AQC0728 | NAN-COL000226

Nanopublication — Analyse Computationnelle d'Image - AQC0728

Mi bémol Majeur - Recherche sur l'Harmonie - Variation 3

Affirmation 1: Analyse Computationnelle d'Image - AQC0728

Analyse computationnelle de la photographie de l'œuvre Mi bémol Majeur - Recherche sur l'Harmonie - Variation 3 (AQC0728) [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 orange rougeâtre moyen (27 %), un violet foncé (17 %) et un bleu grisâtre foncé (13 %). Parmi les autres, ceux qui se détachent le plus nettement de leur entourage sont un violet très pâle au centre (0,1 %), un violet moyen au centre (0,3 %) et un marron rougeâtre grisâtre foncé en haut (0,5 %). Par famille de noms : orange 31 %, violet 23 %, gris 17 %, jaune-orangé 11 %, bleu 6,7 %, violet-rouge 2,5 %, noir 2,4 %, marron 2,0 %, rose 1,6 %, rouge 1,5 % et violet-bleu 1,2 %.

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 : 2983x3978 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 (6).

Rang Couleur Nom ISCC-NBS Munsell Surface Écart Position
1 373941 bleu grisâtre foncé 1.3PB 2.5/1.3 13 % 42.4 à gauche
2 DEDFE8 violet très pâle 9.6PB 8.8/2.6 0,1 % 42.2 au centre
3 6F5483 violet moyen 3.1P 3.9/6.6 0,3 % 40.6 au centre
4 312C29 marron rougeâtre grisâtre foncé 8.3R 1.9/0.6 0,5 % 38.7 en haut
5 CFBDE7 violet très clair 3.4P 7.8/5.6 0,5 % 35.4 en haut
6 7A5578 violet moyen 8.0P 4.1/6.2 0,3 % 31.3 au centre
7 5B3B5F violet foncé 8.2P 3.0/4.6 17 % 31.3 en bas à droite
8 B47241 orange brunâtre 5.0YR 5.4/7.0 0,1 % 31.1 en haut
9 D1C5B4 gris jaunâtre 8.0YR 7.9/1.7 2,8 % 29.8 en haut à gauche
10 BB93C5 violet clair 6.5P 6.6/7.3 5,9 % 27.9 en haut à gauche
11 614872 violet moyen 4.2P 3.6/5.3 1,0 % 27.7 en haut
12 C6BBA7 gris jaunâtre 4.5Y 7.6/1.7 0,5 % 26.6 en haut à droite
13 DEBA9D jaune-orangé pâle 7.8YR 7.8/3.5 1,6 % 26.1 au centre
14 EDA827 jaune-orangé soutenu 0.5Y 7.4/11.1 11 % 24.6 en bas
15 F0AB2F jaune-orangé soutenu 9.4YR 7.5/11.3 0,3 % 22.9 en haut
16 C3BAAD gris jaunâtre 2.4Y 7.6/1.2 11 % 22.1 en bas à gauche
17 6D564D marron rougeâtre grisâtre 2.1YR 3.7/2.0 0,1 % 18.2 en bas à droite
18 735687 violet moyen 5.0P 4.0/6.9 0,7 % 15.2 au centre
19 BE651F orange profond 4.1YR 5.1/10.4 3,1 % 14.0 au centre
20 483243 violet-rouge foncé 2.2RP 2.5/2.7 0,1 % 11.3 au centre
21 443261 violet-bleu moyen 0.7P 2.5/6.4 0,8 % 10.5 au centre
22 B86448 orange rougeâtre moyen 9.4R 5.1/8.2 27 % 9.6 à droite
23 B16E37 orange brunâtre 4.8YR 5.2/8.1 1,4 % 5.1 en haut

Familles de noms

Famille Surface
orange 31 %
violet 23 %
gris 17 %
jaune-orangé 11 %
bleu 6,7 %
violet-rouge 2,5 %
noir 2,4 %
marron 2,0 %
rose 1,6 %
rouge 1,5 %
violet-bleu 1,2 %

B) Analyse de Texture

Métrique Valeur
Global Roughness 0.194
Mean Local Roughness 0.023
Roughness Uniformity 0.022
Edge Density 0.111
Mean Gradient Magnitude 0.172
Gradient Variance 0.05
Gradient Smoothness 0.0
Directional Coherence 0.013
Pattern Complexity 0.118
Pattern Repetition 1.0
Detail Frequency Ratio 0.651
Spatial Variation 0.144
Texture Consistency 0.465

C) Analyse de Luminosité et Contraste

Métrique Valeur
Mean Brightness 0.481
Brightness Variance 0.194
Brightness Uniformity 0.596
Brightness Skewness 0.016
Brightness Entropy 7.323
Rms Contrast 0.194
Michelson Contrast 1.0
Weber Contrast 0.688
Mean Local Contrast 0.024
Contrast Uniformity 0.058
Dynamic Range 1.0
Effective Dynamic Range 0.576
Shadow Percentage 31.341
Midtone Percentage 42.607
Highlight Percentage 26.051
Shadow Clipping 0.001
Highlight Clipping 0.003
Tonal Balance 0.074
Fine Contrast 0.013
Medium Contrast 0.03
Coarse Contrast 0.04
Multiscale Contrast Ratio 0.319
Edge Contrast 0.172
Contrast Clustering 0.535

D) Analyse de Distribution Spatiale

Métrique Valeur
Spatial Coherence 0.764
Color Clustering 0.473
Color Transition Smoothness 0.555
Transition Uniformity 0.667
Sharp Transition Ratio 0.1
Transition Directionality 0.017
Mean Saturation 0.435
Saturation Variance 0.063
Low Saturation Ratio 0.36
Medium Saturation Ratio 0.465
High Saturation Ratio 0.175
Saturation Clustering 0.999
Hue Concentration 0.678
Complementary Balance 0.027
Analogous Dominance 0.65
Temperature Bias 0.658

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). Eb Major - Research on Harmony - Variation 3 - Catalogue Raisonné. https://arnaudquercy.art/fr/catalogue-raisonne/AQC0728.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)

653362007dfba0858fc9ca664c5fc1b4b0134b2650f88bbc47c705bab8cffb79

Cette page dans d’autres formats

PDF · Markdown · English