叶寒分心二用，那边搞定了建宗立派的事，这边有了顺手的软件，将那张糊掉的截图像素输入，开始根据欧拉-拉格朗日方程做高阶全变差……
模糊的图像一点点，一点点的清晰起来。
警察局的配置当然不可能有多高端，所以跑的那叫一个缓慢，粗略估计，至少得几十分钟个把小时的。
这还是他大幅优化了计算流程，尽可能减少了资源占用的结果。
丢给一般的程序员，耗时几个小时甚至几天也不是不可能。
技术科那边让一天去取，完全是正常水平。
“你还会这个？”
虽然之前的操作看不明白，除了系统，这世界上也不可能有人看明白，不过从这段开始，黑人克里斯看明白了。
毕竟他在技术科等处理结果不是一次两次了。
像眼前处理速度这么快的，他还是第一次见，而且……是用自己这台破电脑！
电脑和电脑的差别，比人和人的差别还大，这他也是知道的。
“略懂。”
叶寒推推眼睛，盯着屏幕上渐渐变得清晰的图像，思维忍不住又跑偏了。
图像为什么会模糊？
解析度不够，像素太低，光线不足……原因当然有很多。
可为什么又能够修复呢？
因为高阶全变差可以去噪。
关键来了……噪声，嗯，这里指图像噪声，是什么？
是图像数据中的不必要的或多余的干扰信息。理论上定义为“不可预测，只能用概率统计方法来认识的随机误差”。
因而将之看成多维随机过程是合适的，可以借用概率分布函数和概率密度分布函数进行描述。
但是……噪声真的是多维随机的吗？
在混沌理论出现之前，由刘维尔定理和拉普拉斯妖支配的决定论世界里仿佛是的，但混沌理论出现之后，我们就知道了，很多很多很多的噪声，其实并不真正随机，当然也不是计算机的伪随机，而是混沌的。
这是非线性动力系统的固有特性，是非线性系统普遍存在的现象。
或许有同学要说了，混沌，不就是随机吗？
当然不是！
如果是，叶寒怎么可能凭混沌理论来预测蛋白质的折叠结构？
混沌是指发生在确定性系统中的貌似随机的不规则运动，注意，只是貌似。
虽然混乱，不确定，不可重复，不可预测，就仿佛天气预测，或者股市走向。
但每一种混沌现象，却是有着完整确定的方程描述的，甚至都无需附加任何随机因数，只是因为系统迭代对初始值的微小变化超级敏感，才造成了后期无法预测的现象。
比如天气的热对流问题，比如人口增长的逻辑斯蒂方程……
所以最初，会用蝴蝶效应这个词来形容。
嗯，其实一开始并不是蝴蝶，而是海鸥。
不过基于天气预测的第一个混沌模型，最后导出的洛伦兹吸引子恰好在三维空间构成了蝴蝶的形状，先是记者这么叫，后来连作者自己都改了，久而久之……
扯远了，回到相片糊掉这件事情上来。
这里的噪声，显然也有一部分是可以提炼出混沌模型的。
而且只是一级混沌系统。
虽然长久的预测不可能，但是根据已经出现的现象，基于混沌模型往前逆推，整个排除噪声干扰，却是有可能的！
而且，效果说不定更好，计算量也会更少，只要能找到准确的描述方程！
对于别人可能很难，对于总能够找到一维连续映射的周期三，也就是李-约克定理，或者费根鲍姆的两个常数，或者沙尔科夫斯基自然数集这些混沌蛛丝马迹的叶寒来说，并不是多难，只要他肯花时间和精力。
这个课题有点意思呢！
想到叶寒就立刻开始行动。