AQC0898

Nanopublication — Analyse Computationnelle d'Image - AQC0898

Affirmation 1: Analyse Computationnelle d'Image - AQC0898

L'œuvre Si Majeur [1] - Recherche sur l'Harmonie - Variations 9 (AQC0898) [2] par Arnaud Quercy [2] a fait l'objet d'une analyse computationnelle complète [3] le 2025-12-11. 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] : 2084x3126 pixels. Date d'analyse : 2025-12-11.

Analyse des Couleurs

Rang Couleur Hex % Famille Nom
1 655935 15.7 yellow-orange dark brown
2 99ACC7 13.6 blue-violet steel gray
3 7D93B7 13.1 blue-violet lightslategray
4 CB86A3 12.5 red rosybrown
5 97BE42 11.5 yellow-green yellowgreen
6 D5B48D 9.2 yellow-orange tan
7 F0CAAD 8.6 orange wheat
8 836667 8.3 red-orange dimgray
9 D6D457 4.6 yellow ochre
10 312312 3.1 yellow-orange very dark gray
11 995797 0.3 red-violet gray [Accent]
12 3A3747 0.3 violet dusty mauve [Accent]
13 76938A 0.3 green lightslategray [Accent]

Familles de Couleurs:

Famille %
yellow-orange 27.9
blue-violet 26.7
red 12.5
yellow-green 11.5
orange 8.6
red-orange 8.3
yellow 4.6
red-violet 0.3
violet 0.3
green 0.3

Couleurs d'Accent:

Hex Famille Nom Chroma
995797 red-violet gray 44.1
3A3747 violet dusty mauve 11.2
76938A green lightslategray 12.0

Analyse de Texture

Métrique Valeur
Global Roughness 0.171
Mean Local Roughness 0.026
Roughness Uniformity 0.026
Edge Density 0.111
Mean Gradient Magnitude 0.213
Gradient Variance 0.082
Gradient Smoothness 0.0
Directional Coherence 0.024
Pattern Complexity 0.125
Pattern Repetition 1.0
Detail Frequency Ratio 0.63
Spatial Variation 0.092
Texture Consistency 0.738

Analyse de Luminosité et Contraste

Métrique Valeur
Mean Brightness 0.586
Brightness Variance 0.171
Brightness Uniformity 0.709
Brightness Skewness -0.673
Brightness Entropy 7.299
Rms Contrast 0.171
Michelson Contrast 1.0
Weber Contrast 0.568
Mean Local Contrast 0.029
Contrast Uniformity 0.032
Dynamic Range 1.0
Effective Dynamic Range 0.533
Shadow Percentage 9.342
Midtone Percentage 55.815
Highlight Percentage 34.843
Shadow Clipping 0.003
Highlight Clipping 0.001
Tonal Balance 0.0
Fine Contrast 0.014
Medium Contrast 0.035
Coarse Contrast 0.054
Multiscale Contrast Ratio 0.261
Edge Contrast 0.213
Contrast Clustering 0.262

Analyse de Distribution Spatiale

Métrique Valeur
Spatial Coherence 0.722
Color Clustering 0.576
Color Transition Smoothness 0.458
Transition Uniformity 0.446
Sharp Transition Ratio 0.1
Transition Directionality 0.025
Mean Saturation 0.401
Saturation Variance 0.025
Low Saturation Ratio 0.255
Medium Saturation Ratio 0.699
High Saturation Ratio 0.046
Saturation Clustering 0.998
Hue Concentration 0.361
Complementary Balance 0.167
Analogous Dominance 0.518
Temperature Bias 0.347

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 (2025). Si Majeur - Recherche sur l'Harmonie - Variations 9 — Catalog raisonné. https://arnaudquercy.art/en/catalogue-raisonne/AQC0898.html

[2] Quercy, A. (2025). Untitled - Gallery. https://artquamanima.com/fr/oeuvres/2025/11/si-majeur-recherche-sur-lharmonie-variations-9_i9m.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)

5ed83b42fab5ec805c54f1d15c82ba5d8ab4d8b763a833e2d57d29759e837dbd