AQC0755 | NAN-COL000199

Nanopublication — Analyse Computationnelle d'Image - AQC0755

Ré Mineur - Recherche sur l'Harmonie - Variation 2

Affirmation 1: Analyse Computationnelle d'Image - AQC0755

Analyse computationnelle de la photographie de l'œuvre Ré Mineur - Recherche sur l'Harmonie - Variation 2 (AQC0755) [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 26 aplats. Les plus étendus sont un jaune-orangé moyen (16 %), un gris jaunâtre (15 %) et un jaune-orangé soutenu (15 %). Parmi les autres, ceux qui se détachent le plus nettement de leur entourage sont un noir en bas à droite (9,4 %), un jaune soutenu en bas à droite (1,2 %) et un noir au centre (0,2 %). Par famille de noms : orange 23 %, gris 22 %, jaune-orangé 17 %, jaune 10 %, noir 9,4 %, marron 9,2 % et rouge 8,0 %.

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 : 2968x3958 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 (10).

Rang Couleur Nom ISCC-NBS Munsell Surface Écart Position
1 1A1A1A noir N 1.0/ 9,4 % 47.2 en bas à droite
2 D1A435 jaune soutenu 2.0Y 6.9/9.2 1,2 % 46.8 en bas à droite
3 272322 noir N 1.4/ 0,2 % 38.9 au centre
4 E2C6A0 jaune-orangé pâle 7.7YR 8.1/3.5 0,4 % 38.4 en bas
5 452928 marron rougeâtre grisâtre foncé 7.6R 2.1/2.2 0,2 % 35.0 au centre
6 7A462A marron soutenu 2.7YR 3.5/5.6 2,7 % 34.9 en bas
7 913C39 rouge moyen 5.7R 3.7/8.0 0,9 % 31.4 à droite
8 A28132 jaune foncé 3.2Y 5.6/6.6 0,6 % 31.2 au centre
9 913C53 rouge violacé moyen 9.6RP 3.8/8.1 1,8 % 30.7 à gauche
10 943C56 rouge violacé moyen 9.6RP 3.8/8.1 5,5 % 29.0 à droite
11 B37349 orange brunâtre 4.0YR 5.4/6.6 3,1 % 25.6 à droite
12 93433C orange rougeâtre foncé 7.6R 3.9/7.3 0,3 % 24.3 à gauche
13 B0AA9E gris jaunâtre 2.6Y 7.0/1.3 1,7 % 21.4 en bas
14 B0A89A gris jaunâtre 2.6Y 7.0/1.3 5,4 % 21.0 en haut à gauche
15 B78439 jaune-orangé foncé 9.9YR 5.7/7.1 1,9 % 20.5 à gauche
16 CA9D31 jaune soutenu 1.6Y 6.6/8.8 9,0 % 19.3 en bas
17 EACBB1 rose jaunâtre clair 5.5YR 8.4/3.0 0,6 % 19.2 au centre
18 B1ACA2 gris jaunâtre 8.9YR 7.0/0.8 15 % 18.2 en bas à gauche
19 DF992F jaune-orangé soutenu 9.6YR 6.8/10.1 15 % 12.6 au centre
20 DD802A orange soutenu 5.5YR 6.2/10.8 1,6 % 9.9 en haut à droite
21 DC9952 jaune-orangé moyen 7.6YR 6.8/8.0 16 % 9.5 en haut à droite
22 E87F12 orange soutenu 3.7YR 6.3/13.2 5,6 % 7.7 en haut à gauche
23 B17348 orange brunâtre 4.0YR 5.4/6.6 0,1 % 4.3 à droite
24 C59F87 rose jaunâtre moyen 4.2YR 6.6/3.8 0,1 % 1.6 à gauche
25 E57E13 orange soutenu 4.3YR 6.1/12.7 0,2 % 1.4 en haut
26 1A1916 noir olive 0.6GY 1.0/0.9 0,3 % 0.5 en bas à droite

Familles de noms

Famille Surface
orange 23 %
gris 22 %
jaune-orangé 17 %
jaune 10 %
noir 9,4 %
marron 9,2 %
rouge 8,0 %
rose 0,8 %

B) Analyse de Texture

Métrique Valeur
Global Roughness 0.194
Mean Local Roughness 0.017
Roughness Uniformity 0.015
Edge Density 0.081
Mean Gradient Magnitude 0.165
Gradient Variance 0.042
Gradient Smoothness 0.0
Directional Coherence 0.009
Pattern Complexity 0.12
Pattern Repetition 1.0
Detail Frequency Ratio 0.593
Spatial Variation 0.146
Texture Consistency 0.535

C) Analyse de Luminosité et Contraste

Métrique Valeur
Mean Brightness 0.542
Brightness Variance 0.194
Brightness Uniformity 0.643
Brightness Skewness -1.289
Brightness Entropy 6.857
Rms Contrast 0.194
Michelson Contrast 1.0
Weber Contrast 0.799
Mean Local Contrast 0.021
Contrast Uniformity 0.092
Dynamic Range 1.0
Effective Dynamic Range 0.627
Shadow Percentage 17.097
Midtone Percentage 55.762
Highlight Percentage 27.14
Shadow Clipping 0.001
Highlight Clipping 0.0
Tonal Balance 0.0
Fine Contrast 0.008
Medium Contrast 0.026
Coarse Contrast 0.044
Multiscale Contrast Ratio 0.189
Edge Contrast 0.165
Contrast Clustering 0.465

D) Analyse de Distribution Spatiale

Métrique Valeur
Spatial Coherence 0.767
Color Clustering 0.459
Color Transition Smoothness 0.584
Transition Uniformity 0.72
Sharp Transition Ratio 0.1
Transition Directionality 0.01
Mean Saturation 0.485
Saturation Variance 0.096
Low Saturation Ratio 0.324
Medium Saturation Ratio 0.396
High Saturation Ratio 0.28
Saturation Clustering 0.999
Hue Concentration 0.96
Complementary Balance 0.0
Analogous Dominance 0.993
Temperature Bias 0.999

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 Minor - Research on Harmony - Variation 2 - Catalogue Raisonné. https://arnaudquercy.art/fr/catalogue-raisonne/AQC0755.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)

828ef75a05f4a624c0013fff5cc46a11fba3bb8a369b0d116d55892f76c55a8e

Cette page dans d’autres formats

PDF · Markdown · English