tangenteAudio

22 janv. 2020 · 10 min

Phénomène de Gibbs : pourquoi les contrastes s’accentuent-ils ?

Dans cet épisode audio, suivez le passage du son à l’image et des harmoniques aux petits points blancs qui apparaissent le long des forts contrastes.

Premium
Collections de cet épisode (2)

Un contenu original Tangente, adapté en podcast avec l’aide de l’IA et validé par notre rédaction. Comment ça marche ?

D’après l’articleLire l’article dans la revue

Transcription

Afficher la transcription

Transcription automatique

  1. Intervenant 1

    Bienvenue dans le podcast du magazine Tangente. C'est un vrai plaisir de démarrer cette nouvelle exploration. Aujourd'hui, on a un super sujet.

  2. Intervenant 2

    Oui, bonjour, ravi d'être là. On a effectivement de quoi bien faire fumer quelques neurones, je pense.

  3. Intervenant 1

    Totalement. Alors, notre mission pour cette analyse approfondie, c'est de découvrir comment une action du quotidien, genre compresser une simple image sur un ordi, ça cache en réalité un phénomène mathématique hyper tenace et surtout fascinant.

  4. Intervenant 2

    C'est ça. On va s'appuyer sur un excellent article qui s'intitule « Le phénomène de Gibbs » et ça touche à plein de trucs en fait. Le traitement de l'image, l'acoustique et les séries mathématiques.

  5. Intervenant 1

    Et le but, ce n'est pas juste de constater un espèce de bug visuel sur nos écrans, mais vraiment de comprendre pourquoi les mathématiques réagissent de cette manière très spécifique face à une rupture brutale.

  6. Intervenant 2

    Exactement. Parce que oui, la théorie derrière, elle a ses propres lois et des fois, elle refuse de se plier à notre logique intuitive.

  7. Intervenant 1

    Bon, commençons par un exemple visuel. Imaginons une photo, genre parfaitement exposée, d'une tasse de café posée sur une table, en plein soleil.

  8. Intervenant 2

    Un grand classique.

  9. Intervenant 1

    Voilà. Et l'ombre projetée par la tasse est d'une netteté absolue. Il y a un contraste énorme, une discontinuité lumineuse très forte entre la zone en plein soleil et l'ombre sombre.

  10. Intervenant 2

    Ouais, une vraie rupture dans l'image.

  11. Intervenant 1

    Et donc, disons qu'on prend ce fichier très lourd, à 300 pixels par pouce, et qu'on décide de le compresser pour l'envoyer par mail, on le réduit à 36 pixels par pouce en format JPEG.

  12. Intervenant 2

    On perd énormément d'informations, du coup.

  13. Intervenant 1

    Bah oui, sauf que si on zoome sur cette fameuse ligne de démarcation entre la lumière et l'ombre, on voit le flou attendu, mais pas seulement. Il y a l'apparition de petites séries de points blancs qui suivent exactement les contours de la zone sombre.

  14. Intervenant 2

    Des petits artefacts lumineux.

  15. Intervenant 1

    C'est ça. Ok, décortiquons tout ça. On pourrait penser que la compression enlève simplement de l'information et rend l'image pâteuse, mais là elle semble créer quelque chose de nouveau, une sorte de halo ou de fantôme lumineux sur les contours.

  16. Intervenant 2

    Pourquoi ? Eh bien, ce qui est fascinant ici, c'est que ce n'est pas du tout un défaut de l'ordinateur. C'est pas ton logiciel qui plante, c'est une loi mathématique.

  17. Intervenant 1

    Ah ouais ? Genre c'est inévitable ?

  18. Intervenant 2

    Inévitable. Ça porte le nom de Phénomène de Gibbs, en hommage à Josiah Willard Gibbs, un physico-chimiste américain qui en a compris l'origine mathématique. Mais, petit détail historique amusant, ça a en fait été découvert beaucoup plus tôt.

  19. Intervenant 1

    Ah, il y a eu un

  20. Intervenant 2

    précurseur ? Ouais, en 1848, par le Britannique Henry Wilbraham. Et en fait, ça touche à l'accentuation des discontinuités dans absolument tous les signaux.

  21. Intervenant 1

    Tous les signaux, pas juste les images.

  22. Intervenant 2

    Non, ça peut être des images, des sons ou même des variations de courant électrique. Dès qu'il y a une rupture nette, paf, le halo apparaît.

  23. Intervenant 1

    Du coup, pour comprendre une image JPEG, j'ai cru comprendre qu'il fallait qu'on fasse un petit détour par le son.

  24. Intervenant 2

    C'est ça. Parce que la compression, au fond, ça repose sur la théorie du signal.

  25. Intervenant 1

    Ok. Alors un son, si on regarde ça de près, c'est une vibration périodique ?

  26. Intervenant 2

    Voilà. Et tout signal périodique peut se décomposer.

La suite de la transcription est réservée aux abonnés.

S’abonner

À écouter ensuite

Des épisodes qui partagent une playlist, une figure ou un domaine avec celui-ci.