Embed Size (px)
Citation preview
Le
form
atde
com
pre
ssio
nJP
EG
ou
com
men
tle
sm
athém
atiq
ues
serv
ent
(par
fois
)à
quel
que
chose
...
E.Le
Pen
nec
INR
IASacl
ay-
IdF
–SELEC
T
Lyc
éeJ.
B.C
oro
t-
Savi
gny
/04/02/2011
Erw
anL
eP
ennec
Erw
anL
eP
ennec
→→
Erw
anL
eP
ennec
→→
Bac
Sci
entifique
(C)
–ly
cée
P.Langev
in,Sure
snes
(93).
Pré
pa
–ly
cée
Past
eur,
Neu
illy
(93–95).
EN
SC
ach
an
(95).
Lic
ence
etM
aîtrise
de
Math
àPar
is7
(96).
DEA
:M
ath
ématiques
etIn
telli
gen
ceA
rtifi
ciel
le–
Cach
an
(97).
Agré
gation
de
Math
(98).
Doct
ora
t:B
andel
ette
set
repré
senta
tion
géo
mét
rique
des
images
(98–02).
Let
ItW
ave
:Tra
item
ent
d’im
age
eten
par
ticu
lier
com
pre
ssio
nd’im
age
de
visa
ge
(02–04).
Maître
de
Confé
rence
(sta
tist
ique)
–Par
is7
–LPM
A(0
4–10).
Char
gé
de
Rec
her
che
(sta
tist
ique)
–IN
RIA
Sacl
ay–
SELEC
T(1
0–).
Com
pre
ssio
nd’im
age
Com
pre
ssio
nd’im
age
Com
pre
ssio
nd’im
age
→0110101..
.
Com
pre
ssio
nd’im
age
→0110101..
.→
Com
pre
ssio
nd’im
age
Com
pre
ssio
nd’im
age
Image
num
ériq
ue
etm
otiva
tions
Com
pre
ssio
nd’im
age
Image
num
ériq
ue
etm
otiva
tions
Com
pre
ssio
nsa
ns
per
te:
TIF
,
GIF
,
PN
G...
Com
pre
ssio
nd’im
age
Image
num
ériq
ue
etm
otiva
tions
Com
pre
ssio
nsa
ns
per
te:
TIF
,
GIF
,
PN
G...
Com
pre
ssio
nave
cper
te:
JPEG
,
JPEG
2K
Com
pre
ssio
nd’im
age
Image
num
ériq
ue
etm
otiva
tions
Com
pre
ssio
nsa
ns
per
te:
TIF
,
GIF
,
PN
G...
Com
pre
ssio
nave
cper
te:
JPEG
,
JPEG
2K
Et
aprè
s?
Imag
enum
ériq
ue
Imag
enum
ériq
ue
Image
défi
nie
(captu
rée)
dans
un
rect
angle
(fonct
ion).
Imag
enum
ériq
ue
Image
défi
nie
(captu
rée)
dans
un
rect
angle
(fonct
ion).
Image
num
ériq
ue
:ve
rsio
ndiscr
étisée
enposition
(matr
ice,
mosa
ïque)
eten
vale
urs
(8bits)
.
Imag
enum
ériq
ue
Image
défi
nie
(captu
rée)
dans
un
rect
angle
(fonct
ion).
Image
num
ériq
ue
:ve
rsio
ndiscr
étisée
enposition
(matr
ice,
mosa
ïque)
eten
vale
urs
(8bits)
.
Pour
laco
ule
ur
:utilis
ation
de
3im
ages
(RG
B-
24
bits)
.
Imag
enum
ériq
ue
Image
défi
nie
(captu
rée)
dans
un
rect
angle
(fonct
ion).
Image
num
ériq
ue
:ve
rsio
ndiscr
étisée
enposition
(matr
ice,
mosa
ïque)
eten
vale
urs
(8bits)
.
Pour
laco
ule
ur
:utilis
ation
de
3im
ages
(RG
B-
24
bits)
.
Occ
upation
mém
oire
import
ante
:
2048×3072×24=18×223
bits=18
Mo
Imag
enum
ériq
ue
Image
défi
nie
(captu
rée)
dans
un
rect
angle
(fonct
ion).
Image
num
ériq
ue
:ve
rsio
ndiscr
étisée
enposition
(matr
ice,
mosa
ïque)
eten
vale
urs
(8bits)
.
Pour
laco
ule
ur
:utilis
ation
de
3im
ages
(RG
B-
24
bits)
.
Occ
upation
mém
oire
import
ante
:
2048×3072×24=18×223
bits=18
Mo
Bes
oin
de
com
pre
ssio
n.
Com
pre
ssio
nd’im
age
Com
pre
ssio
nd’im
age
Image
idéa
le...
Com
pre
ssio
nd’im
age
→
Image
idéa
le...
Image
=Im
age
num
ériq
ue
enniv
eau
de
gris
pro
venant
des
capte
urs
de
l’appar
eilphoto
.
Com
pre
ssio
nd’im
age
→
Image
idéa
le...
Image
=Im
age
num
ériq
ue
enniv
eau
de
gris
pro
venant
des
capte
urs
de
l’appar
eilphoto
.
Sim
plifi
cation
!:ré
solu
tion,co
ule
ur,
motifde
Bay
er,.
..
Com
pre
ssio
nd’im
age
→→ ←
0110101..
.
Image
idéa
le...
Image
=Im
age
num
ériq
ue
enniv
eau
de
gris
pro
venant
des
capte
urs
de
l’appar
eilphoto
.
Sim
plifi
cation
!:ré
solu
tion,co
ule
ur,
motifde
Bay
er,.
..
Com
pre
ssio
nsa
ns
per
te(le
reto
urve
rsla
vers
ion
origin
ale
est
poss
ible
):
TIF
,G
IF,PN
G,.
..
Com
pre
ssio
nd’im
age
→→
0110101..
.
Image
idéa
le...
Image
=Im
age
num
ériq
ue
enniv
eau
de
gris
pro
venant
des
capte
urs
de
l’appar
eilphoto
.
Sim
plifi
cation
!:ré
solu
tion,co
ule
ur,
motifde
Bay
er,.
..
Com
pre
ssio
nsa
ns
per
te(le
reto
urve
rsla
vers
ion
origin
ale
est
poss
ible
):
TIF
,G
IF,PN
G,.
..
Com
pre
ssio
nave
cper
te(r
etour
imposs
ible
):JP
EG
,JP
EG
2K
,...
.
Com
pre
ssio
nsa
ns
per
te
Com
pre
ssio
nsa
ns
per
te
→ ←0110101..
.
Com
pre
ssio
nsa
ns
per
te
→ ←0110101..
.
Com
pre
ssio
nde
type
ZIP
,R
AR
and
co.
Com
pre
ssio
nsa
ns
per
te
→ ←0110101..
.
Com
pre
ssio
nde
type
ZIP
,R
AR
and
co.
Ret
our
poss
ible
=pas
de
per
ted’info
rmation.
Com
pre
ssio
nsa
ns
per
te
→ ←0110101..
.
Com
pre
ssio
nde
type
ZIP
,R
AR
and
co.
Ret
our
poss
ible
=pas
de
per
ted’info
rmation.
Exp
loitation
de
lare
dondance
(rép
étitio
n)
dans
les
suites
de
vale
urs
.
Com
pre
ssio
nsa
ns
per
te
→ ←0110101..
.
Com
pre
ssio
nde
type
ZIP
,R
AR
and
co.
Ret
our
poss
ible
=pas
de
per
ted’info
rmation.
Exp
loitation
de
lare
dondance
(rép
étitio
n)
dans
les
suites
de
vale
urs
.
Intu
itio
n:la
nguage
=le
sm
ots
les
plu
sutilis
ésso
nt
les
plu
sco
urt
s...
TIF
etR
LE
TIF
etR
LE
0−0−0−1−1−1−1−1−0−0−0−0−2−2−2−2−128−128−128
TIF
etR
LE
0−0−0−1−1−1−1−1−0−0−0−0−2−2−2−2−128−128−128
Liste
de
lava
leur
des
pix
els
TIF
etR
LE
0−0−0−1−1−1−1−1−0−0−0−0−2−2−2−2−128−128−128
Liste
de
lava
leur
des
pix
els
Alg
orith
me
de
com
pre
ssio
nle
plu
ssim
ple
.
TIF
etR
LE
0−0−0−1−1−1−1−1−0−0−0−0−2−2−2−2−128−128−128
Liste
de
lava
leur
des
pix
els
Alg
orith
me
de
com
pre
ssio
nle
plu
ssim
ple
.
Run
Len
gth
Enco
din
g:C
odage
de
laLongueu
rde
laSér
ieen
Cours
...
TIF
etR
LE
0−0−0−1−1−1−1−1−0−0−0−0−2−2−2−2−128−128−128
↓
(0,3)−(1,5)−(0,4)−(2,4)−(128,3)
Liste
de
lava
leur
des
pix
els
Alg
orith
me
de
com
pre
ssio
nle
plu
ssim
ple
.
Run
Len
gth
Enco
din
g:C
odage
de
laLongueu
rde
laSér
ieen
Cours
...
Utilis
ation
de
laré
pét
itio
n(a
ssez
rare
dans
lavr
aie
vie)
.
TIF
etR
LE
0−0−0−1−1−1−1−1−0−0−0−0−2−2−2−2−128−128−128
↓
(0,3)−(1,5)−(0,4)−(2,4)−(128,3)
Liste
de
lava
leur
des
pix
els
Alg
orith
me
de
com
pre
ssio
nle
plu
ssim
ple
.
Run
Len
gth
Enco
din
g:C
odage
de
laLongueu
rde
laSér
ieen
Cours
...
Utilis
ation
de
laré
pét
itio
n(a
ssez
rare
dans
lavr
aie
vie)
.
Rem
pla
cer
une
suite
de
vale
ur
iden
tique
par
un
sym
bole
suiv
ide
la
vale
ur
etdu
nom
bre
de
fois
où
elle
appar
aît.
TIF
etR
LE
0−0−0−1−1−1−1−1−0−0−0−0−2−2−2−2−128−128−128
↓
(0,3)−(1,5)−(0,4)−(2,4)−(128,3)
Liste
de
lava
leur
des
pix
els
Alg
orith
me
de
com
pre
ssio
nle
plu
ssim
ple
.
Run
Len
gth
Enco
din
g:C
odage
de
laLongueu
rde
laSér
ieen
Cours
...
Utilis
ation
de
laré
pét
itio
n(a
ssez
rare
dans
lavr
aie
vie)
.
Rem
pla
cer
une
suite
de
vale
ur
iden
tique
par
un
sym
bole
suiv
ide
la
vale
ur
etdu
nom
bre
de
fois
où
elle
appar
aît.
Utilis
erdans
lefo
rmat
TIF
pour
des
images
«ca
rtoons
».
Com
pre
ssio
nsa
ns
per
te
Com
pre
ssio
nsa
ns
per
teLangue
:co
nce
pt
fréq
uen
t=
mot
court
.
Com
pre
ssio
nsa
ns
per
teLangue
:co
nce
pt
fréq
uen
t=
mot
court
.
Théo
rie
de
l’in
form
ation
(Sta
tist
ique)
:va
leur
fréq
uen
te=
code
court
.
Com
pre
ssio
nsa
ns
per
teLangue
:co
nce
pt
fréq
uen
t=
mot
court
.
Théo
rie
de
l’in
form
ation
(Sta
tist
ique)
:va
leur
fréq
uen
te=
code
court
.
Mes
ure
de
lafr
équen
ce:pro
babili
tés.
pi=
Nb
appar
itio
ns
de
lava
leuri
Nb
tota
l
Com
pre
ssio
nsa
ns
per
teLangue
:co
nce
pt
fréq
uen
t=
mot
court
.
Théo
rie
de
l’in
form
ation
(Sta
tist
ique)
:va
leur
fréq
uen
te=
code
court
.
Mes
ure
de
lafr
équen
ce:pro
babili
tés.
pi=
Nb
appar
itio
ns
de
lava
leuri
Nb
tota
l
Longueu
rdu
mes
sage
:∑
i
(Nb
appar
itio
ns
de
lava
leuri×
longueu
rdu
code
pouri)
=N
bto
tal×
(
∑
i
pi×
longueu
rdu
code
pouri)
Com
pre
ssio
nsa
ns
per
teLangue
:co
nce
pt
fréq
uen
t=
mot
court
.
Théo
rie
de
l’in
form
ation
(Sta
tist
ique)
:va
leur
fréq
uen
te=
code
court
.
Mes
ure
de
lafr
équen
ce:pro
babili
tés.
pi=
Nb
appar
itio
ns
de
lava
leuri
Nb
tota
l
Longueu
rdu
mes
sage
:∑
i
(Nb
appar
itio
ns
de
lava
leuri×
longueu
rdu
code
pouri)
=N
bto
tal×
(
∑
i
pi×
longueu
rdu
code
pouri)
Choix
del i=
longueu
rdu
code
pouri?
Com
pre
ssio
nsa
ns
per
teLangue
:co
nce
pt
fréq
uen
t=
mot
court
.
Théo
rie
de
l’in
form
ation
(Sta
tist
ique)
:va
leur
fréq
uen
te=
code
court
.
Mes
ure
de
lafr
équen
ce:pro
babili
tés.
pi=
Nb
appar
itio
ns
de
lava
leuri
Nb
tota
l
Longueu
rdu
mes
sage
:∑
i
(Nb
appar
itio
ns
de
lava
leuri×
longueu
rdu
code
pouri)
=N
bto
tal×
(
∑
i
pi×
longueu
rdu
code
pouri)
Choix
del i=
longueu
rdu
code
pouri?
Longueu
roptim
ale
:
l i=−log2(pi)
Com
pre
ssio
nsa
ns
per
teLangue
:co
nce
pt
fréq
uen
t=
mot
court
.
Théo
rie
de
l’in
form
ation
(Sta
tist
ique)
:va
leur
fréq
uen
te=
code
court
.
Mes
ure
de
lafr
équen
ce:pro
babili
tés.
pi=
Nb
appar
itio
ns
de
lava
leuri
Nb
tota
l
Longueu
rdu
mes
sage
:∑
i
(Nb
appar
itio
ns
de
lava
leuri×
longueu
rdu
code
pouri)
=N
bto
tal×
(
∑
i
pi×
longueu
rdu
code
pouri)
Choix
del i=
longueu
rdu
code
pouri?
Longueu
roptim
ale
:
l i=−log2(pi)
Alg
orith
mes
:D
ictionnaire
(LZ)
/Pro
babili
ste
(Huffm
an/A
rith
mét
ique)
.
Com
pre
ssio
npar
dic
tionnai
re
Com
pre
ssio
npar
dic
tionnai
re
0−0−0−1−1−1−1−1−0−0−0−0−2−2−2−2−128−128−128
↓
(1)−0−(2)−1−(3)−(4)−(5)−128
Rem
pla
cem
ent
d’u
ne
suite
de
sym
bole
par
son
num
éro
dans
un
dic
tionnaire.
Com
pre
ssio
npar
dic
tionnai
re
0−0−0−1−1−1−1−1−0−0−0−0−2−2−2−2−128−128−128
↓
(1)−0−(2)−1−(3)−(4)−(5)−128
ave
c
(1)=0−0,(2)=1−1−1−1,(3)=0−0−0−0,
(4)=2−2−2−2,(5)=128−128
Rem
pla
cem
ent
d’u
ne
suite
de
sym
bole
par
son
num
éro
dans
un
dic
tionnaire.
Diffi
culté
:avo
irle
mêm
edic
tionnaire
au
codage
etau
déc
odage.
Com
pre
ssio
npar
dic
tionnai
re
0−0−0−1−1−1−1−1−0−0−0−0−2−2−2−2−128−128−128
↓
(1)−0−(2)−1−(3)−(4)−(5)−128
ave
c
(1)=0−0,(2)=1−1−1−1,(3)=0−0−0−0,
(4)=2−2−2−2,(5)=128−128
Rem
pla
cem
ent
d’u
ne
suite
de
sym
bole
par
son
num
éro
dans
un
dic
tionnaire.
Diffi
culté
:avo
irle
mêm
edic
tionnaire
au
codage
etau
déc
odage.
Const
ruct
ion
d’u
ndic
tionnaire
ave
cle
train
bin
aire
déj
àlu
:pas
bes
oin
de
transm
ettr
ece
dic
tionnaire!
Com
pre
ssio
npar
dic
tionnai
re
0−0−0−1−1−1−1−1−0−0−0−0−2−2−2−2−128−128−128
↓
(1)−0−(2)−1−(3)−(4)−(5)−128
ave
c
(1)=0−0,(2)=1−1−1−1,(3)=0−0−0−0,
(4)=2−2−2−2,(5)=128−128
Rem
pla
cem
ent
d’u
ne
suite
de
sym
bole
par
son
num
éro
dans
un
dic
tionnaire.
Diffi
culté
:avo
irle
mêm
edic
tionnaire
au
codage
etau
déc
odage.
Const
ruct
ion
d’u
ndic
tionnaire
ave
cle
train
bin
aire
déj
àlu
:pas
bes
oin
de
transm
ettr
ece
dic
tionnaire!
LZ77,LZW
,ZIP
,R
AR
...
GIF
GIF
Alg
orith
me
de
com
pre
ssio
nsa
ns
per
tein
troduit
par
Com
puse
rve
en
1987.
GIF
→ ←0−116−128−255−...
Alg
orith
me
de
com
pre
ssio
nsa
ns
per
tein
troduit
par
Com
puse
rve
en
1987.
Liste
de
lava
leur
des
pix
els.
GIF
→ ←0−116−128−255−...→ ←
0110101..
.
Alg
orith
me
de
com
pre
ssio
nsa
ns
per
tein
troduit
par
Com
puse
rve
en
1987.
Liste
de
lava
leur
des
pix
els.
Com
pre
ssio
nsa
ns
per
tepar
un
codage
entr
opiq
ue
(ZIP
).
GIF
→ ←0−116−128−255−...→ ←
0110101..
.
Alg
orith
me
de
com
pre
ssio
nsa
ns
per
tein
troduit
par
Com
puse
rve
en
1987.
Liste
de
lava
leur
des
pix
els.
Com
pre
ssio
nsa
ns
per
tepar
un
codage
entr
opiq
ue
(ZIP
).
Effi
cace
mais
limité
àdes
fact
eurs
de
com
pre
ssio
nde
2-3
maxi
mum
pour
les
images
natu
relle
s.
PN
G
PN
G
Alg
orith
me
LZW
bre
veté
:bes
oin
d’u
ne
solu
tion
de
rem
pla
cem
ent
(95).
PN
G
→ ←0−116−128−255−...
Alg
orith
me
LZW
bre
veté
:bes
oin
d’u
ne
solu
tion
de
rem
pla
cem
ent
(95).
Liste
des
pix
els
=lis
tede
vale
ur
d’inte
nsité
lum
ineu
se.
PN
G
→ ←0−116−128−255−...
→ ←0−116−12−127−...
Alg
orith
me
LZW
bre
veté
:bes
oin
d’u
ne
solu
tion
de
rem
pla
cem
ent
(95).
Liste
des
pix
els
=lis
tede
vale
ur
d’inte
nsité
lum
ineu
se.
Pré
dic
tion
poss
ible
d’u
ne
vale
ur
enfo
nct
ion
de
celle
sdéj
àvu
eset
codage
de
l’er
reur
de
pré
dic
tion.
PN
G
→ ←0−116−128−255−...
→ ←0−116−12−127−...→ ←
0110101..
.
Alg
orith
me
LZW
bre
veté
:bes
oin
d’u
ne
solu
tion
de
rem
pla
cem
ent
(95).
Liste
des
pix
els
=lis
tede
vale
ur
d’inte
nsité
lum
ineu
se.
Pré
dic
tion
poss
ible
d’u
ne
vale
ur
enfo
nct
ion
de
celle
sdéj
àvu
eset
codage
de
l’er
reur
de
pré
dic
tion.
PN
G
→ ←0−116−128−255−...
→ ←0−116−12−127−...→ ←
0110101..
.
Alg
orith
me
LZW
bre
veté
:bes
oin
d’u
ne
solu
tion
de
rem
pla
cem
ent
(95).
Liste
des
pix
els
=lis
tede
vale
ur
d’inte
nsité
lum
ineu
se.
Pré
dic
tion
poss
ible
d’u
ne
vale
ur
enfo
nct
ion
de
celle
sdéj
àvu
eset
codage
de
l’er
reur
de
pré
dic
tion.
Modèl
esim
ple
:va
leur
pré
céden
te,m
oye
nne
loca
le,.
..
PN
G
→ ←0−116−128−255−...
→ ←0−116−12−127−...→ ←
0110101..
.
Alg
orith
me
LZW
bre
veté
:bes
oin
d’u
ne
solu
tion
de
rem
pla
cem
ent
(95).
Liste
des
pix
els
=lis
tede
vale
ur
d’inte
nsité
lum
ineu
se.
Pré
dic
tion
poss
ible
d’u
ne
vale
ur
enfo
nct
ion
de
celle
sdéj
àvu
eset
codage
de
l’er
reur
de
pré
dic
tion.
Modèl
esim
ple
:va
leur
pré
céden
te,m
oye
nne
loca
le,.
..
Utilis
ation
d’u
ne
mei
lleure
modél
isation
statist
ique
d’u
ne
image.
PN
G
→ ←0−116−128−255−...
→ ←0−116−12−127−...→ ←
0110101..
.
Alg
orith
me
LZW
bre
veté
:bes
oin
d’u
ne
solu
tion
de
rem
pla
cem
ent
(95).
Liste
des
pix
els
=lis
tede
vale
ur
d’inte
nsité
lum
ineu
se.
Pré
dic
tion
poss
ible
d’u
ne
vale
ur
enfo
nct
ion
de
celle
sdéj
àvu
eset
codage
de
l’er
reur
de
pré
dic
tion.
Modèl
esim
ple
:va
leur
pré
céden
te,m
oye
nne
loca
le,.
..
Utilis
ation
d’u
ne
mei
lleure
modél
isation
statist
ique
d’u
ne
image.
=⇒
Am
élio
ration
de
l’effi
caci
tédes
alg
orith
mes
de
type
dic
tionnaire.
Modél
isat
ion
stat
isti
que
Modél
isat
ion
stat
isti
que
Le
fact
eur
de
com
pre
ssio
ndép
end
de
lapro
babili
tédans
lem
odèl
e.
Modél
isat
ion
stat
isti
que
Le
fact
eur
de
com
pre
ssio
ndép
end
de
lapro
babili
tédans
lem
odèl
e.
Import
ance
de
const
ruire
des
modèl
esst
atist
iques
adapté
s.
Modél
isat
ion
stat
isti
que
Le
fact
eur
de
com
pre
ssio
ndép
end
de
lapro
babili
tédans
lem
odèl
e.
Import
ance
de
const
ruire
des
modèl
esst
atist
iques
adapté
s.
Modèl
ede
distr
ibutions
sim
ple
s(iid
ave
cune
distr
ibution
connue)
:
OC
RO
HLO
RG
WR
NM
IELW
ISEU
LL
NB
NESEB
YA
TH
EEI
ALH
EN
HT
TPA
OO
BT
TVA
NA
HB
RL
Modél
isat
ion
stat
isti
que
Le
fact
eur
de
com
pre
ssio
ndép
end
de
lapro
babili
tédans
lem
odèl
e.
Import
ance
de
const
ruire
des
modèl
esst
atist
iques
adapté
s.
Modèl
ede
distr
ibutions
sim
ple
s(iid
ave
cune
distr
ibution
connue)
:
OC
RO
HLO
RG
WR
NM
IELW
ISEU
LL
NB
NESEB
YA
TH
EEI
ALH
EN
HT
TPA
OO
BT
TVA
NA
HB
RL
Modèl
ede
dép
endance
enfo
nct
ion
du
pass
é:
INN
OIS
TLAT
WH
EY
CR
AT
ICT
FR
OU
RE
BIR
SG
RO
CID
PO
ND
EN
OM
EO
FD
EM
ON
ST
UR
ES
OF
TH
ER
EPTAG
INIS
REG
OAC
TIO
NA
OF
CR
E
Modél
isat
ion
stat
isti
que
Le
fact
eur
de
com
pre
ssio
ndép
end
de
lapro
babili
tédans
lem
odèl
e.
Import
ance
de
const
ruire
des
modèl
esst
atist
iques
adapté
s.
Modèl
ede
distr
ibutions
sim
ple
s(iid
ave
cune
distr
ibution
connue)
:
OC
RO
HLO
RG
WR
NM
IELW
ISEU
LL
NB
NESEB
YA
TH
EEI
ALH
EN
HT
TPA
OO
BT
TVA
NA
HB
RL
Modèl
ede
dép
endance
enfo
nct
ion
du
pass
é:
INN
OIS
TLAT
WH
EY
CR
AT
ICT
FR
OU
RE
BIR
SG
RO
CID
PO
ND
EN
OM
EO
FD
EM
ON
ST
UR
ES
OF
TH
ER
EPTAG
INIS
REG
OAC
TIO
NA
OF
CR
E
Modèl
ede
distr
ibution
plu
sco
mple
xes
:
TH
EH
EA
DA
ND
INFR
ON
TA
LAT
TAC
KO
NA
NEN
GLIS
HW
RIT
ER
TH
AT
TH
EC
HA
RAC
TER
OF
TH
ISPO
INT
IST
HER
EFO
RE
AN
OT
HER
MET
HO
DFO
RT
HE
LET
TER
ST
HAT
TH
ET
IME
OF
WH
OEV
ER
TO
LD
TH
EPR
OB
LEM
FO
RA
NU
NEX
PEC
TED
Modél
isat
ion
stat
isti
que
Le
fact
eur
de
com
pre
ssio
ndép
end
de
lapro
babili
tédans
lem
odèl
e.
Import
ance
de
const
ruire
des
modèl
esst
atist
iques
adapté
s.
Modèl
ede
distr
ibutions
sim
ple
s(iid
ave
cune
distr
ibution
connue)
:
OC
RO
HLO
RG
WR
NM
IELW
ISEU
LL
NB
NESEB
YA
TH
EEI
ALH
EN
HT
TPA
OO
BT
TVA
NA
HB
RL
Modèl
ede
dép
endance
enfo
nct
ion
du
pass
é:
INN
OIS
TLAT
WH
EY
CR
AT
ICT
FR
OU
RE
BIR
SG
RO
CID
PO
ND
EN
OM
EO
FD
EM
ON
ST
UR
ES
OF
TH
ER
EPTAG
INIS
REG
OAC
TIO
NA
OF
CR
E
Modèl
ede
distr
ibution
plu
sco
mple
xes
:
TH
EH
EA
DA
ND
INFR
ON
TA
LAT
TAC
KO
NA
NEN
GLIS
HW
RIT
ER
TH
AT
TH
EC
HA
RAC
TER
OF
TH
ISPO
INT
IST
HER
EFO
RE
AN
OT
HER
MET
HO
DFO
RT
HE
LET
TER
ST
HAT
TH
ET
IME
OF
WH
OEV
ER
TO
LD
TH
EPR
OB
LEM
FO
RA
NU
NEX
PEC
TED
Pour
les
images≃
fact
eur
4de
com
pre
ssio
nave
cle
sm
eille
urs
modèl
es
(Mar
kovi
enave
cappre
ntiss
age.
..).
Com
pre
ssio
nav
ecp
erte
Com
pre
ssio
nav
ecp
erte
→ ←
→ ←0110101..
.01..
.
Taux
de
com
pre
ssio
nsa
ns
per
teso
uve
nt
insu
ffisa
nt.
Com
pre
ssio
nav
ecp
erte
→→ ←
0110101..
.
Taux
de
com
pre
ssio
nsa
ns
per
teso
uve
nt
insu
ffisa
nt.
Pour
am
élio
rer
leta
ux
de
com
pre
ssio
n,il
faut
per
dre
de
l’in
form
ation
!
Com
pre
ssio
nav
ecp
erte
→→ ←
0110101..
.
Taux
de
com
pre
ssio
nsa
ns
per
teso
uve
nt
insu
ffisa
nt.
Pour
am
élio
rer
leta
ux
de
com
pre
ssio
n,il
faut
per
dre
de
l’in
form
ation
!
Exe
mple
s(f
act
eur
16
de
com
pre
ssio
n)
:
Com
pre
ssio
nav
ecp
erte
→→ ←
0110101..
.
Taux
de
com
pre
ssio
nsa
ns
per
teso
uve
nt
insu
ffisa
nt.
Pour
am
élio
rer
leta
ux
de
com
pre
ssio
n,il
faut
per
dre
de
l’in
form
ation
!
Exe
mple
s(f
act
eur
16
de
com
pre
ssio
n)
:
changem
ent
de
réso
lution,
Com
pre
ssio
nav
ecp
erte
→→ ←
0110101..
.
Taux
de
com
pre
ssio
nsa
ns
per
teso
uve
nt
insu
ffisa
nt.
Pour
am
élio
rer
leta
ux
de
com
pre
ssio
n,il
faut
per
dre
de
l’in
form
ation
!
Exe
mple
s(f
act
eur
16
de
com
pre
ssio
n)
:
changem
ent
de
réso
lution,
nom
bre
de
coule
urs
utilis
ées,
Com
pre
ssio
nav
ecp
erte
→→ ←
0110101..
.
Taux
de
com
pre
ssio
nsa
ns
per
teso
uve
nt
insu
ffisa
nt.
Pour
am
élio
rer
leta
ux
de
com
pre
ssio
n,il
faut
per
dre
de
l’in
form
ation
!
Exe
mple
s(f
act
eur
16
de
com
pre
ssio
n)
:
changem
ent
de
réso
lution,
nom
bre
de
coule
urs
utilis
ées,
fact
eur
de
qualit
é(J
PEG
)
Com
pre
ssio
nav
ecp
erte
→→ ←
0110101..
.
Taux
de
com
pre
ssio
nsa
ns
per
teso
uve
nt
insu
ffisa
nt.
Pour
am
élio
rer
leta
ux
de
com
pre
ssio
n,il
faut
per
dre
de
l’in
form
ation
!
Exe
mple
s(f
act
eur
16
de
com
pre
ssio
n)
:
changem
ent
de
réso
lution,
nom
bre
de
coule
urs
utilis
ées,
fact
eur
de
qualit
é(J
PEG
)
Com
men
tça
mar
che
JPEG
?
JP
EG
JP
EG
Alg
orith
me
pro
posé
en1990
par
un
com
ité
d’e
xper
t(J
oin
t
Photo
gra
phic
Exp
erts
Gro
up).
JP
EG
Alg
orith
me
pro
posé
en1990
par
un
com
ité
d’e
xper
t(J
oin
t
Photo
gra
phic
Exp
erts
Gro
up).
Princi
pes
:
Quantifica
tion
aprè
sun
changem
ent
de
base
(DC
T).
Codage
sans
per
te.
JP
EG
Alg
orith
me
pro
posé
en1990
par
un
com
ité
d’e
xper
t(J
oin
t
Photo
gra
phic
Exp
erts
Gro
up).
Princi
pes
:
Quantifica
tion
aprè
sun
changem
ent
de
base
(DC
T).
Codage
sans
per
te.
Cer
tain
succ
ès!
Bas
es..
.
Bas
es..
.
Un
peu
de
math
!
Bas
es..
.
128=1×100+2×10+8×1
Un
peu
de
math
!
Base
pour
les
nom
bre
s.
Bas
es..
.
128=1×100+2×10+8×1
~ V=(1,2,8)=1~x+2~y+8~z
Un
peu
de
math
!
Base
pour
les
nom
bre
s.
Base
pour
les
vect
eurs
.
Bas
es..
.
128=1×100+2×10+8×1
~ V=(1,2,8)=1~x+2~y+8~z
P(X)=1+2X+8X2=1X0+2X+8X2(+...)
Un
peu
de
math
!
Base
pour
les
nom
bre
s.
Base
pour
les
vect
eurs
.
Base
pour
les
poly
nôm
es.
Bas
es..
.
128=1×100+2×10+8×1
~ V=(1,2,8)=1~x+2~y+8~z
P(X)=1+2X+8X2=1X0+2X+8X2(+...)
f(x)=1f 1(x)+2f 2(x)+8f 3(x)(+...)
Un
peu
de
math
!
Base
pour
les
nom
bre
s.
Base
pour
les
vect
eurs
.
Base
pour
les
poly
nôm
es.
Base
pour
les
fonct
ions!!!.
Bas
ede
Fouri
er
Bas
ede
Fouri
er
Jose
ph
Fourier
(1807)
:La
pro
pagation
de
lach
ale
ur
dans
les
solid
es.
Bas
ede
Fouri
er
Jose
ph
Fourier
(1807)
:La
pro
pagation
de
lach
ale
ur
dans
les
solid
es.
Déc
om
position
des
fonct
ions
sur
l’in
terv
alle[0,1]dans
une
base
de
cosinus
etsinus.
Bas
ede
Fouri
er
Jose
ph
Fourier
(1807)
:La
pro
pagation
de
lach
ale
ur
dans
les
solid
es.
Déc
om
position
des
fonct
ions
sur
l’in
terv
alle[0,1]dans
une
base
de
cosinus
etsinus.
Toute
fonct
ion
sur
l’in
terv
alle
s’éc
rit
com
me
som
me
de
sinuso
ïdes
:
f(x)=c 0+c 1cos(2π×x)+s 1cos(2π×x)+c 2cos(2×2π×x)
+s 2sin(2×2π×x)+c 3cos(3×2π×x)+s 3sin(3×2π×x)+···
Bas
eet
sim
plifica
tion
Bas
eet
sim
plifica
tion
Nb
de
sinus
Rec
onst
ruct
ion
01
00
20
03
00
40
05
00
60
07
00
80
09
00
10
00
−3
0
−2
0
−1
00
10
20
30
40
50
Bas
eet
sim
plifica
tion
Nb
de
sinus
Rec
onst
ruct
ion
1024
01
00
20
03
00
40
05
00
60
07
00
80
09
00
10
00
−3
0
−2
0
−1
00
10
20
30
40
50
Bas
eet
sim
plifica
tion
Nb
de
sinus
Rec
onst
ruct
ion
512
01
00
20
03
00
40
05
00
60
07
00
80
09
00
10
00
−3
0
−2
0
−1
00
10
20
30
40
50
Bas
eet
sim
plifica
tion
Nb
de
sinus
Rec
onst
ruct
ion
256
01
00
20
03
00
40
05
00
60
07
00
80
09
00
10
00
−3
0
−2
0
−1
00
10
20
30
40
50
Bas
eet
sim
plifica
tion
Nb
de
sinus
Rec
onst
ruct
ion
128
01
00
20
03
00
40
05
00
60
07
00
80
09
00
10
00
−3
0
−2
0
−1
00
10
20
30
40
50
Bas
eet
sim
plifica
tion
Nb
de
sinus
Rec
onst
ruct
ion
64
01
00
20
03
00
40
05
00
60
07
00
80
09
00
10
00
−3
0
−2
0
−1
00
10
20
30
40
50
Bas
eet
sim
plifica
tion
Nb
de
sinus
Rec
onst
ruct
ion
32
01
00
20
03
00
40
05
00
60
07
00
80
09
00
10
00
−3
0
−2
0
−1
00
10
20
30
40
50
Bas
eet
sim
plifica
tion
Nb
de
sinus
Rec
onst
ruct
ion
16
01
00
20
03
00
40
05
00
60
07
00
80
09
00
10
00
−3
0
−2
0
−1
00
10
20
30
40
50
Bas
eet
sim
plifica
tion
Nb
de
sinus
Rec
onst
ruct
ion
1024
01
00
20
03
00
40
05
00
60
07
00
80
09
00
10
00
−3
0
−2
0
−1
00
10
20
30
40
50
Bas
ede
Fouri
er2D
Bas
ede
Fouri
er2D
Base
de
Fourier
1D
:co
sinus
etsinus.
Bas
ede
Fouri
er2D
Base
de
Fourier
1D
:co
sinus
etsinus.
Base
de
Fourier
2D
:co
sinus
etsinus
dans
les
deu
xdirec
tions.
Bas
ede
Fouri
er2D
Base
de
Fourier
1D
:co
sinus
etsinus.
Base
de
Fourier
2D
:co
sinus
etsinus
dans
les
deu
xdirec
tions.
Base
sur
des
carr
és8×8
DC
T.
Bas
ede
Fouri
er2D
Base
de
Fourier
1D
:co
sinus
etsinus.
Base
de
Fourier
2D
:co
sinus
etsinus
dans
les
deu
xdirec
tions.
Base
sur
des
carr
és8×8
DC
T.
Base
utilis
éedans
JPEG
(Join
tPic
ture
Exp
ert
Gro
up)
en1990.
JP
EG
JP
EG
Image
initia
le.
JP
EG
Image
initia
le.
Déc
oupage
enca
rré8×8.
JP
EG
Image
initia
le.
Déc
oupage
enca
rré8×8.
Déc
om
position
dans
labase
de
Fourier
.
JP
EG
Image
initia
le.
Déc
oupage
enca
rré8×8.
Déc
om
position
dans
labase
de
Fourier
.
Appro
xim
ation
(sim
plifi
cation)
des
coeffi
cien
ts(≃
réduct
ion
du
nom
bre
de
coule
urs
).
JP
EG
Image
initia
le.
Déc
oupage
enca
rré8×8.
Déc
om
position
dans
labase
de
Fourier
.
Appro
xim
ation
(sim
plifi
cation)
des
coeffi
cien
ts(≃
réduct
ion
du
nom
bre
de
coule
urs
).
Appar
itio
nde
nom
bre
ux
zéro
s(b
on
pour
laco
mpre
ssio
n)
sans
trop
d’e
ffet
visu
el.
JP
EG
Image
initia
le.
Déc
oupage
enca
rré8×8.
Déc
om
position
dans
labase
de
Fourier
.
Appro
xim
ation
(sim
plifi
cation)
des
coeffi
cien
ts(≃
réduct
ion
du
nom
bre
de
coule
urs
).
Appar
itio
nde
nom
bre
ux
zéro
s(b
on
pour
laco
mpre
ssio
n)
sans
trop
d’e
ffet
visu
el.
Com
pre
ssio
nsa
ns
per
te(p
robabili
ste
/H
uffm
an).
JP
EG
Image
initia
le.
Déc
oupage
enca
rré8×8.
Déc
om
position
dans
labase
de
Fourier
.
Appro
xim
ation
(sim
plifi
cation)
des
coeffi
cien
ts(≃
réduct
ion
du
nom
bre
de
coule
urs
).
Appar
itio
nde
nom
bre
ux
zéro
s(b
on
pour
laco
mpre
ssio
n)
sans
trop
d’e
ffet
visu
el.
Com
pre
ssio
nsa
ns
per
te(p
robabili
ste
/H
uffm
an).
Tro
pde
zéro
s=
appar
itio
ns
des
blo
csdans
les
images
.
JP
EG
2000
JP
EG
2000
Nouveau
standard
(2000..
.).
JP
EG
2000
Nouveau
standard
(2000..
.).
Com
ité
JPEG
2000
:pre
mie
rje
t(D
écem
bre
2000),
vers
ion
défi
nitiv
e
(Août
2002).
JP
EG
2000
Nouveau
standard
(2000..
.).
Com
ité
JPEG
2000
:pre
mie
rje
t(D
écem
bre
2000),
vers
ion
défi
nitiv
e
(Août
2002).
Diff
éren
ces
ave
cJP
EG
:
Autr
ebase
(ondel
ette
),
Modél
isation
plu
sfine
JP
EG
2000
Nouveau
standard
(2000..
.).
Com
ité
JPEG
2000
:pre
mie
rje
t(D
écem
bre
2000),
vers
ion
défi
nitiv
e
(Août
2002).
Diff
éren
ces
ave
cJP
EG
:
Autr
ebase
(ondel
ette
),
Modél
isation
plu
sfine
Ava
nta
ge
:
Per
form
ance
,
Usa
ge
(éch
elonnabili
té,pro
gre
ssiv
ité,
...)
Ondel
ette
s1D
Ondel
ette
s1D
Fourier
:m
odèl
est
ationnaire.
Ondel
ette
s1D
Fourier
:m
odèl
est
ationnaire.
Ondel
ette
s:lo
calis
ation.
Ondel
ette
s1D
Fourier
:m
odèl
est
ationnaire.
Ondel
ette
s:lo
calis
ation.
Str
uct
ure
multirés
olu
tion
:appro
xim
ations
succ
essive
set
dét
ails
.
Com
pét
itio
nde
bas
es
Com
pét
itio
nde
bas
es
Lin
éaire
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
1024
Fourier
Ondel
ette
s
Non
Lin
éaire
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
Com
pét
itio
nde
bas
es
Lin
éaire
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
512
Fourier
Ondel
ette
s
Non
Lin
éaire
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
Com
pét
itio
nde
bas
es
Lin
éaire
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
256
Fourier
Ondel
ette
s
Non
Lin
éaire
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
Com
pét
itio
nde
bas
es
Lin
éaire
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
128
Fourier
Ondel
ette
s
Non
Lin
éaire
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
Com
pét
itio
nde
bas
es
Lin
éaire
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
64
Fourier
Ondel
ette
s
Non
Lin
éaire
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
Com
pét
itio
nde
bas
es
Lin
éaire
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
32
Fourier
Ondel
ette
s
Non
Lin
éaire
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
Com
pét
itio
nde
bas
es
Lin
éaire
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
16
Fourier
Ondel
ette
s
Non
Lin
éaire
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
Com
pét
itio
nde
bas
es
Lin
éaire
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
1024
Fourier
Ondel
ette
s
Non
Lin
éaire
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
0100
200
300
400
500
600
700
800
900
1000
−30
−20
−100
10
20
30
40
50
Ondel
ette
s2D
Ondel
ette
s2D
Const
ruct
ion
sim
ilaire
mais
bid
imen
sionnel
le.
Ondel
ette
s2D
Const
ruct
ion
sim
ilaire
mais
bid
imen
sionnel
le.
Ondel
ette
s2D
Const
ruct
ion
sim
ilaire
mais
bid
imen
sionnel
le.
Ondel
ette
s2D
Const
ruct
ion
sim
ilaire
mais
bid
imen
sionnel
le.
Ondel
ette
s2D
Const
ruct
ion
sim
ilaire
mais
bid
imen
sionnel
le.
Gra
nds
coeffi
cien
tsco
rres
ponden
taux
conto
urs
.
JP
EG
vs
JP
EG
2000
JP
EG
vs
JP
EG
2000
Changem
ent
de
base
(Fourier
/O
ndel
ette
s)et
quantifica
tion.
JP
EG
vs
JP
EG
2000
Changem
ent
de
base
(Fourier
/O
ndel
ette
s)et
quantifica
tion.
Codage
sans
per
tede
ces
coeffi
cien
ts.
JP
EG
vs
JP
EG
2000
Origin
ale
JPEG
JPEG
2000
Changem
ent
de
base
(Fourier
/O
ndel
ette
s)et
quantifica
tion.
Codage
sans
per
tede
ces
coeffi
cien
ts.
Et
aprè
s
Et
aprè
s
Pro
blè
me
clos?
Et
aprè
s
Pro
blè
me
clos?
Codage
sans
per
te:pre
que
OU
Im
ais
codage
sourc
e/ca
nal.
Et
aprè
s
Pro
blè
me
clos?
Codage
sans
per
te:pre
que
OU
Im
ais
codage
sourc
e/ca
nal.
Modél
isation
:N
ON
.
Et
aprè
s
Pro
blè
me
clos?
Codage
sans
per
te:pre
que
OU
Im
ais
codage
sourc
e/ca
nal.
Modél
isation
:N
ON
.
Tra
nsf
orm
ation
:N
ON
.
Et
aprè
s
Pro
blè
me
clos?
Codage
sans
per
te:pre
que
OU
Im
ais
codage
sourc
e/ca
nal.
Modél
isation
:N
ON
.
Tra
nsf
orm
ation
:N
ON
.
Vid
éo,Sons.
..
Géo
mét
rie
Géo
mét
rie
Car
act
éristique
des
images
natu
relle
s.
Géo
mét
rie
Car
act
éristique
des
images
natu
relle
s.
Inutilis
éedans
les
repré
senta
tions
pré
céden
tes.
Géo
mét
rie
Car
act
éristique
des
images
natu
relle
s.
Inutilis
éedans
les
repré
senta
tions
pré
céden
tes.
Apport
théo
rique
pré
visible
.
Géo
mét
rie
Car
act
éristique
des
images
natu
relle
s.
Inutilis
éedans
les
repré
senta
tions
pré
céden
tes.
Apport
théo
rique
pré
visible
.
Direc
tion
de
rech
erch
eact
uel
le:cu
rvel
ets,
edgel
ets,
wed
gel
ets,
ondel
ette
sgéo
mét
riques
,bandele
ttes..
.
Ban
del
ette
s
Ban
del
ette
s
Fourier
Base
Ban
del
ette
s
Fourier
Ondel
ette
s
Base
Multié
chel
le
Ban
del
ette
s
Fourier
Ondel
ette
sB
andel
ette
s
Base
Multié
chel
leG
éom
étrie
Ban
del
ette
s
Fourier
Ondel
ette
sB
andel
ette
s
Base
Multié
chel
leG
éom
étrie
Coût
:ch
oix
de
lagéo
mét
rie.
Ban
del
ette
s
Fourier
Ondel
ette
sB
andel
ette
s
Base
Multié
chel
leG
éom
étrie
Coût
:ch
oix
de
lagéo
mét
rie.
Alg
orith
me
rapid
epour
cech
oix
.
Ban
del
ette
s
Fourier
Ondel
ette
sB
andel
ette
s
Base
Multié
chel
leG
éom
étrie
Coût
:ch
oix
de
lagéo
mét
rie.
Alg
orith
me
rapid
epour
cech
oix
.
Tra
vail
de
rech
erch
esu
rl’optim
alit
éde
lam
éthode.
Ban
del
ette
s
Fourier
Ondel
ette
sB
andel
ette
s
Base
Multié
chel
leG
éom
étrie
Coût
:ch
oix
de
lagéo
mét
rie.
Alg
orith
me
rapid
epour
cech
oix
.
Tra
vail
de
rech
erch
esu
rl’optim
alit
éde
lam
éthode.
Implé
men
tation
sans
optim
isation
fine.
Origin
ale
Disto
rsio
n-D
ébit
0.2
0.4
0.6
0.8
1
30
32
34
36
38
40
PSNR
R/N2
Ondele
ttes
Bandele
ttes
R/N2=0,22
bpp
Bandel
ette
s(33,05
db)
Ondel
ette
s(32,54
db)
Origin
ale
Bandel
ette
sO
ndel
ette
s
Modèl
esp
écia
lisé
Modèl
esp
écia
lisé
Com
pre
ssio
nsp
écia
lisée
pour
les
visa
ges
.
Modèl
esp
écia
lisé
Com
pre
ssio
nsp
écia
lisée
pour
les
visa
ges
.
500
oct
ets
=fa
cteu
r400
de
com
pre
ssio
n!
Modèl
esp
écia
lisé
Com
pre
ssio
nsp
écia
lisée
pour
les
visa
ges
.
500
oct
ets
=fa
cteu
r400
de
com
pre
ssio
n!
Com
par
aison
de
diff
éren
tsalg
orith
mes
.
Modèl
esp
écia
lisé
JPEG
Com
pre
ssio
nsp
écia
lisée
pour
les
visa
ges
.
500
oct
ets
=fa
cteu
r400
de
com
pre
ssio
n!
Com
par
aison
de
diff
éren
tsalg
orith
mes
.
Modèl
esp
écia
lisé
JPEG
JPEG
-2000
Com
pre
ssio
nsp
écia
lisée
pour
les
visa
ges
.
500
oct
ets
=fa
cteu
r400
de
com
pre
ssio
n!
Com
par
aison
de
diff
éren
tsalg
orith
mes
.
Modèl
esp
écia
lisé
JPEG
JPEG
-2000
Let
ItW
ave
Com
pre
ssio
nsp
écia
lisée
pour
les
visa
ges
.
500
oct
ets
=fa
cteu
r400
de
com
pre
ssio
n!
Com
par
aison
de
diff
éren
tsalg
orith
mes
.
Modèl
esp
écia
lisé
JPEG
JPEG
-2000
Let
ItW
ave
Com
pre
ssio
nsp
écia
lisée
pour
les
visa
ges
.
500
oct
ets
=fa
cteu
r400
de
com
pre
ssio
n!
Com
par
aison
de
diff
éren
tsalg
orith
mes
.
Clé
:sp
écia
lisation.
Vid
éos
etso
ns
Vid
éos
etso
ns
Vid
éos
etso
ns
Mêm
esprinci
pes
s’appliq
uen
t!
Vid
éos
etso
ns
Mêm
esprinci
pes
s’appliq
uen
t!
Vid
éos
:utilis
ation
de
lare
dondance
tem
pore
lle(M
PEG
2,M
PEG
4,.
..).
Vid
éos
etso
ns
Mêm
esprinci
pes
s’appliq
uen
t!
Vid
éos
:utilis
ation
de
lare
dondance
tem
pore
lle(M
PEG
2,M
PEG
4,.
..).
Sons
:utilis
ation
de
modèl
esauditifs
(MP3,.
..).
Concl
usi
on
Panora
ma
de
laco
mpre
ssio
nd’im
age.
Concl
usi
on
Panora
ma
de
laco
mpre
ssio
nd’im
age.
Les
math
ématiques
serv
ent
(par
fois)
àquel
que
chose
!
Concl
usi
on
Panora
ma
de
laco
mpre
ssio
nd’im
age.
Les
math
ématiques
serv
ent
(par
fois)
àquel
que
chose
!Les
math
sso
nt
par
tout!
Concl
usi
on
Panora
ma
de
laco
mpre
ssio
nd’im
age.
Les
math
ématiques
serv
ent
(par
fois)
àquel
que
chose
!Les
math
sso
nt
par
tout!
On
peu
ts’
am
use
ren
faisant
de
lasc
ience
!
Concl
usi
on
Panora
ma
de
laco
mpre
ssio
nd’im
age.
Les
math
ématiques
serv
ent
(par
fois)
àquel
que
chose
!Les
math
sso
nt
par
tout!
On
peu
ts’
am
use
ren
faisant
de
lasc
ience
!
Plu
sd’info
s:
http://www.math.jussieu.fr/~lepennec
Concl
usi
on
Panora
ma
de
laco
mpre
ssio
nd’im
age.
Les
math
ématiques
serv
ent
(par
fois)
àquel
que
chose
!Les
math
sso
nt
par
tout!
On
peu
ts’
am
use
ren
faisant
de
lasc
ience
!
Plu
sd’info
s:
http://www.math.jussieu.fr/~lepennec
En
par
ticu
lier
des
pré
senta
tions
etun
articl
ede
vulg
arisat
ion
sur
la
com
pre
ssio
n.
