Return to Video

Instagram's Kevin Systrom explains pixels and how filters work

  • 0:01 - 0:04
    A propos des pixels
  • 0:06 - 0:10
    Bien
  • 0:10 - 0:14
    J'ai créé instagram avec mon associé Mike,
  • 0:14 - 0:19
    Au début nous voyions les mobiles
    comme un moyen de créer un truc nouveau.
  • 0:19 - 0:23
    Pour la première fois, les gens avaient un
    ordinateur sur eux. Nous avons décidé
  • 0:23 - 0:28
    que de partager des images était la plus grosse
    opportunité pour les cinq prochaines années
  • 0:28 - 0:32
    Et nous avions à coeur cette opportunité.
    Nous voulions y passer du temps. C'est
  • 0:32 - 0:37
    bien de se dire qu'on a une appli qui fait
    des trucs, mais à moins que ça ne résolve un vrai
  • 0:37 - 0:42
    problème pour les gens, ils ne l'utiliseront pas.
    Et la question devient: Quels problèmes
  • 0:42 - 0:47
    résolvez vous? (Piper - Photographe) Quand
    les gens se sont pour la première fois
    confrontés au problème de comment montrer une image
  • 0:47 - 0:52
    sur un écran, ils ont du trouver un moyen
    de décomposer une image en données. En 1957,
  • 0:52 - 0:57
    un ingénieur informatique du nom de Russel Kirsch
    a pris une photo de son jeune fils et l'a scanné
  • 0:57 - 1:01
    C'était la première image numérique, une image
    en noir et blanc granuleuse-- Et c'est
  • 1:01 - 1:08
    comme ça que le pixel est né! Les pixels sont un concept
    intéressant parce qu'on ne peut pas les distinguer très facilement.
  • 1:08 - 1:13
    Mais en fait, si vous prenez une loupe et que vous
    vous approchez de l'écran, vous pouvez
  • 1:13 - 1:18
    voir que votre écran est fait de minuscules points
    de lumière. Ce qui est encore plus intéressant est
  • 1:18 - 1:22
    que ces minuscules points de lumière sont en fait
    eux même composés de plus petits points de différentes
  • 1:22 - 1:28
    couleurs. Il en a des rouges, des verts et
    des bleus. De loin, ces pixels créent une image et
  • 1:28 - 1:33
    de près ce sont juste des petites lumières qui
    s'allument plus ou moins. Leur combinaison créé
  • 1:33 - 1:37
    des images et tout ce que vous voyez
    chaque jour sur vos écrans. Ensuite vous
  • 1:37 - 1:42
    allez beaucoup entendre parler de résolution, autant
    en informatique que chez les constructeurs d'appareils
  • 1:42 - 1:48
    La résolution est simplement les dimensions par
    lesquelles vous pouvez mesurer combien
  • 1:48 - 1:53
    de pixels sont sur l'écran. Quand j'étais
    lycéen, la résolution était de 640
  • 1:53 - 1:58
    par 480 pixels. Et aujourd'hui la résolution des images
    est beaucoup plus importante. Et il n'y a pas seulement
  • 1:58 - 2:02
    la résolution, mais aussi de la densité. Par exemple,
    sur les smartphones modernes, ils casent le même nombre
  • 2:02 - 2:07
    de petites lumières appelés pixels, mais sur un espace plus
    dense, et c'est ce qui permet d'obtenir des images plus
  • 2:07 - 2:14
    précises. Maintenant, comment stocker les valeurs d'un
    pixel dans un fichier? Ce qu'il faut faire c'est
  • 2:14 - 2:19
    de stocker le rouge, le vert et le bleu dans
    des triplets. Avec des valeurs différentes
  • 2:19 - 2:29
    qui représentent un seul pixel. Les valeurs vont de 0 à 255.
    Plus on s'approche de 0, plus c'est sombre,
  • 2:29 - 2:38
    plus on s'approche de 255, plus c'est lumineux.
    Des triplets de ces valeurs représentent un pixel. Un
  • 2:38 - 2:43
    fichier image, que ce soit un jpeg, gif, png, etc contient
    des millions de ces triplets RGB (red-green-blue)
  • 2:43 - 2:48
    Alors comment un ordinateur stocke ces données?
    Toutes les données informatiques et visuelles sont
  • 2:48 - 2:53
    représentées en bits. Un bit a deux états: soit il est
    allumé, soit il est éteint. Mais à la place d'allumé
  • 2:53 - 3:01
    ou éteint, les ordinateurs utilisent 1 et 0 -- le binaire!
    Une image n'est qu'un tas de 1 et de 0.
  • 3:01 - 3:08
    Mais pourquoi les valeurs RGB vont de 0 à 255? Il se
    trouve que chaque canal de couleur, RGB, est représenté
  • 3:08 - 3:14
    par 8 bits, qui forment ce qu'on appelle un octet.
    Si vous connaissez le système binaire, vous
  • 3:14 - 3:20
    savez que le plus grand nombre que vous pouvez représenter
    avec 8 bits est 255. 255, c'est une rangée de huit 1.
  • 3:20 - 3:29
    Et le plus petit est 0, soit une rangée de huit zéros. C'est
    pourquoi l'intervalle de 0 à 255 nous donne 256 intensités
  • 3:29 - 3:36
    différentes par canal de couleur. On peut représenter
    un pixel de couleur turquoise par exemple,
  • 3:36 - 3:43
    dans notre système traditionnel de numération comme 64
    (pour un peu de rouge), 224 (pour beaucoup de
  • 3:43 - 3:54
    vert), et 208 (pour un peu de bleu). Mais un ordinateur
    l'aurait stocké ainsi: 0100 0000 1110 0000
  • 3:54 - 4:03
    1101 0000. On utilise 24 chiffres binaires pour juste
    représenter ce pixel. Alors à la place du binaire, les artistes
  • 4:03 - 4:08
    utilisent plutôt le système hexadécimal pour représenter
    les couleurs. Afin de pouvoir représenter la
  • 4:08 - 4:16
    même couleur turquoise en utilisant seulement six chiffres
    hexadécimaux: 40 E0 D0. Ce qui est bien plus court.
  • 4:16 - 4:22
    Imaginons que vous voulez modifier les couleurs
    d'une image. Comment allez vous faire ça? Il existe
  • 4:22 - 4:26
    des fonctions de mapping qui prennent la
    valeur d'entrée du pixel. Vous prenez
  • 4:26 - 4:31
    les valeurs du rouge, du vert et du bleu,
    qui représentent cette couleur. Puis vous
  • 4:31 - 4:37
    utilisez ces fonctions pour obtenir de nouvelles valeurs
    de rouge, de vert et de bleu. Imaginons que vous vouliez rendre une
  • 4:37 - 4:42
    image plus sombre. Une manière de le faire est de
    prendre les valeurs de rouge, de vert et de bleu qui
  • 4:42 - 4:49
    arrivent et de soustraire une constante fixe
    à chacune d'elles, disons moins 50.
  • 4:49 - 4:54
    Bien sûr vous ne pouvez pas aller au dessous de 0,
    mais vous pouvez soustraire 50 de chacune d'elles et c'est
  • 4:54 - 5:02
    la valeur de sortie. Donc l'entrée est R, G, B et la sortie
    est R-50, G-50, B-50. Ce que vous verrez c'est que vous avez
  • 5:02 - 5:06
    pris une image avec une certaine luminosité,
    et vous récupérez une image beaucoup plus
  • 5:06 - 5:12
    sombre. Ce que beaucoup de personnes ne réalisent
    pas à propos d'instagram, c'est qu'à l'origine les gens pensaient
  • 5:12 - 5:17
    que c'était un moyen pour appliquer des filtres sur
    les images, rendant ainsi les images plus stylées, ou
  • 5:17 - 5:22
    plus retro. Et ce qu'Instagram est devenu est en fait
    beaucoup plus important, c'était un moyen de connecter
  • 5:22 - 5:27
    des gens. Il ne s'agit pas seulement de voir des photos
    de vos amis et de votre famille, mais en fait
  • 5:27 - 5:32
    d'être capable de découvrir des choses qui se passent partout
    dans le monde. Que ça soit une émeute à l'autre bout du monde
  • 5:32 - 5:38
    ou un mouvement social, vous pouvez consommer
    cette information de manière visuelle.
  • 5:38 - 5:41
    Et c'est ce qui nous a permis de croître très rapidement
    et de devenir une plateforme universelle.
  • 5:43 - 5:49
    Apprenez en plus sur studio.code.org
Title:
Instagram's Kevin Systrom explains pixels and how filters work
Description:

more » « less
Video Language:
English
Duration:
05:50

French subtitles

Revisions