As técnicas usadas para melhorar as imagens de SPM podem também distorcer os dados e levar a interpretações erradas.
Correção de inclinação e de nível. A menos que o aparelho de SPM incorpore um mecanismo computacional de controle de nivelamento da amostra, ela ficará inclinada em relação ao plano x,y do scanner. Em muitos casos, a inclinação será muito grande em relação à medida da parte da amostra da qual se quer fazer a imagem. Este problema pode ser facilmente corrigido ajustando o plano da amostra com um software apropriado.
Filtro passa-banda. Esta técnica é usada às vezes para remover alguns tipos específicos de freqüência . Pode ser feito em dados previamente adquiridos, mas alguns instrumentos fazem a filtragem durante a aquisição, de forma tal que os dados armazenados já estão processados e a fila de dados não filtrados não é acessível para inspeção.
Fast Fourier Transform (FFT). A transformada de Fourier (TF) de uma imagem de SPM é apropriada para amostras que têm um aspecto periódico. Ela é utilizada para eliminar freqüências periódicas diferentes daquelas da periodicidade da amostra e que introduzem ruído coerente. Mas a TF pode também introduzir artefatos se não for usada corretamente, especialmente em amostras de aspecto aperiódico. Isto acontece pois a TF utiliza um algoritmo baseado em funções periódicas. Entretanto, os dados obtidos podem conter diversos componentes de freqüências que não têm uma relação inteira com o período básico da TF e portanto podem ser automaticamente considerados erros e apagados da imagem.
A TF é uma das ferramentas matemáticas mais importantes no processamento e análise de imagens. Foi inventada por Jean-Baptiste Fourier em 1807 e tem sido usada para muitas aplicações. Em função da matemática numérica, podemos dizer que seu grande boom só se manifestou a partir de 1965 quando Cooley e Tukey1 criaram um algoritmo para usar com computadores, chamado Fast Fourier Transform (FFT), ou seja, transformada de Fourier rápida. Este algoritmo reduz consideravelmente a quantidade necessária de operações matemáticas. A TF decompõe uma função F(r) em componentes do número de onda k ou da freqüência f. A decomposição chama-se espectro da função. A TF no plano é dada pela seguinte equação:
V(k) = (1/2p ) ò F(r) e-ik.r dr,
onde os limites de integração são ± ¥ . Tanto a função quanto a sua transformada, contêm a mesma informação e a última pode ser considerada como uma representação diferente da primeira. A TF inversa é definida por
F(r) = (1/2p ) ò V(k) e ik.r dk ,
onde os limites de integração são também ± ¥ .
Lidando com cálculos discretos, a integral transforma-se na seguinte soma (no plano)
V(kx,ky)= (XY)-1/2 å å F(x,y) {cos[(kxx/X)+(kyy/Y)] + sen[(kxx/X)+(kyy/Y)]},
F(x,y) = (XY)-1/2 å å V(kxx,kyy) ´ exp{i[(kxx/X)+(kyy/Y)]},
onde as primeiras somas são sobre y=0 até y=Y-1 e as segundas sobre x=0 até x=X-1, sendo X e Y os limites da imagem . As soluções da FFT levam em conta as propriedades específicas das funções a serem transformadas como, por exemplo, que uma imagem contém apenas dados reais. Portanto, a função entrada para a FFT é real e não complexa. Neste caso, pode ser usada a FHT, ou Fast Hartley Transform, para calcular o espectro de uma imagem. Existe uma relação simples entre a FFT e a FHT. A diferença fundamental é que esta última só trabalha com dados de entrada e saída reais.
As transformadas de Fourier são usadas para filtrar em geral imagens de estruturas periódicas. Erros sistemáticos e/ou perturbações podem ser corrigidos com transformadas que correspondem a uma multiplicação complexa no espaço de Fourier (domínio da freqüência ou dos k) onde a TF da imagem é uma componente e a outra é a assim chamada função transferida. De acordo com as propriedades desta última função podemos distinguir diferentes tipos de filtros. Quando a supressão é de números de onda pequenos (altas freqüências), estamos utilizando um filtro passa-baixos. Um filtro passa-altos suprime grandes números de onda (baixas freqüências). A combinação de ambos é um filtro passa-banda. Mas é necessário ter cuidado, pois o uso indevido de um filtro passa-banda, dependendo da amostra, pode fazer aparecer um artefato mostrando na imagem uma periodicidade não existente.
Mesmo assim, a TF de uma imagem é muito utilizada, pois de ela pode ser obtida praticamente toda a informação contida na imagem espacial e que, em condições normais, não é trivialmente visível. Em particular, isto é verdade para amostras com estruturas periódicas, pois com uma TF de suas imagens, é mais fácil ver e caracterizar suas propriedades de simetria e suas constantes de rede.
"Amaciante". Os algoritmos para "suavizar" a aparência das imagens podem também introduzir artefatos, pois eles operam fazendo a média dos dados, com o que podem ser perdidos detalhes da amostra. Isto é, as imagens são "suavizadas" calculando a média pesada de cada valor de z nelas.
Sombreamento. O sombreamento utiliza-se com freqüência para ressaltar o contraste em z. Esta técnica, pela qual uma fonte de luz simulada é aplicada na imagem da amostra, é particularmente importante devido à resolução muito alta que é possível obter no eixo vertical. Como a extensão no plano é maior que a resolução vertical, pode ser difícil visualizar pequenos detalhes verticais tais como grãos superficiais, sem sombrear a amostra. O sombreamento realça as variações na direção z, mas ele deve ser bem entendido para evitar más interpretações dos dados. É também importante saber a direção na qual está sendo iluminada a imagem para poder determinar sem ambigüidade se as rugosidades que aparecem são para acima ou por debaixo do plano da amostra.
Aumentos em x, y e z, independentes. Uma das coisas importantes das técnicas de SPM é a habilidade para aumentar o contraste em z das imagens, mas isto também pode resultar em imagens enganosas. Como a magnificação em z pode ser representada independentemente daquelas em x e y, as alturas poderiam ser exageradas. Então, é essencial que os instrumentos de SPM sejam bem desenhados para não introduzir artefatos mecânicos (ou manuais) e mais, as ferramentas em forma de softwares, devem ser usadas em forma apropriada para que isto não aconteça. É então essencial o conhecimento tanto do instrumento quanto das ferramentas que ele tem para não produzir modificações indesejáveis nos dados adquiridos.
1. J.W.Cooley and J.W. Tukey: An algorithm for machine calculation of complex Fourier series, Mathematics of Computation (1965).