¿Qué es la deconvolución?
La deconvolución estima una señal o imagen original al contrarrestar el desenfoque descrito por una función de dispersión puntual conocida o inferida. Como la inversión amplifica el error de medición, la calidad de la recuperación disminuye a medida que aumenta el ruido.
Cómo funciona la deconvolución
Un sistema de formación de imágenes puede modelarse como la dispersión de cada punto de la escena según una función de dispersión puntual, a la que se añade después el ruido del sensor. La deconvolución busca una escena latente plausible cuya convolución con esa función explique la observación. Un método no ciego recibe el núcleo de desenfoque, mientras que los métodos ciegos estiman tanto la escena como el núcleo y presentan un mayor grado de indeterminación. En los pipelines científicos y fotográficos, la información a priori o las penalizaciones estabilizan la estimación antes de que continúen las etapas de medición y visualización.
Datos clave
- En el dominio de la frecuencia, la división directa por una función de transferencia se vuelve inestable cerca de las frecuencias en las que esa función tiene valores pequeños, porque el ruido de medición se amplifica en esos mismos puntos.
- El filtrado de Wiener usa supuestos sobre la señal y el ruido, mientras que los métodos iterativos pueden imponer restricciones como una intensidad no negativa; estos enfoques producen distintos sesgos y comportamientos de los artefactos.
- Una función de dispersión puntual incorrecta, un desenfoque que varía espacialmente y no está modelado o un manejo deficiente de los límites pueden crear halos y oscilaciones incluso cuando el optimizador converge numéricamente.
Cuándo importa la deconvolución
Aplica la deconvolución a datos de microscopía, astronomía o fotografía computacional cuando el modelo de desenfoque sea creíble. La regularización sacrifica nitidez máxima a cambio de reducir las oscilaciones y la amplificación del ruido.