Calcular kernel de nitidez

Ela é útil quando uma biblioteca de imagens, um shader, um fluxo com Canvas ou um processador próprio exige coeficientes em vez de um controle deslizante. O resultado é determinístico, normalizado para preservar o brilho constante e pronto para ser copiado no código. Informe uma intensidade finita entre 0 e 5 para consultar os pesos centrais, laterais e dos cantos sem enviar nem processar uma imagem.

De um controle de nitidez a coeficientes concretos

Uma interface geralmente representa a nitidez com um único controle deslizante, mas um mecanismo de convolução precisa de nove números organizados como matriz. Esta calculadora faz a ligação entre essas duas representações. Ela começa com o kernel gaussiano 3x3 normalizado, cujas linhas são proporcionais a 1–2–1, e cria uma máscara de nitidez somando o sinal original e subtraindo um sinal desfocado multiplicado pela intensidade. Em notação compacta, o kernel é (1 + strength)I − strength·G, em que I é a matriz identidade e G é o kernel gaussiano. A matriz resultante apresenta coeficientes iguais nos cantos, outros iguais nas laterais e um coeficiente central maior. Com intensidade zero, a matriz é a identidade e mantém cada pixel inalterado. Ao aumentar a intensidade, os pixels vizinhos passam a contribuir negativamente e o peso central cresce, destacando o contraste local nas bordas. A soma dos coeficientes continua exatamente igual a um depois do arredondamento estável, portanto uma região totalmente uniforme preserva seu nível geral.

Como interpretar e aplicar a matriz 3x3

O resultado apresenta o kernel como três arrays em ordem de linhas. Para calcular cada pixel de saída, alinhe o centro da matriz ao pixel, multiplique cada coeficiente pelo pixel correspondente da vizinhança 3x3 e some os nove produtos. Aplique a mesma operação separadamente aos canais de cor, a menos que o sistema determine um fluxo exclusivo de luminância. O tratamento das bordas não faz parte desta estimativa, pois bibliotecas de convolução oferecem políticas diferentes, como repetir o pixel mais próximo, refletir a imagem, envolver coordenadas ou ignorar vizinhanças incompletas. Essas políticas podem alterar a aparência junto à moldura, mas não modificam o kernel. Algumas bibliotecas exigem uma lista plana; nesse caso, concatene as linhas retornadas de cima para baixo. Outras usam correlação em vez de convolução, porém este kernel tem simetria rotacional e produz os mesmos coeficientes nas duas orientações. O campo `coefficient_sum` permite conferir a normalização, enquanto `size` confirma a dimensão esperada para integrações programáticas.

Como escolher uma intensidade útil e entender o limite

Comece com uma intensidade moderada e avalie o resultado em imagens representativas, não apenas em um recorte de alto contraste. O aumento de nitidez amplia o contraste local: pode deixar detalhes reais mais claros, mas também pode reforçar ruído do sensor, blocos de compressão, oscilações e halos. O intervalo aceito vai de 0 a 5, inclusive. Esse limite explícito detecta porcentagens inseridas por engano e outras entradas acidentais antes que gerem coeficientes extremos. O valor 1 combina a imagem original com um residual completo entre a fonte e seu desfoque gaussiano; valores fracionários oferecem uma correção mais suave, enquanto valores maiores exageram o residual. O cálculo não examina uma imagem e, portanto, não consegue recomendar uma configuração esteticamente ideal. Ele estima somente o kernel matemático exato correspondente ao parâmetro solicitado. Para criar fluxos reproduzíveis, registre a intensidade junto com o tratamento de bordas, o espaço de cor, a política de canais e qualquer recorte ou quantização posterior. Essas escolhas costumam explicar diferenças visuais entre ferramentas com a mesma intensidade nominal.