Compression d'images fractales
La compression d'images fractales représente une image comme un ensemble de transformations contractives qui mappent approximativement des blocs sources plus grands sur des blocs cibles plus petits.
Rechercher des structures répétitives
Un encodeur divise l’image en blocs de plage et recherche des blocs de domaine qui leur ressemblent après une transformation géométrique et tonale. La liste de transformations définit un opérateur dont le point fixe s’approche de l’image d’origine.
L’encodeur divise une image en petits blocs de plage et recherche des blocs de domaine plus grands qui deviennent similaires après rotation, réflexion et ajustement de la luminosité et du contraste. Il stocke les paramètres de transformation plutôt que les pixels. Les correspondances fortes nécessitent une structure locale récurrente. L’espace de recherche est combinatoirement vaste ; la classification et la restriction des candidats déterminent donc en grande partie le coût de l’encodage.
Coût asymétrique
Le décodage applique de manière répétée les transformations stockées et peut partir de nombreuses images arbitraires. L'encodage est coûteux car la recherche parmi les relations entre les blocs est vaste ; l'accélération et la contrainte de cette recherche sont essentielles pour les systèmes pratiques.
Le décodage applique de manière répétée toutes les transformations à une image de départ arbitraire. L’opérateur combiné devant être contractif, la séquence tend vers son point fixe. Cela explique le coût asymétrique : une recherche de relations coûteuse lors de l’encodage et une itération relativement simple lors du décodage. Des cartes mal conditionnées ou trop agressives peuvent nuire à la convergence et à la qualité de l’image.
Promesses de zoom et compromis pratiques
Comme les transformations définissent des applications continues, les images décodées peuvent être évaluées au-delà de leur grille d'origine, mais aucune réalité photographique perdue n'est restituée. Les codecs modernes à usage général offrent généralement un meilleur équilibre entre vitesse, qualité et prise en charge, ce qui confère à la compression fractale une importance historique et un caractère spécialisé.
Les transformations peuvent être évaluées en continu, ce qui permet à un décodeur de produire une trame plus grande. Aucune information photographique supplémentaire provenant de la source n’est récupérée ; l’hypothèse d’auto-similarité du modèle est affinée. Les codecs modernes parviennent généralement à un meilleur équilibre entre vitesse et qualité grâce aux transformations par blocs, à la prédiction et aux outils d’apprentissage. La compression fractale reste importante d’un point de vue conceptuel, mais ne constitue pas une voie universelle vers un zoom infini sans perte.
Sources et lectures complémentaires
Cet article résume les sources spécialisées suivantes en reprenant leur formulation d'origine. Consultées et révisées par la rédaction 12 août 2026.
- Fractal Image CompressionNotices of the American Mathematical Society
- Iterated Function SystemWolfram MathWorld
Poursuivez l'idée
Systèmes de fonctions itérées
Comment un petit ensemble de transformations contractives définit un attracteur fractal unique.
Art fractal : les mathématiques comme matière première
Comment les artistes transforment les formules, la recherche de paramètres, les choix de couleurs, de textures, d’éclairage et d’exportation en images créées de toutes pièces.
Rendu fractal par GPU
Comment les pixels fractals utilisent le calcul parallèle Metal sur Mac et Apple Silicon, où la divergence et la précision ont un coût en termes de performances, et pourquoi l'affinement progressif est important.