AQC0629

Nanopublication — Analyse Computationnelle d'Image - AQC0629

Affirmation 1: Analyse Computationnelle d'Image - AQC0629

Analyse par regroupement k-means [3] (10 couleurs) effectuée sur l'œuvre Mi bémol Mineur [1] - Recherche sur l'Harmonie - Variation 1 (AQC0629) [2] par Arnaud Quercy [2] le 2026-02-04. Documentation incluse : familles de couleurs, rugosité de texture, distribution de luminosité, cohérence spatiale.

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] : 2229x3343 pixels. Date d'analyse : 2026-02-04.

Analyse des Couleurs

Rang Couleur Hex % Famille Nom
1 4C4B5A 17.5 violet dusty mauve
2 3B3A47 16.2 violet dusty mauve
3 656D9F 15.8 violet dusty mauve
4 7B83AE 14.4 violet dusty mauve
5 78CC6B 11.3 yellow-green darkseagreen
6 201C13 9.2 yellow-orange very dark gray
7 656773 7.7 violet dusty mauve
8 989FC7 5.5 violet steel gray
9 E0E8DF 1.9 yellow-green white
10 D2A058 0.5 yellow-orange sandybrown
11 C0A38B 0.3 orange rosybrown [Accent]
12 B3AF9F 0.3 yellow steel gray [Accent]
13 B88783 0.3 red-orange rosybrown [Accent]
14 81A799 0.3 green darkseagreen [Accent]

Familles de Couleurs:

Famille %
violet 77.1
yellow-green 13.2
yellow-orange 9.7
orange 0.3
yellow 0.3
red-orange 0.3
green 0.3

Couleurs d'Accent:

Hex Famille Nom Chroma
C0A38B orange rosybrown 17.5
B3AF9F yellow steel gray 9.1
B88783 red-orange rosybrown 20.6
81A799 green darkseagreen 16.3

Analyse de Texture

Métrique Valeur
Global Roughness 0.185
Mean Local Roughness 0.036
Roughness Uniformity 0.032
Edge Density 0.18
Mean Gradient Magnitude 0.297
Gradient Variance 0.122
Gradient Smoothness 0.0
Directional Coherence 0.008
Pattern Complexity 0.115
Pattern Repetition 1.0
Detail Frequency Ratio 0.636
Spatial Variation 0.123
Texture Consistency 0.668

Analyse de Luminosité et Contraste

Métrique Valeur
Mean Brightness 0.409
Brightness Variance 0.185
Brightness Uniformity 0.549
Brightness Skewness 0.317
Brightness Entropy 7.471
Rms Contrast 0.185
Michelson Contrast 1.0
Weber Contrast 0.71
Mean Local Contrast 0.039
Contrast Uniformity 0.225
Dynamic Range 1.0
Effective Dynamic Range 0.588
Shadow Percentage 39.649
Midtone Percentage 50.586
Highlight Percentage 9.766
Shadow Clipping 0.032
Highlight Clipping 0.037
Tonal Balance 0.161
Fine Contrast 0.019
Medium Contrast 0.05
Coarse Contrast 0.081
Multiscale Contrast Ratio 0.24
Edge Contrast 0.297
Contrast Clustering 0.332

Analyse de Distribution Spatiale

Métrique Valeur
Spatial Coherence 0.707
Color Clustering 0.752
Color Transition Smoothness 0.209
Transition Uniformity 0.179
Sharp Transition Ratio 0.1
Transition Directionality 0.009
Mean Saturation 0.31
Saturation Variance 0.022
Low Saturation Ratio 0.514
Medium Saturation Ratio 0.467
High Saturation Ratio 0.018
Saturation Clustering 0.998
Hue Concentration 0.474
Complementary Balance 0.132
Analogous Dominance 0.704
Temperature Bias -0.259

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). Mi bémol Mineur - Recherche sur l'Harmonie - Variation 1 — Catalog raisonné. https://arnaudquercy.art/en/catalogue-raisonne/AQC0629.html

[2] Quercy, A. (2025). Untitled - Gallery. https://artquamanima.com/fr/oeuvres/2024/01/mi-bemol-mineur-recherche-sur-lharmonie-variation-1_70u.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)

da815cd718ce0ed1c2a736fab140726d2539f21734accd0c25041901097e4204