कनवल्शनल कर्नेल

मॉनिटर पर संख्याओं का 3×3 मैट्रिक्स दिखाई देता है - यह पिक्सेल हेरफेर के लिए आपका उपकरण है। आप इस मैट्रिक्स को अपनी छवि के प्रत्येक पिक्सेल पर रखते हैं, आस-पास के पिक्सेल को संबंधित भारित मानों से गुणा करते हैं और परिणाम को जोड़ते हैं। परिणाम नया पिक्सेल मान बन जाता है। आप इस प्रक्रिया को छवि में प्रत्येक स्थिति के लिए दोहराते हैं - और आपकी छवि ऑपरेशन तैयार है। यह कनवल्शन है, कनवल्शन कर्नेल स्वयं मैट्रिक्स है।

आकार और मान सब कुछ निर्धारित करते हैं। सभी एकों के साथ एक सममित 3×3 मैट्रिक्स, जिसे 9 से विभाजित किया गया है, एक ब्लर प्रभाव उत्पन्न करता है - प्रत्येक पिक्सेल अपने पड़ोसियों का औसत बन जाता है। यदि आप केंद्र में भार बढ़ाते हैं, तो आप मूल जानकारी को बढ़ाते हैं और उपस्थिति के साथ धुंधलापन उत्पन्न करते हैं। प्रसिद्ध गाऊसी धुंधलापन कर्नेल के रूप में गाऊसी वितरण में समाप्त होता है - बड़े मैट्रिक्स (5×5, 7×7) बाहरी किनारों की ओर घटते भार के साथ। यदि आप किनारों का पता लगाना चाहते हैं, तो आप सोबेल या रॉबर्ट्स जैसे एज डिटेक्शन कर्नेल का उपयोग करते हैं - वहां आस-पास के पिक्सेल के अलग-अलग संकेत होते हैं, जिससे संक्रमण संकुचित हो जाते हैं। शार्पनिंग समान रूप से काम करती है: एक उच्च केंद्रीय मान (जैसे, +5), नकारात्मक पड़ोसी - यह कंट्रास्ट को बढ़ाता है और परिभाषा लाता है।

सेट पर यह द्वितीयक है, लेकिन पोस्ट-प्रोडक्शन में - नुके, आफ्टर इफेक्ट्स या ग्रेडिंग पाइपलाइन के दौरान - कनवल्शन कर्नेल सर्वव्यापी हैं। आप हर बार मैन्युअल रूप से मैट्रिक्स नहीं लिखेंगे; सॉफ़्टवेयर में अनुकूलित कर्नेल के साथ तैयार फ़िल्टर लाइब्रेरी होती है। लेकिन यदि आपको कस्टम लुक की आवश्यकता है या समझना चाहते हैं कि पर्दे के पीछे क्या हो रहा है, तो आपको सिद्धांत को आत्मसात करना होगा। 3×3 मैट्रिक्स की तुलना में 5×5 मैट्रिक्स के लिए अधिक कंप्यूटिंग शक्ति की आवश्यकता होती है - यह वीएफएक्स-भारी शॉट्स में प्रासंगिक है। बड़े कर्नेल चिकनी परिणाम देते हैं, लेकिन अधिक विलंबता भी। कुछ डीओपी और वीएफएक्स सूप एक मजबूत के बजाय कई कमजोर कनवल्शन के साथ पुनरावृत्त ब्लर स्टैक बनाते हैं - यह अक्सर अधिक स्वाभाविक दिखता है और प्रदर्शन के अनुकूल भी होता है। एक महत्वपूर्ण बिंदु: कुछ फ़िल्टर (जैसे गॉस) के लिए कर्नेल ऑपरेशन विभाज्य होते हैं। आप पहले क्षैतिज रूप से, फिर लंबवत रूप से कनवॉल्व कर सकते हैं - यह भारी मात्रा में कंप्यूटिंग शक्ति बचाता है और इसलिए वास्तविक उत्पादन सॉफ़्टवेयर में मानक है।

याद रखें: कर्नेल जो "नहीं देखता" (छवि के किनारे), उसे एक्सट्रपलेशन करने की आवश्यकता होती है - मिरर, रैप या कॉन्स्टेंट-ब्लैक जैसी पैडिंग रणनीतियाँ यहां परिणाम को बदल देती हैं। तैयार कंपोजिट में, आप इसे एक किनारे की कलाकृति के रूप में देखेंगे यदि यह गलत कॉन्फ़िगर किया गया है।