像素处理的数学矩阵——每个点根据邻近像素加权并重新计算。是模糊、锐化和创意滤镜效果的基础。
在片场或后期制作中，你可能会遇到一个问题：画面略微模糊，或者你需要一个简单的色彩校正无法实现的特定效果。这时，你就会用到卷积核（Convolution Mask）——一个数学矩阵，它让画面中的每个像素与其邻近像素进行“对话”。其原理非常简洁优雅：你将一个小数字矩阵（通常是 3x3、5x5 或更大）覆盖到每个图像点上，将像素值与矩阵权重相乘，然后将结果相加。新的像素就由此周围像素的加权总和产生。
实际上，你每天都在使用卷积核，甚至可能没有意识到它的存在。你在 Nuke 或 After Effects 中使用的模糊滤镜——高斯模糊、运动模糊，甚至散景模拟——都基于卷积核。一个中心值高、边缘值低的卷积核会产生模糊。一个在中心有一个峰值且周围值为负的卷积核会锐化图像。在色彩分级中，当你使用降噪算法时，你也在间接使用卷积：它们通过计算局部平均值来减少噪点，同时不破坏细节。
该方法的力量在于其可控性。你可以精确控制权重矩阵，从而决定相邻像素在重新计算中影响的程度。对于创意效果——边缘检测、浮雕、色调分离——可以构建专门的卷积核。现代深度学习方法（另见：神经渲染、AI 增强的超分辨率）使用卷积层作为基础架构，以更智能的方式处理图像。然而，在经典的合成（Compositing）中，手动卷积核仍然是一个手工工具，尤其当你需要可像素级控制的、微妙的、非破坏性的效果时。
陷阱在于：卷积核在计算上非常密集，矩阵越大，计算时间就越昂贵。在片场你不需要这个。但在后期制作中——尤其是在处理 4K/8K 素材时——你会很快明白为什么 GPU 加速和优化算法（可分离滤波器、基于 FFT 的计算）如此有价值。理解了卷积核的工作原理，也就理解了为什么某些滤镜比其他滤镜运行得更快，以及在哪里可以进行优化。