Una función de dispersión de puntos (PSF) tiene muchos usos diferentes. Considere, por ejemplo, la siguiente cita:
Para extraer la máxima información de una observación, incluso los detalles más pequeños de la PSF son importantes. Algunos ejemplos incluyen: desconvolucionar el PSF de una imagen observada para eliminar la borrosidad causada por la difracción y revelar una estructura fina; convolucionar una imagen modelo por la PSF para compararla con una observada;
Mi pregunta sobre esto es la siguiente: si conocemos el PSF de un sistema y lo usamos para desconvolucionar la imagen sin procesar (propósito 1 de la cita anterior), ¿por qué convolucionaríamos un modelo con el PSF para compararlo con una imagen ( propósito 2 de la cita)? Es decir, ¿no podemos simplemente comparar el modelo original no convolucionado con la imagen no convolucionada ? En términos de maximizar la información que parece ser el camino a seguir.
La convolución no es un proceso únicamente invertible en presencia de ruido aleatorio en su imagen. Desconvolucionar una imagen ruidosa puede dar resultados engañosos, incluso si tiene un conocimiento perfecto de la PSF.
En general, cuando ajusta modelos a datos, es mucho mejor comparar los modelos y los datos en el espacio de observación de los datos, donde las incertidumbres se comprenden razonablemente bien.
Estos dos usos de las PSF son aplicables a diferentes situaciones. A veces, conoce su PSF lo suficientemente bien como para desconvolucionar su imagen y obtener algo razonable de ella, pero la mayoría de las veces tiene muchas suposiciones en este proceso y no obtendrá algo perfecto, por lo que es posible que desee ir al revés y convolucione su modelo con el mejor PSF que tenga para acercarse a sus observaciones. También depende de quién sea: a menudo, los astrónomos observacionales que recopilan datos de telescopios y los astrónomos teóricos que construyen modelos no hablan tanto como deberíamos, por lo que es posible que no tenga acceso a toda la información que necesita para realizar uno de estos dos procesos. , así que trabajas con lo que tienes y haces lo otro.