AQC0560 | NAN-COL000375

Nanopublication — Analyse Computationnelle d'Image - AQC0560

Do Majeur 9 - Recherche sur l'Harmonie - Variation 12

Affirmation 1: Analyse Computationnelle d'Image - AQC0560

Analyse computationnelle d'image de l'œuvre Do Majeur 9 - Recherche sur l'Harmonie - Variation 12 (AQC0560) [1] par Arnaud Quercy [2], effectuée selon IDS-CMP-2025 [3], utilisant la méthode de regroupement regroupement k-means avec 10 paramètres d'extraction de couleurs. L'analyse comprend la distribution des couleurs, les métriques de texture, les mesures de luminosité/contraste, et la caractérisation des motifs spatiaux. Analyse effectuée le 2025-10-03.

Contexte

L'analyse effectuée selon IDS-CMP-2025 [3] comprend quatre catégories de métriques : (a) Distribution des couleurs via k-means (10 couleurs), (b) Analyse de texture utilisant les caractéristiques de Haralick, (c) Mesures de luminosité et contraste, (d) Caractérisation des motifs spatiaux. Image source : 2882x3842 pixels. Date d'analyse : 2025-10-03.

A) Analyse des Couleurs

Rang Couleur Hex % Famille Nom
1 262532 19.0 violet very dark gray
2 141423 17.5 violet very dark gray
3 CF5D32 12.2 orange chocolate
4 E8774C 10.8 orange coral
5 E9B69D 9.5 orange burlywood
6 E4D9CD 8.0 orange gainsboro
7 D3A38D 7.4 orange tan
8 CEC3B7 7.1 orange silver
9 413B47 6.7 violet dusty mauve
10 706268 1.8 red dusty mauve
11 8F4840 0.3 red-orange burnt sienna [Accent]
12 9B8E7D 0.3 yellow-orange gray [Accent]

Familles de Couleurs:

Famille %
orange 55.0
violet 43.2
red 1.8
red-orange 0.3
yellow-orange 0.3

Couleurs d'Accent:

Hex Famille Nom Chroma
8F4840 red-orange burnt sienna 34.1
9B8E7D yellow-orange gray 11.2

B) Analyse de Texture

Métrique Valeur
Global Roughness 0.283
Mean Local Roughness 0.013
Roughness Uniformity 0.011
Edge Density 0.056
Mean Gradient Magnitude 0.145
Gradient Variance 0.021
Gradient Smoothness 0.0
Directional Coherence 0.012
Pattern Complexity 0.115
Pattern Repetition 1.0
Detail Frequency Ratio 0.581
Spatial Variation 0.245
Texture Consistency 0.355

C) Analyse de Luminosité et Contraste

Métrique Valeur
Mean Brightness 0.437
Brightness Variance 0.283
Brightness Uniformity 0.351
Brightness Skewness 0.066
Brightness Entropy 7.514
Rms Contrast 0.283
Michelson Contrast 1.0
Weber Contrast 0.883
Mean Local Contrast 0.016
Contrast Uniformity 0.252
Dynamic Range 1.0
Effective Dynamic Range 0.773
Shadow Percentage 43.348
Midtone Percentage 25.539
Highlight Percentage 31.113
Shadow Clipping 0.001
Highlight Clipping 0.001
Tonal Balance 0.175
Fine Contrast 0.006
Medium Contrast 0.02
Coarse Contrast 0.042
Multiscale Contrast Ratio 0.156
Edge Contrast 0.145
Contrast Clustering 0.645

D) Analyse de Distribution Spatiale

Métrique Valeur
Spatial Coherence 0.761
Color Clustering 0.769
Color Transition Smoothness 0.614
Transition Uniformity 0.849
Sharp Transition Ratio 0.1
Transition Directionality 0.014
Mean Saturation 0.384
Saturation Variance 0.049
Low Saturation Ratio 0.401
Medium Saturation Ratio 0.453
High Saturation Ratio 0.146
Saturation Clustering 0.999
Hue Concentration 0.407
Complementary Balance 0.0
Analogous Dominance 0.536
Temperature Bias 0.482

Méthodologie

Cette analyse emploie des méthodes computationnelles standardisées pour la caractérisation objective des images. L'extraction des couleurs utilise l'algorithme de regroupement k-means. L'analyse de texture applique l'extraction des caractéristiques de Haralick. Les métriques de luminosité incluent la moyenne, la variance et l'analyse de distribution. Les motifs spatiaux sont caractérisés par des mesures de cohérence et de regroupement. Toutes les méthodes sont déterministes et reproductibles. Analyse effectuée par les systèmes d'imagerie computationnelle des Études idéamorphiques.

Références

  1. [1] Quercy, A. (2024). C Major9 - Research on Harmony - Variation 12 - Catalogue Raisonné. https://arnaudquercy.art/fr/catalogue-raisonne/AQC0560.html
  2. [2] Quercy, A. (2025). ORCID https://orcid.org/0009-0000-2662-7790
  3. [3] Quercy, A. (2026). Computational Image Analysis Standard. https://ideamorphism.org/fr/mesures/2025/11/ids-cmp-2025-norme-danalyse-computationnelle-dimage-5dq9.html

Profil épistémique

Type de revendicationcomputational analysis
Voixthird person
Statut épistémiqueempirical measurement
Méthodologiecomputational analysis
Certitudehigh

Somme de contrôle (SHA-256)

9e426a42cfe4886c60f26b35f6f3dfc4ef3b34bc6876fb47736102734f422ba1

Cette page dans d’autres formats

PDF · Markdown · English