Du capteur au fichier : sept étapes courtes pour comprendre comment une photo devient des nombres, ce qu’elle pèse, ce qu’elle révèle et comment la transformer.
Ton avancement
Étape 1 sur 4
1Étape 1
Comprendre
Le cours en 7 capsules · 2 écrans courts + 2 questions chacune · 25 min
7 capsules · 2 écrans et 2 questions chacune
2Étape 2
S’entraîner
4 exercices corrigés · Avec indices et corrigés · 28 min
Indices et corrigés détaillés. Tes réponses sur papier ne sont pas notées.
3Étape 3
Vérifier
Test de maîtrise · 5 questions · bilan en fin de test
Conseillé après les exercices. Tu sauras où tu en es.Passer le test
Dans un appareil photo, l’objectif forme une image sur le capteur, une grille de millions de photosites.
Chaque photosite mesure la quantité de lumière reçue pendant la prise de vue et la convertit en un nombre.
Dans la matrice de Bayer, la moitié des filtres sont verts, car l’œil est plus sensible au vert.
Matrice de Bayer : le motif de 2 × 2 filtres (R, V, V, B) se répète sur tout le capteur.
Notion 2
Le dématriçage
Après la prise de vue, chaque photosite n’a mesuré qu’une couleur. Le processeur de l’appareil calcule les deux autres à partir des photosites voisins : c’est le dématriçage.
Le processeur corrige ensuite les couleurs, réduit le bruit, puis enregistre le fichier, souvent compressé en JPEG.
Repères
Lumière L’objectif forme l’image sur le capteur.
Mesure Chaque photosite donne un nombre.
Dématriçage Chaque pixel reçoit trois valeurs R, V et B.
Corrections Balance des blancs, bruit, netteté.
Enregistrement Fichier JPEG, ou RAW pour les mesures brutes.
Le trajet d’une photo, de la lumière reçue au fichier enregistré.
Question 1 sur 2
Que mesure un photosite du capteur ?
Un photosite ne mesure qu’une quantité de lumière, filtrée en rouge, en vert ou en bleu. Les trois composantes d’un pixel sont calculées ensuite, par dématriçage.
Question 2 sur 2
Pourquoi l’appareil procède-t-il à un dématriçage ?
Derrière son filtre, chaque photosite ne mesure qu’une couleur. Le dématriçage estime les deux autres d’après les voisins, pour que chaque pixel ait trois valeurs R, V et B. Il ne change ni le nombre de photosites ni le poids.
Capsule 1 terminée
Du capteur à l’image
2 questions
Ton parcours · Photographie numérique
Capsule 1 : Du capteur à l’image1
Capsule 2 : Pixels, définition et résolution2
Capsule 3 : Coder les couleurs3
Capsule 4 : Poids et compression4
Capsule 5 : Les métadonnées EXIF5
Capsule 6 : Traiter une image en Python6
Capsule 7 : La photographie computationnelle7
2Capsule suivantePixels, définition et résolutionCompter les pixels, mesurer leur densité
Notion 1
Le pixel et la définition
Une image numérique est une grille de pixels (de l’anglais picture element). Chaque pixel est repéré par sa colonne et sa ligne, et possède une seule couleur.
Une photo de 4 000 × 3 000 pixels contient 12 000 000 pixels, soit 12 mégapixels (Mpx).
Une image de 8 × 6 pixels : sa définition se compte en multipliant largeur et hauteur.
Notion 2
La résolution
La résolution relie les pixels à une taille réelle : c’est un nombre de pixels par pouce (ppp), avec 1 pouce = 2,54 cm.
Une même image imprimée plus grand a une résolution plus faible : ses pixels finissent par se voir. Pour un tirage net, on vise environ 300 ppp.
Formule
taille imprimée = pixels ÷ résolution
4 000 pixels de large imprimés à 300 ppp
4 000 ÷ 300 ≈ 13,3 pouces, soit 13,3 × 2,54 ≈ 33,9 cm
Largeur d’un tirage : le calcul donne des pouces, qu’on convertit ensuite en centimètres.
Question 1 sur 2
Une photo mesure 3 000 × 2 000 pixels. Quelle est sa définition ?
La définition est le produit largeur × hauteur : 3 000 × 2 000 = 6 000 000 pixels, soit 6 Mpx. Additionner donne 5 000 ; 300 ppp serait une résolution et 18 Mo un poids.
Question 2 sur 2
La même image est imprimée en 10 × 15 cm, puis en 20 × 30 cm. Que devient sa résolution ?
La définition ne change pas, mais les mêmes pixels s’étalent sur une largeur deux fois plus grande : il y a deux fois moins de pixels par pouce. Définition et résolution sont deux grandeurs différentes.
Capsule 2 terminée
Pixels, définition et résolution
2 questions
Ton parcours · Photographie numérique
Capsule 1 : Du capteur à l’image1
Capsule 2 : Pixels, définition et résolution2
Capsule 3 : Coder les couleurs3
Capsule 4 : Poids et compression4
Capsule 5 : Les métadonnées EXIF5
Capsule 6 : Traiter une image en Python6
Capsule 7 : La photographie computationnelle7
3Capsule suivanteCoder les couleursRVB de 0 à 255, niveaux de gris
Notion 1
Le codage RVB
La couleur d’un pixel est codée par trois nombres : ses composantes rouge, vert et bleu (RVB), chacune de 0 à 255, soit 8 bits ou 1 octet.
Les lumières colorées s’additionnent : c’est la synthèse additive, celle des écrans.
Rouge et vert donnent du jaune, rouge et bleu du magenta, vert et bleu du cyan.
Exemple
Couleur
(R, V, B)
Rouge
(255, 0, 0)
Vert
(0, 255, 0)
Bleu
(0, 0, 255)
Jaune
(255, 255, 0)
Magenta
(255, 0, 255)
Cyan
(0, 255, 255)
Six couleurs obtenues en allumant une ou deux composantes au maximum.
Notion 2
Nuances et niveaux de gris
Chaque composante prend 256 valeurs. Le nombre de couleurs possibles est donc 256 × 256 × 256 = 224, soit 16 777 216.
Une image en niveaux de gris n’a besoin que d’un octet par pixel : 256 nuances, de 0 (noir) à 255 (blanc).
Formule
256 × 256 × 256 = 224 = 16 777 216
(0, 0, 0)
noir
(128, 128, 128)
gris moyen
(255, 255, 255)
blanc
24 bits par pixel, 8 par composante : plus de 16 millions de couleurs, dont 256 gris.
Question 1 sur 2
Quelle couleur code le triplet (255, 255, 0) ?
Rouge et vert au maximum, bleu éteint : en synthèse additive, rouge + vert = jaune. Le marron vient du mélange des peintures, qui ne s’applique pas aux écrans ; le blanc demanderait aussi le bleu à 255.
Question 2 sur 2
Combien de couleurs différentes le codage RVB sur 24 bits permet-il ?
Chaque composante a 256 valeurs, et chaque rouge se combine avec chaque vert et chaque bleu : 256 × 256 × 256 = 16 777 216. Additionner (3 × 256 = 768) oublie ces combinaisons.
Capsule 3 terminée
Coder les couleurs
2 questions
Ton parcours · Photographie numérique
Capsule 1 : Du capteur à l’image1
Capsule 2 : Pixels, définition et résolution2
Capsule 3 : Coder les couleurs3
Capsule 4 : Poids et compression4
Capsule 5 : Les métadonnées EXIF5
Capsule 6 : Traiter une image en Python6
Capsule 7 : La photographie computationnelle7
4Capsule suivantePoids et compressionOctets, mégaoctets, JPEG et PNG
Notion 1
Le poids d’une image
Sans compression, chaque pixel RVB occupe 3 octets, soit 24 bits. Le poids se calcule donc à partir de la définition.
Pour une photo de 4 000 × 3 000 pixels : 12 000 000 × 3 = 36 000 000 octets, soit 36 Mo, avec 1 Mo = 106 octets.
Formule
poids = largeur × hauteur × 3 octets
4 000 × 3 000 pixels en RVB
12 × 106 × 3 = 36 × 106 octets = 36 Mo
En bits
1 octet = 8 bits : 36 × 106 × 8 = 288 × 106 bits
Le poids brut d’une photo de 12 Mpx, avant toute compression.
Notion 2
Compresser : JPEG ou PNG
Un fichier brut est lourd : on le compresse pour le stocker et l’envoyer.
Sans perte (PNG) : l’image est reconstituée à l’identique.
Avec perte (JPEG) : des détails peu visibles sont supprimés définitivement, pour un fichier bien plus léger.
Exemple
Une ligne de 10 pixels : 8 blancs, puis 2 noirs.
Sans compression
10 triplets, soit 30 octets
Compression sans perte
« 8 fois blanc, 2 fois noir » : moins de données, et rien n’est perdu
Le principe d’une compression sans perte : décrire les répétitions au lieu de les recopier.
Question 1 sur 2
Quel est le poids, sans compression, d’une image RVB de 2 000 × 1 000 pixels ? (1 Mo = 106 octets)
2 000 × 1 000 = 2 × 106 pixels, à 3 octets chacun : 6 × 106 octets = 6 Mo. Oublier les 3 octets donne 2 Mo ; compter 24 octets par pixel au lieu de 24 bits donne 48 Mo.
Question 2 sur 2
Tu enregistres le logo d’un club, avec des aplats de couleur et un texte net. Quel format choisir ?
PNG compresse sans perte : les aplats et les bords du texte restent nets. JPEG, avec perte, crée des défauts autour des contours ; RAW sert aux mesures brutes d’un capteur, pas à un logo.
Capsule 4 terminée
Poids et compression
2 questions
Ton parcours · Photographie numérique
Capsule 1 : Du capteur à l’image1
Capsule 2 : Pixels, définition et résolution2
Capsule 3 : Coder les couleurs3
Capsule 4 : Poids et compression4
Capsule 5 : Les métadonnées EXIF5
Capsule 6 : Traiter une image en Python6
Capsule 7 : La photographie computationnelle7
5Capsule suivanteLes métadonnées EXIFCe que le fichier raconte, vie privée
Notion 1
Ce que contient une photo
En plus des pixels, le fichier d’une photo contient des métadonnées : des données qui décrivent l’image. Leur format standard s’appelle EXIF.
On les lit dans les propriétés du fichier, ou avec un programme.
Les principales informations EXIF enregistrées par un appareil photo ou un téléphone.
Notion 2
Géolocalisation et vie privée
Quand la géolocalisation est activée, chaque photo enregistre la latitude et la longitude du lieu de prise de vue.
Une série de photos prises chez toi ou au lycée peut révéler tes habitudes. Certains services effacent ces données à l’envoi, d’autres non : ne compte pas dessus.
Méthode
Désactive la géolocalisation de l’appareil photo si tu n’en as pas besoin.
Avant de partager, vérifie les propriétés du fichier.
Supprime les métadonnées sensibles, ou partage une copie qui n’en contient pas.
Trois réflexes pour protéger ta vie privée avant de publier une photo.
Question 1 sur 2
Laquelle de ces informations n’est pas une métadonnée EXIF ?
La couleur des pixels, c’est l’image elle-même. Les métadonnées décrivent la photo : date, appareil, réglages, position.
Question 2 sur 2
Tu publies une photo prise dans ta chambre, géolocalisation activée. Quel est le risque ?
Les coordonnées GPS enregistrées dans les métadonnées EXIF donnent le lieu exact de la prise de vue : ici, ton domicile. Les pixels, eux, ne sont pas touchés.
Capsule 5 terminée
Les métadonnées EXIF
2 questions
Ton parcours · Photographie numérique
Capsule 1 : Du capteur à l’image1
Capsule 2 : Pixels, définition et résolution2
Capsule 3 : Coder les couleurs3
Capsule 4 : Poids et compression4
Capsule 5 : Les métadonnées EXIF5
Capsule 6 : Traiter une image en Python6
Capsule 7 : La photographie computationnelle7
6Capsule suivanteTraiter une image en PythonNégatif, niveaux de gris, luminosité
Notion 1
Transformer un pixel
Un filtre applique le même calcul à chaque pixel. En Python, un pixel se représente par un triplet (r, v, b).
Négatif : chaque composante c devient 255 − c.
Niveaux de gris : les trois composantes sont remplacées par leur moyenne.
Méthode
def negatif(pixel):
r, v, b = pixel
return (255 - r, 255 - v, 255 - b)
def gris(pixel):
r, v, b = pixel
g = (r + v + b) // 3
return (g, g, g)
Une image peut se représenter par une liste de lignes, chaque ligne étant une liste de pixels. Deux boucles imbriquées visitent alors chaque pixel.
Pour éclaircir, on ajoute k à chaque composante.
Exemple
def eclaircir(image, k):
for ligne in image:
for x in range(len(ligne)):
r, v, b = ligne[x]
ligne[x] = (min(r + k, 255),
min(v + k, 255),
min(b + k, 255))
Avec k = 50, le pixel (230, 100, 0) devient (255, 150, 50) : le rouge est plafonné à 255.
Question 1 sur 2
Quel est le négatif du pixel (200, 50, 0) ?
Chaque composante c devient 255 − c : 255 − 200 = 55, 255 − 50 = 205 et 255 − 0 = 255. Inverser l’ordre des composantes ou changer leur signe ne donne pas le négatif ; (83, 83, 83) est le gris moyen.
Question 2 sur 2
Avec eclaircir(image, 80), que devient le pixel (200, 120, 10) ?
On ajoute 80 à chaque composante : 280, 200 et 90. Comme 280 dépasse 255, min le ramène à 255. Seule la composante trop grande est plafonnée : le pixel devient (255, 200, 90).
Capsule 6 terminée
Traiter une image en Python
2 questions
Ton parcours · Photographie numérique
Capsule 1 : Du capteur à l’image1
Capsule 2 : Pixels, définition et résolution2
Capsule 3 : Coder les couleurs3
Capsule 4 : Poids et compression4
Capsule 5 : Les métadonnées EXIF5
Capsule 6 : Traiter une image en Python6
Capsule 7 : La photographie computationnelle7
7Capsule suivanteLa photographie computationnelleQuand l’algorithme fait la photo
Notion 1
Plusieurs images pour une photo
Le capteur d’un téléphone est petit. Pour compenser, l’appareil prend souvent plusieurs images en une fraction de seconde, puis les combine par calcul.
En mode HDR, des images sombres et claires sont fusionnées : on garde des détails à la fois dans le ciel et dans les ombres.
Fusion HDR : chaque exposition apporte les détails qu’elle rend le mieux.
Notion 2
Des algorithmes à chaque photo
D’autres traitements reposent aussi sur des algorithmes :
mode nuit : empiler plusieurs images atténue le bruit ;
mode portrait : l’appareil estime la distance de chaque zone et floute l’arrière-plan ;
retouche automatique : peau lissée, ciel plus bleu.
Règles
Empilement : moyenne de plusieurs images, donc moins de bruit
Carte de profondeur : distance estimée de chaque zone, pour flouter le fond
Fusion HDR : les meilleurs détails de chaque exposition
Trois techniques de calcul utilisées par les appareils photo actuels.
Question 1 sur 2
Pourquoi un téléphone prend-il plusieurs images pour une photo HDR ?
Une image sombre garde les détails du ciel, une image claire ceux des ombres. L’algorithme fusionne le meilleur de chacune ; la définition, elle, reste celle du capteur.
Question 2 sur 2
En mode nuit, pourquoi empiler plusieurs images atténue-t-il le bruit ?
Le bruit est aléatoire : il change d’une image à l’autre, alors que la scène reste la même. En faisant la moyenne des pixels, le bruit s’atténue et les détails restent.
Capsule 7 terminée
La photographie computationnelle
2 questions
Ton parcours · Photographie numérique
Capsule 1 : Du capteur à l’image1
Capsule 2 : Pixels, définition et résolution2
Capsule 3 : Coder les couleurs3
Capsule 4 : Poids et compression4
Capsule 5 : Les métadonnées EXIF5
Capsule 6 : Traiter une image en Python6
Capsule 7 : La photographie computationnelle7
Étape suivanteS’entraînerLes exercices corrigés du chapitre
Touche → pour continuer
0 / 35 étapes · 0 / 7 capsules validées
Exercices · Photographie numérique
En accès libre, avec indices et corrigés détaillés. Tes réponses sur papier ne sont pas évaluées automatiquement.
Calculer · 8 min
Le poids d’une photo
Fait
Un appareil photo produit des images de 6 000 × 4 000 pixels, codées en RVB (3 octets par pixel).
Calcule son poids sans compression, en octets puis en Mo.
Un logiciel affiche ce poids en Mio. Quelle valeur lit-on ?
Combien de photos non compressées tiennent sur une carte de 32 Go ? Et des photos JPEG d’environ 6 Mo ?
Un indice
Multiplie largeur et hauteur, puis par 3 octets. Pour la carte, divise sa capacité par le poids d’une photo, exprimés dans la même unité, et garde la partie entière.
3. En Mio : 72 000 000 ÷ 1 048 576 ≈ 68,7 Mio. La valeur affichée est plus petite, car un Mio contient plus d’octets qu’un Mo.
4. Carte de 32 Go : 32 × 109 ÷ (72 × 106) ≈ 444,4, soit 444 photos non compressées. En JPEG : 32 × 109 ÷ (6 × 106) ≈ 5 333,3, soit 5 333 photos, douze fois plus.
Ta réponse sur papier n’est pas notée.
Calculer · 6 min
Imprimer sans voir les pixels
Fait
Tu veux imprimer une photo de 3 000 × 2 000 pixels. Rappel : 1 pouce = 2,54 cm.
Quelles sont les dimensions du tirage, en cm, à 300 ppp ?
Tu l’imprimes finalement en 30 × 20 cm. Quelle est alors la résolution ?
La définition a-t-elle changé ? Le tirage restera-t-il net ?
Un indice
Taille en pouces = pixels ÷ résolution, puis multiplie par 2,54. Pour la résolution, divise le nombre de pixels par la taille en pouces.
Voir le corrigé détaillé
1. À 300 ppp : largeur 3 000 ÷ 300 = 10 pouces, soit 10 × 2,54 = 25,4 cm ; hauteur 2 000 ÷ 300 ≈ 6,67 pouces, soit ≈ 16,9 cm.
2. En 30 × 20 cm : 30 cm = 30 ÷ 2,54 ≈ 11,8 pouces, donc 3 000 ÷ 11,8 ≈ 254 ppp (même résultat sur la hauteur : 2 000 ÷ 7,87 ≈ 254).
3. Conclusion : la définition n’a pas changé, elle reste de 3 000 × 2 000 pixels : seule la densité baisse. À 254 ppp, un peu moins que 300, le tirage reste net à distance de lecture normale.
Ta réponse sur papier n’est pas notée.
Raisonner · 6 min
Lire la couleur d’un pixel
Fait
Voici quatre pixels codés en RVB :
Pixel
(R, V, B)
A
(0, 255, 255)
B
(255, 0, 255)
C
(60, 60, 60)
D
(90, 180, 30)
Nomme la couleur des pixels A, B et C.
Calcule le négatif de A. Quelle couleur obtiens-tu ?
Calcule le niveau de gris de D, par la moyenne des trois composantes.
Un indice
Repère les composantes à 255 et celles à 0 : la synthèse est additive. Pour le négatif, chaque composante c devient 255 − c.
Voir le corrigé détaillé
1. Couleurs : A allume le vert et le bleu : cyan. B allume le rouge et le bleu : magenta. C a trois composantes égales et faibles : un gris foncé.
2. Négatif de A : (255 − 0, 255 − 255, 255 − 255) = (255, 0, 0), du rouge. Le négatif du cyan est le rouge.
3. Gris de D : (90 + 180 + 30) ÷ 3 = 300 ÷ 3 = 100. Le pixel devient (100, 100, 100).
Ta réponse sur papier n’est pas notée.
Programmer · 8 min
Programmer un négatif
Fait
Une image est représentée par une liste de lignes, chaque ligne étant une liste de pixels (r, v, b) :
Écris une fonction negatif(pixel) qui renvoie le négatif d’un pixel.
Écris une fonction negatif_image(image) qui remplace chaque pixel de l’image par son négatif.
Que contient image après l’appel negatif_image(image) ?
Que se passe-t-il si on applique la fonction deux fois ?
Un indice
Utilise deux boucles imbriquées : une sur les lignes, une sur les indices des pixels de chaque ligne, pour pouvoir écrire ligne[x] = …
Voir le corrigé détaillé
def negatif(pixel):
r, v, b = pixel
return (255 - r, 255 - v, 255 - b)
def negatif_image(image):
for ligne in image:
for x in range(len(ligne)):
ligne[x] = negatif(ligne[x])
3. Résultat :[[(255, 255, 255), (0, 0, 0)], [(0, 255, 255), (245, 235, 225)]]. Le noir devient blanc, le blanc noir, le rouge cyan.
4. Deux fois : 255 − (255 − c) = c, donc on retrouve l’image de départ.
La boucle porte sur les indices x : écrire for pixel in ligne puis modifier pixel ne changerait pas l’image.