Punktspreizfunktion
Die Punktspreizfunktion beschreibt, wie ein optisches System einen einzelnen Lichtpunkt auf dem Bild verschmiert. Sie ist damit eine Art Fingerabdruck der Unschärfe einer Kamera, eines Mikroskops oder eines Teleskops.
Kein Bild ist perfekt scharf. Fotografiert man einen sehr kleinen, hellen Punkt – etwa einen weit entfernten Stern – erscheint er auf dem Bild nie als einzelner Punkt. Stattdessen wird er zu einem kleinen Fleck mit weichen Rändern verschmiert. Die Punktspreizfunktion ist die genaue Beschreibung dieses Flecks: Sie sagt, wie viel Licht von dem Punkt an welcher Stelle im Bild landet. Man kann sie sich als Verwischmuster vorstellen, das ein Gerät jedem einzelnen Lichtpunkt aufdrückt. Weil ein ganzes Bild aus unzähligen solcher Punkte besteht, bestimmt dieses Muster die Schärfe des gesamten Bildes.
Der Fingerabdruck eines Objektivs
Die Punktspreizfunktion ist die ehrlichste Kennzahl für die Qualität eines optischen Systems. Ein teures Objektiv erzeugt einen engen, kompakten Fleck. Ein billiges oder falsch fokussiertes erzeugt einen breiten, ausgefransten. Wer Objektive, Mikroskope oder Teleskope vergleichen will, schaut deshalb auf diese Funktion und nicht nur auf die Zahl der Bildpunkte.
Noch wichtiger ist sie, weil man sie umkehren kann. Wenn man weiß, wie ein Gerät verschmiert, kann man einen Teil der Unschärfe rechnerisch zurücknehmen. Dieses Verfahren heißt Entfaltung oder Dekonvolution. Astronomen retteten damit in den 1990er Jahren die Bilder des Weltraumteleskops Hubble, dessen Spiegel einen Schleiffehler hatte. Die Bilder waren unscharf, aber der Fehler war bekannt und dadurch teilweise herausrechenbar.
Es gibt allerdings eine harte Grenze. Sehr feine Details verschwinden bei der Verschmierung vollständig im Bildrauschen, also in den zufälligen Störungen jedes Sensors. Diese Information ist weg und kommt durch keine Rechnung zurück. Wer das Gegenteil behauptet, verwechselt Rekonstruktion mit Erfindung – ein Punkt, der bei KI-gestützter Bildverbesserung häufig unterschlagen wird.
Verschmieren als Rechenoperation
Mathematisch entsteht ein reales Bild, indem das ideale Motiv mit der Punktspreizfunktion gefaltet wird. Faltung bedeutet hier: Man setzt an die Stelle jedes einzelnen Bildpunkts das Verwischmuster, gewichtet es mit der Helligkeit dieses Punkts und addiert alles auf. Das Ergebnis ist das unscharfe Bild, das der Sensor tatsächlich aufzeichnet. Diese Rechenoperation ist dieselbe, die auch in neuronalen Netzen zur Bilderkennung steckt.
Die Form des Flecks hat mehrere Ursachen. Eine davon lässt sich nicht beseitigen: Licht ist eine Welle und wird an der runden Öffnung eines Objektivs gebeugt. Selbst ein makellos gefertigtes Teleskop erzeugt deshalb ein winziges Scheibchen mit schwachen Ringen darum, das sogenannte Beugungsscheibchen. Dazu kommen vermeidbare Ursachen: Fehler im Linsenschliff, falscher Fokus, Bewegung der Kamera oder unruhige Luft in der Atmosphäre.
Bestimmen lässt sich die Funktion auf zwei Wegen. Man misst sie direkt, indem man ein möglichst punktförmiges Objekt aufnimmt – in der Astronomie einfach einen schwachen Stern, in der Mikroskopie ein winziges fluoreszierendes Kügelchen. Oder man berechnet sie aus dem bekannten Aufbau der Optik. Wichtig ist: Die Funktion ist selten über das ganze Bild gleich. An den Bildrändern ist der Fleck meist größer und verzerrter als in der Mitte.
Vom Hubble-Teleskop bis zur Handykamera
Im Alltag begegnet einem das Prinzip bei jedem Smartphone-Foto. Die Linsen sind winzig und optisch begrenzt, die Software gleicht das aus. Ein Teil dieser Rechnung nutzt Wissen darüber, wie genau dieses Kameramodell Punkte verschmiert. Auch der künstlich erzeugte Hintergrundunschärfe-Effekt im Porträtmodus ist nichts anderes als eine absichtlich aufgetragene, sehr breite Punktspreizfunktion.
In der Forschung ist der Begriff Standardvokabular. Die Fluoreszenzmikroskopie in der Biologie arbeitet ständig mit Entfaltung, um Zellstrukturen sichtbar zu machen. In der Astronomie berichten Fachartikel zu neuen Teleskopen regelmäßig über die gemessene Punktspreizfunktion. Auch Verfahren zur hochauflösenden Mikroskopie, für die es 2014 den Chemie-Nobelpreis gab, beruhen darauf, die bekannte Form des Flecks auszunutzen.
In KI-Meldungen taucht das Thema indirekt auf. Modelle, die unscharfe Bilder schärfen, werden oft mit künstlich unscharf gemachten Bildern trainiert. Dafür wendet man eine simulierte Punktspreizfunktion auf scharfe Vorlagen an. Passt diese Simulation nicht zur echten Kamera, versagt das Modell in der Praxis – ein häufiger Grund dafür, dass beeindruckende Demos im Alltag enttäuschen.