AQC0692 | NAN-COL000258

Nanopublication — Analyse Computationnelle d'Image - AQC0692

Si Majeur - Recherche sur l'Harmonie - Variation 2

Affirmation 1: Analyse Computationnelle d'Image - AQC0692

Analyse computationnelle de la photographie de l'œuvre Si Majeur - Recherche sur l'Harmonie - Variation 2 (AQC0692) [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 22 aplats. Les plus étendus sont un olive grisâtre foncé (13 %), un jaune grisâtre (12 %) et un vert olive moyen (10 %). Parmi les autres, ceux qui se détachent le plus nettement de leur entourage sont un jaune-orangé pâle en bas à gauche (0,9 %), un jaune pâle en haut à gauche (3,9 %) et un vert olive grisâtre en haut (0,1 %). Par famille de noms : jaune 33 %, olive 15 %, gris 12 %, vert olive 10,0 %, marron 5,1 %, gris olive 3,9 %, violet 3,7 %, marron-jaune 3,5 %, bleu 2,8 %, marron olive 2,3 %, vert 2,1 %, vert-jaune 1,9 %, jaune-orangé 1,4 % et violet-rouge 1,3 %.

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 : 2043x2043 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 (0).

Rang Couleur Nom ISCC-NBS Munsell Surface Écart Position
1 E1CFA5 jaune-orangé pâle 0.9Y 8.3/3.4 0,9 % 62.6 en bas à gauche
2 E2CB94 jaune pâle 2.8Y 8.2/4.4 3,9 % 41.5 en haut à gauche
3 474D31 vert olive grisâtre 4.8GY 3.1/2.5 0,1 % 40.1 en haut
4 8E727F violet grisâtre 5.0RP 5.0/2.6 2,8 % 37.9 en haut
5 D2B94B jaune soutenu 5.7Y 7.6/8.0 2,5 % 37.9 au centre
6 515B37 vert olive moyen 3.4GY 3.7/3.5 0,2 % 37.2 au centre
7 62809C bleu grisâtre 1.2PB 5.3/4.3 0,1 % 34.7 au centre
8 747066 olive grisâtre clair 0.6GY 4.7/1.3 9,2 % 28.1 à droite
9 CBB27D jaune grisâtre 3.1Y 7.3/4.5 6,3 % 27.1 à droite
10 B69D47 jaune foncé 5.0Y 6.4/6.7 0,1 % 26.5 au centre
11 9194A6 violet pâle 9.1PB 6.1/2.4 5,3 % 25.0 en bas à droite
12 D7C093 jaune grisâtre 4.1Y 7.9/3.6 12 % 24.4 à droite
13 D8CB49 jaune verdâtre brillant 7.5Y 8.1/8.7 7,0 % 22.9 au centre
14 6C8753 vert-jaune moyen 6.7GY 5.1/4.4 0,2 % 22.9 au centre
15 405643 vert grisâtre foncé 10.0GY 3.3/2.2 2,0 % 20.1 au centre
16 546042 vert olive moyen 6.4GY 3.9/3.1 10 % 18.3 en haut à gauche
17 AE9F4F jaune foncé 6.6Y 6.3/5.9 3,2 % 18.0 en haut
18 36322B olive grisâtre foncé 0.6GY 2.1/0.9 13 % 16.1 en bas à gauche
19 B4882F jaune foncé 2.4Y 5.9/7.9 0,5 % 15.2 au centre
20 5B483C marron-jaune grisâtre foncé 9.6YR 3.3/1.9 5,1 % 11.9 en bas
21 716E70 gris violacé 7.8P 4.6/1.3 10 % 10.4 en bas
22 767833 vert-jaune moyen 2.5GY 4.9/5.5 5,6 % 10.1 à gauche

Familles de noms

Famille Surface
jaune 33 %
olive 15 %
gris 12 %
vert olive 10,0 %
marron 5,1 %
gris olive 3,9 %
violet 3,7 %
marron-jaune 3,5 %
bleu 2,8 %
marron olive 2,3 %
vert 2,1 %
vert-jaune 1,9 %
jaune-orangé 1,4 %
violet-rouge 1,3 %
violet-bleu 1,0 %
rouge 0,6 %

B) Analyse de Texture

Métrique Valeur
Global Roughness 0.2
Mean Local Roughness 0.015
Roughness Uniformity 0.025
Edge Density 0.051
Mean Gradient Magnitude 0.108
Gradient Variance 0.051
Gradient Smoothness 0.0
Directional Coherence 0.146
Pattern Complexity 0.114
Pattern Repetition 1.0
Detail Frequency Ratio 0.654
Spatial Variation 0.132
Texture Consistency 0.638

C) Analyse de Luminosité et Contraste

Métrique Valeur
Mean Brightness 0.504
Brightness Variance 0.2
Brightness Uniformity 0.602
Brightness Skewness 0.059
Brightness Entropy 7.221
Rms Contrast 0.2
Michelson Contrast 1.0
Weber Contrast 0.716
Mean Local Contrast 0.015
Contrast Uniformity 0.0
Dynamic Range 0.996
Effective Dynamic Range 0.604
Shadow Percentage 22.247
Midtone Percentage 46.189
Highlight Percentage 31.564
Shadow Clipping 0.002
Highlight Clipping 0.0
Tonal Balance 0.0
Fine Contrast 0.008
Medium Contrast 0.02
Coarse Contrast None
Multiscale Contrast Ratio 1.0
Edge Contrast 0.108
Contrast Clustering 0.362

D) Analyse de Distribution Spatiale

Métrique Valeur
Spatial Coherence 0.765
Color Clustering 0.619
Color Transition Smoothness 0.716
Transition Uniformity 0.66
Sharp Transition Ratio 0.1
Transition Directionality 0.157
Mean Saturation 0.311
Saturation Variance 0.033
Low Saturation Ratio 0.482
Medium Saturation Ratio 0.491
High Saturation Ratio 0.027
Saturation Clustering 0.999
Hue Concentration 0.923
Complementary Balance 0.007
Analogous Dominance 0.964
Temperature Bias 0.716

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). B Major - Research on Harmony - Variation 2 - Catalogue Raisonné. https://arnaudquercy.art/fr/catalogue-raisonne/AQC0692.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)

cd666081642144b2392345b24af12850989326dd824e23b49f4e3aceed30e4b3

Cette page dans d’autres formats

PDF · Markdown · English