S'inscrire

Pourquoi l’image bascule en basse lumière sur smartphone

Dans un bar tamisé, deux amis prennent la même photo. Sur l’un des téléphones, les visages sont lissés, presque irréels. Sur l’autre, des taches colorées apparaissent mais les détails du décor restent visibles. La différence intrigue, même entre smartphones récents.

Basé sur recherche scientifique (Ren Ng, 'Digital Photography Review', DxOMark, 'Smartphone Image Quality Benchmark', Shree K. Nayar, 'Single Sensor Imaging')

Photographier dans l'obscurité fait ressortir des différences insoupçonnées entre appareils. Une scène banale – un dîner ou un trajet en métro – peut devenir méconnaissable selon le smartphone utilisé. Ce phénomène met en lumière le rôle discret mais décisif des composants invisibles : la taille des photodiodes du capteur, et les choix de traitement logiciel.
Mais ces écarts ne disent rien du prix ou du nombre de mégapixels affiché sur l’emballage. On croit souvent comparer des appareils équivalents, alors qu’ils n’ont pas la même façon de traduire la pénombre en image exploitable.

Lucidaily publie 3 sujets comme celui-ci chaque matin.

Créer un compte

Quand le capteur improvise

Un capteur photo transforme la lumière en courant électrique grâce à des milliers de photodiodes. Quand la lumière manque, chaque 'pixel physique' capte peu de photons. L’appareil doit alors deviner les couleurs et les contours. Si les photodiodes sont larges, elles capturent plus d’informations, ce qui limite l’apparition de points colorés (le 'bruit'). Sinon, le logiciel doit compenser, en lissant l’image ou en amplifiant artificiellement le signal.

Approfondir

Ren Ng (UC Berkeley) a montré que la taille des pixels influence plus la netteté en basse lumière que la résolution globale. Un capteur avec de gros pixels capte mieux les scènes sombres, même si son nombre de mégapixels est plus faible ('Digital Photography Review', 2015).

L’image qui bascule sans prévenir

Il suffit parfois qu’une personne passe devant une lampe pour que l’image passe de nette à floue, ou que des points colorés s’invitent en un instant. Ce n’est pas un bug : c’est le résultat d’une micro-variation de lumière qui force le capteur à changer de stratégie, souvent sans prévenir l’utilisateur.

Pourquoi deux appareils réagissent si différemment

La façon dont un téléphone gère la pénombre dépend d’un arbitrage entre deux approches. Certains capteurs privilégient le lissage, effaçant le bruit mais aussi les petits reliefs du visage ou des objets. D’autres gardent plus de détails, mais laissent apparaître des artefacts colorés. DxOMark a montré que, selon les marques, les choix logiciels peuvent donner l’avantage à un appareil moins cher pour une scène précise. L’illusion d’une meilleure photo tient alors moins à la « qualité » qu’à la stratégie adoptée (DxOMark, 'Smartphone Image Quality Benchmark', 2022).

Approfondir

Le phénomène est accentué lorsque l’appareil tente de « sauver » des détails en montant la sensibilité ISO. Plus l’ISO grimpe, plus le risque de bruit augmente — et plus le logiciel doit trancher entre lissage et fidélité.

Lissage ou grain : deux écoles

Certains ingénieurs, comme Shree K. Nayar (Columbia), défendent des algorithmes qui lissent fortement l’image pour la rendre plus flatteuse, même si cela efface des détails ('Single Sensor Imaging', 2017). D’autres préfèrent préserver les textures, quitte à laisser du bruit, estimant que cela respecte mieux la réalité de la scène. Ces deux approches coexistent, sans consensus sur laquelle rend le résultat « plus fidèle ».

En faible lumière, la netteté dépend moins du prix ou des mégapixels que du compromis caché entre capteur et traitement logiciel.

Pour aller plus loin

  • Ren Ng, 'Digital Photography Review', 2015 — A montré que la taille des pixels physiques du capteur influence beaucoup la performance en basse lumière. (haute)
  • DxOMark, 'Smartphone Image Quality Benchmark', 2022 — Compare les traitements du bruit et du détail entre smartphones concurrents, démontrant que le logiciel peut inverser les résultats attendus. (haute)
  • Shree K. Nayar, 'Single Sensor Imaging', 2017 — Explique comment les algorithmes de dénombrement de photons lissent l’image pour réduire le bruit, au prix d’une perte de relief. (haute)

Partager cette réflexion