Filtro matemático que pondera cada pixel com seus vizinhos — base para blur, nitidez e detecção de bordas. Todo processo de imagem moderno roda sobre convolução.
Você está no color grading e percebe: todo desfoque que você aplica, todo nitidez que você ajusta — tudo isso é feito através de filtros de convolução. A matemática por trás é simples, mas a aplicação no fluxo de trabalho dos dailies é essencial. Um filtro de convolução pega um pixel, olha para seus vizinhos e calcula um novo valor multiplicando cada pixel vizinho por um peso. Esses pesos ficam em uma pequena matriz — geralmente 3x3 ou 5x5 — e determinam o que acontece.
Na prática, isso significa que você precisa de filtros de convolução para poder trabalhar. Um kernel de blur (matriz de desfoque) simplesmente adiciona os valores dos vizinhos uniformemente — quanto maior o kernel, mais suave o resultado. Uma matriz de nitidez subtrai o entorno do pixel central, amplificando assim as bordas. Para detecção de bordas — crucial para rotoscopia ou rastreamento de movimento — você usa filtros Sobel ou Laplace, que aumentam seletivamente os saltos de luminosidade. No set, você não precisa pensar nisso, mas no departamento de VFX, no denoising ou no upscaling: a convolução acontece em segundo plano em todos os lugares.
O ponto crucial: filtros de convolução são separáveis. Isso significa que você pode filtrar horizontal e verticalmente em sequência em vez de em 2D — economizando enormemente tempo de processamento. Com material 4K em um fluxo de trabalho rápido, essa é a diferença entre reprodução em tempo real e espera. Nvidia e AMD gravaram a convolução em seus shaders de placa de vídeo; todo compositor moderno, do Nuke ao After Effects, usa convolução acelerada por GPU. Você sente isso quando seu denoising termina em 30 segundos em vez de três minutos.
Na prática: quando você mesmo projeta filtros — talvez para um visual específico ou para correção de erros — você experimenta com os valores do kernel. Valores pequenos = efeitos mais finos, valores maiores = aumento do consumo de memória e tempo de processamento. E cuidado: kernels mal projetados podem gerar artefatos ou deslocamentos de cor. Por isso, é melhor usar os presets comprovados e ajustar apenas o raio ou a intensidade — o kernel em si permanece estável.