AQC0612 | NAN-COL000334

Nanopublication — Analyse Computationnelle d'Image - AQC0612

Si bémol Mineur - Recherche sur l'Harmonie

Affirmation 1: Analyse Computationnelle d'Image - AQC0612

Analyse computationnelle de la photographie de l'œuvre Si bémol Mineur - Recherche sur l'Harmonie (AQC0612) [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 7 aplats. Les plus étendus sont un violet-bleu moyen (53 %), un rouge très foncé (31 %) et un bleu verdâtre moyen (12 %). Parmi les autres, ceux qui se détachent le plus nettement de leur entourage sont un rouge violacé grisâtre clair à gauche (1,4 %), un rose violacé grisâtre au centre (0,5 %) et un violet-rouge très foncé en haut à droite (0,8 %). Par famille de noms : violet-bleu 52 %, rouge 27 %, bleu 12 %, marron 5,0 %, violet 1,8 % et violet-rouge 1,5 %.

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 : 1885x2591 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 A88B96 rouge violacé grisâtre clair 6.5RP 6.0/3.4 1,4 % 43.3 à gauche
2 C0B4B8 rose violacé grisâtre 2.1RP 7.4/2.3 0,5 % 38.8 au centre
3 358E97 bleu verdâtre moyen 0.2B 5.3/5.5 12 % 35.1 à gauche
4 370D1F rouge très foncé 3.1R 0.9/3.9 31 % 24.2 en bas
5 320C32 violet-rouge très foncé 9.9P 1.1/5.9 0,8 % 23.4 en haut à droite
6 240B22 violet-rouge très foncé 9.8P 0.7/2.9 1,1 % 20.7 en haut
7 624F82 violet-bleu moyen 2.1P 3.7/7.4 53 % 14.7 en haut

Familles de noms

Famille Surface
violet-bleu 52 %
rouge 27 %
bleu 12 %
marron 5,0 %
violet 1,8 %
violet-rouge 1,5 %

B) Analyse de Texture

Métrique Valeur
Global Roughness 0.142
Mean Local Roughness 0.014
Roughness Uniformity 0.017
Edge Density 0.026
Mean Gradient Magnitude 0.096
Gradient Variance 0.024
Gradient Smoothness 0.0
Directional Coherence 0.072
Pattern Complexity 0.132
Pattern Repetition 1.0
Detail Frequency Ratio 0.669
Spatial Variation 0.112
Texture Consistency 0.374

C) Analyse de Luminosité et Contraste

Métrique Valeur
Mean Brightness 0.289
Brightness Variance 0.142
Brightness Uniformity 0.509
Brightness Skewness -0.11
Brightness Entropy 6.444
Rms Contrast 0.142
Michelson Contrast 1.0
Weber Contrast 0.8
Mean Local Contrast 0.014
Contrast Uniformity 0.0
Dynamic Range 1.0
Effective Dynamic Range 0.388
Shadow Percentage 50.192
Midtone Percentage 49.263
Highlight Percentage 0.545
Shadow Clipping 0.002
Highlight Clipping 0.0
Tonal Balance 0.0
Fine Contrast 0.008
Medium Contrast 0.018
Coarse Contrast None
Multiscale Contrast Ratio 1.0
Edge Contrast 0.096
Contrast Clustering 0.626

D) Analyse de Distribution Spatiale

Métrique Valeur
Spatial Coherence 0.749
Color Clustering 0.713
Color Transition Smoothness 0.733
Transition Uniformity 0.824
Sharp Transition Ratio 0.1
Transition Directionality 0.083
Mean Saturation 0.539
Saturation Variance 0.035
Low Saturation Ratio 0.025
Medium Saturation Ratio 0.71
High Saturation Ratio 0.265
Saturation Clustering 0.999
Hue Concentration 0.701
Complementary Balance 0.0
Analogous Dominance 0.854
Temperature Bias 0.209

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). Bb minor - Research on Harmony - Catalogue Raisonné. https://arnaudquercy.art/fr/catalogue-raisonne/AQC0612.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)

c5b0623368c151c83bd60cb7ca3d3053f4383bd4101651fe7693c1d38b766149

Cette page dans d’autres formats

PDF · Markdown · English