AQC0958

Nanopublication — Analyse Computationnelle d'Image - AQC0958

Affirmation 1: Analyse Computationnelle d'Image - AQC0958

Enregistrement d'analyse [3] : Sol [1] Mineur - Recherche sur l'Harmonie - Variations 15 (AQC0958) [2] par Arnaud Quercy [2]. Méthode : k-means. Paramètres : 10 couleurs. Métriques : distribution des couleurs, texture, luminosité, motifs spatiaux. Effectuée : 2026-03-05.

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] : 1846x2769 pixels. Date d'analyse : 2026-03-05.

Analyse des Couleurs

Rang Couleur Hex % Famille Nom
1 C1C4C7 19.8 white silver
2 DE9B86 14.6 red-orange darksalmon
3 1D1D26 14.5 violet very dark gray
4 453B59 14.0 violet dusty mauve
5 CC8873 12.7 red-orange rosybrown
6 695A6D 6.3 red-violet dusty mauve
7 897A85 5.6 red-violet dusty mauve
8 ECBAA3 5.1 orange burlywood
9 ABA1A8 4.3 red-violet steel gray
10 E5DED9 3.2 white gainsboro

Familles de Couleurs:

Famille %
violet 28.5
red-orange 27.3
white 23.0
red-violet 16.2
orange 5.1

Analyse de Texture

Métrique Valeur
Global Roughness 0.247
Mean Local Roughness 0.034
Roughness Uniformity 0.027
Edge Density 0.198
Mean Gradient Magnitude 0.266
Gradient Variance 0.082
Gradient Smoothness 0.0
Directional Coherence 0.014
Pattern Complexity 0.126
Pattern Repetition 1.0
Detail Frequency Ratio 0.669
Spatial Variation 0.194
Texture Consistency 0.419

Analyse de Luminosité et Contraste

Métrique Valeur
Mean Brightness 0.529
Brightness Variance 0.247
Brightness Uniformity 0.534
Brightness Skewness -0.499
Brightness Entropy 7.527
Rms Contrast 0.247
Michelson Contrast 1.0
Weber Contrast 0.827
Mean Local Contrast 0.036
Contrast Uniformity 0.21
Dynamic Range 1.0
Effective Dynamic Range 0.722
Shadow Percentage 29.162
Midtone Percentage 31.278
Highlight Percentage 39.561
Shadow Clipping 0.0
Highlight Clipping 0.002
Tonal Balance 0.187
Fine Contrast 0.019
Medium Contrast 0.044
Coarse Contrast 0.057
Multiscale Contrast Ratio 0.327
Edge Contrast 0.266
Contrast Clustering 0.581

Analyse de Distribution Spatiale

Métrique Valeur
Spatial Coherence 0.754
Color Clustering 0.868
Color Transition Smoothness 0.321
Transition Uniformity 0.484
Sharp Transition Ratio 0.1
Transition Directionality 0.012
Mean Saturation 0.249
Saturation Variance 0.024
Low Saturation Ratio 0.524
Medium Saturation Ratio 0.476
High Saturation Ratio 0.0
Saturation Clustering 0.999
Hue Concentration 0.487
Complementary Balance 0.01
Analogous Dominance 0.565
Temperature Bias 0.495

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 (2026). Sol Mineur - Recherche sur l'Harmonie - Variations 15 — Catalog raisonné. https://arnaudquercy.art/en/catalogue-raisonne/AQC0958.html

[2] Quercy, A. (2026). G Minor - Research on Harmony - Variations 15 - Gallery. https://artquamanima.com/fr/oeuvres/2026/03/sol-mineur-recherche-sur-lharmonie-variations-15_1yko.html

[3] Quercy, A. (2025). Computational Image Analysis Standard - MMIDS-CMP-2025 https://multimodal.institute/en/publications/2025/10/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)

346cb0f85fa4bda36e91761739a80592877ffda93f8ce6dd6bdac93a71cba1ce