ピクセル処理の数学的マトリックス——各点を隣接ピクセルに対して加重し再計算。ブラー、シャープ、クリエイティブフィルター効果の基礎。
撮影現場やポストプロダクションで、画像がわずかにぼやけている、あるいは単純なカラーコレクションでは解決できない特定の効果が必要になるという問題に直面することがあります。そこで登場するのが畳み込みマスクです。これは、画像内の各ピクセルとその隣接ピクセルとの関係を計算する数学的な行列です。その原理は非常にエレガントです。小さな数値行列（通常は3x3、5x5、またはそれ以上）を各画像ポイントの上に重ね、ピクセル値をその行列の重みで乗算し、結果を加算します。新しいピクセルは、その周辺の重み付けされた合計から生成されます。
実際には、この名称を意識せずに、毎日畳み込みマスクを使用しています。NukeやAfter Effectsで適用するぼかしフィルター（ガウシアンぼかし、モーションブラー、さらにはボケシミュレーション）は、すべて畳み込みマスクに基づいています。中央の値が高く、端の値が低いマスクはぼかし効果を生み出します。中心のピークの周りに負の値を持つマスクは画像をシャープにします。カラーグレーディングでは、ノイズリダクションアルゴリズムを使用する際に間接的に畳み込みを利用します。これらは、ディテールを破壊することなくノイズを低減するために局所的な平均値を計算します。
この手法の強みはその制御性にあります。正確な重み付け行列を決定することで、隣接ピクセルが再計算にどの程度影響するかを制御できます。エッジ検出、エンボス、ポスタリゼーションといったクリエイティブな効果のために、特殊なマスクを構築することができます。最新のディープラーニング手法（ニューラルレンダリング、AIによるアップスケーリングも参照）は、画像をよりインテリジェントに処理するための基本アーキテクチャとして畳み込み層を使用しています。しかし、クラシックなコンポジットにおいては、特にピクセル単位で制御可能な微妙で非破壊的な効果が必要な場合、手動の畳み込みマスクは依然として職人的なツールです。
落とし穴は、畳み込みマスクは計算負荷が高いことです。行列が大きくなるほど、計算時間は増加します。撮影現場ではこれは不要ですが、ポストプロダクション、特に4K/8K素材では、GPUアクセラレーションと最適化されたアルゴリズム（分離可能なフィルター、FFTベースの計算）がなぜそれほど価値があるのかがすぐに明らかになります。畳み込みマスクの仕組みを理解すれば、特定のフィルターが他のフィルターよりも高速に動作する理由や、どこを最適化できるのかも理解できるようになります。