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 d'image de l'œuvre Si Majeur - Recherche sur l'Harmonie - Variation 2 (AQC0692) [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 : 2043x2043 pixels. Date d'analyse : 2025-10-03.

A) Analyse des Couleurs

Rang Couleur Hex % Famille Nom
1 55573F 17.4 yellow dark brown
2 DAC496 15.1 yellow-orange burlywood
3 37342A 13.5 yellow darkslategray
4 6B6865 13.0 gray dimgray
5 827978 8.8 gray gray
6 D8C94A 8.3 yellow ochre
7 CBB37E 7.9 yellow-orange tan
8 9194A2 6.1 blue-violet lightslategray
9 777934 5.6 yellow olivedrab
10 B19E48 4.4 yellow-orange peru
11 3C2602 0.3 orange very dark orange [Accent]
12 07150E 0.3 yellow-green black [Accent]
13 AC8883 0.3 red-orange rosybrown [Accent]

Familles de Couleurs:

Famille %
yellow 44.7
yellow-orange 27.4
gray 21.8
blue-violet 6.1
orange 0.3
yellow-green 0.3
red-orange 0.3

Couleurs d'Accent:

Hex Famille Nom Chroma
3C2602 orange very dark orange 25.0
07150E yellow-green black 6.3
AC8883 red-orange rosybrown 15.3

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

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). 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/2025/09/ids-cmp-2025-computational-image-analysis-standard-5dq9.html

Profil épistémique

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

Somme de contrôle (SHA-256)

a572ff6864c9965da42048ac2c22d2a084284633e536236a263524d4359046ca

Cette page dans d’autres formats

PDF · Markdown · English