画像圧縮と分析のための数学的基底関数 — DWT と現代 VFX デノイジングの基礎。
ウェーブレットは、現代のVFXパイプラインにおいて、画像の分解と再構築の標準となっています。画像全体を周波数に分解する古典的なフーリエ変換とは異なり、ウェーブレットは局所的に機能します。つまり、周波数と空間的な位置を同時に解析します。これが違いを生みます。ノイズが画像にあるだけでなく、それが正確にどこにあるのかがわかるのです。
実際には、これはデノイズや画像処理において計り知れない利点をもたらします。画像をフィルタリングしてディテールを破壊するのではなく、離散ウェーブレット変換（DWT）を使用して画像を複数のレベルに分解します。粗い構造は1つのスケールに、細かいディテールは別のスケールに分解されます。ノイズは通常、高周波成分に存在します。これらの成分をターゲットにして弱めることができ、大きな形状やエッジはそのまま保持されます。これは、古典的なガウスぼかしアプローチよりも正確で、アーティファクトが少なくなります。露出オーバーのプレートや粒子の粗いトラッキング要素をクリーンアップする必要がある場合、ウェーブレットデノイズは、単純なぼかしフィルターよりもはるかにインテリジェントに機能します。
数学的なエレガンスは、ウェーブレットが適応的な基底関数であるという点にあります。Daubechiesウェーブレット、Morlet、Symletsなど、さまざまな種類があります。各ファミリーは異なる特性を持っています。エッジをよりシャープに保持するものもあれば、より穏やかに平滑化するものもあります。コンポジットでは、画像の安定化やトラッキングフッテージの準備に必要なウェーブレットファミリーと、グレイン除去に必要なウェーブレットファミリーは異なることが多いため、すぐに実験することになります。Nukeのような最新のソフトウェアは、ウェーブレットベースのツールを直接統合しています（例えばDenoiseノードなど）。これは偶然ではなく、ウェーブレットがデジタル画像処理にとって適切な数学的言語であるという認識の表れです。
実用的なヒントとして、ウェーブレット分解は計算負荷が高いですが、スケーラブルです。分解の深さを制御できます。レベルが多いほど、解析の精細さは増しますが、レンダリング時間も長くなります。4K素材の場合、通常は3〜4回の分解レベルで十分です。そして重要なのは、ウェーブレットデノイズにはしきい値や減衰などのパラメータが必要であるということです。無闇に適用すると、プラスチックのような画像になってしまいます。芸術は、自然なフィルムの質感を犠牲にすることなく、目障りにならない程度にノイズを除去することにあります。