Filtro matemático que pondera cada píxel contra sus vecinos — base para desenfoque, nitidez, detección de bordes. Todo proceso de imagen moderno usa convolución.
Estás en la corrección de color y te das cuenta: cada desenfoque que aplicas, cada enfoque que ajustas, todo funciona a través de filtros de convolución. La matemática detrás es simple, pero su aplicación en el flujo de trabajo de los dailies es esencial. Un filtro de convolución toma un píxel, mira a sus vecinos y calcula un nuevo valor multiplicando cada píxel vecino por un peso. Estos pesos se encuentran en una pequeña matriz —generalmente de 3×3 o 5×5— y determinan lo que sucede.
En la práctica, esto significa que necesitas filtros de convolución para poder trabajar. Un kernel de desenfoque (matriz de desenfoque) simplemente suma los valores de los vecinos de manera uniforme —cuanto mayor es el kernel, más suave es el resultado. Una matriz de enfoque resta el entorno del píxel central, amplificando así los bordes. Para la detección de bordes —crucial para rotoscopia o seguimiento de movimiento— utilizas filtros de Sobel o Laplace, que realzan selectivamente los saltos de luminosidad. No necesitas pensar en esto en el set, pero en el departamento de VFX, al eliminar ruido (denoise) o al escalar (upscaling): la convolución se ejecuta en segundo plano en todas partes.
El punto crucial: los filtros de convolución son separables. Esto significa que puedes filtrar horizontal y verticalmente de forma secuencial en lugar de en 2D —lo que ahorra enormemente tiempo de cálculo. Con material 4K en un flujo de trabajo rápido, es la diferencia entre reproducción en tiempo real y espera. Nvidia y AMD han integrado la convolución en los shaders de sus tarjetas gráficas; cualquier compositor moderno, desde Nuke hasta After Effects, utiliza convolución acelerada por GPU. Lo notas cuando tu eliminación de ruido termina en 30 segundos en lugar de tres minutos.
Práctico: si diseñas tus propios filtros —por ejemplo, para un look específico o para corregir errores— experimentas con los valores del kernel. Valores pequeños = efectos más finos, valores más altos = aumenta el consumo de memoria y el tiempo de cálculo. Y cuidado: kernels mal diseñados pueden generar artefactos o desplazamientos de color. Por eso, es mejor usar los presets probados y solo ajustar el radio o la intensidad —el kernel en sí se mantiene estable.