PulseExploreJournal ClubDebatesTrendingResearchersJournals
Instagram
HomeExploreJournal ClubTrending
Synapse
⌘+K
Synapse
May 26, 20260 citationsOpen Access

Chromatic variance and spectral roughness in image sonification – A replication study with 30 paintings

View Full Paper
JGJose Ranero García

Key Points

  • This study aims to validate the correlation between chromatic variance (hue_std) and spectral roughness using a dataset of paintings.
  • Analysis of a corpus of 30 notable paintings across 6 centuries from 15 artists.
  • Correlation analyses were performed to assess relationships between hue_std and spectral roughness.
  • Created high-resolution scatter plots with regression lines for visual representation.
  • Significant correlation between hue_std and spectral roughness observed (r = 0.687, n=30, p < 0.001).
  • Excluding a digitization artifact improved correlation (r = 0.790, n=29).
  • Two-predictor model including Shannon entropy showed R² = 0.732 and r = 0.856 (n=29).

Abstract

EN Note: This is a preprint. It has not been peer‑reviewed. This deposit contains the full independent validation corpus used in a replication study of the correlation between hueₛtd (chromatic variance) and residual spectral roughness. The corpus includes 30 canonical paintings (15 artists, 6 centuries). A high‑resolution scatter plot and a revised paper draft are also included. Main results observed · Correlation hueₛtd → roughness: r = 0. 687 (n=30, p < 0. 001) · After excluding the Black Square digitization artifact: r = 0. 790 (n=29) · A two‑predictor model (adding Shannon entropy) gave R² = 0. 732 (r = 0. 856, n=29) Seven works with concentrated harmonic structure (where hueₛtd tended to overestimate roughness): Rembrandt Self‑Portrait (1659, kurt=828), Las Meninas (kurt=194), The Night Watch (kurt=104), Klimt Adele Bloch‑Bauer I (kurt=52), Kandinsky Composition VIII (kurt=29), Degas Ballet Class (kurt=22), Turner The Fighting Temeraire (kurt=21). What is new in this version (v4) · Scatter plot at 300 dpi, coloured by distₜype, with regression lines and 95% confidence band· Reproducible script: plotₛcatter. py· Revised paper draft with the figure embedded Files included · argiracorpusᵥ3FINALₙ30. csv – main dataset· 07ₙaiveₚipelineᵥ2. py – sonification pipeline used· computeₕueₘetrics. py – hue statistics· analyzecorpus. py – correlation analysis· scatterₕueᵣoughness. png – scatter plot· argiraICAD2026ₚaper. pdf – preprint draft Limitations (to be kept in mind) · Single corpus (Western paintings only) · No non‑art images tested· Single roughness measure (high‑frequency energy proxy) · HSV colour space only· No perceptual validation with human listeners· Preprint status: not peer‑reviewed Related DOIs · Previous versions of this dataset: v1 (10. 5281/zenodo. 20245918), v2 (10. 5281/zenodo. 20252194), v3 (10. 5281/zenodo. 20361230) · Concept DOI (all versions): 10. 5281/zenodo. 20245917· Argira analyzer v23: 10. 5281/zenodo. 20234082· Expanded dataset v17: 10. 5281/zenodo. 20126917· ICAD 2026 paper v16: 10. 5281/zenodo. 20123821 License: CC BY‑NC 4. 0Author: Jose Ranero García · ORCID: 0009-0009-3168-6379 --- ES Nota: Este es un preprint. No ha sido revisado por pares. Este depósito contiene el corpus de validación independiente completo utilizado en un estudio de replicación de la correlación entre hueₛtd (varianza cromática) y la rugosidad espectral residual. El corpus incluye 30 pinturas canónicas (15 artistas, 6 siglos). También se incluyen una figura de dispersión de alta resolución y un borrador revisado del artículo. Resultados principales observados · Correlación hueₛtd → rugosidad: r = 0, 687 (n=30, p < 0, 001) · Tras excluir el artefacto de digitalización del Cuadrado Negro: r = 0, 790 (n=29) · Un modelo de dos predictores (añadiendo entropía de Shannon) dio R² = 0, 732 (r = 0, 856, n=29) Siete obras con estructura armónica concentrada (donde hueₛtd tendió a sobreestimar la rugosidad): Rembrandt Autorretrato (1659, kurt=828), Las Meninas (kurt=194), La Ronda de Noche (kurt=104), Klimt Adele Bloch‑Bauer I (kurt=52), Kandinsky Composición VIII (kurt=29), Degas Clase de Ballet (kurt=22), Turner El Temerario (kurt=21). Novedades de esta versión (v4) · Gráfico de dispersión a 300 dpi, coloreado por distₜype, con líneas de regresión y banda de confianza al 95%· Script reproducible: plotₛcatter. py· Borrador revisado del artículo con la figura insertada Archivos incluidos · argiracorpusᵥ3FINALₙ30. csv – dataset principal· 07ₙaiveₚipelineᵥ2. py – pipeline de sonificación utilizado· computeₕueₘetrics. py – estadísticos de hue· analyzecorpus. py – análisis de correlación· scatterₕueᵣoughness. png – gráfico de dispersión· argiraICAD2026ₚaper. pdf – borrador del preprint Limitaciones (a tener en cuenta) · Corpus único (solo pintura occidental) · No se probaron imágenes no artísticas· Una sola medida de rugosidad (proxy de energía en altas frecuencias) · Solo espacio de color HSV· Sin validación perceptiva con oyentes humanos· Estado de preprint: no revisado por pares DOIs relacionados · Versiones anteriores de este dataset: v1 (10. 5281/zenodo. 20245918), v2 (10. 5281/zenodo. 20252194), v3 (10. 5281/zenodo. 20361230) · DOI concepto (todas las versiones): 10. 5281/zenodo. 20245917· Analizador Argira v23: 10. 5281/zenodo. 20234082· Dataset expandido v17: 10. 5281/zenodo. 20126917· Artículo ICAD 2026 v16: 10. 5281/zenodo. 20123821 Licencia: CC BY‑NC 4. 0Autor: Jose Ranero García · ORCID: 0009-0009-3168-6379

Ask AI
Helpful
Bookmark
Share
View Full Paper

Cite This Study

Jose Ranero García (2026) studied this question.

synapsesocial.com/papers/6a153bdfb5d9c58d83e8d543https://doi.org/10.5281/zenodo.20364540
Ask AI
Helpful
Bookmark
Share
View Full Paper