葉寒分心二用，那邊搞定了建宗立派的事，這邊有了順手的軟件，將那張糊掉的截圖像素輸入，開始根據歐拉-拉格朗日方程做高階全變差……
模糊的圖像一點點，一點點的清晰起來。
警察局的配置當然不可能有多高端，所以跑的那叫一個緩慢，粗略估計，至少得幾十分鐘個把小時的。
這還是他大幅優化了計算流程，盡可能減少了資源占用的結果。
丟給一般的程序員，耗時幾個小時甚至幾天也不是不可能。
技術科那邊讓一天去取，完全是正常水平。
“你還會這個？”
雖然之前的操作看不明白，除了系統，這世界上也不可能有人看明白，不過從這段開始，黑人克里斯看明白了。
畢竟他在技術科等處理結果不是一次兩次了。
像眼前處理速度這么快的，他還是第一次見，而且……是用自己這臺破電腦！
電腦和電腦的差別，比人和人的差別還大，這他也是知道的。
“略懂。”
葉寒推推眼睛，盯著屏幕上漸漸變得清晰的圖像，思維忍不住又跑偏了。
圖像為什么會模糊？
解析度不夠，像素太低，光線不足……原因當然有很多。
可為什么又能夠修復呢？
因為高階全變差可以去噪。
關鍵來了……噪聲，嗯，這里指圖像噪聲，是什么？
是圖像數據中的不必要的或多余的干擾信息。理論上定義為“不可預測，只能用概率統計方法來認識的隨機誤差”。
因而將之看成多維隨機過程是合適的，可以借用概率分布函數和概率密度分布函數進行描述。
但是……噪聲真的是多維隨機的嗎？
在混沌理論出現之前，由劉維爾定理和拉普拉斯妖支配的決定論世界里仿佛是的，但混沌理論出現之后，我們就知道了，很多很多很多的噪聲，其實并不真正隨機，當然也不是計算機的偽隨機，而是混沌的。
這是非線性動力系統的固有特性，是非線性系統普遍存在的現象。
或許有同學要說了，混沌，不就是隨機嗎？
當然不是！
如果是，葉寒怎么可能憑混沌理論來預測蛋白質的折疊結構？
混沌是指發生在確定性系統中的貌似隨機的不規則運動，注意，只是貌似。
雖然混亂，不確定，不可重復，不可預測，就仿佛天氣預測，或者股市走向。
但每一種混沌現象，卻是有著完整確定的方程描述的，甚至都無需附加任何隨機因數，只是因為系統迭代對初始值的微小變化超級敏感，才造成了后期無法預測的現象。
比如天氣的熱對流問題，比如人口增長的邏輯斯蒂方程……
所以最初，會用蝴蝶效應這個詞來形容。
嗯，其實一開始并不是蝴蝶，而是海鷗。
不過基于天氣預測的第一個混沌模型，最后導出的洛倫茲吸引子恰好在三維空間構成了蝴蝶的形狀，先是記者這么叫，后來連作者自己都改了，久而久之……
扯遠了，回到相片糊掉這件事情上來。
這里的噪聲，顯然也有一部分是可以提煉出混沌模型的。
而且只是一級混沌系統。
雖然長久的預測不可能，但是根據已經出現的現象，基于混沌模型往前逆推，整個排除噪聲干擾，卻是有可能的！
而且，效果說不定更好，計算量也會更少，只要能找到準確的描述方程！
對于別人可能很難，對于總能夠找到一維連續映射的周期三，也就是李-約克定理，或者費根鮑姆的兩個常數，或者沙爾科夫斯基自然數集這些混沌蛛絲馬跡的葉寒來說，并不是多難，只要他肯花時間和精力。
這個課題有點意思呢！
想到葉寒就立刻開始行動。