Format de données
Un article de Wikipédia, l'encyclopédie libre.
Le format des données est la manière utilisée en informatique pour représenter des données sous forme de nombres binaires. C'est une convention (éventuellement normalisée) utilisée pour représenter des données, soit des informations représentant un texte, une page, une image, un son, un fichier exécutable, etc. Lorsque ces données sont stockées dans un fichier, on parle de format de fichier. Une telle convention permet d'échanger des données entre divers programmes informatiques ou logiciels, soit par une connexion directe soit par l'intermédiaire d'un fichier. On appelle interopérabilité cette possibilité d'échanger des données entre différents logiciels.
Sommaire |
[modifier] Typologie
On distingue un format dont la spécification est publiquement accessible, un format ouvert, d'un format fermé dont la spécification est secrète. Un format fermé correspond généralement à un logiciel seul capable de pleinement l'exploiter.
Une autre distinction s'opère entre un format normalisé, faisant l'objet d'une normalisation par une institution publique ou internationale (ISO, W3C) et un format quelconque, qui peut devenir un standard de fait s'il est populaire. Un tel format est parfois normalisé par la suite.
Un format est dit propriétaire s'il a été élaboré par une entreprise, dans un but essentiellement commercial. Un format propriétaire peut être ouvert (le format PDF d'Adobe par exemple) s'il est publié, ou fermé (le format '.doc' de Microsoft par exemple).
[modifier] Formats des nombres
[modifier] Nombres entiers
Un nombre entier naturel est en général simplement représenté en binaire (en base 2), avec la règle de conversion classique. Bien entendu, à la différence des entiers naturels les entiers informatiques sont finis. On ne peut donc représenter ainsi que les nombres tenant dans l'intervalle défini par le nombre de bits disponible. Lorsque l'on veut représenter un entier relatif, on réserve un bit pour désigner le signe (en général le bit le plus à gauche) ; on parle alors d'« entier signé ». La plupart du temps, les nombres négatifs seront codés selon la règle du complément à deux.
Par exemple, avec un octet on peut représenter :
- les entiers naturels de 0 (00000000 en binaire) à 255 (11111111 en binaire)
- les entiers relatifs de -128 (10000000 en binaire) à -1 (11111111 en binaire) et de 0 (00000000) à 127 (01111111) ; on code donc avec un octet les entiers de -128 à +127.
Voir l'article détaillé : Système binaire
[modifier] Nombres fractionnaires
Pour les nombres fractionnaires, la convention de numération veut qu'en base n, « 0,a » désigne a·1/n (=a·n-1), « 0,0a » désigne a·1/n2 (=a·n-2)... Par exemple en base 10 (n = 10), « 0,005 » désigne 5·10-3.
Ainsi, le nombre 0,001 en binaire (n = 2) désigne 1·2-3=0,125.
Donc en informatique, la première solution consiste à attribuer un certain nombre de bits à droite aux puissances négatives de 2.
Une autre solution consiste à considérer les nombres comme des caractères (du texte), et à utiliser par exemple le format ASCII. Cependant, cela ne peut concerner que le stockage : l'ordinateur ne pouvant appliquer que l'arithmétique binaire, il faut nécessairement les convertir en binaire pour le calcul.
Voir l'article détaillé : Virgule flottante.
[modifier] Formats de texte
Les textes sont formés de caractères en nombres finis (lettres, diacritiques, signes de ponctuation…). Il est donc simple d'attribuer un nombre à chaque caractère. Cette conversion caractère → nombre est définie par convention sous la forme d'une table, ou page de code. Les plus utilisés sont l'ASCII et l'Unicode.
Les textes comprennent aussi de la mise en page (alignement des paragraphes) et de la mise en forme (type de police de caractère, taille…). La solution retenue en général consiste à définir des mots de commande, des instructions, séparées du texte par un caractère spécial. Ainsi, en HTML, les instructions sont appelées « balises » et sont mises entre des chevrons <…> ; en LaTeX, les instructions sont introduites par une barre de fraction inversée \. De ce fait, certains caractères sont réservés aux instructions et ne peuvent plus faire partie du texte ; il existe alors des « codes d'échappement », ou bien des instructions spéciales permettant de les représenter.
Jusqu'en 2006, le logiciel Microsoft Word a retenu une autre manière de stocker la mise en forme : les données (texte et images) sont mis en brut (sans mise en forme) dans le document, et la mise en forme est définie dans une partie du document appelée « saut de section » (section break). Le saut de section, hormis le fait de marquer un changement de mise en page (saut de colonne, saut de page), est une zone invisible contenant des pointeurs attribuant un formatage à une partie de la section. Cette solution se révèle très lourde et source de problèmes (corruption de documents) pour les documents très volumineux (plusieurs centaines de pages). Pour son édition de 2007, Microsoft a adopté un nouveau format, Open XML.
[modifier] Formats d'image
La base de la représentation des images est la géométrie analytique.
[modifier] Format carte de points
[modifier] Un petit retour en arrière
En 1672, Isaac Newton démontre à l'aide du prisme que la lumière blanche procède de l'addition de toutes les couleurs (Newton dénombrera sept couleurs, nombre arbitraire et culturellement marqué). En 1839, l'année de la naissance de la photographie, Michel Eugène Chevreul publie un livre expliquant les effets optiques produits par les couleurs et leur juxtaposition, c'est-à-dire non pas la superposition de couches colorées (filtres) ou le mélange de couleurs, mais l'effet produit par des couleurs différentes mises côte-à-côte et vues de loin. En 1869 (le 7 mai précisément), sans se connaître et sans avoir travaillé ensemble, Louis Ducos du Hauron et Charles Cros proposent à la Société française de photographie un procédé de leur invention qui permet d'obtenir des clichés en couleurs. Tous ces travaux marqueront Georges Seurat, le créateur du pointillisme (ou néo-impressionnisme), et seront à l'origine de l'impression en couleurs ou encore de la télévision en couleurs.
Il faudrait aussi parler des procédés textiles, notamment ceux de Jacquard, qui considèrent les images comme des matrices de points (l'industrie textile a d'ailleurs été la première à utiliser la programmation par cartes perforées). On peut aussi penser à la technique de la mosaïque déjà pratiquées par les grecs et les romains ou les images sont représentées par la juxtaposition de petits carreaux de pierre ou de faïence colorés (les tesselles). Tout ceci est à l'origine des images « en carte de point », ou en anglais, « bitmap ».
[modifier] Les images à l'écran
On peut donc découper une image en points élémentaires, ou « pixel », et attribuer une couleur à ce pixel. La couleur est représentée par un nombre, la correspondance couleur → nombre étant faite par une « palette ».
Il est inutile de donner les coordonnées des points : si l'on donne la largeur de l'image en nombre n de points, alors les n premiers points représentent la première ligne, les points n+1 à 2n représentent la deuxième ligne... Il suffit alors de fixer par convention l'ordre de balayage, en l'occurrence l'ordre de lecture occidental (de gauche à droite et de haut en bas).
Ceci donne une image au format carte de points, souvent appelée image bitmap. C'est donc un canevas de points dont chacun se voit attribuer une valeur colorée. Les grandes différences entre les formats existants sont la profondeur de couleurs (1 bit : noir ou blanc, 8 bits : 256 couleurs, 24 bits : 16 millions de couleurs...) et le type de compression (sans compression, ou raw, avec une compression par motifs, avec une compression destructive...)
Par exemple, prenons une carte noir et blanc (1 pour blanc, 0 pour noir) définissant une image large de cinq points par la suite de chiffres suivante :
1000101010001000101010001
il faut découper cette carte par groupes de 5 bits :
10001 01010 00100 01010 10001
ce qui nous donne le dessin d'un « X » blanc sur fond noir.
Le format des données doit donc inclure, outre la liste des points, la largeur de l'image et la description de la palette ; ceci se fait en général en début de fichier (on parle d'« entête » de fichier).
Ce procédé a été utilisé pour envoyer un message dans l'espace à destination d'une intelligence extra-terrestre : il s'agit d'une image noir-et-blanc représentant le système solaire, de dimensions n sur m, n et m étant des nombres premiers. Les émetteurs espèrent ainsi que les récepteurs sauront décomposer les n×m en ses deux facteurs, et ainsi recomposer l'image.
[modifier] Format vectoriel
Une image au format vectoriel est une image qui se décrit par des ensemble de coordonnées mathématiques et non par un canevas de point. Par exemple,
- pour décrire une ligne il suffit de connaître ses coordonnées de départ et d'arrivée ;
- pour un rectangle (ayant ses axes alignés aux axes du système de coordonnées en cours), deux points suffisent aussi (deux coins opposés)
- pour un cercle, un seul point, ainsi qu'un rayon, sont nécessaires.
En outre des informations sur le tracé sont nécessaires : les attributs graphiques sont l'épaisseur, le style (continu ou pointillés), la couleur du trait, sa transparence, etc. Une image vectorielle est donc un ensemble de coordonnées, d'attributs et de commandes que le programme d'affichage (à l'écran ou sur papier) se charge d'interpréter.
Pour des images pouvant être réduites facilement à des formes géométriques (typographisme, cartographie...), le format vectoriel est extrêmement économe.
La particularité des formats vectoriels est que leur rendu final ne dépend que de la résolution du périphérique de sortie. Ce type d'image peut aussi être agrandi sans effets gênants ; il n'y a pas d'effet de « pixellisation » (les lignes diagonales ou courbes n'apparaissent pas sous forme d'escalier).
Quelques formats vectoriels célèbres : Adobe PDF (Acrobat), Adobe Illustrator, encapsuled postscript EPS, Quark QXD, Macromedia Flash (format d'animation vectorielle), SVG, AutoCAD DXF.
[modifier] Représentation des couleurs
Voir l’article Codage informatique des couleurs.[modifier] Format de scène 3D
La représentation des objets virtuels créés par les logiciels de modélisation 3D nécessite un format de données spécifique car les formats précédents sont inadaptés. En effet, pour représenter un objet 3D il faut au minimum une description :
- de la topologie de l'objet : sa forme, sa taille et sa complexité
- des attributs de représentation : couleurs, textures (nature et position), qualité photométrique de sa surface, transparence
- de ses attributs dynamiques s'il est animé : capacité de collision avec d'autres objets, articulations et contraintes, etc.
Représenter une scène nécessite aussi de spécifier les éclairages utilisés, les positions relatives des objets, les effets d'environnement éventuels mais surtout sa structure hiérarchique (liens des éléments entre eux).
Les premiers formats standard de fait ont été des formats adaptés à la CAO : l'objet est défini à l'aide de facettes ou de surfaces analytiques. Il suffit de définir son origine puis les coordonnées caractéristiques des éléments dans l'espace à 3 dimensions. Par exemple, dans le format DXF d'Autocad, un objet est une suite d'entités nommées et constituées de liste de points X,Y,Z. Par indexation, on constitue des facettes triangles ou des lignes qui s'appuient sur ces points.
Si ce format était suffisant pour du dessin technique il était totalement inadapté à la réalité virtuelle. Dans les années 1990, la société Silicon Graphics (constructrice de station graphique 3D) publia le format Inventor qui comportait la majorité des éléments nécessaires. Ce format évolua vers le format VRML qui a été normalisé.
Par ailleurs, le format 3D Studio ASCII fut lui aussi publié mais l'explosion du marché de la 3D donna naissance à quantité de formats propriétaires. Pour l'utilisateur, le problème était fréquemment de convertir un modèle d'un format à l'autre sans perdre trop d'informations. Des sociétés se sont même spécialisées dans ce type de conversion.
Actuellement, dans le monde professionnel, il n'y a pas de format unique mais plutôt des formats plus ou moins utilisés selon le type d'application. Par exemple :
- format 3DS Max pour la création Multimedia
- format Pro/Engineer pour la CAO industrielle
- format OpenFlight pour la simulation de vol et/ou de conduite.
Néanmoins, la plupart des modeleurs 3D savent plus ou moins bien lire (Import) et créer (Export) plusieurs formats : c'est un critère de choix important. Parmi les formats les plus répandus on peut citer :
- 3DS
- DXF d'Autocad
- IGES normalisé
- X Direct 3D
- OBJ de Wavefront
- LWO de Lightwave
- VRML avec ses versions (1, 2 et X3D)
- COB de Truespace
La tendance actuelle est de privilégier un format descriptif de type XML. Le format de données 3D est alors appelé langage descriptif comme X3D (évolution du VRML avec un formatage XML).
Le format libre COLLADA permet également d'échanger des données entre différents logiciels. Il existe notamment un importeur/exporteur pour Blender. Il y a actuellement une proposition pour l'adopter comme format 3d dans le wikipedia. [1]
[modifier] Format de son
Les formats de son se décomposent en trois parties:
- les formats bruts: le son n'est pas compressé, les valeurs issues de la conversion des valeurs analogiques en numérique (échantillonnage) sont enregistrées dans l'ordre chronologique et par canal;
- les formats compressés: le son est compressé avec ou sans pertes suivant un algorithme adapté à la perception des sons de l'oreille humaine et/ou une compression classique;
- les formats de flux (stream): permet l'écoute par partie sans avoir la totalité du fichier.
(Voir le chapitre Formats classiques)
[modifier] Compression des données
La compression des données est la technique qui consiste à transformer les données afin qu'elles prennent moins de place. Les données devant être décompressées avant d'être traitées, ceci se fait aux dépens de la rapidité, et avec un risque plus grand de perte de données.
L'idée de base est qu'en général, des éléments se répètent dans les fichiers. On a donc intérêt à représenter les éléments se répétant souvent par des nombres plus petits (c'est-à-dire prenant moins de bits).
On peut distinguer deux types de compression :
- les compressions sans a priori sur les données : ce sont des algorithmes qui travaillent uniquement sur les nombres, quelle que soit l'information portée par ces nombres ; ils sont donc généraux, pas spécifiques aux données ; on peut distinguer :
- les algorithmes à table stockée : l'algorithme fait une première analyse pour repérer les éléments se répétant, et construit une table de correspondance avec un code raccourci pour chaque élément répétitif ; la taille occupée par la table de stockage fait que ce procédé est plutôt adapté aux gros fichiers ;
- les algorithmes à table construite à la volée : la table de correspondance est construite de manière systématique, sans analyse préalable du fichier ; elle peut être reconstruite à la volée à partir du fichier compressé ; c'est par exemple le cas de l'algorithme de Lempel-Ziv-Welch (LZW)
- les compressions spécifiques aux données : si l'on connaît les données, on peut optimiser l'algorithme ; par exemple si l'on sait que l'on a affaire à un texte, on peut se baser sur la fréquence d'utilisation des mots dans le langage ; on distingue deux sous-catégories :
- les compressions sans perte de qualité ;
- les compressions avec perte de qualité : la première idée est de faire un « sous-échantillonnage », c'est-à-dire de simplement dégrader la qualité des données
en étudiant les sens et la manière dont le cerveau interprète les informations, on peut dégrader certaines caractéristiques des données peu sensibles, donc sans trop altérer la qualité globale des données ; ainsi, si l'oreille humaine est peu sensible à certaines gammes de fréquences, on peut dégrader (voire supprimer) certaines parties du spectre et pas d'autres ;
les algorithmes de compression d'image et de film JPEG et MPEG utilisent une perte de qualité.
Voir l'article détaillé Compression de données.
[modifier] Formats classiques
- Images : TIFF, JPEG, GIF, PNG, TGA, BMP
- Dessin vectoriel : SVG, Flash, AI, EPS, DXF, PICT
- 3D : DXF, 3DS Max, VRML, X3D
- Son : MP3, WAV, WMA, AAC, Ogg, FLAC
- Vidéo : MPEG, AVI (DVD, DivX, XviD), Theora, FLV
- Page : DOC, RTF, PDF, PostScript, OpenDocument
- Document : PDF, HTML, MHTML
- Exécutable : EXE, ELF
- Archives : ZIP, LZW, ARJ, RAR, TAR, GZIP
[modifier] Voir aussi
Théorie des types | format ouvert | standard | ISO | W3C | Extension de fichier | Alternatives ouvertes aux formats fermés
