AQC0666 | NAN-COL000284

Nanopublication — Analyse Computationnelle d'Image - AQC0666

Do dièse Mineur - Recherche sur l'Harmonie - Variation 2

Affirmation 1: Analyse Computationnelle d'Image - AQC0666

L'œuvre Do dièse Mineur - Recherche sur l'Harmonie - Variation 2 (AQC0666) [1] par Arnaud Quercy [2] a fait l'objet d'une analyse computationnelle complète [3] le 2025-10-03. Méthode : regroupement k-means avec 10 couleurs extraites. Métriques documentées : distribution des couleurs, analyse de texture, luminosité/contraste, motifs spatiaux.

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 : 2493x3324 pixels. Date d'analyse : 2025-10-03.

A) Analyse des Couleurs

Rang Couleur Hex % Famille Nom
1 BFC7C5 22.9 white silver
2 DAD6D2 20.6 white lightgray
3 9FB9BC 13.7 blue-green steel gray
4 75A8AC 10.0 blue-green cadetblue
5 538C90 7.9 blue-green blue gray
6 337068 7.4 green seagreen
7 263C37 5.0 green darkslategray
8 D1B87E 4.8 yellow-orange tan
9 92948A 4.0 yellow-green gray
10 666357 3.6 yellow dimgray
11 997752 0.3 orange burnt sienna [Accent]
12 F9EBE8 0.3 red-orange white [Accent]
13 515B82 0.3 blue-violet grayish purple [Accent]

Familles de Couleurs:

Famille %
white 43.5
blue-green 31.6
green 12.5
yellow-orange 4.8
yellow-green 4.0
yellow 3.6
orange 0.3
red-orange 0.3
blue-violet 0.3

Couleurs d'Accent:

Hex Famille Nom Chroma
997752 orange burnt sienna 26.2
F9EBE8 red-orange white 5.0
515B82 blue-violet grayish purple 23.8

B) Analyse de Texture

Métrique Valeur
Global Roughness 0.184
Mean Local Roughness 0.018
Roughness Uniformity 0.018
Edge Density 0.087
Mean Gradient Magnitude 0.155
Gradient Variance 0.04
Gradient Smoothness 0.0
Directional Coherence 0.01
Pattern Complexity 0.121
Pattern Repetition 1.0
Detail Frequency Ratio 0.612
Spatial Variation 0.138
Texture Consistency 0.692

C) Analyse de Luminosité et Contraste

Métrique Valeur
Mean Brightness 0.656
Brightness Variance 0.184
Brightness Uniformity 0.719
Brightness Skewness -0.955
Brightness Entropy 7.231
Rms Contrast 0.184
Michelson Contrast 1.0
Weber Contrast 0.563
Mean Local Contrast 0.02
Contrast Uniformity 0.106
Dynamic Range 0.996
Effective Dynamic Range 0.576
Shadow Percentage 7.141
Midtone Percentage 32.577
Highlight Percentage 60.282
Shadow Clipping 0.003
Highlight Clipping 0.0
Tonal Balance 0.0
Fine Contrast 0.01
Medium Contrast 0.025
Coarse Contrast 0.04
Multiscale Contrast Ratio 0.245
Edge Contrast 0.155
Contrast Clustering 0.308

D) Analyse de Distribution Spatiale

Métrique Valeur
Spatial Coherence 0.711
Color Clustering 0.794
Color Transition Smoothness 0.609
Transition Uniformity 0.726
Sharp Transition Ratio 0.1
Transition Directionality 0.014
Mean Saturation 0.214
Saturation Variance 0.036
Low Saturation Ratio 0.697
Medium Saturation Ratio 0.293
High Saturation Ratio 0.01
Saturation Clustering 1.0
Hue Concentration 0.685
Complementary Balance 0.037
Analogous Dominance 0.825
Temperature Bias -0.673

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# minor - Research on Harmony - Variation 2 - Catalogue Raisonné. https://arnaudquercy.art/fr/catalogue-raisonne/AQC0666.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)

30abb0245c544b20526470cbb359b43d4de8de67029f1692db028ff9d19bc7a6

Cette page dans d’autres formats

PDF · Markdown · English