AQC0541

Nanopublication — Analyse Computationnelle d'Image - AQC0541

Affirmation 1: Analyse Computationnelle d'Image - AQC0541

Enregistrement d'analyse [3] : Autoportrait [1] d'Après-midi d'Été (AQC0541) [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] : 1533x2044 pixels. Date d'analyse : 2026-02-04.

Analyse des Couleurs

Rang Couleur Hex % Famille Nom
1 DFB96C 21.4 yellow-orange burlywood
2 F1CD80 15.8 yellow-orange khaki
3 CAA55E 15.6 yellow-orange ochre
4 5594A0 13.9 blue-green cadetblue
5 6BA5AC 13.1 blue-green lightslategray
6 3C7D8F 8.5 blue steelblue
7 B4C7A5 4.9 yellow-green silver
8 A86159 3.0 red-orange indianred
9 814436 2.0 red-orange burnt sienna
10 2A2520 1.7 gray very dark gray
11 0F4264 0.3 blue-violet grayish purple [Accent]
12 0B1B17 0.3 green black [Accent]
13 573A23 0.3 orange dark brown [Accent]
14 09162F 0.3 violet very dark purple [Accent]
15 F8E8A9 0.3 yellow palegoldenrod [Accent]

Familles de Couleurs:

Famille %
yellow-orange 52.8
blue-green 27.0
blue 8.5
red-orange 5.0
yellow-green 4.9
gray 1.7
blue-violet 0.3
green 0.3
orange 0.3
violet 0.3
yellow 0.3

Couleurs d'Accent:

Hex Famille Nom Chroma
0F4264 blue-violet grayish purple 25.2
0B1B17 green black 6.1
573A23 orange dark brown 21.5
09162F violet very dark purple 19.0
F8E8A9 yellow palegoldenrod 33.2

Analyse de Texture

Métrique Valeur
Global Roughness 0.149
Mean Local Roughness 0.021
Roughness Uniformity 0.022
Edge Density 0.111
Mean Gradient Magnitude 0.18
Gradient Variance 0.054
Gradient Smoothness 0.0
Directional Coherence 0.006
Pattern Complexity 0.125
Pattern Repetition 1.0
Detail Frequency Ratio 0.625
Spatial Variation 0.096
Texture Consistency 0.604

Analyse de Luminosité et Contraste

Métrique Valeur
Mean Brightness 0.634
Brightness Variance 0.149
Brightness Uniformity 0.765
Brightness Skewness -0.812
Brightness Entropy 7.112
Rms Contrast 0.149
Michelson Contrast 1.0
Weber Contrast 0.449
Mean Local Contrast 0.023
Contrast Uniformity 0.053
Dynamic Range 0.996
Effective Dynamic Range 0.435
Shadow Percentage 2.901
Midtone Percentage 46.857
Highlight Percentage 50.242
Shadow Clipping 0.02
Highlight Clipping 0.0
Tonal Balance 0.0
Fine Contrast 0.012
Medium Contrast 0.029
Coarse Contrast 0.046
Multiscale Contrast Ratio 0.254
Edge Contrast 0.18
Contrast Clustering 0.396

Analyse de Distribution Spatiale

Métrique Valeur
Spatial Coherence 0.759
Color Clustering 0.418
Color Transition Smoothness 0.552
Transition Uniformity 0.628
Sharp Transition Ratio 0.1
Transition Directionality 0.011
Mean Saturation 0.477
Saturation Variance 0.013
Low Saturation Ratio 0.067
Medium Saturation Ratio 0.917
High Saturation Ratio 0.016
Saturation Clustering 0.999
Hue Concentration 0.337
Complementary Balance 0.045
Analogous Dominance 0.617
Temperature Bias 0.237

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 (2024). Autoportrait d'Après-midi d'Été — Catalog raisonné. https://arnaudquercy.art/en/catalogue-raisonne/AQC0541.html

[2] Quercy, A. (2025). Untitled - Gallery. https://artquamanima.com/fr/oeuvres/2024/01/autoportrait-dapres-midi-dete_62m.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 revendicationcomputational analysis
Voixthird person
Statut épistémiqueempirical measurement
Méthodologiecomputational analysis
Certitudehigh

Somme de contrôle (SHA-256)

db4a2d5958b568e4872af14ec13f05f0e4acb2b5c77b4f95ea7fa7312863135a