AQC0708

Nanopublication — Analyse Computationnelle d'Image - AQC0708

Affirmation 1: Analyse Computationnelle d'Image - AQC0708

L'œuvre Visions [1] Nocturnes (AQC0708) [2] par Arnaud Quercy [2] a fait l'objet d'une analyse computationnelle complète [3] le 2026-02-04. 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 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] : 1400x1400 pixels. Date d'analyse : 2026-02-04.

Analyse des Couleurs

Rang Couleur Hex % Famille Nom
1 333333 36.1 gray darkslategray
2 7F3951 15.5 red burnt sienna
3 6F2E47 13.3 red dusty mauve
4 490D32 11.0 red very dark red
5 57163C 8.8 red darkslategrey
6 904760 5.9 red dimgray
7 E76C05 5.8 orange chocolate
8 81549C 2.6 red-violet blue gray
9 F8F7F7 0.5 white white
10 CFB6BF 0.4 red silver
11 7B77BD 0.3 violet slateblue [Accent]

Familles de Couleurs:

Famille %
red 55.0
gray 36.1
orange 5.8
red-violet 2.6
white 0.5
violet 0.3

Couleurs d'Accent:

Hex Famille Nom Chroma
7B77BD violet slateblue 40.2

Analyse de Texture

Métrique Valeur
Global Roughness 0.118
Mean Local Roughness 0.023
Roughness Uniformity 0.033
Edge Density 0.084
Mean Gradient Magnitude 0.146
Gradient Variance 0.089
Gradient Smoothness 0.0
Directional Coherence 0.071
Pattern Complexity 0.144
Pattern Repetition 1.0
Detail Frequency Ratio 0.661
Spatial Variation 0.07
Texture Consistency 0.425

Analyse de Luminosité et Contraste

Métrique Valeur
Mean Brightness 0.262
Brightness Variance 0.118
Brightness Uniformity 0.552
Brightness Skewness 2.315
Brightness Entropy 5.498
Rms Contrast 0.118
Michelson Contrast 0.947
Weber Contrast 0.604
Mean Local Contrast 0.021
Contrast Uniformity 0.0
Dynamic Range 0.973
Effective Dynamic Range 0.373
Shadow Percentage 80.78
Midtone Percentage 18.32
Highlight Percentage 0.9
Shadow Clipping 0.0
Highlight Clipping 0.432
Tonal Balance 0.0
Fine Contrast 0.015
Medium Contrast 0.027
Coarse Contrast 0.034
Multiscale Contrast Ratio 0.426
Edge Contrast 0.146
Contrast Clustering 0.575

Analyse de Distribution Spatiale

Métrique Valeur
Spatial Coherence 0.777
Color Clustering 0.0
Color Transition Smoothness 0.608
Transition Uniformity 0.419
Sharp Transition Ratio 0.1
Transition Directionality 0.021
Mean Saturation 0.422
Saturation Variance 0.114
Low Saturation Ratio 0.373
Medium Saturation Ratio 0.392
High Saturation Ratio 0.235
Saturation Clustering 0.998
Hue Concentration 0.935
Complementary Balance 0.0
Analogous Dominance 0.947
Temperature Bias 0.957

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). Visions Nocturnes — Catalog raisonné. https://arnaudquercy.art/en/catalogue-raisonne/AQC0708.html

[2] Quercy, A. (2025). Untitled - Gallery. https://artquamanima.com/fr/oeuvres/2024/01/visions-nocturnes_7vk.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)

c51ed8bbe543de188953b90a439bcfd63c402fd436b2e988e419884c3f74e5a8