Il problema della rifocalizzazione di immagini digitali in presenza di rumore

Capitolo 1                                          Introduzione                               
 8 
Function o funzione di blurring), che è il caso più vicino alle situazioni reali, 
poiché nella maggioranza dei casi l’unico oggetto disponibile (misurabile) è 
l’immagine che ci arriva dal processo di formazione della medesima; spesso, 
però, per la risoluzione del problema, vengono fatte alcune ipotesi sulla PSF, 
le quali possono essere viste come vincoli da imporre, invece, per il rumore si 
considerano le classiche assunzioni in termini statistici, e nel caso specifico si 
è assunto il rumore (di memorizzazione) derivante da un processo 
gaussiano. 
Pertanto in letteratura troviamo metodi deterministici ed altri 
probabilistici, metodi iterativi ed altri non iterativi ed ognuno di essi offre 
possibilità diverse: i metodi iterativi deterministici permettono di imporre 
dei vincoli all’immagine ricostruita ad ogni passo, mentre i metodi 
probabilistici tengono conto del tipo di rumore con cui si ha a che fare. 
Si hanno comunque delle caratteristiche comuni a tutti gli algoritmi di 
questo tipo: 
 
• la presenza di un parametro regolarizzante, che può essere un numero 
reale o il numero delle iterazioni ed il cui valore determina l’incisività 
del metodo; 
 
• l’esistenza di una distanza minima, diversa a seconda del metodo, tra 
l’immagine deconvoluta e quella vera: il valore ottimale del parametro 
che permette di raggiungere tale distanza minima è quello per cui si 
ha l’equilibrio migliore tra l’errore dovuto al rumore e l’errore di 
approssimazione dovuto al filtraggio; 
 
• l’impossibilità di conoscere nel caso reale il valore ottimale del 
parametro: esso può essere valutato in qualche caso grazie ad alcuni 
criteri, che non ne permettono però l’identificazione certa.