Filter, das lokale Pixel-Nachbarschaften analysiert und modifiziert — Median, Gaussian, Bilateral. Arbeitet direkt im Bildraum, nicht in Frequenzbändern wie FFT-Filter.
Am Set oder im Schnitt brauchst du oft schnelle, lokale Bildkorrektionen — nicht globale Effekte über das ganze Frame. Hier greifen räumliche Filter an: Sie schauen sich jeden Pixel und seine unmittelbare Nachbarschaft an, berechnen einen neuen Wert basierend auf dieser kleinen Region und schreiben das Ergebnis zurück. Das passiert parallel für jeden Punkt im Bild, deshalb ist die Performance auch bei hohen Auflösungen praktikabel.
Die klassischen Typen: Ein Median-Filter sortiert die Pixelwerte in der Nachbarschaft und nimmt den mittleren — brutal effektiv gegen Rauschen und einzelne Artefakte, ohne die Kanten zu verwischen wie ein Gaußian würde. Genau das brauchst du, wenn deine DNG-Sequenz Sensor-Noise hat, aber du die Detailschärfe behalten willst. Ein Gaussian Blur ist das Gegenteil: gleichmäßige Gewichtung mit Falloff — erzeugt die klassische weiche Unschärfe für Motion Blur Compositing oder als Basis für lokales Color Grading. Der Bilateral Filter ist der Kompromiss: Er glättet Farbgradienten, respektiert aber Edge-Übergänge. Wenn du ein Gesicht glätten willst, ohne dass es wie Plastilin aussieht, ist Bilateral deine erste Wahl.
Im Compositing-Alltag nutzt du räumliche Filter für Denoise-Operationen vor dem Keying, zur lokalen Helligkeit-Homogenisierung bei grünen Screens mit ungleichmäßiger Ausleuchtung oder um einzelne Pixel-Fehler in CGI-Renders zu glätten, bevor du sie layerst. Auch beim Erstellen von Matten — Dilate, Erode — arbeiten räumliche Filter: Sie expandieren oder schrumpfen Weiß-Bereiche basierend auf Pixel-Nachbarschaft. Das ist schneller und lokaler als globale Transformationen und gibt dir präzisere Kontrolle über problemhafte Bereiche.
Wichtig: Räumliche Filter operieren direkt im Bildraum — nicht im Frequenz-Bereich wie FFT-basierte Filterungen. Das macht sie intuitiver zu kontrollieren (Radius statt Frequenz-Cutoff), aber auch weniger flexibel bei komplexen Artefakt-Patterns. Größere Filter-Kernel kosten exponentiell Performance — eine 5×5-Matrix ist still cheap, aber 21×21 beginnt zu drücken. Pro-Tipp: Separable Filter (erst horizontal, dann vertikal) für Gaußian und Median reduzieren die Komplexität dramatisch.