Ga naar hoofdinhoud
BVDART Logo

Hoe Convolution Kernels Kunst Werden

⊘ Deep Dive• 3 min leestijd
kernelscreative-processtechnique
Van beeldbewerkings­tool tot creatief medium — hoe het toepassen van matrices op ruisvelden een nieuwe visuele taal ontsloot.

Van functie naar kunst

Toen ik voor het eerst over convolutie leerde, waren kernels puur functioneel — gereedschap voor hetvervagen, verscherpen en randdetectie. Een 3×3 matrix van getallen, mechanisch toegepast. Het kwam nooit bij me op dat dezelfde wiskunde ook kunst kon voortbrengen.

De doorbraak kwam toen ik stopte met kernels te zien als correcties en ze begon te behandelen als creatieve transformaties op willekeurige ruisvelden.

Een matrix verandert de omgeving

Invoerbeeld48 × 48 px
Klik om een pixel te bekijkenx 24 · y 24
De kernel3 × 3
Randen

Bewaar de veranderingen. Laat egale vlakken verdwijnen.

UitvoerbeeldRanden
Uitvoerbeeld

Elke pixel, opnieuw berekend.

Schuif. Vermenigvuldig. Tel op. Herhaal.

Pixel 1.177 / 2.304
Achter de schermen
02 / Achter de schermen

Eén pixel. Negen kleine beslissingen.

Neem een pixel en zijn acht buren. Vermenigvuldig elke waarde met het kernelgewicht en tel de resultaten op.

De gekozen pixel[24, 24]
1. Lees de buurt

Helderheid van 0 tot 255

2. Pas de gewichten toe

Kernel 180° gedraaid voor convolutie

3. Tel alles op
0
som -91 ÷ 1 = -91
Zwart
Wit

Onder 0 → afgekapt naar zwart.

In een egaal gebied heffen positieve en negatieve gewichten elkaar op. Bij een rand niet: positieve reacties lichten op. Negatieve reacties worden afgekapt naar zwart.

03 / Ontwikkel je intuïtie

Dezelfde bewerking. Andere manieren van kijken.

Dit voorbeeld gebruikt gegenereerde grijswaardepatronen, een stapgrootte van één en herhaalde randpixels. Resultaten worden afgerond en begrensd tot 0–255. Convolutie draait de kernel 180°; deze presets zijn symmetrisch en blijven daarbij gelijk. Het Lab past de matrix direct toe (correlatie): draai een asymmetrische matrix zelf om dit voorbeeld daar na te maken.

Scan dezelfde ring met randdetectie, identiteit en vervagingskernels. Gebruik een regelaar om het over te nemen.

Bewerk de coëfficiënten en inspecteer één uitvoerpixel. Deze studie draait de matrix voor wiskundige convolutie; het Lab past hem direct toe. Draai asymmetrische kernels daarom 180° om de resultaten te vergelijken.

Probeer het zelf
  1. Wissel tussen Origineel, Vervagen, Verscherpen en Randen. Probeer ringen, het schaakbord en golven.
  2. Klik op een pixel of gebruik de pijltjestoetsen, bewerk een gewicht of de deler en volg hieronder de buurt, gedraaide gewichten en uitvoerhelderheid. Stap of animeer de scan om door het beeld te bewegen.

Let op: Vervagen deelt helderheid met de buren. Verscherpen versterkt plaatselijke verschillen. Een randkernel heft egale gebieden op: positieve reacties lichten op, negatieve worden zwart.

Volledige uitleg Open in het Lab

Kernels op ruis

Een Sobel-kernel, ontworpen om randen in foto’s te vinden, onthult richelstructuren in Perlin-ruis die eruitzien als bergketens van bovenaf. Een Laplaciaan, bedoeld voor contourdetectie, creëert elektrische halo’s rond ruisstructuren. Het wiskundige doel is irrelevant — het gaat om het visuele resultaat.

sobel-on-noise.js
// The Sobel operator on a Perlin noise field
const sobelX = [[-1,0,1], [-2,0,2], [-1,0,1]];
const sobelY = [[-1,-2,-1], [0,0,0], [1,2,1]];

// Magnitude: √(Gx² + Gy²)
// Reveals directional structure hidden in noise
javascript

Haal textuur uit ruis

Perlinruis als invoer, één octaaf
Hetzelfde ruisveld96 × 72 · één octaaf

Een hogere frequentie maakt kleinere structuren. Houd het zaad gelijk om hun vorm te vergelijken.

Ruis verwerkt met de gekozen Lab-kernel
Reliëf100% · één bewerking

De diagonale gewichten maken ribbels van kleine helderheidsverschillen, zodat de ruis reliëf lijkt te krijgen.

Toegepaste matrix
-2-10-111012

Σ(I × K) ÷ 1 + 0

Resultaat = I + 1.00 × (gefilterd − I)

Gemiddelde absolute pixelverandering54.79 / 255

Probeer intensiteit 0: het resultaat wordt exact het origineel. Bij 1 zie je het volledige resultaat van de echte Lab-kernel. De matrix wordt direct toegepast, zoals in het Lab (correlatie), met herhaalde randpixels, RGB-kanalen en 8-bit-begrenzing vóór het mengen. Wiskundige convolutie zou de matrix 180° draaien.

Laat de gekozen kernel uit- en weer infaden terwijl het Perlinveld gelijk blijft. Gebruik een regelaar om het over te nemen.

Behoud hetzelfde Perlin-veld terwijl je reliëf, randen en vervaging vergelijkt. Alleen de gekozen kernel en zijn sterkte veranderen de uitvoer.

Probeer het zelf
  1. Houd het ruiszaad gelijk en vergelijk Reliëf, Sobel X en Gemiddelde vervaging.
  2. Zet Kernelintensiteit op 0 en daarna weer op 1. Verander Ruisfrequentie om fijnere en bredere structuren te vergelijken.

Let op: Bij intensiteit 0 is het resultaat exact gelijk aan de invoer. De kernelkeuze verandert de echte berekening met buurpixels; negatieve Sobel-uitkomsten worden zwart bij de Lab-preset.

Volledige uitleg Open in het Lab

Kernelpersoonlijkheid

Elke kernel heeft een persoonlijkheid. Gaussiaanse blur creëert zachte, dromerige velden. Laplaciaan-accenten produceren elektrische contouren. Emboss geeft vlakke ruis een sculpturale kwaliteit. En wanneer je ze koppelt — eerst blur, dan edge-detect, dan sharpen — ontstaan composities die onmogelijk te voorspellen zijn maar altijd structureel coherent blijven.

Een creatieve taal

Dit is de kern van veel van mijn kunst: het vocabulaire van beeldbewerking gebruiken als een creatieve taal en de wiskunde ons laten verrassen. Elk kunstwerk begint met ruis, en elke compositie ontstaat uit een specifieke reeks kerneltransformaties.

Gerelateerde concepten

Gerelateerde artikelen

Gerelateerde kunstwerken

Verken gerelateerde secties

Meer over het werk: