Funzione base matematica per compressione e analisi di immagine — fondazione di DWT e denoising VFX moderno.
Le wavelet si sono affermate nella moderna pipeline VFX come standard per la scomposizione e la ricostruzione delle immagini. A differenza della classica trasformata di Fourier, che scompone un'immagine in frequenze globali, una wavelet lavora localmente — analizza contemporaneamente frequenza e posizione spaziale. Questa è la differenza: non vedi solo che c'è rumore nell'immagine, ma esattamente dove.
In pratica, ciò significa un enorme vantaggio per il denoising e l'elaborazione delle immagini. Invece di filtrare un'immagine completa distruggendo i dettagli, scomponi l'immagine tramite la Trasformata Wavelet Discreta (DWT) in più livelli — strutture grossolane su una scala, dettagli fini su un'altra. Il rumore si trova tipicamente nelle componenti ad alta frequenza. Puoi attenuarle in modo mirato, mentre le forme grandi e i bordi vengono preservati. Questo è più preciso e genera meno artefatti rispetto ai classici approcci di sfocatura gaussiana. Se devi ripulire un plate sovraesposto o un elemento di tracking granuloso, il denoising con wavelet funziona in modo significativamente più intelligente rispetto ai filtri di sfocatura stupidi.
L'eleganza matematica risiede nel fatto che le wavelet sono funzioni di base adattive — esistono wavelet di Daubechies, Morlet, Symlets e molte altre. Ogni famiglia ha proprietà diverse: alcune preservano i bordi in modo più netto, altre sfumano più dolcemente. Nel compositing si sperimenta rapidamente qui: per la rimozione del grano (grain removal) si necessita spesso di una famiglia di wavelet diversa rispetto alla stabilizzazione dell'immagine o alla preparazione di footage di tracking. Software moderni come Nuke integrano strumenti basati su wavelet direttamente (ad esempio il nodo Denoise) — questo non è un caso, ma il riconoscimento che le wavelet sono semplicemente il linguaggio matematico giusto per l'elaborazione digitale delle immagini.
Un consiglio pratico: la scomposizione wavelet è computazionalmente intensiva, ma scalabile. Puoi controllare la profondità di scomposizione — più livelli = maggiore finezza di analisi, ma anche maggiore tempo di rendering. Con materiale 4K spesso ti trovi bene con 3–4 livelli di scomposizione. E importante: il denoising con wavelet richiede parametri come soglia (Threshold) e decadimento (Decay) — l'applicazione cieca porta a immagini dall'aspetto plastico. L'arte consiste nel rimuovere abbastanza rumore da non renderlo visivamente fastidioso, senza sacrificare la texture naturale del film.