Quem decide onde a sua foto é cortada: os três regimes de recorte automático

Os três regimes que decidem onde a sua foto é cortada

Você subiu o mesmo arquivo em dois lugares. Num deles a foto ficou como você esperava. No outro, o topo da cabeça sumiu, ou a miniatura pegou a parede atrás de você e deixou metade do rosto de fora. Nenhum byte do arquivo mudou entre um envio e outro. O que mudou foi quem decidiu onde cortar, e recorte automático não é uma coisa só: é isso que esta página separa.

Existem três decisores possíveis, e eles se comportam de maneiras diferentes o bastante para você distinguir de fora, sem acesso ao código de ninguém.

Regime 1, centro fixo. O destino pega o meio do arquivo e ignora o conteúdo. É determinístico: duas fotos suas com o mesmo enquadramento saem cortadas no mesmo ponto. É também o padrão normativo da web, e a documentação da MDN sobre o alinhamento de imagem dentro da caixa publica, na tabela formal da propriedade, Initial value: 50% 50%. Sem instrução em contrário, o navegador alinha no centro geométrico.

Regime 2, região escolhida por um modelo. Um software analisa a imagem e escolhe qual pedaço preservar. A documentação de recorte automático da Cloudinary descreve o critério sem rodeio: "the most interesting areas of each image are selected as the main focus for the requested crop, not only for photos with faces, but for any content type" (as áreas mais interessantes de cada imagem são selecionadas como foco do recorte pedido, não só em fotos com rostos, mas em qualquer tipo de conteúdo), e acrescenta que cada imagem é analisada individualmente para achar a região ideal. Consequência direta e verificável: duas fotos suas, no mesmo enquadramento, podem sair cortadas em pontos diferentes.

Regime 3, você arrasta o retângulo. O destino abre um editor no momento do envio e devolve a decisão para você, com moldura, zoom ou pontos de canto. É o único regime em que o corte é escolha sua, e o único que você reconhece sem deduzir nada: ou a moldura aparece na tela, ou não aparece. O passo a passo de um editor de recorte desse tipo já está escrito em outro artigo daqui; aqui interessa a categoria, não os cliques.

Essa divisão em três não é invenção de blog: é o agrupamento prático de uma tabela revisada por pares, a Tabela 1 (página 16) do estudo Image Cropping on Twitter, aceito no CSCW 2021, que compara seis abordagens de recorte ao longo de um eixo chamado User Agency, agência do usuário. Nesse eixo, o recorte pelo ponto mais chamativo aparece como "User Agency: None", deixar a pessoa escolher o ponto focal aparece como "User Agency: Full" e não recortar nada aparece como "WYSIWYG", o que você vê é o que sai. Vale para o artigo inteiro: essa tabela é uma proposta de alternativas feita pelos autores, não um retrato do que cada plataforma faz hoje.

O teste dos dois arquivos: dez minutos para descobrir o regime

Nenhum destino publica em qual regime ele opera, mas os três deixam rastro diferente. Faça os quatro sinais abaixo na ordem, que é a do mais barato para o mais trabalhoso, e pare no primeiro que responder.

1. Duas fotos, mesmo enquadramento, mesmo destino. Escolha duas fotos suas tiradas na mesma sessão, com a cabeça na mesma posição do quadro, e suba uma depois da outra. Se os cortes saírem em pontos diferentes, o destino não é centro fixo: a decisão depende do conteúdo da imagem, e o conteúdo foi a única coisa que mudou.
2. A miniatura contra o tamanho grande. Do mesmo arquivo já publicado, compare o avatar pequeno da lista com a foto aberta. Se os dois cortam em lugares diferentes, existe pelo menos um recorte automático no caminho, porque nenhum corte determinístico muda de ponto por causa do tamanho pedido.
3. A isca colorida. Monte dois arquivos idênticos, com o seu rosto fora do centro (no terço esquerdo, por exemplo). Num deles, cole um quadrado de cor forte e chapada no canto oposto ao rosto, ocupando algo em torno de 5% da área do quadro. No outro, deixe o mesmo espaço vazio. Se o corte pular na direção do quadrado colorido, você está num regime que procura a região mais chamativa.
4. O retângulo apareceu. Se, ao enviar, o destino abrir uma moldura para arrastar, acabou o diagnóstico: é o regime 3, e a decisão é sua. Vale conferir se o recorte que ele sugere sozinho já vem deslocado, porque a sugestão inicial costuma vir de um dos outros dois regimes.

Duas ressalvas antes de você concluir alguma coisa. O teste diz como o destino se comporta, não qual algoritmo ele roda: nome de biblioteca não se descobre por observação. E a resposta vale por campo, não por plataforma. O mesmo site pode ter um campo de foto de perfil com editor e um campo de capa sem editor nenhum, e os dois responderem diferente ao mesmo arquivo.

O que saliência quer dizer, e por que o mais chamativo nem sempre é você

Antes do mecanismo, uma distinção que se perde o tempo todo. Aqui, recorte é recorte de enquadramento: qual pedaço retangular do arquivo aparece na tela. Existe outro recorte, o de silhueta, que separa a pessoa do fundo e é o que o modo Retrato do celular faz ao desfocar atrás de você; esse tem tratamento próprio em como a distância até o fundo muda a separação entre você e a parede. São mecanismos distintos, e toda vez que este artigo escrever recorte, é o de enquadramento.

Saliência é a tentativa de prever para onde um olho humano iria primeiro. A documentação da biblioteca sharp, uma biblioteca de processamento de imagem em Node.js, publica a heurística inteira numa linha: a estratégia attention foca "the region with the highest luminance frequency, colour saturation and presence of skin tones" (a região com maior frequência de luminância, saturação de cor e presença de tons de pele). Repare no que está no meio dessa lista: saturação de cor. Não é rosto. Rosto entra por outro termo, e empatado com os outros dois.

A mesma página descreve como a escolha acontece: a abordagem por estratégia redimensiona até uma das dimensões chegar ao alvo e depois "repeatedly ranks edge regions, discarding the edge with the lowest score", classifica as regiões de borda e vai descartando a de menor pontuação até a imagem caber. Se o seu rosto está numa borda, ele está na fila para ser comido.

Um fornecedor descreve o mesmo processo em português e em três passos. A página do corte inteligente do Azure Vision diz que a API "usa o corte inteligente para criar miniaturas de imagem intuitivas que incluem as regiões mais importantes de uma imagem, com prioridade dada a todos os rostos detectados", e o primeiro dos três passos é "remova os elementos de distração da imagem e identifique a área de interesse". Guarde a expressão elemento de distração: distração é o que o algoritmo decidir que é. E na versão prévia 4.0 do mesmo recurso, página que traz aviso de preterição do serviço e que li em 02/09/2026, está o aviso que explica metade das dores deste artigo: "a caixa delimitadora gerada pode variar muito dependendo do que você especificar para a taxa de proporção".

Também não existe o algoritmo de corte inteligente, no singular. Dentro do mesmo fornecedor convivem dois que podem discordar sobre a mesma foto: a Cloudinary descreve um algoritmo "AI-based (subject)", que procura "the subjects of an image that are most likely to attract a person's gaze", e um "saliency (classic)", que combina "saliency heuristics, edge detection, light, skin-tone prioritization, and more". No exemplo publicado por eles, o clássico escolhe o jardim colorido do canto e o outro escolhe a pessoa. Mesma imagem, duas janelas diferentes.

E procurar rosto é um terceiro mecanismo, separado dos dois. Na documentação de recorte por detecção de rosto, a regra é explícita: "face - the region of the image that includes the single largest face", a região que inclui o maior rosto, com o aviso de que detecção de rosto "is not the same as facial-recognition technology". Numa foto com duas pessoas, esse regime escolhe o rosto maior, que pode não ser o seu; e se nenhum rosto for detectado, o comportamento documentado é não aplicar nada.

Fecha o quadro um detalhe que liga o assunto à composição que você aprendeu a fazer: a mesma documentação da Cloudinary diz que "by default, the automatic gravity algorithm uses the rule of thirds principle", por padrão o algoritmo automático usa o princípio da regra dos terços, e que existe um parâmetro para desligar isso e voltar ao centro. A máquina compõe com a mesma regra que você usa, o que é boa notícia se a sua composição já respeita a grade dos terços, e péssima quando o ponto forte da grade está ocupado por outra coisa que não seja o seu rosto. A legenda da primeira figura do estudo do Twitter lista o que costuma ocupar esse lugar: "humans, objects, texts, and high-contrast backgrounds" (pessoas, objetos, textos e fundos de alto contraste).

O que eu medi: oito retratos, uma placa laranja e a metade que virou

Como não dá para abrir o código de destino nenhum, medi o mecanismo onde ele está publicado: em 02/09/2026, na minha máquina, com a biblioteca sharp 0.34.5 (libvips 8.17.3) sobre Node 24.18.0. Ela serve porque a saída devolve o ponto focal que ela escolheu: "when using the attention crop strategy also contains attentionX and attentionY, the focal point of the cropped region". Em vez de olhar o resultado e adivinhar, dá para ler a coordenada.

A isca foi montada assim: um quadro de 1.536 x 1.024 px, com um retrato de 1.024 x 1.024 px colado à esquerda (rosto no terço esquerdo) e uma placa quadrada de cor chapada no canto oposto, a 40 px da borda direita, sobre fundo cinza-claro. O corpus tem 8 retratos, todos de personas sintéticas, nunca pessoas reais. Repetir isso com as suas fotos são umas quarenta linhas de Node: montar a isca com composite, pedir o recorte com fit: 'cover' e position: sharp.strategy.attention, e ler attentionX no objeto de saída.

O primeiro resultado: com a placa laranja de 500 x 500 px, 4 dos 8 retratos perderam a janela. O ponto de atenção caiu em x = 1.488, dentro da placa, e o recorte quadrado saiu na borda direita, com metade do rosto de fora. Sem placa nenhuma, os 8 ficam no rosto, mas com três deslocamentos distintos entre si: mesmo quando acerta, o regime 2 não é o mesmo corte para todo mundo.

O segundo resultado é o que dá utilidade ao primeiro. Variei só a cor da placa, mantendo área, forma e posição idênticas. Laranja: 4 de 8 viraram. Xadrez saturado: os mesmos 4. Cinza médio: nenhum. Tom de pele: nenhum. A geometria não mudou nada; a saturação mudou tudo, exatamente como o literal da biblioteca prometia.

O terceiro é o preço de entrada. Varrendo o lado da placa laranja de 180 a 500 px, de 20 em 20, os quatro que viram trocaram de janela com lados de 220, 220, 240 e 300 px, ou seja, entre 3,08% e 5,72% da área do quadro. Um objeto que ocupa três centésimos da imagem já basta para disputar o recorte com um rosto. Os outros quatro não viraram nem com a placa em 500 px, que é 15,9% do quadro.

Três observações fecham o método, e as três são desconfortáveis. A primeira: o recorte centrado, o burro, preservou o rosto inteiro nos 8 retratos, enquanto o inteligente perdeu em 4. Isso vale nesta isca, em que o rosto está perto do centro do quadro; com o rosto na borda o resultado se inverte. A segunda: os 8 retratos do corpus já trazem um crachá laranja no peito, um segundo elemento saturado dentro do próprio retrato, que pode ter influenciado o resultado e, de quebra, ilustra o argumento desta página. A terceira, a mais importante: são 8 imagens sintéticas, com roupas e fundos diferentes entre si. Isto não é medição de disparidade, e nada demográfico pode ser lido nos quatro que viraram: a amostra não permite, e não era essa a pergunta.

O estudo que a própria plataforma publicou sobre o próprio recorte

O documento mais informativo sobre recorte automático não veio de pesquisador de fora: veio de dentro. Em Image Cropping on Twitter, Kyra Yee, Uthaipon Tantipongpipat e Shubhanshu Mishra, então na própria empresa, descrevem o mecanismo em uma linha: "Twitter uses machine learning to crop images, where crops are centered around the part predicted to be the most salient" (a plataforma usa aprendizado de máquina para recortar imagens, e os recortes são centrados na parte prevista como mais chamativa). Depois escrevem o que encontraram: "we find systematic disparities in cropping" (encontramos disparidades sistemáticas no recorte).

O que interessa aqui é o efeito que eles nomeiam, o argmax bias. Traduzido para o problema do seu retrato: o modelo dá uma nota para cada ponto da imagem e só o vencedor conta. Quando dois pontos estão quase empatados, uma diferença minúscula troca o vencedor e a janela salta de um lado para o outro. Não existe meio-termo nem segundo lugar. É por isso que a mesma foto pode ser cortada de um jeito na miniatura e de outro no tamanho grande, e é o que apareceu na minha bancada em 2 dos 16 casos, um deles nem crescente nem decrescente: rosto a 1024 px, placa a 400 px, rosto de novo a 150 px.

E aqui entra o número que modera o susto. Numa amostra escolhida de propósito para maximizar esse caso (imagens altas, com mais de uma região chamativa), os autores relatam, na seção 3.4 do PDF, que "no more than 3 out of 100 images per gender have the crop not on the head" (não mais que 3 em 100 imagens por gênero tiveram o recorte fora da cabeça). É pouco, e é pouco justamente numa amostra montada para ser o caso difícil. Melhor ainda: eles nomeiam a causa, e é a mesma da minha placa laranja. "The crops not on heads were due to high predicted salient scores on parts of the image such as a number on the jersey of sports players or a badge": número na camisa e crachá.

A conclusão dos autores é a parte que muda o que você faz. Eles não recomendam que as pessoas aprendam a agradar o modelo. Recomendam desligar o modelo: "we suggest the removal of saliency-based cropping in favor of a solution that better preserves user agency" (sugerimos a remoção do recorte baseado em saliência em favor de uma solução que preserve melhor a agência do usuário). Para quem publica o próprio retrato, a tradução prática é escolher o destino que devolve o retângulo sempre que houver escolha, e tratar o resto como terreno incerto.

Dois limites que o próprio estudo impõe: ele mede uma plataforma, com um conjunto de dados próprio, e nada ali se estende a outra empresa; e os autores dedicam boa parte do texto a argumentar que métricas formais de justiça, sozinhas, são insuficientes para descrever o problema.

Sintoma, causa e correção: o que fazer com o corte que você já viu

Com os três regimes na cabeça, o diagnóstico deixa de ser adivinhação, e a correção quase nunca é reenviar o mesmo arquivo esperando outro resultado. Ache a linha que descreve o que você viu na tela, confirme o regime provável com o teste dos dois arquivos e aplique a correção.

Uma advertência sobre a coluna do meio: regime provável é hipótese, não afirmação sobre a plataforma. Não testei nenhum destino real, e dizer qual regime cada site usa seria inventar. A tabela reduz o espaço de busca de quatro ou cinco explicações para uma ou duas, e o teste confirma qual delas é.

Quando o centro não é o meio, a conta de área muda

Este blog já publicou a aritmética do recorte centrado: a conta dos 40,89% que sobrevivem ao recorte centrado cruza a faixa de 683 px que atravessa todos os recortes verticais com a máscara circular do avatar, num arquivo de 1.536 x 1.024 px, e chega a pouco mais de 40% da área original ainda visível em todos os destinos. Esse número continua valendo, e vale melhor do que parecia: ele é o teto, integral no regime 1 e melhor caso possível nos regimes 2 e 3. O que muda quando a janela pode estar em qualquer lugar não é a conta dele, é a premissa.

A pergunta que este artigo acrescenta é outra: e se a janela de recorte puder estar em qualquer posição? A faixa que sobrevive a qualquer posição é a interseção de todas elas, e tem fórmula fechada. Chamando de L a largura do recorte e de W a largura do arquivo, a faixa garantida é max(0, 2L menos W). No mesmo arquivo de 1.536 px de largura, dá isto:

• Recorte 1:1 (avatar), 1.024 px de largura: a janela desliza 512 px, e a faixa garantida é de 512 px, ou 33,33% da largura do arquivo.
• Recorte 4:5 (retrato), 819 px de largura: a janela desliza 717 px, e sobram 102 px garantidos, 6,64%.
• Recortes 3:4, 2:3 e mais estreitos: a janela desliza mais do que a própria largura do recorte, e a faixa garantida é zero. Não existe pedaço do arquivo que sobreviva a todas as posições possíveis.

Falta a máscara circular, e ela é o que separa este caso do anterior: no regime 1 o círculo fica parado; nos outros dois ele viaja junto com a janela. Fique só no avatar, para comparar destino igual com destino igual. Com a janela centrada, o círculo inscrito nos 1.024 px cobre 823.550 px, 52,36% do arquivo. Com a janela em posição desconhecida, o que sobrevive é a interseção dos dois círculos extremos, o da janela toda à esquerda e o da janela toda à direita, que tem a mesma forma fechada usada na conta original: A = 2R² · arccos(d / 2R) menos (d / 2) · raiz(4R² menos d²), com R = 512 px e d = 512 px de distância entre os centros. Dá 322.010 px, ou 20,47% do arquivo: para o mesmo destino, trocar o recorte centrado por uma posição desconhecida custa 60,9% da área garantida. E o efeito no que interessa, o tamanho da sua cabeça, é mais direto: num recorte centrado ela pode ocupar até os 1.024 px da janela, dois terços da largura do quadro; numa posição desconhecida, precisa caber nos 512 px garantidos. O teto cai exatamente pela metade.

É por isso que a resposta a um recorte incerto não é ampliar a foto, e sim abrir o enquadramento e recentralizar a cabeça. Você paga em pixels de rosto o que compra em segurança, e a régua em pixels do que ainda se lê dentro do quadro ajuda a decidir até onde dá para abrir.

As duas linhas de enquadramento que sobrevivem aos três regimes

Todo o resto do artigo desemboca em duas instruções. Elas servem para quem está posicionando a câmera e para quem vai acrescentar linhas a um pedido de imagem gerada, e por isso vão aqui em inglês, o idioma em que a maioria dos geradores tem menos margem de interpretação.

Framing: head fully inside the central half of the frame on both axes,
with enough headroom to survive a square crop taken anywhere across the frame.
Background: plain and desaturated, no signage, no logo, no bright coloured
object anywhere in frame except the person.

Em português: a cabeça inteira dentro da metade central do quadro nos dois eixos, com ar suficiente acima para sobreviver a um recorte quadrado tirado de qualquer posição; e fundo liso e dessaturado, sem placa, sem logo e sem nenhum objeto de cor forte dentro do quadro além da pessoa.

A primeira linha existe porque a metade central é literalmente a faixa garantida da conta anterior: no recorte 1:1, tudo que está fora dela pode ser cortado por alguma posição de janela. A segunda existe porque a saturação foi a única variável que virou o jogo na bancada, com a placa cinza de mesma área não movendo nenhum dos oito cortes e a laranja movendo quatro. Juntas, são a única configuração em que os três regimes concordam: o centro fixo pega a sua cabeça porque ela está no meio, o modelo pega a sua cabeça porque não sobrou concorrente saturado, e você, no editor, não precisa corrigir nada.

O custo está declarado e é real: o teto de largura da cabeça cai pela metade, então o rosto sai menor em pixels do que sairia num enquadramento fechado. Duas compensações honestas: envie no maior tamanho que o campo aceitar, e lembre que crachá, bordado colorido ou estampa forte na sua própria roupa também é objeto saturado dentro do quadro.

Cinco conferências antes de subir a foto num destino novo

1. Rodar o teste dos dois arquivos, ou pelo menos comparar a miniatura com a foto grande, para saber em qual regime você caiu.
2. Olhar o resultado no tamanho pequeno, e não só no grande. A miniatura é o que aparece na lista, no comentário e na notificação.
3. Varrer o quadro atrás de qualquer objeto saturado: placa, logo, painel, reflexo de janela, crachá, garrafa colorida na mesa.
4. Conferir se a cabeça inteira cabe na metade central do arquivo, com ar acima do cabelo.
5. Se houver editor de recorte, usar o editor. É o único regime em que a decisão é sua, e recusar essa oferta é devolver a escolha para uma máquina que não sabe qual é o seu rosto.

Duas escolhas de captura ajudam antes disso tudo. Se você já decidiu qual lado do rosto fica virado para a câmera, mantenha o giro pequeno: rosto muito de perfil empurra os olhos para fora da metade central. E a altura em que a câmera fica muda quanto de teto entra no quadro, que é justamente a margem que o recorte alheio come primeiro.

O que este método não decide

A lista do que ficou de fora é tão importante quanto o resto, porque é ela que impede você de tomar uma decisão errada com confiança.

Não digo, e não posso dizer, qual regime cada destino usa. Não testei nenhuma plataforma real: não subi arquivo em conta nenhuma, e sem esse teste a resposta honesta destino a destino é não medido. A página oficial de ajuda sobre a foto que não carrega no perfil do Linkedin, que li em 02/09/2026, publica formato, peso e dimensão, e no corpo dela não aparece nenhuma ocorrência de recorte, corte, miniatura, centro, algoritmo ou enquadramento. Ausência de critério publicado não é prova de método nenhum: é só o limite do que dá para saber lendo. A mesma página orienta "adicionar uma foto que não precise de muita edição" e informa que dá para ajustá-la depois de carregar.

O limiar de 3% da área do quadro é da minha bancada, com uma biblioteca, uma isca e oito imagens sintéticas. Ele depende da cor, da posição e da própria foto, e não é constante de natureza nenhuma. A biblioteca que usei não é o motor de nenhuma rede social nomeada, e eu não confirmei que algum destino a utilize. Também não fiz, e a amostra não permitiria, nenhuma medição de disparidade demográfica.

Duas fronteiras finais. Se a sua pergunta é jurídica, se um recorte automático conta como alteração da sua imagem, isso tem tratamento próprio em quem é dono da foto que outra pessoa tirou de você, onde já está declarado que não localizei decisão publicada sobre o ponto. E, sobre a paisagem de conteúdo em torno disso: nas quatro páginas em português que consegui abrir sobre recorte automático, somando 9.406 palavras, a palavra saliência não aparece nenhuma vez, e nenhuma delas cita um destino de foto de perfil. Foi por isso que este artigo teve de buscar o mecanismo na documentação de quem programa essas camadas.

Resumo e próximos passos

Quatro frases resumem o artigo. O corte da sua foto é decidido por um de três regimes, e só um deles é você. O regime 2 não procura o seu rosto: procura a região mais chamativa, e saturação de cor entra nessa conta em pé de igualdade com tom de pele. Um objeto de cerca de 3% da área do quadro já bastou, na minha bancada, para roubar o recorte de metade dos retratos. E, quando a posição da janela é desconhecida, o que dá para garantir no avatar cai de 52,36% para 20,47% do arquivo, com o teto de largura da cabeça caindo pela metade.

O que fazer agora, em ordem: rode o teste dos dois arquivos no destino que te incomodou, limpe o quadro de qualquer objeto saturado, recentralize a cabeça na metade central do arquivo e use o editor de recorte sempre que ele existir. Se depois disso o corte continuar estranho, volte à tabela de sintomas: quase sempre a linha certa está lá.

Para revisar o enquadramento a partir da captura, e não a partir do conserto, o ponto de partida é o guia de fotografia de retrato, que trata do espaço que o rosto precisa no quadro. E se o seu problema não é onde a foto foi cortada, mas o que o contêiner fez com ela depois, o levantamento das operações que cada destino aplica ao mesmo arquivo é o passo seguinte natural.