Função matemática base para compressão e análise de imagem — fundamento do DWT e do denoising moderno em VFX. Supera a transformada de Fourier na prática.
Wavelets se tornaram o padrão na pipeline moderna de VFX para decomposição e reconstrução de imagens. Ao contrário da transformação de Fourier clássica, que decompõe uma imagem em frequências globais, um wavelet trabalha localmente — ele analisa simultaneamente frequência e posição espacial. Essa é a diferença: você não vê apenas que há ruído na imagem, mas exatamente onde.
Na prática, isso significa uma enorme vantagem para denoising e processamento de imagem. Em vez de filtrar uma imagem completa e destruir detalhes no processo, você decompõe a imagem usando a Transformada Discreta de Wavelet (DWT) em várias camadas — estruturas grosseiras em uma escala, detalhes finos em outra. O ruído geralmente se encontra nos componentes de alta frequência. Você pode atenuá-los seletivamente, enquanto as formas grandes e as bordas são preservadas. Isso é mais preciso e gera menos artefatos do que abordagens clássicas de Gaussian Blur. Se você precisa limpar um plate superexposto ou um elemento de tracking granulado, o denoising com wavelets funciona de forma muito mais inteligente do que filtros de blur estúpidos.
A elegância matemática reside no fato de que os wavelets são funções base adaptativas — existem wavelets de Daubechies, Morlet, Symlets e muitos outros. Cada família tem propriedades diferentes: algumas preservam bordas de forma mais nítida, outras suavizam de maneira mais gentil. Na composição, você experimenta rapidamente aqui: para remoção de grão, você geralmente precisa de uma família de wavelets diferente da usada para estabilização de imagem ou para a preparação de footage de tracking. Softwares modernos como o Nuke integram ferramentas baseadas em wavelets diretamente (como o nó Denoise) — isso não é coincidência, mas o reconhecimento de que wavelets são simplesmente a linguagem matemática correta para o processamento digital de imagens.
Uma dica prática: a decomposição por wavelets é computacionalmente intensiva, mas escalável. Você pode controlar a profundidade de decomposição — mais níveis = mais fineza na análise, mas também mais tempo de renderização. Para material 4K, você geralmente se sai bem com 3–4 níveis de decomposição. E importante: o denoising com wavelets requer parâmetros como Threshold e Decay — a aplicação cega leva a imagens com aparência plástica. A arte é remover ruído suficiente para que ele não seja visivelmente incômodo, sem sacrificar a textura natural do filme.