L'œuvre Étude à l'aquarelle en Ré mineur n° 4 (AQC1079) [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 : 1895x2527 pixels. Date d'analyse : 2026-07-13.
A) Analyse des Couleurs
| Rang |
Couleur |
Hex |
% |
Famille |
Nom |
| 1 |
|
AA7544 |
13.7 |
orange |
peru |
| 2 |
|
B69976 |
13.1 |
orange |
rosybrown |
| 3 |
|
824006 |
13.0 |
orange |
russet |
| 4 |
|
B58658 |
12.8 |
orange |
indianred |
| 5 |
|
A1652E |
12.2 |
orange |
burnt sienna |
| 6 |
|
985210 |
11.7 |
orange |
russet |
| 7 |
|
C4AA88 |
9.2 |
yellow-orange |
tan |
| 8 |
|
1E0C03 |
6.6 |
red-orange |
very dark gray |
| 9 |
|
5B3A2F |
4.0 |
orange |
dark brown |
| 10 |
|
3C2317 |
3.8 |
orange |
very dark orange |
Familles de Couleurs:
| Famille |
% |
| orange |
84.2 |
| yellow-orange |
9.2 |
| red-orange |
6.6 |
B) Analyse de Texture
| Métrique |
Valeur |
| Global Roughness |
0.171 |
| Mean Local Roughness |
0.022 |
| Roughness Uniformity |
0.014 |
| Edge Density |
0.062 |
| Mean Gradient Magnitude |
0.164 |
| Gradient Variance |
0.033 |
| Gradient Smoothness |
0.0 |
| Directional Coherence |
0.001 |
| Pattern Complexity |
0.137 |
| Pattern Repetition |
1.0 |
| Detail Frequency Ratio |
0.629 |
| Spatial Variation |
0.139 |
| Texture Consistency |
0.597 |
C) Analyse de Luminosité et Contraste
| Métrique |
Valeur |
| Mean Brightness |
0.444 |
| Brightness Variance |
0.171 |
| Brightness Uniformity |
0.615 |
| Brightness Skewness |
-0.575 |
| Brightness Entropy |
7.317 |
| Rms Contrast |
0.171 |
| Michelson Contrast |
1.0 |
| Weber Contrast |
0.691 |
| Mean Local Contrast |
0.022 |
| Contrast Uniformity |
0.289 |
| Dynamic Range |
0.882 |
| Effective Dynamic Range |
0.584 |
| Shadow Percentage |
25.033 |
| Midtone Percentage |
67.976 |
| Highlight Percentage |
6.991 |
| Shadow Clipping |
0.015 |
| Highlight Clipping |
0.0 |
| Tonal Balance |
0.104 |
| Fine Contrast |
0.013 |
| Medium Contrast |
0.027 |
| Coarse Contrast |
0.039 |
| Multiscale Contrast Ratio |
0.325 |
| Edge Contrast |
0.164 |
| Contrast Clustering |
0.403 |
D) Analyse de Distribution Spatiale
| Métrique |
Valeur |
| Spatial Coherence |
0.747 |
| Color Clustering |
0.586 |
| Color Transition Smoothness |
0.571 |
| Transition Uniformity |
0.747 |
| Sharp Transition Ratio |
0.1 |
| Transition Directionality |
0.002 |
| Mean Saturation |
0.634 |
| Saturation Variance |
0.055 |
| Low Saturation Ratio |
0.049 |
| Medium Saturation Ratio |
0.563 |
| High Saturation Ratio |
0.388 |
| Saturation Clustering |
0.998 |
| Hue Concentration |
0.992 |
| Complementary Balance |
0.0 |
| Analogous Dominance |
0.999 |
| Temperature Bias |
0.999 |
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.
