AQC0735 | NAN-COL000219

Nanopublication — Analyse Computationnelle d'Image - AQC0735

Fa Majeur - Recherche sur l'Harmonie - Variation 2

Affirmation 1: Analyse Computationnelle d'Image - AQC0735

Analyse computationnelle de la photographie de l'œuvre Fa Majeur - Recherche sur l'Harmonie - Variation 2 (AQC0735) [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 25 aplats. Les plus étendus sont un bleu foncé (17 %), un rouge moyen (15 %) et un rouge vif (11 %). Parmi les autres, ceux qui se détachent le plus nettement de leur entourage sont un noir bleuâtre en bas à droite (7,0 %), un bleu très pâle en bas (3,4 %) et un jaune pâle à gauche (0,8 %). Par famille de noms : rouge 30 %, bleu 18 %, jaune 12 %, rose 7,8 %, jaune-orangé 7,2 %, violet 6,7 %, noir 6,2 %, gris 4,9 % et marron 4,3 %.

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 : 3024x4032 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 (3).

Rang Couleur Nom ISCC-NBS Munsell Surface Écart Position
1 0B0A12 noir bleuâtre 7.8PB 0.3/0.6 7,0 % 66.4 en bas à droite
2 BEC7C8 bleu très pâle 2.9PB 7.8/1.6 3,4 % 45.0 en bas
3 B31C36 rouge vif 4.9R 3.9/13.1 11 % 41.8 en bas
4 E0D2B6 jaune pâle 2.0Y 8.5/2.4 0,8 % 40.7 à gauche
5 BEA865 jaune moyen 6.1Y 6.9/5.3 0,6 % 37.8 à gauche
6 BAC4C4 gris verdâtre clair 9.7BG 7.8/0.6 2,5 % 36.6 en bas à droite
7 CBB490 marron jaunâtre grisâtre clair 9.9YR 7.4/3.0 1,0 % 35.8 en bas à gauche
8 2D3445 bleu foncé 4.9PB 2.1/2.3 17 % 33.8 à gauche
9 EBCDC8 rose clair 2.2R 8.4/3.1 2,1 % 32.7 en bas à gauche
10 EBC7E3 violet très clair 8.9P 8.3/5.6 9,6 % 27.2 en haut à droite
11 D93D3F rouge vif 6.4R 4.9/14.5 0,4 % 25.9 en bas à gauche
12 9E4F56 rouge moyen 2.8R 4.2/7.3 3,0 % 25.3 à gauche
13 E0C4A4 jaune-orangé pâle 7.7YR 8.1/3.5 4,8 % 24.9 en haut à droite
14 AA3F45 rouge moyen 4.4R 4.1/10.3 15 % 23.8 en haut
15 8C413A rouge grisâtre 7.8R 3.7/6.5 1,2 % 23.4 au centre
16 7E7C4B olive clair 0.7GY 5.0/3.7 0,1 % 23.1 en bas à droite
17 BA7C4B orange moyen 5.1YR 5.7/6.9 0,5 % 23.0 en bas à gauche
18 E7C8ED violet très pâle 6.2P 8.5/4.8 0,2 % 19.0 en bas
19 98714A marron jaunâtre moyen 8.1YR 5.1/4.8 3,0 % 18.0 au centre
20 CFA23E jaune soutenu 2.9Y 6.8/8.3 8,7 % 15.6 au centre
21 E2C293 jaune-orangé pâle 0.2Y 8.0/4.4 1,2 % 14.1 à droite
22 D07948 orange moyen 2.6YR 6.0/9.0 0,2 % 9.1 en bas
23 D9C3A0 jaune-orangé pâle 9.7YR 8.0/3.0 5,6 % 8.2 à droite
24 C88F47 jaune-orangé foncé 7.6YR 6.2/8.1 0,2 % 6.8 en bas
25 BDC9C7 gris verdâtre clair 6.9G 8.0/1.1 0,1 % 1.7 en bas à droite

Familles de noms

Famille Surface
rouge 30 %
bleu 18 %
jaune 12 %
rose 7,8 %
jaune-orangé 7,2 %
violet 6,7 %
noir 6,2 %
gris 4,9 %
marron 4,3 %
orange 0,9 %
vert 0,5 %

B) Analyse de Texture

Métrique Valeur
Global Roughness 0.261
Mean Local Roughness 0.026
Roughness Uniformity 0.026
Edge Density 0.113
Mean Gradient Magnitude 0.192
Gradient Variance 0.073
Gradient Smoothness 0.0
Directional Coherence 0.012
Pattern Complexity 0.123
Pattern Repetition 1.0
Detail Frequency Ratio 0.646
Spatial Variation 0.179
Texture Consistency 0.534

C) Analyse de Luminosité et Contraste

Métrique Valeur
Mean Brightness 0.477
Brightness Variance 0.261
Brightness Uniformity 0.453
Brightness Skewness 0.037
Brightness Entropy 7.596
Rms Contrast 0.261
Michelson Contrast 1.0
Weber Contrast 0.825
Mean Local Contrast 0.027
Contrast Uniformity 0.0
Dynamic Range 1.0
Effective Dynamic Range 0.788
Shadow Percentage 34.855
Midtone Percentage 31.612
Highlight Percentage 33.533
Shadow Clipping 0.032
Highlight Clipping 0.002
Tonal Balance 0.267
Fine Contrast 0.015
Medium Contrast 0.034
Coarse Contrast 0.045
Multiscale Contrast Ratio 0.33
Edge Contrast 0.192
Contrast Clustering 0.466

D) Analyse de Distribution Spatiale

Métrique Valeur
Spatial Coherence 0.736
Color Clustering 0.757
Color Transition Smoothness 0.513
Transition Uniformity 0.494
Sharp Transition Ratio 0.1
Transition Directionality 0.015
Mean Saturation 0.46
Saturation Variance 0.059
Low Saturation Ratio 0.309
Medium Saturation Ratio 0.516
High Saturation Ratio 0.176
Saturation Clustering 0.998
Hue Concentration 0.47
Complementary Balance 0.201
Analogous Dominance 0.712
Temperature Bias 0.486

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). F Major - Research on Harmony - Variation 2 - Catalogue Raisonné. https://arnaudquercy.art/fr/catalogue-raisonne/AQC0735.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)

23b1ce451548a609381589f0c228cb84ff93cf8c6815ed2e213f7f6b5072ec77

Cette page dans d’autres formats

PDF · Markdown · English