AQC0699 | NAN-COL000252

Nanopublication — Analyse Computationnelle d'Image - AQC0699

Ré Majeur - Recherche sur l'Harmonie - Variation 4

Affirmation 1: Analyse Computationnelle d'Image - AQC0699

Analyse computationnelle de la photographie de l'œuvre Ré Majeur - Recherche sur l'Harmonie - Variation 4 (AQC0699) [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 23 aplats. Les plus étendus sont un jaune-orangé profond (31 %), un marron olive foncé (14 %) et un orange brunâtre (12 %). Parmi les autres, ceux qui se détachent le plus nettement de leur entourage sont un marron jaunâtre clair à droite (0,2 %), un vert jaunâtre moyen au centre (0,3 %) et un orange moyen en bas à droite (2,6 %). Par famille de noms : jaune-orangé 31 %, marron 20 %, orange 18 %, jaune 8,7 %, noir 5,6 %, marron olive 4,3 %, noir olive 4,2 %, marron-jaune 2,6 %, olive 1,7 %, vert 1,5 % et vert olive 1,0 %.

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 : 2548x2548 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 201C17 marron olive foncé 1.2Y 1.1/1.0 14 % 50.4 à droite
2 DAAD74 marron jaunâtre clair 8.5YR 7.3/5.9 0,2 % 40.0 à droite
3 5A8B55 vert jaunâtre moyen 9.4GY 5.3/5.9 0,3 % 32.1 au centre
4 E69366 orange moyen 3.3YR 6.7/8.1 2,6 % 30.9 en bas à droite
5 324E34 vert jaunâtre foncé 9.6GY 2.9/3.3 0,5 % 30.6 au centre
6 A67F23 marron olive clair 2.0Y 5.3/7.5 0,2 % 29.2 au centre
7 3E682A vert jaunâtre foncé 8.4GY 4.0/6.6 0,4 % 28.4 à droite
8 315A3E vert jaunâtre foncé 0.9G 3.5/4.4 0,5 % 28.1 en haut à droite
9 55412E marron olive moyen 1.9Y 3.0/2.7 11 % 27.1 au centre
10 5B7227 vert olive moyen 5.2GY 4.4/6.5 0,9 % 25.3 en haut à droite
11 E78A1B orange soutenu 6.5YR 6.5/11.7 1,2 % 21.7 à droite
12 2D2F22 olive grisâtre foncé 0.6GY 1.7/0.9 0,5 % 21.7 en bas à droite
13 506325 vert olive moyen 4.4GY 3.9/5.4 0,1 % 20.1 au centre
14 D5B57A jaune grisâtre 1.4Y 7.4/4.9 0,2 % 19.5 au centre
15 A6781E marron olive clair 2.2Y 5.3/7.9 2,1 % 16.1 à droite
16 A55E2A orange brunâtre 4.0YR 4.6/7.9 12 % 15.3 en bas à gauche
17 DB8753 orange moyen 2.6YR 6.3/8.9 6,1 % 14.5 en haut à droite
18 D4B576 jaune moyen 2.1Y 7.4/5.4 3,6 % 14.3 à gauche
19 B69A75 jaune grisâtre foncé 1.5Y 6.4/3.6 1,6 % 12.6 en bas à droite
20 A97419 marron jaunâtre soutenu 9.2YR 5.2/8.6 0,9 % 11.3 en haut à droite
21 AF8D5F marron jaunâtre clair 0.7Y 5.9/4.6 2,7 % 10.9 en haut à droite
22 B69662 marron jaunâtre clair 0.7Y 6.2/4.6 6,7 % 10.9 en haut
23 CD891D jaune-orangé profond 9.3YR 6.2/10.0 31 % 10.5 à gauche

Familles de noms

Famille Surface
jaune-orangé 31 %
marron 20 %
orange 18 %
jaune 8,7 %
noir 5,6 %
marron olive 4,3 %
noir olive 4,2 %
marron-jaune 2,6 %
olive 1,7 %
vert 1,5 %
vert olive 1,0 %

B) Analyse de Texture

Métrique Valeur
Global Roughness 0.181
Mean Local Roughness 0.006
Roughness Uniformity 0.015
Edge Density 0.006
Mean Gradient Magnitude 0.041
Gradient Variance 0.018
Gradient Smoothness 0.0
Directional Coherence 0.358
Pattern Complexity 0.094
Pattern Repetition 1.0
Detail Frequency Ratio 0.629
Spatial Variation 0.135
Texture Consistency 0.349

C) Analyse de Luminosité et Contraste

Métrique Valeur
Mean Brightness 0.461
Brightness Variance 0.181
Brightness Uniformity 0.608
Brightness Skewness -0.816
Brightness Entropy 6.679
Rms Contrast 0.181
Michelson Contrast 1.0
Weber Contrast 0.804
Mean Local Contrast 0.006
Contrast Uniformity 0.0
Dynamic Range 0.969
Effective Dynamic Range 0.561
Shadow Percentage 22.389
Midtone Percentage 72.513
Highlight Percentage 5.098
Shadow Clipping 0.0
Highlight Clipping 0.0
Tonal Balance 0.0
Fine Contrast 0.004
Medium Contrast 0.008
Coarse Contrast None
Multiscale Contrast Ratio 1.0
Edge Contrast 0.041
Contrast Clustering 0.651

D) Analyse de Distribution Spatiale

Métrique Valeur
Spatial Coherence 0.758
Color Clustering 0.573
Color Transition Smoothness 0.882
Transition Uniformity 0.874
Sharp Transition Ratio 0.1
Transition Directionality 0.343
Mean Saturation 0.615
Saturation Variance 0.054
Low Saturation Ratio 0.089
Medium Saturation Ratio 0.451
High Saturation Ratio 0.461
Saturation Clustering 1.0
Hue Concentration 0.972
Complementary Balance 0.0
Analogous Dominance 0.977
Temperature Bias 0.955

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). D Major - Research on Harmony - Variation 4 - Catalogue Raisonné. https://arnaudquercy.art/fr/catalogue-raisonne/AQC0699.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)

29fa787c9d7eb010eee6039f1d1a21720f107ecdeda9be5d5a67962550859867

Cette page dans d’autres formats

PDF · Markdown · English