AQC1059 | NAN-COL000622

Nanopublication — Analyse Computationnelle d'Image - AQC1059

Étude à l'aquarelle en Ré bémol majeur n° 1

Affirmation 1: Analyse Computationnelle d'Image - AQC1059

L'œuvre Étude à l'aquarelle en Ré bémol majeur n° 1 (AQC1059) [1] par Arnaud Quercy [2] a fait l'objet d'une analyse computationnelle complète [3] le 2026-07-13. Méthode : regroupement k-means avec 10 couleurs extraites. Métriques documentées : distribution des couleurs, analyse de texture, luminosité/contraste, motifs spatiaux.

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 : 1608x2144 pixels. Date d'analyse : 2026-07-13.

A) Analyse des Couleurs

Rang Couleur Hex % Famille Nom
1 7C9495 23.8 blue-green lightslategray
2 899FA0 16.3 blue-green lightslategrey
3 4F044F 15.1 red-violet very dark purple
4 6E878C 14.2 blue-green blue gray
5 5C125E 11.4 red-violet indigo
6 68246B 6.4 red-violet purple
7 566C84 4.4 blue-violet grayish purple
8 030204 4.2 black black
9 053C56 3.3 blue grayish purple
10 763719 0.8 orange russet
11 600502 0.3 red-orange very dark red [Accent]
12 441D2A 0.3 red very dark red [Accent]
13 B3A997 0.3 yellow-orange steel gray [Accent]

Familles de Couleurs:

Famille %
blue-green 54.3
red-violet 32.9
blue-violet 4.4
black 4.2
blue 3.3
orange 0.8
red-orange 0.3
red 0.3
yellow-orange 0.3

Couleurs d'Accent:

Hex Famille Nom Chroma
600502 red-orange very dark red 47.2
441D2A red very dark red 21.0
B3A997 yellow-orange steel gray 11.0

B) Analyse de Texture

Métrique Valeur
Global Roughness 0.197
Mean Local Roughness 0.022
Roughness Uniformity 0.014
Edge Density 0.093
Mean Gradient Magnitude 0.162
Gradient Variance 0.032
Gradient Smoothness 0.0
Directional Coherence 0.018
Pattern Complexity 0.133
Pattern Repetition 1.0
Detail Frequency Ratio 0.622
Spatial Variation 0.154
Texture Consistency 0.371

C) Analyse de Luminosité et Contraste

Métrique Valeur
Mean Brightness 0.389
Brightness Variance 0.197
Brightness Uniformity 0.493
Brightness Skewness -0.399
Brightness Entropy 6.703
Rms Contrast 0.197
Michelson Contrast 1.0
Weber Contrast 0.775
Mean Local Contrast 0.022
Contrast Uniformity 0.337
Dynamic Range 0.886
Effective Dynamic Range 0.494
Shadow Percentage 41.111
Midtone Percentage 58.73
Highlight Percentage 0.159
Shadow Clipping 2.056
Highlight Clipping 0.0
Tonal Balance 0.0
Fine Contrast 0.014
Medium Contrast 0.027
Coarse Contrast None
Multiscale Contrast Ratio 1.0
Edge Contrast 0.162
Contrast Clustering 0.629

D) Analyse de Distribution Spatiale

Métrique Valeur
Spatial Coherence 0.797
Color Clustering 0.713
Color Transition Smoothness 0.581
Transition Uniformity 0.761
Sharp Transition Ratio 0.1
Transition Directionality 0.019
Mean Saturation 0.444
Saturation Variance 0.118
Low Saturation Ratio 0.562
Medium Saturation Ratio 0.108
High Saturation Ratio 0.329
Saturation Clustering 0.996
Hue Concentration 0.609
Complementary Balance 0.025
Analogous Dominance 0.575
Temperature Bias -0.135

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. (2026). Watercolor Study in Db Major No. 1 - Catalogue Raisonné. https://arnaudquercy.art/fr/catalogue-raisonne/AQC1059.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)

080c837b2196a7a56cb0dd8be8999d23fffceddeab71b6feb9be15382a67013f

Cette page dans d’autres formats

PDF · Markdown · English