Subscribe RSS

Archive for the ‘Popularization’ Category

L’image numérique nobélisée, l’occasion d’expliquer le fonctionnement des CCDs

October 6th, 2009 by fmn | No Comments | Filed in Enseignement, Popularization

Translate original post with Google Translate

Je ne fais que très rarement de commentaires sur l’actualité, mais cette année le comité Nobel à choisi de récompenser les travaux des “maîtres de la lumières” (voir le billet de S. Huet ou celui de A. Gunthert) : Charles K. Kao, Willard S. Boyle, George E. Smith. Les deux derniers pour l’invention de l’imageur semi-conducteur qui a permis à l’image numérique de prendre son essor : le CCD (Charged Coupled Device). Le CCD est le récepteur d’image que l’on trouve dans les appareils photos numériques et les camescopes. Ce récepteur tend à être remplacé par des capteurs CMOS, moins consommateurs d’énergie mais moins précis. Je ne peux donc que me réjouir de cette annonce car c’est la première fois qu’un Nobel récompense des travaux dans un domaine proche du mien.

Je profite donc de l’occasion pour expliquer comment fonctionne un capteur CCD.

ccd

(more…)

Le jour d’Ada Lovelace : les femmes et la technologie

March 25th, 2009 by fmn | 1 Comment | Filed in Enseignement, Popularization

Translate original post with Google Translate

Mince alors,

hier était le jour d’Ada Lovelace. Cette célébration consiste à mettre en avant l’activité des femmes dans la technologie. En pratique, il s’agissait de poster un billet sur une femme et son influence sur la technologie (au sens large). J’ai raté le coche, mais je fais amende honorable aujourd’hui.

Pourquoi Ada Lovelace? N’en déplaise aux giques (geek en anglais) et autres mordus de l’informatique un peu trop machistes, le premier programmeur de l’histoire de l’informatique était une femme : Lady Augusta Ada King, comtesse Lovelace (fille du poète Byron) est connue pour avoir travaillé avec Charles Babbage, l’inventeur de la machine analytique. Babbage fut le premier à énoncer les principes de l’ordinateur actuel, et a travaillé toute sa vie à une réalisation pratique, malheureusement sans succès. A partir de ses plans, une machine fonctionnelle a été réalisée il y a peu. Ada Lovelace a écrit une description de la machine analytique. Elle a également proposé une méthode (un programme !) permettant de calculer les nombres de Bernouilli avec cette machine. Le nom du langage informatique Ada a été choisi en son hommage.

J’ai choisi de mettre en avant Ingrid Daubechies. I. Daubechies est une mathématicienne belge, actuellement professeur à Princeton. Ses travaux portent sur les transformée en ondelettes. En particulier elle  a construit une ondelette à support compact, utilisée dans la compression JPEG2000 : l’ondelette 9/7 que voici :

ondelette 9/7 de Daubechies

ondelette 9/7 de Daubechies

Pour mémoire, la transformée en ondelette est un outil d’analyse permettant une décomposition d’un signal selon sa dimension temporelle et fréquentielle (d’échelle plus exactement). Pour une image la décomposition est selon les dimensions spatiales et fréquentielles. Cela fonctionne un peu comme un système où l’on injecte une musique en entrée, et que l’on obtient la partition musicale en sortie. Cette décomposition produit une répartition de l’information contenue dans un signal telle que l’on peut mieux la compresser. L’emploi d’ondelettes (bi)orthogonales à support compact permet un calcul rapide de la transformée.

Donc bravo à Ingrid Daubechies pour ce résultat.

FMN.

ps : pour compléter ce billet, je vous recommande la lecture de “La machine a différences” écrit conjointement par B. Sterling et W. Gibson. Il s’agit d’une uchronie steampunk assez sympathique mettant en scène Ada Lovelace ainsi que divers personnages de la fin du 19e siècle dans des rôles transposés.

Tags:

Détection de motifs : exploitation de la phase (suite de l’inter-corrélation)

December 18th, 2008 by fmn | 5 Comments | Filed in Popularization

Translate original post with Google Translate

Dans un billet précédent, nous avons vu comment (en théorie) une inter-corrélation pouvait permettre de localiser un objet dans une image. La conclusion était que l’inter-corrélation n’est pas très efficace car sa valeur dépend énormément du niveau de gris des images et assez peu de leur information spatiale. Nous allons voir comment corriger cela.

Le notebook sage de ce billet est : detecteur_de_motifs_phase.sws

(more…)

Tags: , , , , ,