Le Numérique

Comment numériser une

Les réalisations
image ? techniques face aux
défis du XXIe siècle
 INTRODUCTION

Aujourd'hui l'informatique est partout dans nos vies

sans pour autant que l'on comprenne son fonctionnement.
C'est pour cette raison que nous nous sommes interressés à
ce domaine. Vis à vis de nos connaissances en sciences
physiques et en sciences de l'ingénieur, la numérisation d'une
image nous a paru un sujet abordable dans le domaine du
multimédia. Nous avons donc étudié le système binaire ainsi
que les procédés de numérisation, pour finir nous nous nous
sommes penché sur le fonctionnement d'un scanner.
 Sommaire

1_ Le langage binaire

2_ Principe et procédé de numérisation

3_ Application de la numérisation : le
scanner
 1_Le système
de numérisation
binaire
 1_Le système de numérisation binaire
Nous utilisons habituellement
Décimal Binaire dix chiffres - 0, 1, 2, 3, 4, 5, 6,
7, 8, 9 - pour écrire tous les
nombres possibles. Cette
0 0 représentation des nombres
s’appelle le système décimal. La
1 1
base de ce système est b = 10.
Le système binaire est un
2 10
systeme de numerisation
3 11 utilisant la base 2. On nomme
couramment bit (de l'anglais
4 100 binary digit, soit «chiffre
binaire») les chiffres de la
5 101 numération binaire. Ceux ci ne
... peuvent prendre que deux
36 10 0100
valeurs, notées par convention
0 et 1.
 Notation étendue

Tout nombre binaire peut être représenté en notation

étendue comme la somme de produits entre chaque chiffre
binaire et sa valeur de position. Par exemple:
110101 = 1*2^5 + 1*2^4 + 0*2^3 + 1*2^2 + 0*2 + 1*1
Dans la mesure où chaque puissance de deux a comme poids 0
ou 1, le nombre binaire est simplement la somme des valeurs
de position où apparaît le bit 1. Cette somme nous donne
immédiatement l’équivalent décimal du nombre binaire.
Pour trouver la représentation binaire d'un nombre, on le
décompose en somme de puissances de 2+. Par exemple avec
le nombre dont la représentation decimale est 59:
59 = 1×32 + 1×16 + 1×8 + 0×4 + 1×2 + 1×1
59 = 1×25 + 1×24 + 1×2³ + 0×2² + 1×21 + 1×20
59 = 111011 en binaire
 Démonstration
2^7 2^6 2^5 2^4 2^3 2^2 2^1 2^0

0 0
1 1
1 0 2
1 1 3
1 0 0 4
1 0 1 5
1 1 0 6
1 1 1 7
1 0 0 0 8
1 0 0 1 9
1 0 1 0 10
1 0 1 1 11
1 1 0 0 12
...
1 0 0 0 1 0 0 68
Représentation des entiers négatifs:
Pour compléter la représentation des entiers, il faut pouvoir écrire des
entiers négatifs. On ajoute pour cela à la représentation un bit de signe,
placé en tête. Un bit de signe nul indique une valeur positive, un bit de
signe positionné à un une valeur négative. Cette règle permet de rester
cohérent avec le système de représentation des entiers positifs : il
suffit d'ajouter un 0 en tête de chaque valeur.
Par exemple, pour obtenir -5: 0101

0 1 -1
0 1 0 -2
0 1 0 0 -4
...
0 1 0 0 0 1 0 0 -58
 Du binaire vers octal ou hexadécimal

Les bases 8 (octal) et 16 (hexadécimal) sont des bases multiples de la base 2. Ces
deux bases ont été couramment employées en informatique et pour des raisons
pratiques; ces bases étant fortement liées à la base 2 et les nombres écrits dans
ces bases étant plus "manipulables" (car d'écriture plus courte) par l'intellect
humain. L'écriture de nombres dans ces bases est facilement obtenue par
regroupement de chiffres de l'écriture du nombre en base 2.
Octal:
101011011102 va s'écrire 10 101 101 110 et en convertissant la valeur de chacun des
blocs en un chiffre octal, on obtient le nombre octal 25568.

hexadecimal:
101011011102 va s'écrire 101 0110 1110 et en convertissant la valeur de chacun des
blocs en décimal on obtient: 5, 6, 14 c'est-à-dire 56E16.

On pourrait facilement étendre ce principe à toutes les bases qui sont puissances de
2.
Vers le binaire

Il suffit de convertir la valeur de chacun des chiffres sous leur forme binaire.
1A2F16 va s'écrire 1, 10=8+2, 2, 15=8+4+2+1 soit 11010001011112

1568 va s'écrire 1, 5=4+1, 6=4+2 soit 11011102

Expérience n°1
La première expérience consiste à montrer qu'une image est
composée de pixels. A chaque endroit où la « case » est remplie a
plus de 50%, ca fait 1. S'il y a moins de 50% alors, cela fait 0.
2_Le principe et
procédé de
numérisation
2_Le principe et procédé de numérisation
La numérisation est un procédé de codage de l'information qui
se fait par des chiffres en mode binaire.
Les capteurs utilisés sont des photo-détecteurs, qui
transforment l'énergie lumineuse reçue en énergie électrique.

Pour numériser une image il faut savoir qu'une image est

divisée en pixels et que chaque pixel est divisé en quatre
photosites divisées elle même en un octet.

1 bit = 2 couleurs (noir ou blanc)

2 bits = 4 couleurs
3 bits = 8 couleurs
4 bits = 16 couleurs
et ainsi de suite.
 Synthèse additive :
des rayons de lumières
se superposent.

Application n°2

Il s'agit de montrer la
Rouge + Vert donnent Jaune synthèse additive.
Nous devons utiliser trois
Rouge + Bleu donnent Magenta
sources lumineuses avec trois
Vert + Bleu donnent Cyan filtres : un rouge, un bleu et un
vert.
Rouge + Vert + Bleu donnent Blanc
3_Application
de la
numérisation :
le scanner
Voilà ci-contre un scanner en
vue éclaté. Dans un premier
temps une source lumineuse
balaye l'image a vitesse
constante et le reflet de cet
image est envoyé via un réseau
de miroir et de lentilles a des
capteurs CCD (Charge Coupled
Device ou encore Dispositif à
Transfert de Charge en
français) qui diviserons l'image
en parcelle, traduit en langage
binaire et que l'on appelera
pixels sur l'image numérique.
Dans chaque capteur CCD va se
trouver ce système de prisme
et de matrice monochrome. Les
prismes se charges de diviser
les couleurs de chaque parcelle
en trois couleur primaire et les
matrice se chargerons de
mesurer l'intensité de chaque
couleurs. Ainsi chaque pixels a
sont propre pourcentage de
rouge, de bleu et de vert ce qui
lui donne une seule et même
couleur grâce a l'addition des
couleur comme expliqué
auparavant.
 0 1 0 1
L'image qui est à
1 0 0 0
l'origine en ligne et
1 0 1 1 en colonne va être
traduite en binaire
1 0 0 1 et en ligne.

Capteur CCD

0 1 0 1 1 0 0 0 1 0 1 1 1 0 0 1
Nous pouvons voir ci-dessous une photo scanner
avec le même scanner mais avec des définitions
différentes. On peut remarquer que plus la
définition est basse moins il y a de pixels. Et
réciproquement plus il y a de pixels plus la
définition est élevée.