Calcolare il kernel di nitidezza

È utile quando una libreria di immagini, uno shader, una pipeline Canvas o un elaboratore personalizzato richiede coefficienti anziché un cursore. Il risultato è deterministico, normalizzato per mantenere costante la luminosità e pronto da copiare nel codice. Inserisca un’intensità finita compresa tra 0 e 5 per esaminare i pesi centrali, laterali e angolari senza caricare né elaborare alcuna immagine.

Da un controllo di nitidezza a coefficienti concreti

Un’interfaccia descrive spesso la nitidezza con un solo cursore, mentre un motore di convoluzione richiede nove numeri disposti in una matrice. Questo calcolatore collega le due rappresentazioni. Parte dal kernel gaussiano 3x3 normalizzato, con righe proporzionali a 1–2–1, quindi costruisce una maschera di contrasto aggiungendo il segnale originale e sottraendo il segnale sfocato moltiplicato per l’intensità. In forma compatta, il kernel è (1 + strength)I − strength·G, dove I indica la matrice identità e G il kernel gaussiano. La matrice ottenuta presenta coefficienti uguali agli angoli, coefficienti uguali sui lati e un coefficiente centrale più grande. Con intensità zero diventa la matrice identità e lascia invariato ogni pixel. Aumentando l’intensità, i pixel vicini contribuiscono negativamente mentre cresce il peso centrale, mettendo in risalto il contrasto locale attorno ai bordi. Dopo l’arrotondamento stabile, la somma dei coefficienti rimane esattamente uno; perciò una zona perfettamente uniforme conserva il proprio livello complessivo senza schiarirsi o scurirsi sistematicamente.

Come interpretare e applicare la matrice 3x3

Il risultato mostra il kernel come tre array ordinati per riga. Per ciascun pixel di uscita, allinei il centro della matrice al pixel, moltiplichi ogni coefficiente per il pixel corrispondente nel vicinato 3x3 e sommi i nove prodotti. Applichi la stessa operazione separatamente ai canali colore, salvo che il sistema preveda un flusso basato soltanto sulla luminanza. La gestione dei bordi non rientra nella stima, perché le librerie offrono criteri diversi: replica del pixel più vicino, riflessione dell’immagine, riavvolgimento delle coordinate oppure esclusione dei vicinati incompleti. Tali criteri possono cambiare l’aspetto vicino alla cornice, ma non modificano il kernel. Se una libreria richiede una lista piatta, concateni le righe restituite dall’alto verso il basso. Altri strumenti usano la correlazione invece della convoluzione; poiché questo kernel è simmetrico rispetto alla rotazione, entrambe le direzioni producono gli stessi coefficienti. Il campo `coefficient_sum` consente di controllare la normalizzazione, mentre `size` conferma la dimensione prevista per i consumatori programmatici.

Come scegliere l’intensità e comprenderne il limite

Inizi con un’intensità moderata e valuti il risultato su immagini rappresentative, non soltanto su un ritaglio ad alto contrasto. L’aumento della nitidezza intensifica il contrasto locale: può rendere più chiari i dettagli reali, ma anche amplificare rumore del sensore, blocchi di compressione, oscillazioni e aloni. L’intervallo supportato va da 0 a 5, estremi inclusi. Il limite esplicito intercetta percentuali inserite per errore e altri valori accidentali prima che generino coefficienti estremi. Il valore 1 combina l’immagine originale con un residuo completo tra la sorgente e la relativa sfocatura gaussiana; i valori frazionari producono una correzione più delicata, mentre quelli maggiori esasperano il residuo. Il calcolo non esamina l’immagine e quindi non può consigliare un’impostazione estetica ideale. Stima esclusivamente il kernel matematico esatto associato al parametro richiesto. Per una pipeline riproducibile, registri anche la gestione dei bordi, lo spazio colore, la politica dei canali e qualsiasi ritaglio o quantizzazione successivi alla convoluzione. Queste scelte spiegano spesso le differenze visive tra strumenti con la stessa intensità nominale.