AQC0601 | NAN-COL000345

Nanopublication — Analyse Computationnelle d'Image - AQC0601

Fa dièse Majeur - Recherche sur l'Harmonie

Affirmation 1: Analyse Computationnelle d'Image - AQC0601

Analyse computationnelle de la photographie de l'œuvre Fa dièse Majeur - Recherche sur l'Harmonie (AQC0601) [1] par Arnaud Quercy [2], selon IDS-CMP-2025 [3], sur une image de 1000 pixels de côté, le 2025-10-03. Chaque couleur est située dans le système Munsell et nommée selon le système ISCC-NBS (267 noms, National Bureau of Standards, 1976). L'image se divise en 8 aplats. Les plus étendus sont un vert bleuâtre brillant (47 %), un vert moyen (19 %) et un violet-bleu moyen (14 %). Parmi les autres, ceux qui se détachent le plus nettement de leur entourage sont un vert très pâle au centre (0,4 %), un violet-bleu foncé en bas à droite (12 %) et un vert bleuâtre clair au centre (0,7 %). Par famille de noms : vert 73 %, violet-bleu 24 % et bleu 3,2 %.

Contexte

Analyse effectuée selon IDS-CMP-2025 [3] : (a) couleurs nommées selon Munsell et ISCC-NBS, surfaces et aplats, (b) texture, (c) luminosité et contraste, (d) distribution spatiale. Image source : 2041x2721 pixels. Date d'analyse : 2025-10-03.

A) Analyse des Couleurs

Aplats

Classés par écart avec leur pourtour (CIEDE2000). Les traits de moins de 10 pixels d'épaisseur sont écartés (1).

Rang Couleur Nom ISCC-NBS Munsell Surface Écart Position
1 AEC2BE vert très pâle 1.1BG 7.7/1.6 0,4 % 19.4 au centre
2 42BEAE vert bleuâtre brillant 3.9BG 6.9/7.1 47 % 16.1 au centre
3 524983 violet-bleu moyen 9.4PB 3.5/7.3 14 % 13.9 en haut à droite
4 312456 violet-bleu foncé 0.3P 1.8/6.7 12 % 8.8 en bas à droite
5 34816F vert moyen 8.1G 4.9/5.7 19 % 4.5 en bas
6 0F9CA2 vert bleuâtre clair 9.7BG 5.7/6.8 0,7 % 3.6 au centre
7 7870A7 violet-bleu clair 0.2P 5.0/6.5 1,0 % 3.1 en haut à droite
8 345F52 vert bleuâtre moyen 1.6BG 3.5/3.1 5,5 % 2.7 en bas

Familles de noms

Famille Surface
vert 73 %
violet-bleu 24 %
bleu 3,2 %

B) Analyse de Texture

Métrique Valeur
Global Roughness 0.162
Mean Local Roughness 0.038
Roughness Uniformity 0.021
Edge Density 0.225
Mean Gradient Magnitude 0.284
Gradient Variance 0.052
Gradient Smoothness 0.195
Directional Coherence 0.009
Pattern Complexity 0.164
Pattern Repetition 1.0
Detail Frequency Ratio 0.696
Spatial Variation 0.142
Texture Consistency 0.687

C) Analyse de Luminosité et Contraste

Métrique Valeur
Mean Brightness 0.449
Brightness Variance 0.162
Brightness Uniformity 0.64
Brightness Skewness -0.216
Brightness Entropy 7.263
Rms Contrast 0.162
Michelson Contrast 1.0
Weber Contrast 0.675
Mean Local Contrast 0.044
Contrast Uniformity 0.491
Dynamic Range 1.0
Effective Dynamic Range 0.506
Shadow Percentage 26.298
Midtone Percentage 66.418
Highlight Percentage 7.284
Shadow Clipping 0.0
Highlight Clipping 0.0
Tonal Balance 0.101
Fine Contrast 0.02
Medium Contrast 0.051
Coarse Contrast 0.05
Multiscale Contrast Ratio 0.394
Edge Contrast 0.284
Contrast Clustering 0.313

D) Analyse de Distribution Spatiale

Métrique Valeur
Spatial Coherence 0.811
Color Clustering 0.376
Color Transition Smoothness 0.29
Transition Uniformity 0.676
Sharp Transition Ratio 0.1
Transition Directionality 0.009
Mean Saturation 0.605
Saturation Variance 0.025
Low Saturation Ratio 0.009
Medium Saturation Ratio 0.781
High Saturation Ratio 0.21
Saturation Clustering 0.998
Hue Concentration 0.802
Complementary Balance 0.0
Analogous Dominance 0.791
Temperature Bias -0.734

Méthodologie

Analyse computationnelle d'une photographie de l'œuvre, ramenée à 1 000 pixels sur son plus grand côté et filtrée par une médiane 3×3 pour retirer le grain. Couleurs : chaque pixel (sRGB arrondi à 5 bits par canal) reçoit sa notation Munsell et son nom ISCC-NBS par une table calculée une fois depuis les données publiées (renotation Munsell ; blocs ISCC-NBS, NBS Special Publication 440, 1976), jamais depuis les œuvres. Aplats : régions d'un seul tenant d'un même nom, fusionnées avec leurs voisines tant que l'écart CIEDE2000 entre leurs couleurs moyennes reste sous 10 ; aplat retenu à partir de 0,05 % de l'image ; écart avec le pourtour mesuré de 4 à 12 pixels du bord. Texture : écart-type des intensités, écart-type local, densité de contours (Canny), motifs binaires locaux. Luminosité : moyenne, variance, contrastes RMS, de Michelson et local, répartition ombres / tons moyens / lumières. Distribution : cohérence spatiale, transitions, saturation. Méthodes déterministes et reproductibles. Limites : la mesure porte sur la photographie, sa lumière et sa balance des blancs comprises ; deux aplats voisins d'écart inférieur à 10 sont réunis.

Références

  1. [1] Quercy, A. (2024). F# Major - Research on Harmony - Catalogue Raisonné. https://arnaudquercy.art/fr/catalogue-raisonne/AQC0601.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)

e7ca74419fa56ba9d3642d9c6c6269470f098f8322678b8b0cc22cd95861ac6f

Cette page dans d’autres formats

PDF · Markdown · English