module · images numériques · 14 min

Une image, c'est une matrice de pixels. Un pixel, c'est trois nombres.

Cette image fait 32 × 24 = 768 pixels. Chacun stocke 3 × 8 = 24 bits. Choisissez une opération, regardez comment chaque pixel se transforme — puis affrontez les défis.

bac à sable · explore librement
original32 × 24 · 2304 octets
après transformation2304 octets · 24 bits/px
zoom · matrice de valeurs · 5 × 5

avant

95106157
95106157
95106157
95106157
95106157
105110153
105110153
105110153
105110153
105110153
114115149
114115149
114115149
114115149
114115149
123119145
123119145
123119145
123119145
123119145
132123141
132123141
132123141
132123141
132123141

après

95106157
95106157
95106157
95106157
95106157
105110153
105110153
105110153
105110153
105110153
114115149
114115149
114115149
114115149
114115149
123119145
123119145
123119145
123119145
123119145
132123141
132123141
132123141
132123141
132123141

Cliquez sur une image pour déplacer la fenêtre de zoom. Chaque case est UN pixel avec ses trois valeurs R, G, B entre 0 et 255.

compression · coût de l'opération courante

original

2304 o · 24 bits/px

après opération

2304 o · 24 bits/px

économie

0 %

canaux stockés

3 × 8 bits

Toutes les opérations n'ont pas le même coût : inverser ou éclaircir garde 24 bits/px, les niveaux de gris et la binarisation tombent à un seul canal, la quantification réduit les bits par canal. En vraie compression (JPEG, PNG), des techniques bien plus malines exploitent les régions uniformes et la perception humaine — mais l'idée de base reste : stocker moins de bits par pixel.

défi · compression & problème inverse
palier 1 / 4

Réduire le poids de l'image sous le budget tout en gardant une image lisible. Une seule famille d'opération réduit vraiment les bits par pixel sans détruire les formes.

≤ 720 o · lisibilité ≥ 70

poids

2304 / ≤ 720 o

lisibilité

100 / ≥ 70

à retenir
  • une image matricielle = une grille de pixels, chaque pixel = 3 octets (R, G, B).
  • le poids d'une image dépend du nombre de pixels et du nombre de bits stockés par pixel.
  • compresser à perte, c'est accepter de perdre de l'information (couleurs, nuances) pour stocker moins de bits.
  • certaines transformations sont réversibles (inverser), d'autres détruisent l'information (gris, binarisation, quantification).
retour au labo