# Núcleo de Convolución Personalizado Aplica un núcleo de convolución personalizado definiendo tus propios valores de matriz para efectos de imagen personalizados y procesamiento > Página canónica: https://elysiatools.com/es/tools/image-custom-kernel - **Categoría:** Design - **Palabras clave:** imagen, personalizado, convolución, núcleo, matriz, filtro, efectos, personalización ## Descripción general Aplica filtros de imagen avanzados definiendo tus propios núcleos de convolución mediante matrices personalizadas. Esta herramienta te permite manipular píxeles directamente para lograr efectos visuales únicos, desde detección de bordes hasta desenfoques artísticos, ajustando la intensidad y normalización del filtro según tus necesidades. ## Entradas - **Archivo de Imagen** (file): Imagen para aplicar núcleo de convolución personalizado - **Tamaño del Núcleo** (select): Tamaño de la matriz de convolución - **Valores del Núcleo** (textarea): Valores de la matriz (izquierda a derecha, arriba a abajo). Para 3x3: 9 valores, para 5x5: 25 valores, etc. - **Intensidad** (number): Fuerza del efecto de convolución (0.1-10.0) - **Normalizar Núcleo** (checkbox): Normalizar el núcleo para que la suma de todos los elementos sea 1 (excepto para detección de bordes) - **Modo de Salida** (select): Procesamiento adicional en la salida ## Cuándo usarlo - Cuando necesites aplicar filtros de imagen específicos que no están disponibles en editores estándar. - Para realizar experimentos de visión artificial o procesamiento de señales digitales en imágenes. - Al buscar un control preciso sobre la nitidez, el contraste o la textura de una fotografía mediante operaciones matemáticas de matriz. ## Cómo funciona - Sube tu archivo de imagen en formato compatible (JPEG, PNG, WEBP, etc.). - Selecciona el tamaño de la matriz (3x3, 5x5 o 7x7) e ingresa los valores numéricos correspondientes. - Ajusta la intensidad y decide si deseas normalizar el núcleo para equilibrar el brillo de la imagen resultante. - Elige un modo de salida adicional, como escala de grises o negativo, y procesa la imagen para obtener el resultado final. ## Casos de uso - Creación de filtros artísticos personalizados para fotografía digital. - Detección de bordes y contornos para análisis de documentos o imágenes técnicas. - Suavizado de ruido o mejora de detalles específicos en imágenes de baja calidad. ## Preguntas frecuentes ### ¿Qué es un núcleo de convolución? Es una pequeña matriz de números que se desliza sobre una imagen para modificar el valor de cada píxel basándose en sus vecinos, creando efectos como desenfoque o relieve. ### ¿Cómo debo ingresar los valores de la matriz? Debes introducirlos separados por comas, siguiendo el orden de izquierda a derecha y de arriba a abajo según el tamaño de matriz seleccionado. ### ¿Qué hace la opción de normalización? Asegura que la suma de todos los elementos de la matriz sea 1, lo que evita que la imagen resultante se vuelva demasiado clara o demasiado oscura. ### ¿Qué formatos de imagen son compatibles? La herramienta admite archivos JPEG, PNG, WEBP, GIF, BMP y TIFF. ### ¿Puedo aplicar múltiples filtros a la vez? La herramienta aplica un núcleo personalizado por cada proceso; puedes encadenar resultados guardando la imagen y volviéndola a subir si necesitas aplicar varios filtros. ## Herramientas relacionadas - [Efecto de Mezcla de Imágenes](https://elysiatools.com/es/tools/image-add-blending): Mezclar múltiples imágenes usando varios modos de mezcla para composiciones creativas y efectos - [Filtro Bilateral](https://elysiatools.com/es/tools/image-bilateral-filter): Aplica filtro bilateral para suavizado que preserva bordes, reduciendo ruido mientras mantiene detalles de imagen - [Desenfoque de Caja](https://elysiatools.com/es/tools/image-box-blur): Aplica desenfoque de caja para promedio uniforme simple y reducción rápida de ruido - [Fusión de Quemado de Color de Imagen](https://elysiatools.com/es/tools/image-color-burn): Aplica el modo de fusión quemado de color entre dos imágenes para oscurecimiento dramático y efectos de color intensos - [Fusión de Sobreexposición de Color de Imagen](https://elysiatools.com/es/tools/image-color-dodge): Aplica el modo de fusión sobreexposición de color entre dos imágenes para efectos brillantes, etéreos y luminosos - [Núcleo de Convolución de Imagen](https://elysiatools.com/es/tools/image-convolve): Aplica núcleos de convolución estándar (desenfoque, nitidez, detección de bordes, relieve) para procesamiento de imagen y efectos - [Desenfoque Gaussiano](https://elysiatools.com/es/tools/image-gaussian): Aplica desenfoque gaussiano para suavizado y reducción de ruido con control preciso - [Operación de Gradiente de Imagen](https://elysiatools.com/es/tools/image-gradient): Aplica operaciones de gradiente (Sobel, Prewitt, Roberts) para detección de bordes y mejora de imagen ## Ejemplos - [Ejemplos de Procesamiento de Imágenes Web Python](https://elysiatools.com/es/samples/web-image-processing-python): Ejemplos de procesamiento de imágenes Web Python usando PIL/Pillow incluyendo lectura, guardado, redimensionamiento y conversión de formato - [Ejemplos de Procesamiento de Imágenes Web TypeScript](https://elysiatools.com/es/samples/web-image-processing-typescript): Ejemplos de procesamiento de imágenes Web TypeScript incluyendo lectura/guardado de imágenes, escalado y conversión de formato - [Ejemplos de Procesamiento de Imágenes Android Java](https://elysiatools.com/es/samples/android-image-processing-java): Ejemplos de procesamiento de imágenes Android Java incluyendo lectura/escritura, escalado y conversión de formato - [Ejemplos de Procesamiento de Imágenes Android Kotlin](https://elysiatools.com/es/samples/android-image-processing-kotlin): Ejemplos de procesamiento de imágenes Android Kotlin incluyendo lectura/escritura, escalado y conversión de formato ## Contenido relacionado - [Laboratorio de detección de bordes y núcleos de convolución para imágenes](https://elysiatools.com/es/hubs/image-edge-detection-and-convolution-kernels): Extrae el canal de luminancia, suprime el ruido con un radio documentado, compara los operadores Sobel, Prewitt, Roberts y Laplaciano, ajusta la detección con umbrales y reproduce el resultado ganador como un núcleo de convolución explícito.