巫山扫描电子显微镜的分辨率取得了重大进步，已进入亚纳米级，这在很大程度上归功于硬件的改进，如更亮的场发射电子源，更好的电子光学设计(如单色器、像差矫正和减速技术等)，更高效的探测器，以及更好的真空和更稳定的样品台。分辨率提升的效果显而易见，但是也通常伴随着复杂性和成本的显著增加。
从电子光学上考量，硬件进步的基本原理是持续减小束斑以带来更好的分辨率，同时不过于牺牲束流。为获得更好的信噪比，有时还要增加累计时间。但这些措施仍有许多限制。首先，亮度方程反映出的束流和束斑的矛盾没有得到根本解决，束流本身也难以同时兼顾衬度阈值和分辨率。其次，当面对生物样品等电子束敏感样品时，通过增加驻留时间来改善图像的信噪比的做法可能导致样品漂移，污染和损伤。
基于软件的技术可以提供一种提高分辨率的策略，这种方法降低了对硬件和成本的要求，在未来可能会受到更广泛的关注。此外，算法的进步和计算能力的大幅提高，基于软件的方法也比过去更为实用。
在电子光学中，理想物点尺寸因衍射及其他像差的存在而扩展，再考虑到电子束与样品作用后各种信号溢出后的空间分布，这些因素导致信号电子分布在一个较广的范围，而不再单纯反映局域的信息。当信号电子的空间分布远超出样品像素大小，这会导致图像中严重的像素重叠和模糊。
从光学和信息论的角度看，这些造成模糊的因素可以被视为点扩散函数(Point spread function，PSF)。当相平面没有任何样品时，PSF可以被认为是垂直于电子束轴的聚焦面上电子的空间分布;当测试样品时，再将形貌因素、信号电子的溢出区和空间分布考虑进去，得到电子束的空间分布曲线。所以PSF跟电子光学系统和样品都有关。
理想的PSF应该尽可能小，但现实中的成像系统具有不理想的PSF，会导致实测图像失真或模糊。实测图像可被视为真实图像和点扩散函数的卷积。如果能获知点扩散函数和实测的图像，通过去卷积可以还原清晰的真实图像。这个过程也被称为图像修复(Image restoration)。但是点扩散函数测量难度较高，反卷积会增加噪声和伪影。
随着对图像修复算法研究的深入和计算能力的增强，在电镜图像修复上也出现了很多新的机器学习算法。有些文献对比和评估了近年来的各种电镜图像修复算法，认为图像中的噪声和模糊通过合适的算法处理是可测量、可消除的。大部分方法需要测量或估算PSF，不少文献给出了PSE的测量方法。然后结合算法如维纳滤波、贝叶斯方法等对图像进行修复。
PSF方法结合贝叶斯方法可以在锐化图像的同时不引入伪像。图像的修复降低了成像对束斑的要求，大束斑也可以形成清晰的图像。通过图像修复，碳膜上金纳米颗粒在低加速电压非减速模式时，可以实现减速模式或者高加速电压的图片效果。
PSF并结合去卷积的方法，提高各种类型电镜的背散射电子、二次电子和透射电子图像的分辨率和质量，同时还能够将像散和离焦的图像进行修复。加之电镜图像是数字化形式处理和存储的，可以选择数字图像处理技术降低噪声。
在某些条件下，光镜和透射电镜的PSF受影响因素较少，可以较简单地从成像过程的物理定律中算出。但是由电子在样品内部的多次散射，在巫山扫描电镜中确定点扩展函数的困难还很大。文献中的成功应用还较少地局限在形貌和成分较简单的样品中。而且，现在图像修复的应用案例还较少，修复的方法较繁琐，算法还有很大提升空间。
