AQC1075 | NAN-COL000638

Nanopublication — Analyse Computationnelle d'Image - AQC1075

Étude à l'aquarelle en Fa dièse mineur n° 1

Affirmation 1: Analyse Computationnelle d'Image - AQC1075

Analyse par regroupement k-means (10 couleurs) effectuée sur l'œuvre Étude à l'aquarelle en Fa dièse mineur n° 1 (AQC1075) [1] par Arnaud Quercy [2] le 2026-07-13, selon IDS-CMP-2025 [3]. Documentation incluse : familles de couleurs, rugosité de texture, distribution de luminosité, cohérence spatiale.

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 : 1527x2036 pixels. Date d'analyse : 2026-07-13.

A) Analyse des Couleurs

Rang Couleur Hex % Famille Nom
1 89A88B 25.3 yellow-green darkseagreen
2 789B80 21.5 yellow-green gray
3 C8B28D 12.3 yellow-orange tan
4 598171 8.5 green dimgray
5 766B5A 7.3 yellow-orange dimgrey
6 9DB4A7 6.8 yellow-green steel gray
7 8E8172 6.8 yellow-orange grey
8 090706 6.1 black black
9 63561A 3.6 yellow-orange dark brown
10 3A3B35 1.8 gray darkslategray
11 3B0315 0.3 red very dark red [Accent]
12 582A03 0.3 orange maroon [Accent]
13 7284A3 0.3 blue-violet grayish purple [Accent]
14 898431 0.3 yellow olivedrab [Accent]

Familles de Couleurs:

Famille %
yellow-green 53.7
yellow-orange 30.0
green 8.5
black 6.1
gray 1.8
red 0.3
orange 0.3
blue-violet 0.3
yellow 0.3

Couleurs d'Accent:

Hex Famille Nom Chroma
3B0315 red very dark red 28.3
582A03 orange maroon 36.7
7284A3 blue-violet grayish purple 19.0
898431 yellow olivedrab 44.9

B) Analyse de Texture

Métrique Valeur
Global Roughness 0.167
Mean Local Roughness 0.023
Roughness Uniformity 0.02
Edge Density 0.086
Mean Gradient Magnitude 0.174
Gradient Variance 0.056
Gradient Smoothness 0.0
Directional Coherence 0.011
Pattern Complexity 0.137
Pattern Repetition 1.0
Detail Frequency Ratio 0.626
Spatial Variation 0.066
Texture Consistency 0.412

C) Analyse de Luminosité et Contraste

Métrique Valeur
Mean Brightness 0.53
Brightness Variance 0.167
Brightness Uniformity 0.684
Brightness Skewness -1.624
Brightness Entropy 6.892
Rms Contrast 0.167
Michelson Contrast 1.0
Weber Contrast 0.514
Mean Local Contrast 0.024
Contrast Uniformity 0.119
Dynamic Range 1.0
Effective Dynamic Range 0.659
Shadow Percentage 9.673
Midtone Percentage 74.351
Highlight Percentage 15.975
Shadow Clipping 0.127
Highlight Clipping 0.001
Tonal Balance 0.0
Fine Contrast 0.014
Medium Contrast 0.03
Coarse Contrast None
Multiscale Contrast Ratio 1.0
Edge Contrast 0.174
Contrast Clustering 0.588

D) Analyse de Distribution Spatiale

Métrique Valeur
Spatial Coherence 0.742
Color Clustering 0.788
Color Transition Smoothness 0.552
Transition Uniformity 0.587
Sharp Transition Ratio 0.1
Transition Directionality 0.011
Mean Saturation 0.261
Saturation Variance 0.027
Low Saturation Ratio 0.777
Medium Saturation Ratio 0.178
High Saturation Ratio 0.045
Saturation Clustering 0.996
Hue Concentration 0.597
Complementary Balance 0.039
Analogous Dominance 0.557
Temperature Bias -0.095

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 F# Minor No. 1 - Catalogue Raisonné. https://arnaudquercy.art/fr/catalogue-raisonne/AQC1075.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)

cebe567b12d4c061f64a1a667cd02a356beebaadbfca2c8cf5410350358b55a0

Cette page dans d’autres formats

PDF · Markdown · English