Vous êtes sur la page 1sur 44

Rpublique algrienne dmocratique et populaire

Ministre de l'enseignement suprieur et de la recherche scientifique

UNIVERSIT YAHIA FERES DE MDA

Institut des sciences de l'ingnieur.

Projet de synthse
Pour l'obtention du diplme de licence
Spcialit : Gnie Electrique
Option : tlcommunication

Thme

Les techniques de compression de l'image fixe

Ralis par : propos et dirig par :


Ysbaa Hicham Mr. Laidi Kamel
Ouzdadi mahfoudh

Anne universitaire : 2008-2009


Remerciements

Au terme de ce mmoire nous tenons remercier tout naturellement en


premier lieu Allah le tout puissant qui nous a donn la force, le courage
et la patience de bien mener ce travail.

Ce travail a t ralis sous la direction de monsieur Laidi Kamel, notre


promoteur, enseignent l'universit Dr. Yahya Fars de Mda, qu'il
trouve ainsi l'expression de ma profonde reconnaissance pour sa
comptence, ses encouragement et ses conseils durant le droulement de
ce travail.

Nos vifs et sincres remerciements vont galement au Mr Ould zmerli le


chef dpartement.

Nous tenons exprimer nos sincres remerciements tous les


enseignants de l'lectronique option tlcommunication.

Nos sentiments vont galement tous les personnes qui ont contribu
de prs ou de loin la ralisation de ce travail.
Ddicaces

Au-del des personnes, des lieus et des temps, nous ddions ce travail
avec nos profonde conviction, tous ce qui ont toujours cru et sans doute
la sciences. Cette lumire qui claire les esprits et leurs permet
transcender les limites installes par les socits et les cultures dans leurs
priodes de dgnrescence.

Mahfoudh

Je ddie ce travail mes parents.


A mes frres et ma sur.
A mes collgues et amis l'universit de Mda.
A tous les enseignent de l'lectronique et promotion (2008-2009).
A tous mes amis de rsidence universitaire, surtout : El hadj, Saleh, Ali ,
Amine
A tous mes amis : Abd Allah, youcef, sedik, Ibrahim, Nathir, Tarek

Hicham

Je ddie ce travail mes parents.


A mes grands parents et a mes frres.
A tous les enseignent de l'lectronique et promotion (2008-2009).
A tous mes amis de rsidence universitaire, surtout : El hadj, Saleh,
Hamza, Mohamed
A tous mes amis : Abd Allah, Lakhdar, Ahmed, Ibrahim, Boubaker,
Slimen, youcef .

Et tous ce qui nous connaissent.


Sommaire

Introduction gnrale.1
Chapitre I : Gnralits sur le traitement d'images
I.1 Introduction2
I.2 Dfinition de l'image..2
I.3 Image analogique ..2
I.4 Image numrique...2
I.5 Caractristiques de l'image numrique......4
I.5.1 Pixel ...............4
I.5.2 Dimension...4
I.5.3 Taille d'une image...................5
I.5.5 Rsolution ..6
I.5.6 Bruit........................................................................................................6
I.5.7 Histogramme...........................................................................................6
I.5.8 Contours et textures6
I.5.9 Luminance..............................................................................................7
I.5.10 Contraste...7
I.6 Image niveau de gris...................7
I.7 Image en couleur...................8
I.7.1 La reprsentation en couleurs relles.....................8
I.7.2 La reprsentation en couleurs indexes......................8
I.8 Qualit de l'image numrique....................8
I.9 Les systmes de traitement d'images.....................9
I.9.1 Acquisitions des donnes images...................9
I.9.2 Dispositifs de numrisation d'images.....................10
I.9.3 Pr-traitement et post-traitement10
I.9.4 Filtrage numrique.10
I.9.4.1 Filtre passe-bas (lissage)10
I.9.4.2 Filtre passe-Haut (Accentuation)...11
I.9.4.3 Filtre passe-Bande (Differentiation)..................11
I.9.4.4 Filtre directionnel...11
I.9.5 Traitement numrique des images11
I.9.5.1 La convolution...11
I.9.5.2 La segmentation.................12
I.9.6 Visualisation.12
I.10 Domaines d'applications....12
I.11 Formats d'images...13
I.11.1 Format JPEG..13
I.11.2 Format TIFF...13
I.11.3 Format MIFF..13
I.11.4 Format GIF.................14
I.11.5 Format BMP...14
Conclusion 15
Chapitre II : notions de compression

II.1 Introduction....16
II .2 Le but de compression......16
II .3 Dfinition de la compression....17
II.4 Principe gnrale de la compression des images...17
II .4.1 Dcorrlation.........17
II .4.2 Quantification............17
II .4.3 Codage...18
II .5 Efficacit et qualit de la compression.............18
II .6 Techniques de compression utilises...19
Conclusion ..20

Chapitre III : les techniques de compression des l'images fixes

III.1 Introduction..21
III.2 Classification des mthodes.........21
III.3 Mthodes sans pertes des donnes...22
III.3.1 Codage de Shannon-Fano.........22
III.3.2 Codage de HUFFMAN.................23
III.3.3 Codage arithmtique.........24
III.3.4 Mthode statistique (entropique)...........24
III.3.5 Mthode des plages...........25
III.4 Mthode avec pertes des donnes....25
III.4.1 Quantification vectorielle..........25
III.4.2 Mthodes par transforme.....26
I III.4.2.2 Transformation en Cosinus Discrte (TCD)....27
II.4.2.1 Transformation par ondelettes .....................................................29
III.4.3 Mthodes fractales.....29
III.4.4 Mthodes prdictifs....30
III.4.5 Mthodes hybrides.....30
III.5 Les normes de compression des images...31
III.5.1 La norme de compression JPEG...31
III.5.2 La norme de compression JBIG............32
III.5.3 La norme de compression H-261......32
III.5.4 La norme de compression MPEG.....33
III.6 Quelques domaines dapplication33
III.6.1 La tlcopie...34
III.6.2 La diffusion d'images sur Internet.34
III.6.3 La photo numrique...34
Conclusion....................................................................................................34
Conclusion gnrale.35
Introduction Gnrale :

Depuis nombreuses annes on a assist une croissance rapide des besoins en images
numriques, fixes ou animes. Ce type de donnes prsente une masse norme d'informations
difficile transmettre ou stocker. Donc il a fallu se pencher sur le problme de compression
des donnes. En effet, on peut difficilement imaginer de faire stocker ou transmettre toutes les
donnes non compresses.
On a donc assist l'mergence de deux types de compressions de donnes:

La compression conservative.
La compression non conservative.

La compression conservative consiste compresser des donnes et les dcompresser sans


perte de donnes. C'est ce type de compression qui est utilise pour compresser des textes par
exemple.
La compression non conservative quant elle s'autorise ne pas conserver intacte les
donnes compresses. On peut notamment souligner le fait qu'avec la compression non
conservative des donnes (dans notre cas d'image) on obtient des taux de compression beaucoup
plus importants qu'avec une compression conservative.

Notre tude vise montrer les diffrentes techniques de la compression des images fixes.

Afin d'aborder tous les aspects ayant trait la compression d'images, nous avons organis notre
mmoire comme suit:

Le chapitre I prsente les diffrentes dfinitions utilises dans le domaine de traitement


dimages.

Le chapitre II prsente des notions gnrales sur la compression.

Le chapitre III est consacr la prsentation des principales mthodes de codage entropique et de
compression rversibles et irrversibles des images fixes.
.1 Introduction
Avec la parole, l'image constitue l'un des moyens les plus important qu'utilise l'homme
pour communiquer avec autrui. C'est un moyen de communication universel dont la richesse du
contenu permet aux tre humains de tout age et de toute culture de se comprendre.

C'est aussi le moyen le plus efficace pour communiquer, chacun peut analyser l'image sa
manire. Pour en dgager une impression et d'en extraire des informations prcises.

De se fait, le traitement d'image est l'ensemble des mthodes et techniques oprant sur
celle-ci, permettant d'amliorer l'aspect visuel de l'image et d'extraire des informations juges
pertinentes.

I.2 Dfinition de l'image [1]

Limage est une reprsentation dune personne ou dun objet par la peinture, la sculpture, le
dessin, la photographie, le film, etc.

Cest aussi un ensemble structur dinformations qui, aprs affichage sur lcran, ont une
signification pour lil humain.

Elle peut tre dcrite sous la forme dune fonction I(x, y) de brillance analogique continue,
dfinie dans un domaine born, tel que x et y sont les coordonnes spatiales dun point de
limage et I est une fonction dintensit lumineuse et de couleur. Sous cet aspect, limage est
inexploitable par la machine, ce qui ncessite sa numrisation.

I.3 Image analogique [2]


Les images analogiques sont obtenues en utilisant divers instruments qui les projettent
telles qu'elles sont dans la nature sur des supports diffrents (papier; film,) parmi ces
instruments, on peut citer:
L'appareil photo, la camra, .

I.4 Image numrique [2]


C'est une image dont la surface est devise en pixels ayant chacun un niveau de gris ou de
couleurs prlevs l'emplacement correspondant dans l'image relle.
Il existe deux sortes d'images numriques :
Les images matricielles et les images vectorielles.
Dans une image vectorielle les donnes sont reprsentes par les formes gomtriques
simples qui sont dcrites d'un point de vue mathmatiques
Par exemple, un cercle est dcrit par une information de type (cercle, position du centre,
rayon). Ces images sont essentiellement utilises pour raliser des schmas ou des plans.
Ces images prsentent deux avantages :

elles occupent peu d'espace en mmoire,


elles peuvent tre redimensionnes sans perte d'informations.

En contrepartie, une image vectorielle permet uniquement de reprsenter des formes


simples. S'il est vrai qu'une superposition de divers lments simples peut donner des rsultats
trs impressionnants, toute image ne peut pas tre rendue vectoriellement, ces notamment le cas
des photos ralistes.
Les images vectorielles appartiennent souvent l'un de ces formats des fichiers EPS, PDF,
WMF.

Une image matricielle est forme d'un tableau de points ou de pixels. Plus la densit de
points est leve, plus le nombre d'informations est grand, plus la rsolution de l'image est
leve.
Corrlativement l'espace occup en mmoire et la dure de traitement seront d'autant plus
grands.
Les images vues sur un cran de tlvision ou une photographie sont des images
matricielles.
On obtient galement des images matricielles l'aide d'un appareil photo numrique, d'une
camra vido numrique ou d'un scanneur.
Les images matricielles (bitmapped) appartiennent aux formats de fichiers suivants :
Bitmap, GIF, JPEG, PNG, TIFF.
I.5 Caractristiques de l'image numrique [1] [2]
I.5.1 Pixel
Une image est constitue d'un ensemble de points appels pixels (pixel est un mot anglais
abrg veut dire (PICture Lment). Le pixel reprsente le plus petit lment constructif d'une
image numrique (FIG.1), c'est une entit calculable qui peut tre quantifi.

Un pixel est aussi le plus petit lment que peuvent manipuler les matriels et logiciels
d'affichage ou d'impression. Le numro 2, par exemple, peut tre affich comme un groupe de
pixels dans la figure ci-dessous :

FIG.1 : matrice (75) de pixel

L'ensemble de ces pixels est contenu dans un tableau a deux dimensions constituant l'image

Dans le cas d'une image monochrome chaque pixel est cod sur un octet.
Dans une image en couleurs ou a base de RVB (rouge, vert, bleu), un pixel est
reprsent sur trois octets (un octet pour chaque couleur).

I.5.2 Dimension
C'est la taille de l'image, qui n'est rien qu'une matrice de pixels.
La dimension est obtenue en multipliant le nombre de colonne par le nombre de lignes. Une
image possdant 640 pixels en largeur et 480 en hauteur aura une dfinition (dimension) de 640
pixels par 480, note 640480.
I.5.3 Taille d'une image
Pour connatre la taille (en octets) d'une image, il est ncessaire de compter le nombre de
pixels que contient l'image, cela revient calculer le nombre de cases du tableau, soit la hauteur
de celui-ci que multiplie sa largeur. La taille (ou poids) de l'image est alors le nombre de pixels
que multiplie la taille (en octets) de chacun de ces lments.

Voici le calcul pour une image 640480 en couleurs relles :

Nombre de pixels : 640480=307200.


24 bits/8=3 octets.

Le poids de l'image est ainsi gale a :


3072003= 921600 octets.
921600/1024=900 Ko.

Voici un tableau de quelques exemples :

Dfinition de Noir et blanc 256 couleurs 65000 couleurs Couleurs


l'image (1bit) (8bits) (16bits) relles
(24 bits)
320200 7.8 Ko 62.5 Ko 125 Ko 187.5 Ko

640480 37.5 Ko 300 Ko 600 Ko 900 Ko

8006000 58.6 Ko 468.7 Ko 937.5 Ko 1.4 Mo

1024768 96 Ko 768 Ko 1.5 Mo 2.3 Mo

Tableau 1 : poids des diffrents types d'images.


I.5.5 Rsolution
Cest la clart ou la finesse de dtails atteinte par un moniteur ou une imprimante dans la
production dimages. Sur les moniteurs dordinateurs, la rsolution est exprime en nombre de
pixels par unit de mesure (pouce ou centimtre).

On utilise aussi le mot rsolution pour dsigner le nombre total de pixels affichables
horizontalement ou verticalement sur un moniteur; plus grand est ce nombre, meilleure est la
rsolution.

I.5.6 Bruit

Un bruit (parasite) dans une image est considr comme un phnomne de brusque
variation de lintensit dun pixel par rapport ses voisins, il provient de lclairage des
dispositifs optiques et lectroniques du capteur.

I.5.7 Histogramme
C'est une fonction qui donne la frquence d'apparition de chaque niveau de gris (couleur)
dans l'image. Il peut tre utile dans les cas suivants :

pour diminuer l'erreur de quantification;

pour comparer deux images obtenues sous des clairages diffrents;

pour amliorer certaines proprits d'une image (rehaussement) pour en tirer des
informations utiles.

I.5.8 Contours et textures

Les contours reprsentent la frontire entre les objets de limage, ou la limite entre deux
pixels dont les niveaux de gris reprsentent une diffrence significative.

Les textures dcrivent la structure de ceux-ci. Lextraction de contour consiste identifier


dans limage les points qui sparent deux textures diffrentes.
I.5.9 Luminance
C'est la variation d'intensit lumineuse ou le degr de luminosit des points de l'image, une
bonne luminance se caractrise par :

des images lumineuses (brillantes),


un bon contraste : il faut viter les images o la gamme de contraste tend vers le blanc ou
le noir; ces images entranent des pertes de dtails dans les zones sombres ou
lumineuses.
l'absence de parasites.

I.5.10 Contraste

Cest lopposition marque entre deux rgions dune image, plus prcisment entre les
rgions sombres et les rgions claires de cette image. Le contraste est dfini en fonction des
luminances de deux zones dimages.

Si L1 et L2 sont les degrs de luminosit respectivement de deux zones voisines A1 et A2 dune


image, le contraste C est dfini par rapport :

C= . (1)

I.6 Image niveau de gris [1] [2]


La couleur du pixel peut prendre des valeurs allant du noir au blanc en passant par un
nombre fini de niveaux intermdiaires, on peut donc dire que chaque pixel de l'image correspond
une quantit de lumire renvoyer comprise entre 0 et 255.

Chaque pixel nest donc plus reprsent par un bit, mais par un octet. Pour cela, il faut que
le matriel utilis pour afficher limage soit capable de produire les diffrents niveaux de gris
correspondant.

Le nombre de niveaux de gris dpend du nombre de bits utiliss pour dcrire la " couleur "
de chaque pixel de limage. Plus ce nombre est important, plus les niveaux possibles sont
nombreux.
I.7 Image en couleur [2]
L'image est obtenue par superposition de trois rayonnements lumineux : le rouge(R), le
vert (V) et le bleu (B). Dans le cas d'un cran cathodique, c'est trois rayonnement sont obtenus
on bombardant les luminophores photosensibles de l'cran.

I.7.1 La reprsentation en couleurs relles [1]

Elle consiste utiliser 24 bits pour chaque point de limage. Huit bits sont employs pour
dcrire la composante rouge (R), huit pour le vert (V) et huit pour le bleu (B). Il est ainsi possible
de reprsenter environ 16,7 millions de couleurs diffrentes simultanment. Cela est cependant
thorique, car aucun cran nest capable dafficher 16 millions de points. Dans la plus haute
rsolution (1600 x 1200), lcran naffiche que1 920 000 points.

Par ailleurs, lil humain nest pas capable de distinguer autant de couleurs.

I.7.2 La reprsentation en couleurs indexes [1]

Afin de diminuer la charge de travail ncessaire pour manipuler des images en 24 bits, on
peut utiliser le mode de reprsentation en couleurs indexe.

Le principe consiste dterminer le nombre de couleurs diffrentes utilises dans limage,


puis crer une table de ces couleurs en attribuant chacune une valeur numrique
correspondant sa position dans la table. La table, appele palette, comporte galement la
description de chacune des couleurs, sur 24 bits.

I.8 Qualit de l'image numrique [1]

Elle dpend, dune part, de la qualit des images dorigine et, dautre part, des moyens mis
en uvre pour convertir un signal analogique en signal numrique. Elle dpend aussi de :

La qualit des priphriques de numrisation de l'image, du nombre de niveaux de


gris ou de couleurs enregistres, etc.
La qualit de laffichage l'cran: dfinition de l'cran, nombre de teintes
disponibles simultanment, calibrage de lcran, etc.

Les critres dapprciation de la qualit dune image, tels que cits succinctement ci-
dessus, dpendent largement de la structure mme de limage raliste ou conceptuelle et de son
mode de reprsentation (bitmap ou vectorielle).
I.9 Les systmes de traitement d'images [1] :

Un systme de traitement numrique dimages est compos de :

Visualisation

Traitement
Image Acquisition Prtraitement numrique Post traitement
de l'image Filtrage

Transmission

FIG.2 : schma d'un systme de traitement d'image.

I.9.1 Acquisitions des donnes images

Lacquisition dimages constitue un des maillons essentiels de toute chane de conception


et de production dimages. Pour pouvoir manipuler une image sur un systme informatique, il est
avant tout ncessaire de lui faire subir une transformation qui la rendra lisible et manipulable par
ce systme.

Le passage de cet objet externe (limage dorigine) sa reprsentation interne (dans lunit
de traitement) se fait grce une procdure de numrisation.

Ces systmes de saisie, dnomms optiques, peuvent tre classs en deux catgories
principales : les camras numriques et les scanners.

A ce niveau, notons que le principe utilis par le scanner est de plus en plus adapt aux
domaines professionnels utilisant le traitement de limage comme la tldtection, les arts
graphiques, la mdecine, etc.

Le dveloppement technologique a permis lapparition de nouveaux priphriques


dacquisition appels cartes dacquisition, qui fonctionnent linstar des camras vido, grce
un capteur C.C.D. (Charge Coupled Device). La carte dacquisition reoit les images de la
camera, de la T.V. ou du scanner afin de les convertir en informations binaires qui seront
stockes dans un fichier.

I.9.2 Dispositifs de numrisation d'images

Suivant lobjet ou le document numriser et le domaine dapplication dans lequel limage


va tre utilise, il existe divers dispositifs de numrisation dimages allant du simple scanner
main au satellite de tldtection.

I.9.3 Pr-traitement et post-traitement

Le Pr-traitement concerne les images acquises tandis que le post-traitement concerne les
images traites. Dans les deux cas, les images ne peuvent chapper aux effets de dgradations
dus essentiellement aux phnomnes physiques tels que :

La diffraction (dviation) du systme optique.


Le flou d au mouvement de limage durant son acquisition.

Pour pallier ces dgradations on utilise en gnral le filtrage.

I.9.4 Filtrage numrique

Pour amliorer la qualit visuelle de limage, on doit liminer les effets des bruits
(parasites) en lui faisant subir un traitement appel filtrage.

Le filtrage consiste modifier la distribution frquentielle des composantes dun signal


selon des spcifications donnes. Le systme linaire utilis est appel filtre numrique.

Parmi ces systmes, nous distinguons : les filtres passe-bas (lissage), filtres passe-haut
(accentuation), filtres passe-bande (diffrenciation) et filtres directionnels.

I.9.4.1 Filtre passe-bas (lissage)

Ce filtre naffecte pas les composantes de basse frquence dans les donnes dune image,
mais doit attnuer les composantes de haute frquence.

Lopration de lissage est souvent utilise pour attnuer le bruit et les irrgularits de
limage. Elle peut tre rpte plusieurs fois, ce qui cre un effet de flou.
En pratique, il faut choisir un compromis entre lattnuation du bruit et la conservation des
dtails et contours significatifs.

I.9.4.2 Filtre passe-Haut (Accentuation)

Le renfoncement des contours et leur extraction sobtiennent dans le domaine frquentiel


par lapplication dun filtre passe-haut.

Le filtre digital passe-haut a les caractristiques inverses du filtre passe-bas Ce filtre


naffecte pas les composantes de haute frquence dun signal, mais doit attnuer les composantes
de basse frquence.

I.9.4.3 Filtre passe-Bande (Differentiation)

Cette opration est une drive du filtre passe-bas. Elle consiste liminer la redondance
dinformation entre limage originale et limage obtenue par filtrage passe-bas. Seule la
diffrence entre limage source et limage traite est conserve.

I.9.4.4 Filtre directionnel

Dans certains cas, on cherche faire apparatre des dtails de limage dans une direction
bien dtermine. Pour cela, on utilise des filtres qui oprent suivant des directions (horizontales,
verticales et diagonales).

I.9.5 Traitement numrique des images [1]

On peut citer les traitements suivants :

I.9.5.1 La convolution

La convolution est le remplacement de la valeur dun pixel par une combinaison linaire de
ses voisins. Elle consiste faire balayer une fentre (masque) sur lensemble des points de
limage.
I.9.5.2 La segmentation

On est conduit pour analyser une image la partager en un certain nombre de domaines
connexes (unis): ce processus joue un rle de plus en plus important en traitement numrique des
images.

Deux points appartiennent un mme domaine sils possdent une mme proprit
caractristique P et si on peut les joindre par une chane continue de points voisins ayant cette
proprit P. Une segmentation est donc dfinie par le type de proprit et par la dfinition de
voisinage.

I.9.6 Visualisation [1]

Tout systme de traitement dimage est dot dun dispositif de visualisation qui permet
laffichage des images.

Lutilisation de diffrents types de restituteurs permet de transformer le signal numrique


quest la matrice image en un signal analogique visible par lil de lobservateur. Pour cela,
diffrents types de supports peuvent tre employs : moniteur vido, clichs photographiques,
impression sur papier.

Dans tous les cas et pour chaque chantillon de limage numrique, on recre un nouvel
lment dimage ou un nouveau pixel dont on choisit la forme de faon reconstituer une image
analogique qui soit la plus proche possible de limage avant numrisation compte tenu des
erreurs introduites lors de lacquisition, de la numrisation et de la transmission.

I.10 Domaines d'applications [1]

Le traitement dimages possde laspect multidisciplinaire. On trouve ses applications dans


des domaines trs varis tels que les tlcommunications (T.V., vido, publicit,...), la mdecine
(radiographie, ultrasons,...), biologie, astronomie, gologie, lindustrie (robotique, scurit), la
mtorologie, larchitecture, limprimerie, larmement (application militaire).

De nouvelle applications pratiques sont possibles aujourdhui et touchent tous les domaines
dactivits, tels que : mtiers du spectacle, de la radio, crations artistiques,...
I.11 Formats d'images [2]
Il existe un trs grand nombre de formats graphiques, ainsi que les moyens de les visualiser
et de les convertir pour mener bien toutes les oprations possible sur les images.
Il est ncessaire de connatre les format les plus simples et les courants et les plus outils
permettant
de les manipuler.

I.11.1 Format JPEG


Le format JPEG a t conu par Joint Photographique Expert Group et s'est affirm comme
le standard de compression d'images, en raison principalement de ses gains en espace et en stockage,
mais ce gain se paie en terme de qualit de l'image reconstruite. En effet, la technique repose sur une
transforme discrte en cosinus et sur une quantification suivie d'un codage entropique.
Ce format est typiquement destin la visualisation, ou au transfert de donnes via le rseau
dans le but l'affichage.

I.11.2 Format TIFF


Le format TIFF (Tagged Image File Format) est un des premiers formats graphiques cr,
mais il reste performant dans ses nouvelles versions.
Il a t conu comme un format d'archivage capable de dcrire un grand nombre de fichiers
graphiques.
Ce format utilise six modes de compression des donnes, dont seuls deux sont intressants:
le codage direct, c'est--dire sans aucune compression, qui s'applique aux images 1.2.4.8.24
bit/pixel et le codage LZW ou Lempel_Ziv_Welch, qui s'applique aux images 4.8.24bit/pixel.
Ce format est comme employ comme un format temporaire de travaille cause de son
exactitude et de sa capacit produire des fichiers relativement compacts. Il peut galement tre
utilis pour le stockage des donnes 24 bits en vue de traitements ou visualisations ultrieures.

I.11.3 Format MIFF


Le format MIFF (Image Magick's File Format) a t cr pour un usage interne dans un
premier temps. Ce format vient en accompagnement d'un logiciel du domaine public, Image
Magick, ce format illustre un mode de stockage non compress, ainsi que deux modes de
compressions qui sont :
RLE : Il consiste faire prcder la valeur de pixel sur 1.8. 24.32 Bits par le
nombre de fois (au moins une) ou il est rpt successivement. Cette technique est
trs souvent utilise, car elle est extrmement simple mettre en oeuvre.

Q encoded: Il s'agit d'une procdure de codage base sur une prdiction arithmtique
de l'image. Elle s'apparente celle utilise dans le JPEG.
L'intrt principal de ce format, est la facilit du codage d'une image quelconque car ce type
de fichier, est issu d'un ensemble complet de programmes permettant toutes sortes de manipulations
d'images.

I.11.4 Format GIF


Le format GIF ou (Graphic Interfrange format) est le format le plus rpandu sur le rseau et
particulirement bien adapt aux images traites.
La compression est sans perte partir du moment o l'image ne possde que 256 couleurs
au plus. Il faut donc bien comprendre que la conversion des formats 24 bits vers le GIF, entrane
une perte non ngligeable d'information, les donnes sont compresses par un algorithme
rversible, le LZW.
Aprs dcompression, l'image initiale sera intgralement restitue. Cet algorithme est
efficace sur une image constitue de plages de couleurs. Il sera moins, si l'image comporte des
dgrads de couleurs.
La principale utilisation de format GIF reste le stockage des grandes quantits d'images.
Il est donc dconseill d'utiliser un tel format en traitement d'images.

I.11.5 Format BMP


Le format BMP ou (Bit Mapped Picture) est un format assez ancien qui est encore utilis
cause de sa simplicit. Une image en format BMP, ne diffrera d'une image brute, que par un
enregistrement d'en-tte contenant les dimensions de l'image. Une possibilit de compression de
l'image a t prvue avec ce format. Toutefois, ce compactage est bas sur un algorithme RLE
(Run Length Encoding) dont l'efficacit est assez faible.
Conclusion

La reprsentation des images fixes est un des lments essentiels des applications
multimdias, comme dans la plupart des systmes de communication.

La manipulation des images pose cependant des problmes beaucoup plus complexes que
celle du texte. En effet, limage est un objet deux dimensions, cens reprsenter un espace
trois dimensions, ce qui deux consquences majeures :

Le volume des donnes traiter est beaucoup plus important.


La structure de ces donnes est nettement plus complexe.

Il en rsulte que la manipulation, le stockage et la reprsentation de ces donnes se heurtent


certaines limitations.

Grce au traitement dimage, ces contraintes sont leves ou contournes. En effet, ce


domaine cherche dtecter la prsence de certaines formes, certains contours ou certaines
textures dun modle connu, cest le problme de la dtection.

Un autre aspect de traitement dimage concerne lanalyse et la comprhension de limage


dans le but den extraire des informations utiles. Il cherche aussi parfois comprimer limage,
afin de gagner en vitesse lors de la transmission de linformation, et en capacit de stockage, tout
en dgradant le moins possible les images considres.

Cest le domaine du codage ou compression des images, objet de notre tude, que lon
dtaillera dans les chapitres qui suivent.
II.1 Introduction

La compression d'une image numrique permet de rduire le nombre de bits qu'elle occupe.
Les deux principes qui interviennent pour atteindre cet objectif sans la rduction de la
redondance (n'introduisant pas de perte), et la reprsentation approximative de l'information
continue dans l'image (introduisant une perte).

Autrement dit, on cherche un moyen rduisant le volume global des images tout en
conservant limage originale, consiste en la compression des images avec le minimum de
dgradation et le maximum defficacit possible.

II.2 Le but de compression [2]

La compression est due l'volution et aux diffrentes innovations technologiques. Nous


avons que la puissance des processeurs augmente plus vite que les capacits de stockage.

Il y a donc un dsquilibre entre :


Le volume des donnes qu'il est possible de traiter,
Le volume des donnes qu'il est possible de stocker,
Le volume des donnes qu'il est possible de transfrer.

Par consquent, il faut donc rduire la taille des donnes. Pour cela, il faut exploit la
puissance des processeurs, pour palier aux insuffisances des capacits de stockage en mmoire et
des vitesses de transmission sur les rseaux.

Pour illustrer le besoin de compresser les donnes, saisissons un exemple:

Tout d'abord, choisissons une squence vido avec les caractristiques suivantes :
25 images par seconde,
16 millions de couleurs (soit 3 octets par pixel),
Rsolution de 640480.
Sans compression, il faudrait un dbit de 23Mo/s(253640480),et pour donner un ordre
d'ide, cela reprsente un dbit 130 fois plus important que celui d'un lecteur de Cd-rom simple
vitesse. De plus, Si on souhaite stocke deux heurtes de vido, il nous faudrait une unit de
stockage de 162Go (quivalant 34 DVD de 4.7Go).
II.3 Dfinition de la compression [1] [2]

Avant d'aller plus loin, dfinissons d'abord la compression. Nous dirons que nous avons
compress un fichier si nous parvenons rduire le nombre de digits ncessaires pour
l'enregistrer. Les principaux critres dvaluation de toute mthode de compression sont :

La qualit de reconstitution de limage;


Le taux de compression;
La rapidit du codeur et dcodeur (codec).

II.4 Principe gnrale de la compression des images [1]

Le schma fonctionnel de la compression est prsent dans la figure ci-dessous :

Images Images
Originales Dcorrlation Quantification Codage Codes

FIG.3 : schma d'un codeur source.

II.4.1 Dcorrlation

La dpendance existante entre chacun des pixels et ses voisins (la luminosit varie trs peu
dun pixel un pixel voisin) traduit une corrlation trs forte sur limage. On essaie donc de tirer
partie de cette corrlation, pour rduire le volume dinformation en effectuant une opration de
dcorrlation des pixels.

La dcorrlation consiste transformer les pixels initiaux en un ensemble de coefficients


moins corrls, cest une opration rversible.

II.4.2 Quantification

La quantification des coefficients a pour but de rduire le nombre de bits ncessaires pour
leurs reprsentations. Elle reprsente une tape cl de la compression. Elle approxime chaque
valeur dun signal par un multiple entier dune quantit q, appele quantum lmentaire ou pas
de quantification. Elle peut tre scalaire ou vectorielle. Un des rsultats fondamentaux des
travaux de Shannon concernant la relation :
S/B . (2)

Montrent que lon obtient de meilleures performances en utilisant la quantification


vectorielle.

II.4.3 Codage

Une fois les coefficients quantifis, ils sont cods. Un codeur doit satisfaire priori les
conditions suivantes :

Unicit : deux messages diffrents ne doivent pas tre cods de la mme


faon.
Dchiffrabilit : deux mots de codes successifs doivent tre distingus sans
ambigut.

Plusieurs types de codage seront dtaills ci-aprs.

II.5 Efficacit et qualit de la compression [2]

Le degr de rduction des donnes obtenu par un e mthode de compression peut tre
valu au moyen du quotient de compression dfini par la formule :

Qcomp = Taille initiale/Taille finale.(3)

On mesure l'efficacit de la compression par le taux de compression, qui est gnralement


exprim en pourcentage, c'est l'inverse de compression :

Tcomp = 1/ Qcomp.(4)

Le gain de compression est galement exprim en pourcentage ; c'est le complment 1 du


taux de compression :
Gcomp =1 Tcomp = (Taille initiale Taille finale)/ Taille initiale . (5)

Exemple:

Un fichier original de 2000 octets compress en 800 octets prsente un quotient de


compression de 2.5, un taux de compression de 40% est un gain de compression de 60%.

Il est plus difficile de mesurer la qualit de la compression.

Supposons que nous compressons un fichier composer des donnes n1, n2, n3..quand on
dcompresse le fichier on rcupre les donnes 1, 2, 3,.

Si 1=n1, 2 = n2, 3 =n3la compression est sans pertes. Si certaines valeurs ont t
modifies, il y a perte et il faut essay de mesurer l'cart entre l'image originale et celle que l'on
rcupre aprs compression.
Pour chaque valeur on va faire la diffrence i ni qui peut tre positive ou ngative.
Pour que les diffrences ne s'annulent pas, on va prendre le carr de chaque diffrence et en va
en faire la moyenne pour l'ensemble des donnes, par exemple pour tous les pixels d'une image.
Nous venons de dfinir l'erreur quadratique moyenne (EQM).

EQM = 1/ N (i- ni) . (6)

Pour une suite de N donnes.


L'inconvnient de cette mthode de calcul d' ailleurs de toutes les mthodes simples
d'valuation de qualit d'une compression, c'est quelle ne tiennent pas compte de la manire dont
ne percevons une image, en particulier elle ne tienne pas compte de la rpartition spatiale de
l'erreur (zone plus ou moins importantes de l'image). En faite, il faudra souvent faire des testes
avec des images diffrentes et des observateurs diffrents pour comparer les mthodes de
compression.

II.6 Techniques de compression utilises [3]

Pour classer les formats de fichier par rapport aux techniques de compression utilises, on peut
constater que dans le domaine des images, on trouve :
Les compressions par longueurs de plage de type RLE (BMP, PCX) : la plus
rapide, trs faible compression, pour images dans des modes allant de 2 24 bits.
Les compressions par dictionnaires de type LZ (TIFF, GIFF par LZW et PNG pour
LZ77) : trs rapide mais faible compression, pour images de 2 24 bits (8 bits pour
GIF).
La compression de type JPEG (JFIF, TIF-JPEG) : pour images en 24 bits, excellente
compression mais effet de mosaque pouvant tre visible, taux contrlable par facteur
de qualit, relativement rapide.
La compression fractale (FIF : Fractal Image Format) : pour images de 8 24 bits,
taille ajustable sans effet de pixellisation, mais prsentant un effet de flou aux plus
forts taux de compression, trs lent en compression, dcompression rapide et
progressive.
La compression par ondelettes (WI : Wavelet Image, JPEG2000) : excellente qualit,
rglable, flou fort taux de compression, pour images de 8 24 bits, rapide, taux
contrlable par facteur de qualit, Technique en progression.

Conclusion

Il existe diffrentes approches de la compression d'images fixes. Telles que la compression


par transforme, par ondelettes, fractales..

Il est difficile de prdire ce qui interviendra ensuite, mais d'autres voies de recherche sont
explores par exemple l'utilisation des rseaux neurones

Dans le chapitre suivant on va dtailler les techniques cites prcdemment.


III.1 Introduction

Pour utiliser les images numriques, il faut comprimer les fichiers dans lesquels elles sont
enregistres.

L'image, bien plus que le son, consomme une quantit impressionnante d'octets quand elle
est numrise, donc on a des problmes de stockage et de transmission.

Pour remdier ces contraintes, il n'y a qu'une solution : comprimer les images. Les
chercheurs ont imagin de nombreuses mthodes de compression, que l'on classe en deux
catgories : celles qui se contentent de comprimer les donnes sans les altrer, et celles qui les
compactent en les modifiant.

Les premires, dites non destructives, permettent de reconstituer, au bit prs, le fichier dans
l'tat o il tait avant la compression (ce qui est indispensable pour du texte).

III.2 Classification des mthodes [1] [2]

La plupart des mthodes de compression visent enlever la redondance prsente dans


limage de manire diminuer le nombre de bits ncessaires sa reprsentation.

Plusieurs types de redondance en terme de corrlation peuvent tre considrs :

La redondance spatiale entre pixels ou blocs voisins dans limage;


La redondance temporelle entre images successives dans une squence vido;

Les mthodes de compression peuvent se regrouper, en deux classes :

Les mthodes sans perte dinformation (sans distorsion ou rversible);


Les mthodes avec perte dinformation (avec distorsion ou irrversible).

Les exprimentations menes montrent que gnralement les mthodes qui atteignent des
taux de compression trs levs sont les mthodes avec pertes.

Par contre, les mthodes sans pertes engendrent des taux de compression trs faibles et ne
sont utilises que dans des applications sensibles telles que les images mdicales et les images
satellites.
Les donnes informatiques qui ne doivent pas subirent une altration (textes, programmes
informatiques, .) utilisent la compression sans pertes (RLE, LZW, Huffmun, .).

Les donnes dont la qualit ce limites aux perceptions humaines (images, vidos, sons, )
utilisent la compression avec pertes (JPEG, ondelettes, fractales, MPEG, ).

Les diffrents algorithmes de compression bass sur 3 critres :

Le taux de compression : c'est le rapport de la taille du fichier compress sur la


taille du fichier initial.

La qualit de compression : sans ou avec pertes (avec le pourcentage de pertes).

La vitesse de compression et de dcompression.

III.3 Mthodes sans pertes des donnes [1]

Elles permettent de retrouver exactement les pixels de limage numrique originale.

III.3.1 Codage de Shannon-Fano

C.Shannon du laboratoire Bells et R. M. Fano du MIT ont dvelopp peu prs en mme
temps une mthode de codage base sur de simples connaissances de la probabilit doccurrence
de chaque symbole dans le message.

Le procd de SHANNON-FANO construit un arbre descendant partir de la racine, par


divisions successives. Le classement des frquences se fait par ordre dcroissant, ce qui suppose
une premire lecture du fichier et la sauvegarde de l'en-tte.

Le principe est le suivant

1. Classer les n frquences non nulles {fi} par ordre dcroissant.


2. Rpartir la table des frquences en deux sous tables de frquences proches. Poursuivre
larborescence jusqu' ce que toutes les frquences soient isoles.
3. Attribuer dans larborescence le bit 0 chaque premire sous table.
4. Attribuer aux symboles les codes binaires correspondant aux bits de description 1 de
larborescence.

III.3.2 Codage de HUFFMAN

Le codage de Huffman cre des codes longueurs variables sur un nombre entier de bits.
Lalgorithme considre chaque message coder comme tant une feuille dun arbre qui reste
construire.

Lide est dattribuer aux deux messages de plus faibles probabilits, les mots cods les
plus longs. Ces deux mots cods ne se diffrencient que par leur dernier bit. Contrairement au
codage de Shannon-Fano qui part de la racine des feuilles de larbre et, par fusions successives,
remonte vers la racine.

Le principe est le suivant :

1. Rpartir les frquences f (i) des lettres.


2. Classer les symboles dans lordre dcroissant des frquences doccurrence. Le rsultat de
lalgorithme ne change donc pas si lon remplace les frquences f i par les probabilits

.. (7)

3. Regrouper par squences les paires de symboles de plus faible probabilit, en les
reclassant si ncessaire. Plus prcisment : calculer s = f (in) + f (in-1), la somme des deux
plus faibles frquences.
4. Choisir le plus petit indice k tel que s soit suprieur ou gal f (ik), remplacer k par k+1.
me
5. Recomposer la table des frquences en plaant la k position la valeur s et en
dcalant les autres dune position vers le bas. Puis dcrmenter n dune unit, poursuivre
jusqu' ce que la table des frquences ne comporte plus que deux lments.

6. Coder avec retour arrire depuis le dernier groupe, en ajoutant un 0 ou un 1 pour


diffrencier les symboles pralablement regroups.

Exemple de code de Huffman :

Soit la source ayant un alphabet de 8 symboles avec les probabilits ci-dessous :


Symbole 0 1 2 3 4 5 6 7

Probabilit 0.01 0.02 0.05 0.09 0.18 0.20 0.20 0.25

Probabilits des symboles de la source considre.

Larbre de Huffman est alors :

III.3.3 Codage arithmtique

Contrairement aux algorithmes de Huffman et de Shannon-Fano qui associent des


symboles des motifs binaires dont la taille dpend de leur distribution. Le codeur arithmtique
traite le fichier dans son ensemble, en lui associant un unique nombre dcimal rationnel.

Ce nombre compris entre 0 et 1, possde dautant moins de chiffres aprs la virgule que le
fichier dont il est redondant. Ces chiffres dcimaux dpendent non seulement des symboles du
fichier dans lordre o ils apparaissent, mais aussi de leur distribution statistique.

III.3.4 Mthode statistique (entropique)

Le principe est dassocier chaque pixel de limage un mot de code dont la longueur
dpend de la probabilit dapparition du niveau de gris correspondant.
Pour obtenir un codage efficace, il suffit dassocier les mots de code les plus courts aux
niveaux de gris ayant les plus fortes probabilits dapparition et inversement pour les niveaux
prsentant une faible probabilit.

Les mthodes statistiques sont aussi connues sous le nom de mthodes VLC (Variable
Length Code). Elles peuvent tre combines avec dautres schmas de codage telles que les
mthodes par transforme ou prdictives.

III.3.5 Mthode des plages

Lorsquon considre une ligne de la matrice reprsentant une image numrique, plusieurs
chantillons successifs sur cette ligne peuvent possder la mme valeur. Lensemble de ces
chantillons est appel plages .

Cette mthode consiste donc dcrire les suites des pixels identiques par leurs longueurs et
leurs valeurs. Par exemple, une plage de vingt pixels noirs quivaut la donne de 2 nombres :
20 et 0.

III.4 Mthode avec pertes des donnes [1]

Ces mthodes permettent de retrouver une approximation de limage numrique. Les pertes
sont gnralement indcelables lil nu.

III.4.1 Quantification vectorielle

Les techniques de compression dimages exploitent gnralement la redondance statistique


prsente dans limage.

La quantification scalaire qui associe une variable continue une variable discrte pouvant
prendre un nombre plus faible, et fini de valeurs. Ces valeurs ne sont jamais totalement
dcorrles, ou indpendantes.

Shannon a montr quil tait toujours possible damliorer la compression de donnes en


codant des vecteurs plutt que des scalaires.

Dans la suite de cette thse, labrviation (QV) sera utilise pour dsigner la quantification
vectorielle.
La QV, dveloppe par Gersho et Gray a pris une place trs importante dans le domaine de
la compression dimage que ce soit dans le but de transmission ou darchivage.

Principe de la quantification vectorielle

La quantification vectorielle dans son sens le plus gnral est lapproximation dun signal
damplitude continue par un signal damplitude discrte.

Elle peut tre vue comme une application Q associant chaque vecteur dentre x de
dimension K un vecteur y = Q(x) de mme dimension appartenant un ensemble fini Y appel
DICTIONNAIRE de taille finie N, Y = (yj , j = 1...N).

Elle se dcompose en deux applications : codeur, dcodeur :

Codeur

Le rle du codeur consiste, pour tout vecteur x i du signal en entre rechercher dans le
dictionnaire Y le code vecteur y j le plus proche du vecteur source x. Cest uniquement ladresse
du code vecteur yj ainsi slectionne qui sera transmise ou stocke. Cest ce niveau donc que
seffectue la compression.

Dcodeur

Il dispose dune rplique du dictionnaire et consulte celui-ci pour fournir le code vecteur
dindice correspondant ladresse reue. Le dcodeur ralise lopration de dcompression.

III.4.2 Mthodes par transforme

Dans ces mthodes, limage de dimension NxN est subdivise en sous images ou blocs de
taille rduite (la quantit de calcul demande pour effectuer la transformation sur limage entire
est trs leve).

Chaque bloc subit une transformation mathmatique orthogonale inversible linaire du


domaine spatial vers le domaine frquentiel, indpendamment des autres blocs (transforme en
un ensemble de coefficients plus ou moins indpendants).
Les coefficients obtenus sont alors quantifis et cods en vue de leur transmission ou de
leur stockage. Pour retrouver lintensit des pixels initiaux, on applique sur ces coefficients la
transformation inverse. Parmi les transformations linaires existantes :

Transformation de Fourrier discrte (TFD).


Transformation en cosinus discrte (TCD).
Transformation en ondelettes (TWD).

Le principe dun systme de codage par transformation est le suivant :

Image Image
reconstruite

Dcoupage Regroupement

Transformation Transformation
discrte discrte inverse

Quantification Dcodage et
et codage quantification
inverse

Buffer Canal Buffer

FIG.5 : Principe d'un systme de codage par transformation

III.4.2.1 Transformation en Cosinus Discrte (TCD)

Cest une transformation mathmatique qui transforme un ensemble de donnes dun


domaine spatial en un spectre de frquence et inversement (ITCD). Cest la plus utilise parmi
les transformations cites.

Elle permet schmatiquement de changer dchelle de mesure, passant dune chelle


dfinissant un pixel en fonction de sa position en x et en y une chelle dfinissant la frquence
dapparition de ce pixel dans un bloc de pixels, en effet, il est ds lors possible de supprimer des
informations sans pour autant altrer le rsultat final, contrairement un bloc de pixels o la
disparition brute de plusieurs lments est immdiatement visible

La TCD est effectue sur une matrice carre N*N de valeurs de pixels et donne une matrice
carre N*N de coefficients de frquence. Le temps de calcul requis pour chaque lment dans la
TCD dpend de la taille de la matrice.

Vu la difficult dappliquer la TCD sur la matrice entire, celle-ci est dcompose en blocs de
taille 8*8 pixels.

A la sortie de la matrice de la TCD, la valeur de la position (0,0) est appele le coefficient


continu, cette valeur reprsente une moyenne de la grandeur densemble de la matrice dentre,
ce coefficient est plus grand dun ordre de grandeur toute valeur dans la matrice de la TCD, par
convention, les 64 valeurs transformes (de chaque bloc) sont positionnes dune certaine
manire, ainsi la valeur moyenne de tous ces coefficients est place en haut gauche de ce bloc.

Plus on sloigne des coefficients continus plus leur grandeurs tendent diminuer. Ce qui
signifie que la TCD concentre la reprsentation de limage en haut gauche de la matrice de
sortie, les coefficients en bas et droite de cette matrice contient moins dinformation utile.

Les quations qui suivent, donnent respectivement la transforme en cosinus discrte


directe et inverse.

Transforme discrte

f (u,v)=a(u)a(v) ( x,y) cos [ ] cos[ ](8)

Pour u, v = 0,1,2,N-1.

Transforme Inverse

f(x,y) = (u,v) a(u)a(v) cos [ ] cos[ ]...(9)

Pour x, y = 0,1,2,N-1.

f(x, y) reprsente une valeur de limage initiale pour x et y donns.


f (u, v ) reprsente les coefficients de la TCD.

N reprsente la taille dun bloc.

III.4.2.2 Transformation par ondelettes [4]

Cest la compression par ondelettes - qui semble avoir le vent en poupe, au point qu'il sera
inclus dans la norme JPEG 2000. A qualit visuelle gale, il offre un taux de compression moyen
de 40: 1, contre 20: 1 pour les deux autres mthodes.

Il consiste diminuer les dimensions de l'image par un processus en cascade (l'original


produit quatre images de taille rduite, l'une tant une vritable image en rduction, les trois
autres apportant des informations permettant de reconstituer l'image pleine dfinition).

Le processus est alors appliqu nouveau sur l'image de taille rduite, et on le rpte
plusieurs fois. La compression proprement dite consiste ignorer les informations les moins
significatives.

Le codage et le dcodage sont trs rapides et, quand les donnes sont transmises par
Internet, le procd permet d'afficher instantanment une image grossire dont les dtails
s'affinent progressivement, (comme certaines variantes du JPEG).

III.4.3 Mthodes fractales [1] [5]

Le terme " fractal " est issu du latin " fractus " qui signifie bris, irrgulier. Un objet
fractal est une structure gomtrique qui se reproduit sans fin toutes les chelles.

Les mthodes fractales reposent sur le principe dhomothtie interne des objets, cest dire
que les objets peuvent tre constitus dobjets identiques eux mmes aprs des transformations
simples (affines). Les objets ne sont pas tous fractals : une approximation est faite.

Les avantages des approches fractales rsident dans la multi-rsolution (adaptativit


laffichage), de meilleurs rsultats trs fort taux de compression et un dcodage rapide.

Mais leurs inconvnients (temps de calcul au codage important, absence actuelle de norme,
qualit qui nest pas plus leve que les mthodes utilisant une DCT, aux taux usuels de
compression) mettent en retrait (pour linstant) cette approche par rapport aux mthodes
utilisant des transformations (DCT JPEG et ondelettes JPEG 2000).
Un objet fractal se caractrise par les proprits suivantes :

Ses parties ont la mme forme ou structure que lobjet global la diffrence quelles
sont une chelle rduite et peuvent tre lgrement dformes.
Sa forme est soit extrmement irrgulire, soit extrmement interrompue ou
fragmente, et ce quelle que soit lchelle dexamen;
Il contient des lments distinctifs dont les chelles sont trs varies et couvrent une
trs large gamme.

III.4.4 Mthodes prdictifs

La mthode prdictive est lune des plus anciennes, cest une mthode dcorrlative dont le
principe est le suivant :

Dans le codage par prdiction la valeur de chaque pixel est prdite partir des pixels
prcdemment cods. Seul lcart entre la valeur prdite et la valeur relle est quantifi puis cod
et transmis. Lcart tant en gnral faible, sa reprsentation ncessite moins de bits que le pixel
lui mme.

Les mthodes prdictives permettent une mise en uvre facile et conduisent de bons taux
de compression. Elles sont efficaces pour les images dont les volutions temporelles ou spatiales
sont petites.

III.4.5 Mthodes hybrides

Le terme hybride fait rfrence aux techniques qui combinent le codage prdictif et le
codage par transforme.

Dans le cas des images fixes, on effectue une transformation une dimension le long des
lignes et ensuite une prdiction le long des colonnes. Pour les images animes, on effectue une
combinaison entre une transformation bidimensionnelle dans le domaine spatial et une prdiction
le long de la composante temporelle pour exploiter la redondance temporelle du signal dimage.

Le codeur hybride regroupe les avantages des deux techniques qui le composent.
III.5 Les normes de compression des images [1]

Jusqu'au dbut des annes 80, les recherches ont essentiellement port sur des algorithmes
de compression et ont donn naissance des normes qui permettaient des conomies de lordre
de 10 90%.

Mais qui ont t trs vite insuffisantes devant les problmes que posaient le stockage de
milliers dimages (banques dimages) ou lutilisation de squences vido sur ordinateur, ce qui a
rendu ncessaire la mise en place sur le plan international de groupes de coordination et dtude,
chargs de mettre au point des standards adapts ces applications afin de rendre cohrents et
compatibles les changes dinformations sur les canaux de communication connus ou futurs.

III.5.1 La norme de compression JPEG

La norme JPEG (Joint Photographic Experts Group) est conue par le groupe ISO
(International Standards Organisation) et le groupe CEI (Commission Electronic International).
Elle est destine la compression des images fixes en couleurs et niveaux de gris en vue de
leurs stockages sur les supports numriques.

Elle a t ralise dans la perspective de couvrir les applications les plus diversifies en
tenant compte des contraintes ralistes par rapport aux applications les plus visibles : publication,
transmission, banques dimages.

Les techniques dfinies par la norme JPEG se divisent en deux classes : les mthodes de
compression avec pertes qui sont bases sur la TCD suivie dune quantification et dun codeur
entropique.

La seconde classe, concerne les processus de codage sans pertes, cette classe de codeurs
nest pas base sur la TCD mais sur le codage MICD suivi dun codage entropique. Pour les
mthodes avec pertes, quatre codeurs ont t spcifis : un codage de base o limage
compresse puis dcompresse nest plus identique limage originale, ce processus utilise la
TCD et un codage de Huffman.

Les trois autres types de codage sont une extension de codage de base. Ils diffrent de
codage de base principalement par le codage entropique en utilisant un codage arithmtique ou
par restitution progressive de limage.
Images TDC Quantification Codage Images
originales entropique compresses

Tables de Tables
quantification entropiques

FIG.6 : principe de l'algorithme JPEG avec pertes.

Images Images
Originales Prdicteur Codage Compresses
entropique

Tables
entropiques

FIG.7 : principe de l'algorithme JPEG sans pertes.

III.5.2 La norme de compression JBIG

La norme JBIG (Joint Bi-level Image Group) est destine la compression dimages
photographiques reprsentes en deux tons (noir & blanc), images textes.

Cette norme est destine aussi, pour des dbits variant de 9.6 Kbits/S 64 Kbits/S. Elle
utilise un codage sans perte avec codeur arithmtique adaptatif. Sa structure est sous forme de
couches, chaque couche est un codeur indpendant.

III.5.3 La norme de compression H-261

Cest une norme dveloppe par C.C.I.T.T. (Commission Consultative Internationale de la


Tlgraphie et de la Tlphonie). Ce standard est destin au codage des images animes pour la
visiophonie (Tlphonie Visuelle).
Le H-261 utilise un codage hybride combinant la TCD et le codage prdictif. La TCD est
utilise pour la rduction de la redondance spatiale (codage intra-trames). Le codage prdictif
pour la rduction de la redondance temporelle entre les images de la squence (codage inter-
trames).

III.5.4.La norme de compression MPEG

Les efforts dvelopps par les quipes du CCITT (Comit Consultatif International de
Tlphonie et Tlcommunication) pour le H.261 ont t utiliss comme point de dpart pour le
dveloppement dun standard de codage dimages animes par ISO, ce standard sintitule MPEG
pour Moving Pictures Experts Group.

Contrairement au H.261 en premire phase, MPEG est destine au codage des images
animes en vue de leur stockage sur les supports numriques do les contraintes plus souples
que celles du H.261 (cest pour cela quon lappelle le standard des applications multimdia).

La premire phase de MPEG intitule MPEG-I spcifie une compression du signal vido
un dbit de 1.5 Mbits/s. Les deux autres phases ont pour but damliorer la qualit du codage
vido en sacrifiant une augmentation de dbit, MPEG-II est destine la compression du signal
vido des dbits dordre de 10 Mbits/s, MPEG-III tant destine la tlvision haute dfinition
des dbits de 30 40 Mbits/s.

Une quatrime phase, MPEG-IV est destine au codage dimages animes trs faibles
dbits (10 Mbits/s), elle devra tre normalise cette anne.

Remarque

La compression d'une image fixe est dite spatiale, car elle ne fait pas intervenir le facteur
temps.

Pour la vido, on utilise aussi, le plus souvent, une compression dite temporelle qui
exploite les ressemblances existantes entre une image et les prcdentes.

III.6 Quelques domaines dapplication [3]

De nombreuses applications n'auraient pas t possibles sans la compression. Celle-ci a


aussi permis d'atteindre les dbits ncessaires pour transmettre les images ou la vido.
III.6.1 La tlcopie

Elle repose sur un mode de compression sans perte devenu un standard nomm CCITT
Groupe 3. Ce dernier est adapt aux images ne prsentant que des zones blanches ou noires. Ce
mode de compression n'est autre que le procd de Huffman, utilis aprs tude statistique sur le
contenu des tlcopies pour dfinir la table de codage.

III.6.2 La diffusion d'images sur Internet

Pour rduire le plus possible la taille des pages Web, toutes les images et les photographies
qu'elles contiennent sont comprimes. Les formats les plus employs sont le GIF (limit 256
couleurs avec une compression LZW) ou le JPEG.

III.6.3 La photo numrique

En raison de leur capacit relativement faible (2 et 4 Mo leur sortie, 128 Mo 320 Mo


actuellement), les cartes de mmoire flash des appareils photo numriques ne conviendraient pas
au stockage d'images en haute dfinition, sans la compression. Le format JPEG est
majoritairement employ.

Conclusion

Nous avons vu dans ce chapitre les diffrentes solutions avec perte dinformations non
visibles lil nu telle que la Quantification Vectorielle, la Transforme et Sous bandes, ou sans
perte dinformation telle que Shannon-Fano, Huffman et Arithmtique.

Toutes ces mthodes exploitent la redondance informationnelle de limage. Pour amliorer


la compression, Shannon a montr qu'en codant des vecteurs plutt que des scalaires, on obtient
un meilleur rsultat. Nous avons vu en particulier les normes de compression JPEG pour les
images fixes et MPEG pour les images animes, etc. Nous avons vu aussi la compression
dimages utilisant les fractales est lune des applications les plus rcentes de la gomtrie des
fractales.
Conclusion Gnrale :

La compression des donnes est appele prendre un rle encore plus important en raison
du dveloppement des rseaux et du multimdia.
Son importance est surtout due au dcalage qui existe entre les possibilits matrielles des
dispositifs que nous utilisons (dbits sur Internet, sur Numris et sur les divers cbles, capacit
des mmoires de masse,...) et les besoins quexpriment les utilisateurs (visiophonie, vido plein
cran, transfert de quantits dinformations toujours plus importantes dans des dlais toujours
plus brefs).
Les mthodes dj utilises couramment sont efficaces et sophistiques (Huffman, LZW,
JPEG) et utilisent des thories assez complexes, les mthodes mergentes sont prometteuses
(fractales, ondelettes) mais nous sommes loin davoir puis toutes les pistes de recherche.
Les mthodes du futur sauront sans doute sadapter la nature des donnes compresser et
utiliseront lintelligence artificielle
Bibliographie

[1] dfinition de l'image, caractristiques de l'image numrique, image


niveau de gris, la reprsentation en couleurs relles et indexes, qualit
de l'image numrique, les systmes de traitement d'image, traitement
numriques des images, visualisation, domaines d'applications,
dfinition de la compression, principe gnrale de la compression des
images, classification des mthodes, mthodes sans pertes des donnes,
mthodes avec pertes des donnes, mthodes fractales, les normes de
compression des images.
(www.kaddour.com/chap 1.htm.)
[2]: Mazzari : projet de fin d'tude "la compression JPEG des images
fixes " 2005/2006.Universit de Mda
[3]: techniques de compression utilises, domaines d'applications
(www.compression des images .com)
[4]: transformation par ondelettes.
(perso.unislr.fr/pcourtel/siteweb./chap4/page4.htm)
[5]: mthodes fractales.
(perso.unislr.fr/pcourtel/siteweb./chap3/page3.htm)