AQC1132

Nanopublication — Analyse Computationnelle d'Image - AQC1132

Do Majeur - Recherche sur l'Harmonie - Variations 21

Affirmation 1: Analyse Computationnelle d'Image - AQC1132

Analyse computationnelle d'image de l'œuvre Do Majeur - Recherche sur l'Harmonie - Variations 21 (AQC1132) [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 2026-10-02.

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 : 3024x4032 pixels. Date d'analyse : 2026-10-02.

A) Analyse des Couleurs

Rang Couleur Hex % Famille Nom
1 CCC2B2 28.8 yellow-orange silver
2 BFB6A8 20.7 yellow-orange steel gray
3 3C3E47 8.7 blue-violet grayish purple
4 824133 8.5 red-orange russet
5 1F0F0F 7.7 red-orange black
6 AD1B11 7.1 red-orange firebrick
7 C09861 5.6 yellow-orange ochre
8 E5E1D6 4.9 yellow-orange gainsboro
9 B95F44 4.7 red-orange indianred
10 A29B93 3.5 yellow-orange steel gray
11 6E2C07 0.3 orange russet [Accent]
12 451C24 0.3 red very dark red [Accent]

Familles de Couleurs:

Famille %
yellow-orange 63.4
red-orange 27.9
blue-violet 8.7
orange 0.3
red 0.3

Couleurs d'Accent:

Hex Famille Nom Chroma
6E2C07 orange russet 44.8
451C24 red very dark red 21.4

B) Analyse de Texture

Métrique Valeur
Global Roughness 0.247
Mean Local Roughness 0.017
Roughness Uniformity 0.015
Edge Density 0.04
Mean Gradient Magnitude 0.115
Gradient Variance 0.028
Gradient Smoothness 0.0
Directional Coherence 0.016
Pattern Complexity 0.136
Pattern Repetition 1.0
Detail Frequency Ratio 0.64
Spatial Variation 0.176
Texture Consistency 0.683

C) Analyse de Luminosité et Contraste

Métrique Valeur
Mean Brightness 0.566
Brightness Variance 0.247
Brightness Uniformity 0.563
Brightness Skewness -0.683
Brightness Entropy 7.131
Rms Contrast 0.247
Michelson Contrast 1.0
Weber Contrast 0.73
Mean Local Contrast 0.017
Contrast Uniformity 0.013
Dynamic Range 1.0
Effective Dynamic Range 0.733
Shadow Percentage 27.04
Midtone Percentage 17.682
Highlight Percentage 55.278
Shadow Clipping 0.002
Highlight Clipping 0.0
Tonal Balance 0.0
Fine Contrast 0.011
Medium Contrast 0.021
Coarse Contrast 0.027
Multiscale Contrast Ratio 0.419
Edge Contrast 0.115
Contrast Clustering 0.317

D) Analyse de Distribution Spatiale

Métrique Valeur
Spatial Coherence 0.755
Color Clustering 0.716
Color Transition Smoothness 0.711
Transition Uniformity 0.807
Sharp Transition Ratio 0.1
Transition Directionality 0.018
Mean Saturation 0.301
Saturation Variance 0.075
Low Saturation Ratio 0.674
Medium Saturation Ratio 0.212
High Saturation Ratio 0.114
Saturation Clustering 0.999
Hue Concentration 0.822
Complementary Balance 0.059
Analogous Dominance 0.913
Temperature Bias 0.838

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). C Major - Research on Harmony - Variations 21 - Catalogue Raisonné. https://arnaudquercy.art/fr/catalogue-raisonne/AQC1132.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

Où vit cette œuvre

Profil épistémique

Type de revendicationcomputational analysis
Voixthird person
Statut épistémiqueempirical measurement
Méthodologiecomputational analysis
Certitudehigh

Somme de contrôle (SHA-256)

a7b16f95556a6d0b0f0739e5c379ca7d6468f7729cb34a7fc18322bb963a232d

Cette page dans d’autres formats

PDF · Markdown · English