Deconvolucionar una fotografía real

El cuaderno 13 toma un recorte real de 256×256 de la fotografía, lo desenfoca con un kernel promediador conocido de 9×9, añade un ruido pequeño y reproducible, y lo recupera con Richardson–Lucy:

recovered_20 = richardson_lucy(noisy, psf, num_iter=20, clip=False)
# error relativo interior: 18,9 % -> 13,1 %

Veinte iteraciones bajan el error interior de 18,9 % a 13,1 %, cerca de un 30 %. Dos lecciones:

Primera: hay que ignorar el borde. La deconvolución crea artefactos fuertes en los bordes, donde el algoritmo no tiene información sobre lo que hay fuera de la imagen. El cuaderno deja fuera un borde de 20 píxeles antes de medir. Si mides sobre la imagen completa, los artefactos del borde dominan y parece que el método falló. No falló.

Segunda: ¿por qué no invertir el desenfoque directamente? Porque el desenfoque destruye el detalle de alta frecuencia, así que invertirlo divide por números muy cercanos a cero y amplifica el ruido enormemente. En la versión del manual de este ejercicio, la inversa ingenua por FFT llega a un error relativo de ≈ 1,4, mucho peor que la imagen borrosa de la que partió.