Så fungerar stackning egentligen (och varför fler bildrutor inte alltid är bättre)

Fråga varför vi stackar astrofoton så får du oftast svaret ”för att minska bruset”. Det är sant och nästan oanvändbart, för det säger dig inte hur många bildrutor du behöver, varför din stack på 200 ser sämre ut än någon annans stack på 60, eller varför ytterligare en timme ibland inte förändrar någonting alls.

Själva resonemanget är kort, och när du väl har det besvarar de flesta stackningsbeslut sig själva.

Signalen adderas. Bruset gör det inte.

Rikta teleskopet mot en nebulosa och ta en exponering. Varje pixel tar emot ett visst antal fotoner från himlen. Det antalet är inte fast – fotoner anländer slumpmässigt, och antalet varierar mellan exponeringar med ungefär kvadratroten ur sig självt. Samla 100 fotoner och variationen från bildruta till bildruta är omkring 10. Samla 10 000 och den är omkring 100.

Stacka nu N bildrutor. Signalen – det verkliga antalet fotoner från objektet – adderas linjärt: N gånger så mycket. Bruset är slumpmässigt och tar delvis ut sig självt; det växer bara som kvadratroten ur N.

Förhållandet mellan signal och brus förbättras alltså med √N.

Det enda sambandet förklarar det mesta av det du ser:

• 4 bildrutor är dubbelt så bra som 1.
• 16 bildrutor är dubbelt så bra som 4.
• 64 bildrutor är dubbelt så bra som 16.

Varje fördubbling av kvaliteten kostar fyra gånger så många bildrutor. Det är därför skillnaden mellan 10 och 40 bildrutor är dramatisk medan skillnaden mellan 200 och 260 är osynlig. Du gör ingenting fel när den andra gör dig besviken – du lade till 30 % fler bildrutor för 14 % förbättring, och 14 % ligger under vad ögat märker tillförlitligt.

Vill du ha ett synligt steg uppåt från en stack på 200 bildrutor behöver du omkring 800.

Och därför är det läsbruset som avgör din exponeringstid

Det finns en andra bruskälla som inte beter sig så här. Varje gång sensorn läses ut lägger elektroniken till ett fast påslag. Det beror inte på exponeringstiden – en bildruta på 5 sekunder och en på 500 sekunder betalar det precis en gång var.

En given total exponeringstid bär alltså läsbrus i proportion till hur många bildrutor du delar upp den i. Nittio minuter som 540 tiosekunderssubs betalar påslaget 540 gånger. Samma nittio minuter som 18 femminuterssubs betalar det 18 gånger.

Det är hela argumentet för längre enskilda exponeringar, och det är därför en guidad rigg drar ifrån ett smart teleskop på svaga objekt även vid identisk total tid. Det handlar inte om att den guidade utrustningen samlar mer ljus. Den läser ut sensorn trettio gånger mer sällan.

Mottrycket är att långa subs kräver bra följning, och en bildruta på 300 sekunder med streckade stjärnor är värd noll. Rätt exponeringstid är den längsta din montering klarar tillförlitligt – vilket är en mekanisk fråga, inte en bearbetningsfråga.

Det är i inpassningen som stackar faktiskt går förlorade

Resonemanget med √N förutsätter att varje bildruta bidrar med samma signal till samma pixel. Det kräver att bildrutorna är i register, och det är här de flesta nedslående stackar i själva verket havererar.

Bildrutorna rör sig mellan exponeringarna. Monteringsdrift, refraktion nära horisonten, flexur och – på varje altazimutal montering, vilket omfattar alla smarta teleskop – fältrotation. Under en timme kan bildrutor tagna i början och i slutet vara roterade tiotals grader i förhållande till varandra.

En inpassning som bara hanterar förskjutning klarar inte det. Värre är hur den fallerar: inte med ett felmeddelande, utan med en stack där allting är lite utsmetat. Det ser ut som dålig fokus eller dåligt seeing, och folk lägger en hel säsong på att jaga fel problem.

Riktig registrering utgår från stjärnorna själva. Bygg trianglar av de ljusaste stjärnorna i varje bildruta och beskriv dem med sidförhållanden – storheter som överlever förskjutning, rotation och skalning. Matchande trianglar röstar om vilken stjärna som motsvarar vilken, en robust anpassning kastar bort röster som avviker, och ett förfiningssteg drar resultatet till subpixelnoggrannhet.

Den sista delen spelar roll. Subpixelnoggrannhet är ingen lyx; ett genomgående fel på en halv pixel genom hela stacken kostar dig lika mycket detalj som du hade förlorat på något sämre seeing.

Rejection: den del som tar bort det medelvärdet inte kan

Medelvärdesbildning hanterar slumpmässigt brus. Den hanterar inte sådant som inte är slumpmässigt: satelliter, flygplan, kosmisk strålning, en bils strålkastare som sveper över fältet.

Ta medelvärdet av 100 bildrutor där en har ett satellitspår, och spåret finns kvar med 1 % styrka – svagt, men synligt mot en mörk himmel, och det överlever stretchen.

Rejection tar bort det genom att titta tvärs igenom stacken i varje pixel och kasta värden som inte hör hemma. Metoderna skiljer sig åt i vad ”inte hör hemma” betyder, och valet mellan dem är inte godtyckligt:

Sigma clipping tar medelvärdet och standardavvikelsen i varje pixel och kastar värden bortom ett tröskelvärde. Det fungerar bra och är standardvalet av goda skäl – men det förutsätter att varje bildruta är dragen ur samma fördelning.

Winsoriserad sigma clipping drar in avvikarna mot huvudmassan i stället för att ta bort dem. Säkrare på grunda stackar, där det att skatta en standardavvikelse ur åtta stickprov och sedan slänga värden brukar kasta bort verklig signal.

Linear-fit clipping svarar på en annan fråga. Den sorterar varje pixels värden genom stacken och anpassar en linje genom dem. En jämn spridning – den sorten som uppstår när transparensen ändras under natten – är väntad av den modellen och kostar ingenting, medan ett satellitspår fortfarande är ett enda värde långt från linjen.

Den skillnaden betyder mer än den låter. När höga moln drar in, eller när ditt objekt sjunker ner mot ljuskupolen, skiljer sig bildrutorna på riktigt. Spridningen är verkliga data, inte brus. Sigma clipping ser bildrutorna i ändarna av intervallet som avvikare och börjar kasta dem – och de i den mörka änden är oftast de klaraste bildrutorna i hela passet. Du förlorar dina bästa data till en metod som antog att de var fel.

Signalen att hålla ögonen på är hur mycket din himmelsnivå per bildruta driver. Är den stabil är sigma clipping rätt. Rör den sig mer än några få procent tjänar du mer på en linjär anpassning. Akastroid mäter det här och byter automatiskt över ungefär 8 % drift, vilket är ett beslut som inte kräver några astronomikunskaper för att bli rätt – och en hel del för att bli rätt för hand.

Grunda stackar behöver annan behandling

Med åtta bildrutor kan du inte skatta någon fördelning. Varje rejection-metod arbetar med för få stickprov, och aggressiv clipping tar bort verklig signal samtidigt som den påstår sig ta bort avvikare.

Under ungefär åtta bildrutor är vanligt medelvärde eller en median oftast det ärliga valet. Mellan åtta och femton, winsorisering. Däröver blir riktig clipping säker.

Felmoden här är subtil: aggressiv rejection på en grund stack ger en bild som ser ren ut och som i tysthet saknar svaga detaljer. Den ser inte trasig ut. Den ser lite tom ut, och det finns ingenting på skärmen som talar om varför.

När fler bildrutor på riktigt slutar hjälpa

Tre fall där nästa timme inte ger dig någonting:

Du är begränsad av läsbruset. Med mycket korta subs sätts brusgolvet av utläsningen, inte av himlens fotoner. Stackning hjälper fortfarande, men du slåss mot en fast kostnad som fler bildrutor inte tar bort. Längre subs skulle göra det.

Du är himmelsbegränsad på ett svagt objekt. Under ljus himmel dominerar bakgrunden, och de svaga ytterdelarna av ditt objekt kanske helt enkelt aldrig lyfter över den. Signal-brus-förhållandet förbättras fortfarande som √N – men √N av ”knappt detekterbart” är fortfarande knappt detekterbart. Mörkare himmel eller smalbandsfilter ändrar det; mer tid gör det inte.

Det är din inpassning som är begränsningen. Om registreringen lämnar fel på en halv pixel lägger fler bildrutor bara till mer lätt felregistrerade data. Stacken blir jämnare och inte skarpare. Det är värt att kontrollera innan du skyller på himlen.

Ett användbart svar

• Exponeringstid: den längsta din montering följer tillförlitligt. Den dominerar läsbruset, och läsbruset dominerar svaga objekt.
• Antal bildrutor: tänk i faktorer om fyra. Vill du ha en synlig förbättring, planera för att fyrdubbla, inte för att lägga till lite.
• Registrering: måste klara rotation. Icke förhandlingsbart på varje altazimutal montering.
• Rejection: anpassa den efter stackens djup och nattens stabilitet.
• Känn din begränsning: läsbrus, himmelsljus eller inpassning. Fler bildrutor hjälper bara mot de två första, och bara långsamt.

Ingenting av det här kräver att du förstår matematiken bortom √N. Men det förklarar varför just den stack du är missnöjd med är misslyckad – och det är oftast nyttigare att veta än ännu ett reglage.