données scientifiques, etc. , l’exigence de qualité doit accepter les contraintes d’un stockage ou d’un débit aux capacités limités. UE303 (M2.isitie) : S. Sidhom