Wie Stacking wirklich funktioniert (und warum mehr Bilder nicht immer besser sind)

Frag, warum wir Astrofotos stacken, und du bekommst meist die Antwort „um das Rauschen zu reduzieren”. Das stimmt und ist fast nutzlos, weil es dir nicht sagt, wie viele Bilder du brauchst, warum dein Stack aus 200 Bildern schlechter aussieht als der aus 60 von jemand anderem, oder warum eine weitere Stunde manchmal gar nichts ändert.

Das eigentliche Argument ist kurz, und wenn man es einmal hat, beantworten sich die meisten Stacking-Entscheidungen von selbst.

Signal addiert sich. Rauschen nicht.

Richte dein Teleskop auf einen Nebel und belichte. Jedes Pixel empfängt eine gewisse Zahl Photonen vom Himmel. Diese Zahl ist nicht fest - Photonen kommen zufällig an, und die Anzahl schwankt von Belichtung zu Belichtung etwa um ihre eigene Quadratwurzel. Sammle 100 Photonen, und die Schwankung von Bild zu Bild beträgt etwa 10. Sammle 10.000, und sie beträgt etwa 100.

Jetzt stacke N Bilder. Das Signal - die echte Photonenzahl vom Objekt - addiert sich linear: N-mal so viel. Das Rauschen ist zufällig und hebt sich teilweise auf; es wächst nur mit der Quadratwurzel von N.

Das Verhältnis von Signal zu Rauschen verbessert sich also um √N.

Diese eine Beziehung erklärt das meiste von dem, was du beobachtest:

• 4 Bilder sind doppelt so gut wie 1.
• 16 Bilder sind doppelt so gut wie 4.
• 64 Bilder sind doppelt so gut wie 16.

Jede Verdopplung der Qualität kostet viermal so viele Bilder. Deshalb ist der Unterschied zwischen 10 und 40 Bildern dramatisch und der zwischen 200 und 260 unsichtbar. Du machst nichts falsch, wenn dich das Zweite enttäuscht - du hast 30 % mehr Bilder für 14 % Verbesserung hinzugefügt, und 14 % liegen unter dem, was das Auge zuverlässig wahrnimmt.

Wenn du von einem 200-Bilder-Stack einen sichtbaren Schritt nach oben willst, brauchst du etwa 800.

Deshalb entscheidet das Ausleserauschen über deine Belichtungszeit

Es gibt eine zweite Rauschquelle, die sich nicht so verhält. Jedes Mal, wenn der Sensor ausgelesen wird, fügt die Elektronik einen festen Betrag hinzu. Der hängt nicht von der Belichtungszeit ab - ein 5-Sekunden-Bild und ein 500-Sekunden-Bild zahlen ihn je genau einmal.

Eine gegebene Gesamtbelichtungszeit trägt also Ausleserauschen im Verhältnis dazu, in wie viele Bilder du sie aufteilst. Neunzig Minuten als 540 Zehn-Sekunden-Belichtungen zahlen den Preis 540-mal. Dieselben neunzig Minuten als 18 Fünf-Minuten-Belichtungen zahlen ihn 18-mal.

Das ist das ganze Argument für längere Einzelbelichtungen, und es ist der Grund, warum ein geguidetes Setup bei schwachen Zielen einem Smart-Teleskop davonzieht, selbst bei identischer Gesamtzeit. Nicht, weil die geguidete Ausrüstung mehr Licht sammelt. Sie liest den Sensor dreißigmal seltener aus.

Der Gegendruck: Lange Belichtungen brauchen gute Nachführung, und ein 300-Sekunden-Bild mit Strichspuren ist nichts wert. Die richtige Belichtungszeit ist die längste, die deine Montierung zuverlässig liefert - eine mechanische Frage, keine der Bildbearbeitung.

Bei der Ausrichtung gehen Stacks wirklich verloren

Das √N-Argument setzt voraus, dass jedes Bild dasselbe Signal zum selben Pixel beiträgt. Dafür müssen die Bilder deckungsgleich sein, und genau hier scheitern die meisten enttäuschenden Stacks tatsächlich.

Bilder verschieben sich zwischen den Belichtungen. Drift der Montierung, Refraktion nahe dem Horizont, Durchbiegung, und - auf jeder azimutalen Montierung, also jedem Smart-Teleskop - Bildfelddrehung. Über eine Stunde können Bilder vom Anfang und Ende um Dutzende Grad gegeneinander verdreht sein.

Eine Ausrichtung, die nur Verschiebung behandelt, kommt damit nicht klar. Schlimmer ist, wie sie scheitert: nicht mit einer Fehlermeldung, sondern mit einem Stack, in dem alles leicht verschmiert ist. Es sieht aus wie schlechter Fokus oder schlechtes Seeing, und Leute jagen eine ganze Saison lang dem falschen Problem hinterher.

Eine richtige Registrierung arbeitet mit den Sternen selbst. Aus den hellsten Sternen jedes Bilds werden Dreiecke gebildet und über ihre Seitenverhältnisse beschrieben - Größen, die Verschiebung, Rotation und Skalierung überleben. Übereinstimmende Dreiecke stimmen darüber ab, welcher Stern welchem entspricht, eine robuste Anpassung verwirft widersprüchliche Stimmen, und ein Verfeinerungsschritt bringt das Ergebnis auf Subpixel-Genauigkeit.

Der letzte Teil ist wichtig. Subpixel-Genauigkeit ist kein Luxus; ein konstanter Fehler von einem halben Pixel über den Stack kostet dich dasselbe Detail, das du bei etwas schlechterem Seeing verloren hättest.

Ausreißerunterdrückung: der Teil, der entfernt, was Mitteln nicht kann

Mitteln behandelt zufälliges Rauschen. Es behandelt nicht, was nicht zufällig ist: Satelliten, Flugzeuge, kosmische Strahlung, die Scheinwerfer eines Autos, die durchs Feld streichen.

Mittle 100 Bilder, von denen eines eine Satellitenspur hat, und die Spur ist immer noch da, mit 1 % Stärke - schwach, aber sichtbar vor dunklem Himmel, und sie überlebt das Strecken.

Ausreißerunterdrückung entfernt sie, indem sie an jedem Pixel über den Stack hinweg schaut und Werte verwirft, die nicht dazugehören. Die Methoden unterscheiden sich darin, was „nicht dazugehören” bedeutet, und die Wahl ist nicht beliebig:

Sigma-Clipping nimmt Mittelwert und Standardabweichung an jedem Pixel und verwirft Werte jenseits einer Schwelle. Es funktioniert gut und ist aus gutem Grund der Standard - aber es nimmt an, dass jedes Bild dieselbe Verteilung abtastet.

Winsorisiertes Sigma-Clipping zieht Ausreißer zur Masse hin, statt sie zu entfernen. Sicherer bei flachen Stacks, wo eine aus acht Werten geschätzte Standardabweichung mit anschließendem Verwerfen gern echtes Signal wegwirft.

Linear-Fit-Clipping beantwortet eine andere Frage. Es sortiert die Werte jedes Pixels über den Stack und legt eine Gerade hindurch. Eine gleichmäßige Streuung - wie sie sich verändernde Transparenz über die Nacht erzeugt - wird von diesem Modell erwartet und kostet nichts, während eine Satellitenspur weiterhin ein einzelner Wert weit ab von der Linie ist.

Dieser Unterschied ist wichtiger, als er klingt. Wenn hohe Wolken aufziehen oder dein Ziel Richtung Lichtglocke sinkt, unterscheiden sich die Bilder wirklich. Die Streuung sind echte Daten, kein Rauschen. Sigma-Clipping sieht die Bilder an den Enden des Bereichs als Ausreißer und beginnt sie zu verwerfen - und die am dunklen Ende sind meist die klarsten Bilder der Sitzung. Du verlierst deine besten Daten an eine Methode, die annahm, sie wären falsch.

Das Signal, auf das du achten solltest, ist, wie stark die Himmelshelligkeit pro Bild driftet. Ist sie stabil, ist Sigma-Clipping richtig. Bewegt sie sich um mehr als ein paar Prozent, dient dir ein Linear-Fit besser. Akastroid misst das und schaltet ab etwa 8 % Drift automatisch um - eine Entscheidung, die kein Astronomiewissen braucht, um richtig zu sein, aber einiges davon, um sie von Hand richtig zu treffen.

Flache Stacks brauchen eine andere Behandlung

Mit acht Bildern kannst du keine Verteilung schätzen. Jede Ausreißermethode arbeitet mit zu wenigen Proben, und aggressives Clipping entfernt echtes Signal, während es behauptet, Ausreißer zu entfernen.

Unter etwa acht Bildern ist einfaches Mitteln oder ein Median meist die ehrliche Wahl. Zwischen acht und fünfzehn: Winsorisieren. Darüber wird echtes Clipping sicher.

Der Fehler hier ist subtil: Aggressive Unterdrückung auf einem flachen Stack erzeugt ein Bild, das sauber aussieht und still und leise schwache Details vermissen lässt. Es sieht nicht kaputt aus. Es sieht ein wenig leer aus, und nichts auf dem Bildschirm sagt dir, warum.

Wann mehr Bilder wirklich nichts mehr bringen

Drei Fälle, in denen die nächste Stunde dir nichts kauft:

Du bist durch Ausleserauschen begrenzt. Bei sehr kurzen Belichtungen wird der Rauschboden vom Auslesen bestimmt, nicht von Himmelsphotonen. Stacking hilft noch, aber du kämpfst gegen feste Kosten, die mehr Bilder nicht entfernen. Längere Belichtungen würden es.

Du bist himmelsbegrenzt bei einem schwachen Ziel. Unter hellem Himmel dominiert der Hintergrund, und die schwachen Außenbereiche deines Ziels steigen vielleicht nie darüber hinaus. Das Signal-Rausch-Verhältnis verbessert sich weiter mit √N - aber √N von „kaum nachweisbar” ist immer noch kaum nachweisbar. Dunklerer Himmel oder Schmalbandfilter ändern das; mehr Zeit nicht.

Deine Ausrichtung ist die Grenze. Wenn die Registrierung Fehler von einem halben Pixel hinterlässt, fügt jedes weitere Bild mehr leicht fehlregistrierte Daten hinzu. Der Stack wird glatter und nicht schärfer. Das lohnt sich zu prüfen, bevor man den Himmel beschuldigt.

Eine praktische Antwort

• Belichtungszeit: die längste, die deine Montierung zuverlässig nachführt. Das bestimmt das Ausleserauschen, und das Ausleserauschen bestimmt die schwachen Ziele.
• Bildanzahl: in Vierfach-Schritten denken. Wenn du eine sichtbare Verbesserung willst, plane das Vierfache, nicht ein bisschen mehr.
• Registrierung: muss Rotation beherrschen. Auf jeder azimutalen Montierung nicht verhandelbar.
• Ausreißerunterdrückung: an die Tiefe deines Stacks und die Stabilität deiner Nacht anpassen.
• Kenne deine Grenze: Ausleserauschen, Himmelshelligkeit oder Ausrichtung. Mehr Bilder helfen nur bei den ersten beiden, und nur langsam.

Nichts davon erfordert mehr Mathematik als √N. Aber es erklärt, warum der Stack, mit dem du unzufrieden bist, unbefriedigend ist - und das ist meist nützlicher zu wissen als ein weiterer Regler.