Hvad er deconvolution sharpening – den matematiske skærpning der reverserer optisk sløring
Deconvolution sharpening er en avanceret matematisk skærpningsteknik der modellerer den optiske sløring der er introduceret af objektivet, sensoren og den atmosfæriske turbulens, og forsøger at reversere dette slørings-bidrag ved at anvende den inverse af sløringsfunktionen på billedet. Det adskiller sig fundamentalt fra standard unsharp mask og high pass-skærpning, der blot forstærker lokale kontrast-variationer uden nogen model for den underliggende sløringsfunktion: deconvolution er en model-baseret og fysisk motiveret operation der søger at rekonstruere det billede, der ville have eksisteret inden slørings-processen, frem for blot at overdrive de eksisterende kontrast-overgange. Resultatet ved korrekt implementering er en skarphed der er mere naturlig og præcis end standard skærpning kan producere, med færre halo-artefakter og mere troværdig detaljerekonstruktion.
Algoritmen kræver en Point Spread Function, PSF, der er den matematiske beskrivelse af, hvordan et idealt punkt-motiv afbildes af det konkrete optiske system inklusiv all dets aberrationer og sløringsbidrag. En præcis PSF muliggør en præcis deconvolution, mens en unøjagtig PSF kan producere ringing-artefakter og forkerte detaljerekonstruktioner der er mere forstyrrende end den originale sløring. PSF-estimering sker enten via direkte måling af objektivet ved en reference-optagelse under kontrollerede betingelser, eller via algoritmisk estimering direkte fra billedets indhold i de såkaldte blind deconvolution-tilgange.
Astrofotografi er den applikation der har adopteret og raffineret deconvolution sharpening mest intenst, fordi atmosfærisk turbulens introducerer en veldefineret sløringsfunktion der varierer med seeing-forholdene og er potentielt modellerbar via stjerne-PSF-estimering. PixInsight er det dominerende behandlingsprogram i astrofotografi-miljøet og tilbyder kraftfulde deconvolution-moduler der med korrekt PSF-estimering kan reversere en stor del af den atmosphæriske turbolens-sløring og producere stjernebilleder med en skarphed der nærmer sig hvad ideale seeing-betingelser ville give.
Topaz Sharpen AI og DxO PhotoLab implementerer AI-drevet deconvolution der estimerer sløringsfunktionen fra billedindholdet og anvender den resulterende model til skarphedsrekonstruktion, med resultater der for de fleste fotografiske situationer overstiger hvad klassisk unsharp mask-skærpning kan producere.
Tip: Brug deconvolution sharpening som en capture sharpening-erstatning frem for som en post-processing effekt ved maksimal skarphed i RAW-konverteringen, og evaluer resultatet ved 100 og 200-procents forstørrelse for at sikre at der ikke opstår ringing-artefakter langs høj-kontrast kanter der indikerer en for aggressiv deconvolution-parameterisering.