Kako slaganje snimaka zaista radi (i zašto više snimaka nije uvek bolje)

Pitaj zašto slažemo astrofotografije i najčešće ćeš čuti „da se smanji šum”. To je tačno i skoro beskorisno, jer ti ne govori koliko snimaka ti treba, zašto tvoj stek od 200 snimaka izgleda lošije od tuđeg steka od 60, ni zašto dodatni sat snimanja ponekad ne promeni baš ništa.

Pravi argument je kratak, i kad ga jednom usvojiš, većina odluka o slaganju odgovara sama na sebe.

Signal se sabira. Šum se ne sabira.

Usmeri teleskop ka maglini i napravi jednu ekspoziciju. Svaki piksel primi izvestan broj fotona sa neba. Taj broj nije fiksan - dolazak fotona je slučajan, i broj varira od ekspozicije do ekspozicije otprilike za kvadratni koren samog sebe. Sakupi 100 fotona i varijacija od snimka do snimka je oko 10. Sakupi 10.000 i ona je oko 100.

Sada složi N snimaka. Signal - stvarni broj fotona sa objekta - sabira se linearno: N puta više. Šum je slučajan i delimično se poništava, pa raste samo kao kvadratni koren iz N.

Dakle, odnos signala i šuma popravlja se za √N.

Ta jedna relacija objašnjava većinu onoga što vidiš:

• 4 snimka su dvostruko bolja od 1.
• 16 snimaka je dvostruko bolje od 4.
• 64 snimka su dvostruko bolja od 16.

Svako udvostručenje kvaliteta košta četiri puta više snimaka. Zato je razlika između 10 i 40 snimaka dramatična, a razlika između 200 i 260 nevidljiva. Ne radiš ništa pogrešno kad te ova druga razočara - dodao si 30% više snimaka za 14% poboljšanja, a 14% je ispod onoga što oko pouzdano primećuje.

Ako hoćeš vidljiv skok u odnosu na stek od 200 snimaka, treba ti oko 800.

Zato šum očitavanja odlučuje o dužini ekspozicije

Postoji i drugi izvor šuma koji se ne ponaša ovako. Svaki put kad se senzor očita, elektronika doda fiksnu kaznu. Ona ne zavisi od dužine ekspozicije - snimak od 5 sekundi i snimak od 500 sekundi plaćaju je tačno jednom.

Dakle, za dato ukupno vreme integracije, šum očitavanja raste srazmerno tome na koliko snimaka si ga podelio. Devedeset minuta kao 540 pojedinačnih ekspozicija od deset sekundi plaća kaznu 540 puta. Istih devedeset minuta kao 18 ekspozicija od pet minuta plaća je 18 puta.

To je ceo argument za duže pojedinačne ekspozicije, i zato vođena montaža na slabim objektima odmiče od pametnog teleskopa čak i uz identično ukupno vreme. Nije stvar u tome da vođeni setap sakuplja više svetlosti. On očitava senzor trideset puta ređe.

Protivteža je to što duge ekspozicije traže dobro praćenje, a razvučen snimak od 300 sekundi ne vredi ništa. Prava dužina ekspozicije je najduža koju tvoja montaža pouzdano isporučuje - a to je mehaničko pitanje, ne pitanje obrade.

Poravnanje je mesto gde se stekovi zaista gube

Argument sa √N pretpostavlja da svaki snimak doprinosi istim signalom istom pikselu. To zahteva da snimci budu u registru, i tu većina razočaravajućih stekova zapravo pada.

Snimci se pomeraju između ekspozicija. Drift montaže, refrakcija blizu horizonta, fleksija i - na svakoj alt-azimutalnoj montaži, što uključuje svaki pametni teleskop - rotacija polja. Tokom sat vremena, snimci sa početka i kraja mogu biti zarotirani za desetine stepeni jedan u odnosu na drugi.

Poravnanje koje rešava samo translaciju neće izaći na kraj s tim. Još gore je kako pada: ne s porukom o grešci, nego stekom u kome je sve blago razmazano. To liči na loš fokus ili loš seeing, i ljudi provedu sezonu jureći pogrešan problem.

Prava registracija radi na osnovu samih zvezda. Od najsjajnijih zvezda u svakom snimku grade se trouglovi i opisuju odnosima stranica - veličinama koje preživljavaju translaciju, rotaciju i skaliranje. Poklapajući trouglovi glasaju koja zvezda odgovara kojoj, robusno uklapanje odbacuje glasove koji se ne slažu, a prolaz za doterivanje dovodi rezultat do subpikselske tačnosti.

Taj poslednji deo je važan. Subpikselska tačnost nije luksuz; dosledna greška od pola piksela kroz ceo stek košta te istog onog detalja koji bi izgubio zbog malo lošijeg seeinga.

Odbacivanje: deo koji uklanja ono što usrednjavanje ne može

Usrednjavanje rešava slučajni šum. Ne rešava stvari koje nisu slučajne: satelite, avione, kosmičke zrake, farove automobila koji prelete preko polja.

Usrednji 100 snimaka od kojih jedan ima trag satelita i trag je i dalje tu, sa 1% jačine - slab, ali vidljiv naspram tamnog neba, i preživi rastezanje histograma.

Odbacivanje ga uklanja tako što za svaki piksel pogleda kroz ceo stek i odbaci vrednosti koje tu ne pripadaju. Metode se razlikuju po tome šta „ne pripadaju” znači, i izbor između njih nije proizvoljan:

Sigma clipping uzima srednju vrednost i standardnu devijaciju za svaki piksel i odbacuje vrednosti iznad praga. Radi dobro i s razlogom je podrazumevani izbor - ali pretpostavlja da svaki snimak uzorkuje istu raspodelu.

Winsorizovani sigma clipping privlači odstupanja ka glavnini umesto da ih uklanja. Sigurniji na plitkim stekovima, gde procena standardne devijacije iz osam uzoraka pa odbacivanje vrednosti obično baci i pravi signal.

Linear-fit clipping odgovara na drugo pitanje. Sortira vrednosti svakog piksela kroz stek i provlači pravu kroz njih. Glatki raspon - kakav nastaje kad se providnost menja tokom noći - tom modelu je očekivan i ne košta ništa, dok je trag satelita i dalje jedna vrednost daleko od prave.

Ta razlika je važnija nego što zvuči. Kad naiđu visoki oblaci, ili tvoj objekat tone ka svetlosnoj kupoli grada, snimci se zaista razlikuju. Raspon su pravi podaci, ne šum. Sigma clipping vidi snimke sa krajeva raspona kao odstupanja i počinje da ih odbacuje - a oni na tamnom kraju obično su najčistiji snimci te noći. Gubiš najbolje podatke zbog metode koja je pretpostavila da su pogrešni.

Signal koji treba pratiti je koliko ti nivo neba po snimku pluta. Ako je stabilan, sigma clipping je pravi izbor. Ako se pomera za više od nekoliko procenata, linearno uklapanje će ti bolje poslužiti. Akastroid to meri i automatski prebacuje iznad otprilike 8% pomaka, što je odluka za koju nije potrebno nikakvo znanje astronomije da bi bila ispravna, a prilično ga treba da bi je čovek ručno doneo kako valja.

Plitki stekovi traže drugačiji tretman

Sa osam snimaka ne možeš proceniti raspodelu. Bilo koja metoda odbacivanja radi sa premalo uzoraka, i agresivno odsecanje ukloniće pravi signal tvrdeći da uklanja odstupanja.

Ispod otprilike osam snimaka, obično usrednjavanje ili medijana najčešće je pošten izbor. Između osam i petnaest, winsorizacija. Iznad toga, pravo odsecanje postaje bezbedno.

Način na koji ovo zakaže je suptilan: agresivno odbacivanje na plitkom steku daje sliku koja izgleda čisto, a tiho joj nedostaju slabi detalji. Ne izgleda pokvareno. Izgleda blago prazno, i ništa na ekranu ti ne govori zašto.

Kada više snimaka zaista prestaje da pomaže

Tri slučaja u kojima ti sledeći sat ne donosi ništa:

Ograničen si šumom očitavanja. Sa vrlo kratkim ekspozicijama, pod šuma određuje očitavanje, a ne fotoni sa neba. Slaganje i dalje pomaže, ali se boriš sa fiksnim troškom koji dodatni snimci ne uklanjaju. Duže ekspozicije bi.

Ograničen si nebom na slabom objektu. Pod svetlim nebom pozadina dominira, i slabi spoljni delovi tvog objekta možda se nikad ne izdignu iznad nje. Odnos signala i šuma i dalje raste kao √N - ali √N od „jedva primetno” je i dalje jedva primetno. Tamnije nebo ili uskopojasni filteri to menjaju; više vremena ne.

Poravnanje je granica. Ako registracija ostavlja greške od pola piksela, dodavanje snimaka dodaje još blago pogrešno registrovanih podataka. Stek postaje glađi, ali ne i oštriji. Ovo vredi proveriti pre nego što okriviš nebo.

Radni odgovor

• Dužina ekspozicije: najduža koju tvoja montaža pouzdano prati. To dominira šumom očitavanja, a šum očitavanja dominira slabim objektima.
• Broj snimaka: razmišljaj u faktorima četiri. Ako hoćeš vidljivo poboljšanje, planiraj učetvorostručenje, ne dodavanje mrvice.
• Registracija: mora da rešava rotaciju. Bez pogovora na svakoj alt-az montaži.
• Odbacivanje: uskladi ga sa dubinom steka i mirnoćom noći.
• Znaj svoju granicu: šum očitavanja, sjaj neba ili poravnanje. Dodavanje snimaka pomaže samo kod prva dva, i to sporo.

Ništa od ovoga ne zahteva razumevanje matematike dalje od √N. Ali objašnjava zašto je stek kojim nisi zadovoljan nezadovoljavajući - a to je obično korisnije znati nego još jedan klizač.