O que é deconvolução?
A deconvolução estima um sinal ou uma imagem original ao compensar o desfoque descrito por uma função de espalhamento pontual conhecida ou inferida. Como a inversão amplifica o erro de medição, a qualidade da recuperação diminui à medida que o ruído aumenta.
Como funciona a deconvolução
Um sistema de formação de imagens pode ser modelado como o espalhamento de cada ponto da cena conforme uma função de espalhamento pontual, com o ruído do sensor adicionado depois. A deconvolução busca uma cena latente plausível cuja convolução com essa função explique a observação. Um método não cego recebe o núcleo de desfoque, enquanto métodos cegos estimam tanto a cena quanto o núcleo e são mais subdeterminados. Em fluxos de processamento científicos e fotográficos, informações a priori ou penalizações estabilizam a estimativa antes que as etapas de medição e exibição prossigam.
Informações essenciais
- No domínio da frequência, a divisão ingênua por uma função de transferência se torna instável perto das frequências em que essa função tem valor pequeno, porque o ruído de medição é amplificado nos mesmos pontos.
- A filtragem de Wiener usa hipóteses sobre sinal e ruído, enquanto métodos iterativos podem impor restrições como intensidade não negativa; essas abordagens produzem comportamentos diferentes de viés e artefatos.
- Uma função de espalhamento pontual incorreta, um desfoque com variação espacial não modelado ou um tratamento inadequado dos limites podem criar halos e artefatos de oscilação mesmo quando o otimizador converge numericamente.
Quando a deconvolução é importante
Aplique a deconvolução a dados de microscopia, astronomia ou fotografia computacional quando o modelo de desfoque for confiável. A regularização abre mão da nitidez máxima para reduzir os artefatos de oscilação e a amplificação de ruído.