Essai du ColorReader : capturer des couleurs sur le terrain

Source : Jim Lennon Photographer
175-H2 Commerce Drive Hauppauge NY
631-617-5872

La société américaine DataColor, spécialisée dans les outils numériques pour la mesure et le calibrage des couleurs, propose depuis peu un outil original de mesure autonome des couleurs, le ColorReader, sorte de petite sonde portable. Elle existe en deux versions, avec ou sans écran d’affichage, la première nécessitant la connexion avec un smartphone (via bluetooth) pour afficher les couleurs mesurées.

Le produit est destiné surtout aux concepteurs et architectes d’intérieur qui veulent retrouver facilement la couleur d’un objet, d’un mur, d’une boiserie, dans les catalogues et nuanciers professionnels (RAL, NCS, etc.). L’application pour smartphones permet, au-delà du simple affichage des couleurs, de créer, de sauvegarder et de diffuser des palettes.

L’intérêt pour le concepteur graphique est assez évident, même si indirect : pouvoir saisir des couleurs et des gammes colorées directement « sur le terrain », sans avoir à scanner ou à photographier des objets (livres, reproductions ou œuvres d’art), sans avoir à se préoccuper des réglages de l’éclairage et du calibrage des appareils de prise de vue. Certes, la mesure est un peu approximative à cause de la taille de l’ouverture de mesure de l’appareil (environ 5mm), mais elle est rapide et pratique.

Pour tester son utilisation dans le cadre de la recherche de gammes colorées issues de livres d’art, nous avons voulu extraire des gammes de quelques œuvres de F. Kupka (1871-1957), à partir du « Carnet d’Expo » publié par Gallimard et la RMN en 2018 à propos de l’exposition actuelle au Grand-Palais.

La gamme jaune – 1907

Le premier tableau de l’ouvrage se prête particulièrement à l’exercice de la recherche d’un assemblage de couleurs, il s’agit d’un travail quasi monochromatique, La Gamme Jaune, produit en 1907 et exposé en 1910.

Selon les spécialistes, il s’agit d’une référence directe au travail descriptif et systématique d’Eugène Chevreul (1864).

La mesure par le ColorReader, en prenant soin de placer l’objet sur des zones à peu près homogènes, donne la gamme simplifiée suivante :

#7a5734
#d58e35
#d9ac2d
#b9a52e
#c4b45d
#b6a680
#937246
#d9a038

Naturellement, l’ordre et surtout la proportion des couleurs ne sont pas forcément ceux du tableau (qui peut être « lu », de toutes façons, différemment par chacun), mais on retrouve ici les couleurs de l’artiste dans une traduction trichromatique pour écran.

L’analyse du tableau avec l’outil de synthèse colorée permet de mieux visualiser les proportions et les relations entre les différentes couleurs :

Plans par couleurs (Femme dans les triangles) – 1910-1911

Le tableau suivant reprend certaines des tonalités jaunes du précédent et joue là encore explicitement sur les tons pour les assembler dans une sorte de clair-obscur modulant les transparences.

La lecture par le ColorReader nous donne une série de mesures assez fines :

#345242
#3a3732
#2c3b45
#484433
#72583c
#86743e
#948c7b
#939c6d
#b96f3c
#d6833a
#d5ac5e
#d3ae75

L’étude avec l’outil de synthèse colorée révèle ce que l’on pressent dans la gamme ci-dessus, un jeu sur la saturation dans les jaunes complété par quelques focalisations en bleu-vert et mauve sombre.

 

Grand nu, plan par couleurs – 1909-1910

Cette œuvre est très colorée, la couleur faisant office de perspective par plans en offrant du relief par le jeu des ombres entre teintes claires et teintes foncées. Chaque teinte marquée semble en effet présente selon plusieurs modalités de luminosité.

#7996b6
#555881
#c8bcb8
#b58b82
#7f5e80
#b9ad7e
#728074
#b7b9c4
#b9ad7e
#b78360

Le ColorReader nous indique les références des teintes, l’outil d’analyse étudie leurs proportions et relations et montre bien les écartes de saturation par teinte :

Dans l’analyse par luminosité, on remarque même des effets de « crochet » dans les bleus et les verts, des dégradés de luminosité jouant sur une faible variation de teinte, peut-être dus à la superposition de touches transparentes et à l’effet de la texture de la toile :

 

Le Miroir Ovale – 1909-1910

Dans cette dernière toile Kupka nous offre de nouveau un jeu sur la teinte et la luminosité, avec le reflet d’un personnage dans des tons de vert dont les ombres sont rouges violacées, accompagné de taches lumineuses marron-orange clair.

Le ColorReader nous propose la gamme suivante :

#b59861
#9fb075
#7b965d
#2d6e6b
#146762
#86aea5
#48858a
#64749d
#4e415d
#626172
#623a4a

L’analyse des proportions et relations colorées indique que, plutôt qu’une juxtaposition de « plaques » colorées, l’artiste utilise en fait avec le jeu des touches une gamme quasi-continue de teintes de l’orangé au mauve-bleu en passant par tous les verts (seul le mauve-rosé semble avoir été l’objet d’un mélange de coloris séparés) :

 

Au final, le ColorReader, comme outil d’échantillonnage sur le terrain, pour reprendre le vocabulaire des naturalistes, est un très intéressant complément de la boîte à outils de l’amateur de couleurs. En utilisant sa capacité à traduire rapidement, puis stocker une couleur repérée par le ou la chercheur.e, ainsi que l’expérience de ce dernier ou cette dernière pour sélectionner visuellement les teintes à mesurer, on peut facilement se constituer des palettes ou en extraire depuis des représentations matérielles, physiques ou des objets « naturels ». Il faudra d’ailleurs tester, dans un prochain billet, cette possibilité sur des teintes véritablement naturelles cette fois.

La nomenclature Werner rééditée

En passant

Avant l’existence des palettes de couleurs référencées, souvent présentées sous la forme d’éventails colorés, un des moyens les plus utilisés pour attribuer un nom et une valeur à une couleur consistait à la comparer avec celles reproduites dans un ouvrage spécialisé : la nomenclature Werner’s, du nom du géologue allemand qui en a eu l’idée, publiée par Patrick Syme, un peintre écossais, en 1821.

Cet ouvrage a connu un succès certain auprès des scientifiques « de terrain » du XIXe siècle, le plus célèbre de ses utilisateurs ayant été Charles Darwin, qui disposaient ainsi d’un moyen de décrire précisément les couleurs de leurs spécimens au moment de leur observation ou récolte. Les peintres et décorateurs s’en sont aussi beaucoup servi car l’auteur décrit comment recréer les couleurs en mélangeant les teintes de base et propose une organisation structurée des couleurs selon ces principes.

L’ouvrage est disponible librement en ligne dans les rayons de Archive.org, mais il a aussi été réédité de belle façon par Smithonian Books.

Simplification visuelle d’une image : atténuer les traits fins contrastés

OUtil simplification, août 2015

Lien vers l’outil : http://www.geotests.net/test/simplification/laplacian.html?l=fr

Dans la série d’idées issues du travail de thèse (2013) sur l’utilisation de méthodes esthétiques pour la cartographie thématique, on trouve les outils concernant l’utilisation de coordinations de couleurs (détection/visualisation et construction, qui ont fait l’objet de développements dans le présent carnet).

On y évoque aussi l’idée d’une simplification visuelle de l’image (notamment cartographique) par l’atténuation d’un des éléments principaux de la complexité visuelle : les éléments fins contrastés (Cf. cet article ou celui-ci). On pense, entre autres, aux contours noirs sur fond clair des objets de la carte, dont la prégnance visuelle est inutilement forte (notamment avec les réglages par défaut de certains logiciels).

Pour essayer de mettre en œuvre cette simplification avec un outil accessible, c’est-à-dire facilement et rapidement utilisable, selon l’habitude ici, on a donc développé un prototype basé sur une idée simple : il existe des filtres automatiques de détection des contours, on peut donc essayer de produire des images où ils seraient atténués, par soustraction / combinaison de pixels.

Restait à trouver le bon filtre et la bonne méthode de développement, pour produire un outil web fonctionnel, qui réponde assez vite pour une utilisation simple.

Les filtres disponibles

Le filtrage linéaire d’une image raster, composée de pixels, consiste à créer une nouvelle image dont les valeurs de pixels sont issues d’un calcul. Ce calcul croise les valeurs de l’image d’origine avec une petite matrice, appelée noyau ou masque de convolution. (Cf. la synthèse de la Wikipedia pour un aperçu général du traitement d’image par filtres linéaires). Les filtres les plus connus sont ceux de flou (gaussien), de renforcement, de débruitage ou de détection de lignes.

La série de filtres pertinents pour la détection des contours forme une petite liste, dans laquelle les plus prometteurs sont ceux dits Laplaciens ou dérivés, utilisant des masques de convolution dont les valeurs forment une sorte d’entonnoir (ou chapeau mexicain à l’envers) :

Le fonctionnement de ces filtres peut être grossièrement résumé en disant que les fortes différences entre un pixel et son entourage, potentiel indice d’un contour intéressant à détecter, vont être isolées (par exagération extrême des différences).

Différents filtres ont été testés, pour n’en garder que deux, le filtre Laplacien évoqué ci-dessus, amélioré en un filtre Laplacien de Gaussienne (LoG) et la différence de gaussiennes (DoG). Ce dernier type de filtre est en fait une approximation du premier, plus rapide à calculer mais d’un fonctionnement légèrement différent, qui peut être complémentaire. Il se base sur le calcul de la différence entre deux flous gaussiens de portée variable (pour repérer les zones de l’image où le changement de couleur est brusque).

Les deux types de filtres se basent donc sur la convolution de l’image, que l’on peut paramétrer selon plusieurs éléments :

  • la taille du masque : 3×3, 5×5 ou 7×7 pixels de côté ;
  • la forme de la courbe en entonnoir, réglée par le paramètre Sigma.

A ces deux éléments, on ajoute des traitements annexes :

  • un flou gaussien préalable de l’image source, pour éventuellement la lisser un peu ;
  • un flou gaussien du résultat du filtre de détection des contours, avant combinaison, idem.

La différence entre les deux filtres tient à la finalité du paramètre nommé « facteur » dans l’outil :

  • pour le filtre LoG : coefficient multiplicateur de la pointe du masque ;
  • pour la DoG : écart entre les sigmas des deux gaussiennes dont on fait la différence.

La combinaison des images

Une fois le filtre calculé, il faut le combiner avec l’image d’origine pour réaliser l’atténuation des contours recherchée. Cette combinaison, ou mode de fusion, peut être réalisée selon différents calculs, pour atténuer les contours ou, au contraire, les isoler pour les visualiser.

af_SC521 af_SC521_att
Image d’origine (source) Contours fortement atténués
af_SC521_visu af_SC521_att
Contours visualisés Contours légèrement atténués

Pour aider à l’utilisation de l’outil, les paramètres de filtrage et de combinaison pour produire ces différents résultats ont été regroupés dans des « préréglages », que l’on peut ensuite raffiner de manière interactive.

Conseils d’utilisation

Les filtres utilisés sont assez sensibles à la taille des images et à l’épaisseur moyenne des contours. Selon l’image source, il faut donc faire varier les valeurs des paramètres, notamment de taille du masque (grande image -> grand masque) et le facteur de force de la courbe (ou de différence de gaussiennes).

Évaluation de l’outil

Reste maintenant à tester l’outil sur diverses images, pour vérifier son fonctionnement et estimer son efficacité à en simplifier la lecture, à en atténuer la complexité visuelle.

Pour ce faire, une enquête en ligne va être conçue, mais en attendant, n’hésitez pas à tester et à nous faire remonter tout souci d’utilisation ou remarque, merci d’avance !

Détails techniques de fonctionnement

L’outil fonctionne sur le principe habituel d’une page Web, les calculs sont réalisés par des fonctions Javascript. Il utilise la bibliothèque de fonctions « Canvas filters » développée par Ilmari Heikkinen (sous licence MIT). Le code source (dans la page html) contient d’autres filtres et plusieurs types de paramètres fonctionnels. Ils n’ont pas été utilisés dans la version finale de l’interface pour la garder assez simple.

Lorsque vous traitez une image de votre disque dur, elle n’est pas mise en ligne sur le site de l’outil, les traitements se font localement, sur votre ordinateur.

D’autres billets pourront être rédigés pour expliquer plus en détail le fonctionnement des traitements, si cela s’avère utile.

Exemple commenté d’utilisation : La dame à la veste verte

Galerie

Cette galerie contient 10 photos.

L’outil d’analyse des relations colorées dans une image peut servir à découvrir des gradients colorés harmonieux, potentiellement originaux. Plutôt que de partir des écrits théoriques sur l’assemblage des couleurs, on peut ainsi analyser des œuvres terminées qui mettent en pratique ces … Lire la suite