Piccola matrice di valori di peso applicata a ogni pixel — 3×3, 5×5 o più grande. Determina l'operazione: sfocatura gaussiana, rilevamento Sobel, nitidezza.
Sul monitor c'è una matrice 3x3 di numeri: questo è il tuo strumento per la manipolazione dei pixel. Applichi questa matrice a ogni singolo pixel della tua immagine, moltiplichi i pixel vicini con i pesi corrispondenti e sommi il risultato. Il risultato diventa il nuovo valore del pixel. Ripeti questo processo per ogni posizione nell'immagine e la tua operazione sull'immagine è completa. Questa è la convoluzione, il kernel di convoluzione è la matrice stessa.
Le dimensioni e i valori determinano tutto. Una matrice 3x3 simmetrica con tutti uni, divisa per 9, crea un effetto di sfocatura: ogni pixel diventa la media dei suoi vicini. Se aumenti i pesi al centro, rafforzi l'informazione originale e crei una sfocatura con presenza. La famosa sfocatura gaussiana si riduce, nel nucleo, a una distribuzione gaussiana come kernel: matrici più grandi (5x5, 7x7) con pesi che diminuiscono verso l'esterno. Se vuoi rilevare i bordi, utilizzi kernel di rilevamento bordi come Sobel o Roberts: lì i pixel adiacenti hanno segni diversi, il che comprime le transizioni. Lo sharpening funziona in modo simile: valore centrale alto (ad esempio, +5), vicini negativi: questo rafforza i contrasti e porta definizione.
Sul set questo è secondario, ma in post-produzione - in Nuke, After Effects o durante la pipeline di grading - i kernel di convoluzione sono onnipresenti. Non scriverai ogni volta una matrice a mano; il software ha librerie di filtri predefinite con kernel ottimizzati. Ma se hai bisogno di look personalizzati o vuoi capire cosa succede sotto il cofano, devi interiorizzare il principio. Una matrice 5x5 costa più potenza di calcolo di una 3x3: questo è rilevante per gli scatti ricchi di VFX. Kernel più grandi producono risultati più fluidi, ma anche maggiore latenza. Alcuni DoP e VFX Sup costruiscono stack di sfocatura iterativi, diverse sfocature deboli invece di una forte: questo spesso sembra più naturale ed è anche più efficiente in termini di prestazioni. Un punto importante: le operazioni sui kernel sono separabili per determinati filtri (come Gauss). Puoi prima convolvere orizzontalmente, poi verticalmente: questo consente di risparmiare un'enorme potenza di calcolo ed è quindi lo standard nei software di produzione reali.
Ricorda: ciò che il kernel non "vede" (i bordi dell'immagine) deve essere estrapolato: strategie di padding come Mirror, Wrap o Constant-Black cambiano il risultato. Nel compositing finito, lo noterai come un artefatto al bordo se è configurato in modo errato.