Como uma foto vira uma tela numerada: por dentro do algoritmo

Quando você envia uma foto, ela vira uma pintura por números em poucos segundos — nenhum artista a redesenha e, por mais que em 2026 você possa supor, nenhum modelo de imagem por IA está envolvido. É uma cadeia de passos de processamento de imagem deliberados e repetíveis: ler as cores, reduzi-las a uma paleta fixa, encontrar as regiões, limpar o ruído e desenhar os contornos e os números. Veja o que cada passo realmente faz, em linguagem simples.

Passo 1: Ler as cores da sua foto

Uma foto pode conter dezenas de milhares de cores distintas — cada gradiente sutil de um céu são dezenas de azuis quase idênticos. Isso não dá para pintar, e você nem iria querer. Então a primeira tarefa é entender as cores que estão de verdade na sua imagem: quais tons aparecem, com que frequência e como se agrupam entre si. Nada é inventado aqui; a paleta vem inteiramente dos seus próprios pixels.

Passo 2: Reduzir a uma paleta fixa (quantização)

Em seguida vem a quantização de cor — o coração de tudo. O enorme conjunto de cores da imagem é reduzido a uma paleta pequena e fixa: 16 para uma pintura Esboço, até 128 para uma Insana. O algoritmo escolhe a paleta que melhor representa a foto e depois mapeia cada pixel para a cor de paleta mais próxima. É por isso que um pôr do sol ganha laranjas quentes e uma cena nevada ganha cinzas frios — a paleta é ajustada à imagem, não tirada de um pote.

Essa é uma técnica clássica e bem conhecida — a mesma família de algoritmos que um dia comprimia fotos em GIFs de 256 cores. Ela é determinística: a mesma foto com os mesmos ajustes produz a mesma paleta toda vez. Não há acaso nem palpite sobre como a imagem “deveria” ficar.

Passo 3: Encontrar as regiões

Uma vez que cada pixel veste uma de um punhado de cores, os pixels vizinhos da mesma cor formam formas contíguas. Detectar essas formas — manchas conectadas de uma única cor — transforma um mapa plano de cor em regiões: as zonas numeradas que você vai realmente pintar. Uma foto simples pode virar algumas centenas; uma detalhada, vários milhares.

Passo 4: Limpar o ruído

Fotos reais têm granulação, e uma passagem ingênua deixa um confete de pontinhos de um único pixel que seria impossível pintar. Por isso o pipeline faz a limpeza: regiões minúsculas são absorvidas pela vizinha maior com a qual mais se parecem, as bordas ficam nítidas em vez de borradas e o pontilhado ao longo dos limites é suavizado. O objetivo é uma tela em que cada região seja grande o bastante para ser vista e preenchida, sem perder os detalhes que tornam a imagem reconhecível — um brilho fino num olho, a borda de um maxilar, a linha de um horizonte.

Passo 5: Desenhar os contornos e os números

Por fim, os limites entre as regiões viram os contornos que você vê, cada região é rotulada com o seu número de paleta e a própria paleta vira a sua chave de cores. O resultado é armazenado como um mapa compacto de regiões mais a paleta e uma miniatura — tudo o que é necessário para renderizar e jogar a pintura, e para produzir uma tela em branco imprimível caso você prefira pintá-la à mão.

O que isso significa para você

Como é processamento de imagem determinístico e não um modelo generativo, três coisas decorrem daí. É rápido — segundos, não minutos. É fiel — o resultado é construído a partir das suas cores e formas reais, não da reinterpretação que uma máquina faz delas. E é privado: sua foto é usada apenas para construir a cena e é excluída dos servidores em até sete dias, e nunca é usada para treinar nenhum modelo de IA. Você pode ler os detalhes na nossa Política de Privacidade.

Isso também explica por que a foto de que você parte importa tanto. O algoritmo só consegue trabalhar com a cor e o detalhe realmente presentes na sua imagem — que é exatamente do que trata o guia de escolha da foto — e por que escolher um nível de detalhe é, na verdade, uma questão de quantas regiões e cores você quer, tema abordado no guia sobre como a quantidade de cores muda a dificuldade.