Dalam kedua kasus, pembacaan aktual dari sensor dilakukan baris demi baris. Ini dilakukan seperti itu (sebagian besar) karena melakukan sebaliknya akan sangat mahal - untuk membaca semua piksel secara paralel, Anda akan memerlukan koneksi terpisah dari sensor ke memori untuk setiap piksel. 12 juta koneksi (misalnya) dari sensor ke memori akan sangat mahal - dan hampir tidak pernah memberikan manfaat nyata.
Mengenai mengapa tampaknya ada perbedaan antara mode film dan mode diam, ini cukup sederhana: dalam mode diam, Anda menggunakan rana fisik, dan pembacaan dari sensor ke memori terjadi ketika rana ditutup. Seperti yang ditunjukkan oleh @Matt Grum, Anda masih mendapatkan beberapa efek yang sama di atas kecepatan sinkronisasi X, karena keterbatasan fisik pada rana.
Alasan Anda tidak menggunakan rana fisik dalam mode film adalah karena keterbatasan fisik yang sama. Meskipun rana dapat memiliki waktu pencahayaan yang sangat singkat, ada waktu pemulihan di antara aktivasi, sehingga menjadi sulit untuk mencapai lebih dari sekitar 10 frame per detik atau lebih. Mendapatkan ke 24 frame per detik atau lebih dibutuhkan untuk video akan, sekali lagi, menambah banyak biaya dengan sedikit manfaat. Oleh karena itu, dalam mode film rana fisik tetap terbuka, dan kamera menggunakan rana elektronik sebagai gantinya - dan begitu melakukannya, artefak pembacaan baris-demi-baris dari sensor ke memori dapat menjadi terlihat.