¿Qué es la convolución de imágenes?
La convolución de imágenes calcula cada píxel de salida a partir de una vecindad ponderada de píxeles de entrada definida por una matriz de núcleo. Los valores y las dimensiones del núcleo determinan cómo contribuye la información circundante al resultado.
Cómo funciona la convolución de imágenes
Un núcleo de convolución se desliza sobre un ráster y combina muestras cercanas para obtener un nuevo valor en cada posición. Los núcleos simétricos de paso bajo suprimen las variaciones rápidas, mientras que los núcleos de derivadas y de paso alto destacan los cambios direccionales o las estructuras finas. Las implementaciones deben definir un punto de anclaje, el manejo de los canales, la precisión numérica y el tratamiento fuera de los límites de la imagen. En un pipeline multimedia, la convolución es la base del desenfoque, el realce de nitidez, las funciones de soporte del remuestreo y muchas etapas de preprocesamiento.
Datos clave
- Los coeficientes de un núcleo que suman uno suelen conservar el brillo de las áreas constantes; un núcleo cuya suma es cero, en cambio, elimina las regiones constantes y responde principalmente a los cambios.
- Un núcleo bidimensional separable puede evaluarse mediante una pasada horizontal y otra vertical, lo que reduce el trabajo y produce el mismo resultado salvo por el redondeo.
- El relleno con ceros, píxeles reflejados, bordes replicados o coordenadas cíclicas produce valores de borde diferentes, aunque todos los píxeles interiores sean idénticos.
Cuándo es importante la convolución de imágenes
Elige un núcleo adecuado para la operación prevista, como suavizado, realce de nitidez o detección de bordes, y define explícitamente su comportamiento en los límites. Los núcleos grandes aumentan el costo computacional, mientras que los núcleos mal normalizados pueden alterar el brillo.