Un flux vidéo est composé d'une succession d'images, 25 par seconde en Europe (30 par seconde aux USA), composant l'illusion du mouvement. Chaque image est décomposée en lignes horizontales, chaque ligne pouvant être considérée comme une succession de points. La lecture et la restitution d'une image s'effectue donc séquentiellement ligne par ligne comme un texte écrit : de gauche à droite puis de haut en bas.
L'image d'un téléviseur est une succession de balayages horizontaux, de gauche à droite, partant du haut, et finissant en bas de l'écran. Au commencement de la télévision, la qualité des éléments phosphorescents du tube est fort médiocre. De ce fait, quand le faisceau balaye le bas de l'écran, le haut a déjà disparu, d'où un phénomène de scintillement, ressenti fortement par l'œil humain pour 25 Hz ou 30 Hz.
La solution la plus simple eût été d'accélérer la cadence de balayage, mais ceci imposait également d'augmenter la cadence des images, ce qui était inutile d'un point de vue cinématographique (le mouvement est perçu de la même façon), et fort coûteux en matériel et en bande passante.
Une solution plus astucieuse fut de doubler la cadence de balayage, en omettant une ligne sur deux, afin de garder une quantité d'information constante. Ainsi, une première passe affiche toutes les lignes impaires en deux fois moins de temps que pour une image entière et une seconde passe affiche les lignes manquantes paires : c'est ce que l'on appelle l'entrelacement.
On obtient bien le même nombre de lignes de balayages pour une image, et on balaye deux fois l'écran pour afficher une seule image. On désigne par le terme « trame » ("field" en anglais) une passe de balayage. Une image est donc constituée de deux trames, puisqu'il faut deux balayages pour définir l'image ("frame" en anglais).
Les caméras, qui fonctionnent comme un « téléviseur inversé », adoptèrent elles aussi cet entrelacement du balayage. Dans la première moitié du temps d'une image, une 1re prise de vue définit toutes les lignes impaires, et une moitié d'image plus tard, une seconde prise de vue définit les lignes paires.
Ce qu'il faut bien comprendre ici, c'est que les deux prises de vues sont distantes dans le temps (d'une moitié d'image). Et même si ces deux prises de vue sont complémentaires d'un point de vue spatial (les deux balayages se complètent dans le cadre), ces deux prises de vue n'affichent pas le même contenu
Si un sujet se déplace dans le champ, il aura une position différente sur chacune des deux trames : on a alors un effet de zig-zag sur chaque frame.
Ce problème est en partie résolu par un dispositif de lames cristallines biréfringentes qui "étalent" les détails en dédoublant les rayons lumineux. Il en découle une perte de définition qui confèrent aux système PAL et SECAM une résolution verticale multipliée par 0.7 (facteur de Kell) et qui n'est plus réellement que de 400 lignes environ.
Du fait de la capture en deux trames de 1/50 s chacune, c'est le temps de pose en vidéo (25i).
Il existe dorénavant de plus en plus d'appareils vidéo capables d'afficher 25, 50 ou 60 images complètes par seconde, l'affichage n'est plus entrelacé, on parle alors de balayage progressif. Parmi les appareils capables d'un tel affichage on trouve : les ordinateurs (leur carte vidéo et leur écran), certains vidéoprojecteurs, les téléviseurs haut de gamme, certaines platines DVD et quelques rares caméscopes.
C'est le mode de capture choisi pour les films tournés en HDTV ou en D-cinéma destinés à être transférés et projetés en 35 mm.
Les 25 images progressives (25p) confèrent alors aux caméras un temps de pose de 1/25 s ce qui est trop long en terme de résolution temporelle. On préfère alors limiter le temps d'intégration des trames à 1/50 s (obturateur électronique).
Les premières caméras vidéo, fonctionnant sur le même principe que les téléviseurs, analysaient l'image formée par l'objectif à l'aide d'un tube cathodique. Depuis la fin des années 1980, elles sont dotées de capteurs Charge-Coupled Device : CCD ou Dispositif à Transfert de Charges (DTC) en français.
Le transfert de ces charges peut se faire de 3 manières différentes : transfert interligne (capteur IT : Inteline Transfer), transfert trame (capteur FT : Frame Transfer) qui nécessite un obturateur mécanique et est rarement utilisé ou transfert FIT (Frame Interline Transfer).
Au début du XXIe siècle, les fabricants de capteurs ont décidé d'abandonner cette technologie et construisent désormais des capteurs CMOS (Complementary Metal Oxide Semi-conductor). On trouve cependant encore sur le marché des camescopes semi-professionnels utilisant la technologie dite "tri-CCD" qui permet d'améliorer notablement le traitement des couleurs.
- 4 têtes de lecture avancée (Avance) permettent de lire le signal vidéo présent sur la bande quelques trames avant les têtes d’enregistrement. Cette fonction dite de « pre-read » permet d’apporter une modification sur un programme enregistré sans nécessiter plus d’un magnétoscope. En mode enregistrement, l’ancien signal lu par ces têtes de lecture avancées peut en effet être récupéré et traité par un équipement externe (mélangeur, correcteur colorimétrique…), puis réenregistré exactement à sa place d’origine. Cette fonction très intéressante doit faire l'objet d’une grande précaution d’utilisation car l’opération est irréversible.
- 4 têtes dites « têtes confidence » (Confi) lisent les pistes après les têtes d’enregistrement afin de permettre la vérification de l’enregistrement en cours (avec un léger décalage temporel).
- 4 autres têtes permettent la lecture en Betacam analogique.
- 4 têtes permettent l’enregistrement numérique des données
- 2 têtes servent à l’effacement des données audio et vidéo
Le procédé de l’acquisition vidéo analogique et de sa conversion en numérique peut s’assimiler au passage du langage oral au langage écrit. Pour prendre en note le discours oral d’une personne, cette dernière ne doit pas parler trop rapidement, dans tel cas il devient difficile d’écouter et de transcrire simultanément. Certes la personne pourrait ralentir son débit de parole mais si l’on assimile ces paroles avec le signal vidéo analogique, on comprend aisément que le débit ne peut pas être ralenti. On procède donc à l’échantillonnage du discours, c’est-à-dire que l’on ne saisit que des « morceaux » de message pour les retranscrire par la suite. La précision de la retranscription dépend donc directement du nombre d’échantillons de discours prélevés. Pour la vidéo, le phénomène est identique : il est nécessaire avant toute chose de connaître le signal et de savoir quels sont les signaux à numériser
Format d'enregistrement
Afin que la réponse d’un enregistreur soit optimale dans les hautes fréquences il est primordial que l’entrefer de la tête de lecture soit parfaitement
MPEG-1
Le MPEG-1 est une norme de compression pour la vidéo numérique, élaborée par le groupe MPEG en 1988. Ce groupe a pour but de développer des standards internationaux de compression, décompression, traitement et codage d'images animées et de données audio.
La norme MPEG-1 représente chaque image comme un ensemble de blocs 16 x 16. Elle permet d'obtenir une résolution de:
- 352x240 pixels à 30 images par seconde en NTSC
- 352x288 pixels à 25 images par seconde en PAL/SECAM
Le MPEG-1 permet d'obtenir des débits de l'ordre de 1,2 Mbit/s (exploitable sur un lecteur de CD-ROM).
Le MPEG-1 permet d'encoder une vidéo grâce à plusieurs techniques :
- Intra coded frames (Frames I, correspondant à un codage interne) : les images sont codées séparément sans faire référence aux images précédentes
- Predictive coded frames (frames P ou codage prédictif) : les images sont décrites par différence avec les images précédentes
- Bidirectionally predictive coded frames (Frames B) : les images sont décrites par différence avec l'image précédente et l'image suivante
- DC Coded frames : les images sont décodées en faisant des moyennes par bloc
Le MPEG-1, comme ses descendants MPEG-2 ou MPEG-4 comporte plusieurs parties, dont la partie vidéo (Part.2), et la partie audio (Part.3). Cette partie audio se décompose en 3 couches (layers) de complexité et d'efficacité de compression croissantes. La couche MPEG-1 Audio Layer 3, la plus efficace donc, a donné naissance au format de compression audio MP3 (à ne pas confondre avec MPEG-3).