AQC0906 | NAN-COL000059

Nanopublication — Analyse Computationnelle d'Image - AQC0906

Mi Mineur - Recherche sur l'Harmonie - Variations 8

Affirmation 1: Analyse Computationnelle d'Image - AQC0906

Analyse computationnelle d'image de l'œuvre Mi Mineur - Recherche sur l'Harmonie - Variations 8 (AQC0906) [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 2025-12-11.

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 : 1946x1946 pixels. Date d'analyse : 2025-12-11.

A) Analyse des Couleurs

Rang Couleur Hex % Famille Nom
1 E4D29E 17.1 yellow-orange palegoldenrod
2 E4AB63 16.2 orange sandybrown
3 484030 15.2 yellow-orange darkslategray
4 AFAF03 12.9 yellow darkgoldenrod
5 D2C50F 11.9 yellow goldenrod
6 E36B01 10.7 orange chocolate
7 61574A 5.9 yellow-orange dark brown
8 EBE4CC 5.3 yellow antiquewhite
9 B2B749 2.8 yellow ochre
10 2C2013 1.9 orange very dark gray
11 501000 0.3 red-orange very dark red [Accent]
12 B9C673 0.3 yellow-green ochre [Accent]

Familles de Couleurs:

Famille %
yellow-orange 38.2
yellow 33.0
orange 28.8
red-orange 0.3
yellow-green 0.3

Couleurs d'Accent:

Hex Famille Nom Chroma
501000 red-orange very dark red 37.5
B9C673 yellow-green ochre 43.5

B) Analyse de Texture

Métrique Valeur
Global Roughness 0.211
Mean Local Roughness 0.021
Roughness Uniformity 0.026
Edge Density 0.085
Mean Gradient Magnitude 0.161
Gradient Variance 0.066
Gradient Smoothness 0.0
Directional Coherence 0.045
Pattern Complexity 0.113
Pattern Repetition 1.0
Detail Frequency Ratio 0.652
Spatial Variation 0.164
Texture Consistency 0.465

C) Analyse de Luminosité et Contraste

Métrique Valeur
Mean Brightness 0.602
Brightness Variance 0.211
Brightness Uniformity 0.649
Brightness Skewness -0.66
Brightness Entropy 7.292
Rms Contrast 0.211
Michelson Contrast 1.0
Weber Contrast 0.695
Mean Local Contrast 0.023
Contrast Uniformity 0.0
Dynamic Range 0.996
Effective Dynamic Range 0.643
Shadow Percentage 19.31
Midtone Percentage 29.616
Highlight Percentage 51.074
Shadow Clipping 0.024
Highlight Clipping 0.0
Tonal Balance 0.0
Fine Contrast 0.011
Medium Contrast 0.028
Coarse Contrast 0.038
Multiscale Contrast Ratio 0.301
Edge Contrast 0.161
Contrast Clustering 0.535

D) Analyse de Distribution Spatiale

Métrique Valeur
Spatial Coherence 0.822
Color Clustering 0.421
Color Transition Smoothness 0.569
Transition Uniformity 0.516
Sharp Transition Ratio 0.1
Transition Directionality 0.05
Mean Saturation 0.587
Saturation Variance 0.098
Low Saturation Ratio 0.216
Medium Saturation Ratio 0.415
High Saturation Ratio 0.369
Saturation Clustering 0.998
Hue Concentration 0.977
Complementary Balance 0.0
Analogous Dominance 0.999
Temperature Bias 0.864

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. (2025). E Minor - Research on Harmony - Variations 8 - Catalogue Raisonné. https://arnaudquercy.art/fr/catalogue-raisonne/AQC0906.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)

9ff271edbd4c4002308e9806bff53ba622564662b07234bc8e0e356fb0343211

Cette page dans d’autres formats

PDF · Markdown · English