Con respecto a la parte de procesamiento digital, debe evitar el uso de métodos de nitidez de propósito general como la máscara de enfoque, ya que estos métodos solo aumentarán el contraste local, haciendo que los detalles sean más visibles, pero no obtendrá los detalles que se han vuelto invisibles. Es mejor usar métodos que se basan en revertir el desenfoque debido al enfoque imperfecto, y para eso necesita conocer la función de dispersión de puntos (por lo tanto, en la parte de la imagen que no está enfocada, aparecerá un solo punto para ser un disco pequeño con algún perfil de brillo, esta es la llamada función de dispersión de puntos).
Puede calcular la función de dispersión de puntos haciendo zoom en áreas de alto contraste de la imagen. Si sabe que hay un borde afilado a través del cual el brillo cambia en cierta cantidad, puede calcular fácilmente cuál es la función de dispersión de puntos que produciría el perfil que ve en la imagen.
Una aproximación se obtiene suponiendo que la función de dispersión de punto es un disco uniforme de radio R . Si se acerca a un borde afilado, la curvatura se volverá muy pequeña en la imagen ampliada, por lo que puede suponer que tiene una línea recta, en un lado el brillo es v1 en el otro lado de la línea será v2 . El brillo a una distancia d de la línea v (d) en la imagen será una función suave debido a la falta de nitidez que tiende a v1 en un lado y v2 en el otro lado. Cerca de d = 0, la función g (d) = [v (d) - v1] / [2 (v2 - v1)] se comporta de la siguiente manera:
g(d) = 1/4 - d/(pi R) + d^3/(6 pi R^3) +...
Entonces, al hacer un ajuste lineal de la función g (d) - 1/4 en términos de las coordenadas x e y de la imagen cerca de la línea, obtendrá un resultado de la forma:
g(x,y) = A + b x + c y
y luego se sigue que:
1/(pi R) = sqrt[b^2 + c^2]
Por lo tanto, la función de dispersión de puntos se puede calcular con cierto esfuerzo de la imagen, si no eres demasiado malo en matemáticas.
Entonces, si ha calculado la función de dispersión de puntos, invertir el desenfoque desenfocado es pan comido utilizando algoritmos como la deconvolución de Wiener o la deconvolución de Richardson-Lucy . Tales algoritmos generalmente se incluyen en el software de procesamiento de imágenes, pero debe ejecutarlos utilizando la función de dispersión de puntos real que se aplica a su imagen, no un desenfoque gaussiano estándar. Por ejemplo, este complemento ImageJ tiene varios algoritmos de deconvolución que requieren que especifique la función de dispersión de puntos. E ImageJ se puede obtener aquí .
Debo agregar aquí que esto debe hacerse en un espacio de color lineal. Por lo tanto, primero debe transformarse a RGB lineal o al espacio de color XYZ, realizar la operación de nitidez allí y luego transformar de nuevo a sRGB.