Nanopublication — Analyse Computationnelle d'Image - AQC0452
Affirmation 1: Analyse Computationnelle d'Image - AQC0452
Enregistrement d'analyse [3] : Le Grand [1] Canyon État (AQC0452) [2] par Arnaud Quercy [2]. Méthode : k-means. Paramètres : 10 couleurs. Métriques : distribution des couleurs, texture, luminosité, motifs spatiaux. Effectuée : 2026-02-04.
Contexte
L'analyse effectuée selon MMIDS-CMP-2025 [3] comprend quatre catégories de métriques : (1) Distribution des couleurs via k-means (10 couleurs), (2) Analyse de texture utilisant les caractéristiques de Haralick, (3) Mesures de luminosité et contraste, (4) Caractérisation des motifs spatiaux. Image source [5] : 1440x1800 pixels. Date d'analyse : 2026-02-04.
Analyse des Couleurs
| Rang | Couleur | Hex | % | Famille | Nom |
|---|---|---|---|---|---|
| 1 | 6B3038 | 15.8 | red | russet | |
| 2 | B17953 | 12.9 | orange | peru | |
| 3 | 293032 | 12.7 | gray | very dark gray | |
| 4 | CBB59F | 12.2 | orange | tan | |
| 5 | CC996D | 10.9 | orange | darksalmon | |
| 6 | 833E4D | 9.6 | red | burnt sienna | |
| 7 | 985B33 | 9.1 | orange | burnt sienna | |
| 8 | D6CEBD | 7.7 | yellow-orange | lightgray | |
| 9 | A7A590 | 4.8 | yellow | steel gray | |
| 10 | CE8F15 | 4.2 | yellow-orange | darkgoldenrod | |
| 11 | 1F577B | 0.3 | blue-violet | grayish purple [Accent] | |
| 12 | 1E0D05 | 0.3 | red-orange | black [Accent] | |
| 13 | D6EBE8 | 0.3 | green | white [Accent] | |
| 14 | 7BA38A | 0.3 | yellow-green | lightslategray [Accent] | |
| 15 | BDDBDC | 0.3 | blue-green | powderblue [Accent] |
Familles de Couleurs:
| Famille | % |
|---|---|
| orange | 45.2 |
| red | 25.4 |
| gray | 12.7 |
| yellow-orange | 11.9 |
| yellow | 4.8 |
| blue-violet | 0.3 |
| red-orange | 0.3 |
| green | 0.3 |
| yellow-green | 0.3 |
| blue-green | 0.3 |
Couleurs d'Accent:
| Hex | Famille | Nom | Chroma |
|---|---|---|---|
| 1F577B | blue-violet | grayish purple | 26.5 |
| 1E0D05 | red-orange | black | 9.4 |
| D6EBE8 | green | white | 7.1 |
| 7BA38A | yellow-green | lightslategray | 21.0 |
| BDDBDC | blue-green | powderblue | 10.8 |
Analyse de Texture
| Métrique | Valeur |
|---|---|
| Global Roughness | 0.21 |
| Mean Local Roughness | 0.045 |
| Roughness Uniformity | 0.029 |
| Edge Density | 0.256 |
| Mean Gradient Magnitude | 0.282 |
| Gradient Variance | 0.074 |
| Gradient Smoothness | 0.037 |
| Directional Coherence | 0.016 |
| Pattern Complexity | 0.129 |
| Pattern Repetition | 1.0 |
| Detail Frequency Ratio | 0.694 |
| Spatial Variation | 0.164 |
| Texture Consistency | 0.641 |
Analyse de Luminosité et Contraste
| Métrique | Valeur |
|---|---|
| Mean Brightness | 0.48 |
| Brightness Variance | 0.21 |
| Brightness Uniformity | 0.562 |
| Brightness Skewness | 0.062 |
| Brightness Entropy | 7.512 |
| Rms Contrast | 0.21 |
| Michelson Contrast | 1.0 |
| Weber Contrast | 0.741 |
| Mean Local Contrast | 0.039 |
| Contrast Uniformity | 0.371 |
| Dynamic Range | 1.0 |
| Effective Dynamic Range | 0.624 |
| Shadow Percentage | 33.861 |
| Midtone Percentage | 40.968 |
| Highlight Percentage | 25.171 |
| Shadow Clipping | 0.003 |
| Highlight Clipping | 0.002 |
| Tonal Balance | 0.262 |
| Fine Contrast | 0.032 |
| Medium Contrast | 0.05 |
| Coarse Contrast | 0.059 |
| Multiscale Contrast Ratio | 0.549 |
| Edge Contrast | 0.282 |
| Contrast Clustering | 0.359 |
Analyse de Distribution Spatiale
| Métrique | Valeur |
|---|---|
| Spatial Coherence | 0.753 |
| Color Clustering | 0.562 |
| Color Transition Smoothness | 0.292 |
| Transition Uniformity | 0.538 |
| Sharp Transition Ratio | 0.1 |
| Transition Directionality | 0.026 |
| Mean Saturation | 0.434 |
| Saturation Variance | 0.05 |
| Low Saturation Ratio | 0.338 |
| Medium Saturation Ratio | 0.566 |
| High Saturation Ratio | 0.096 |
| Saturation Clustering | 0.998 |
| Hue Concentration | 0.79 |
| Complementary Balance | 0.033 |
| Analogous Dominance | 0.912 |
| Temperature Bias | 0.835 |
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 de l'Institut Multimodal.
Références
[1] Arnaud Quercy (2023). Le Grand Canyon État — Catalog raisonné. https://arnaudquercy.art/en/catalogue-raisonne/AQC0452.html
[2] Quercy, A. (2025). Untitled - Gallery. https://artquamanima.com/fr/oeuvres/2023/01/le-grand-canyon-etat_540.html
[3] Quercy, A. (2025). Computational Image Analysis Standard - MMIDS-CMP-2025 https://multimodal.institute/en/publications/2025/11/mmids-cmp-2025-computational-image-analysis-standard-dg1.html
Profil épistémique
| Type de revendication | computational analysis |
|---|---|
| Voix | third person |
| Statut épistémique | empirical measurement |
| Méthodologie | computational analysis |
| Certitude | high |
Somme de contrôle (SHA-256)
7809d70311e777c88ac6ce5941603ea4f4f0587f0251200516faff4b0b40f974