你需要多少帧？一个直接的答案

「能拍多少拍多少」是标准建议，与其说它错，不如说它没用。它不能帮你规划一次会话，不能告诉你什么时候该停，也不能解释为什么上周的两小时比这周的三小时出的图明显更好。

直接的答案是有的，而且它来自一个关系。

算术

信号随帧数线性累积。噪声是随机的，会部分抵消，只按平方根增长。所以信噪比按 √N 改善。

这一个事实带来的后果，大多数人都会觉得意外：

帧数	相对单帧的改善
4	2×
16	4×
64	8×
256	16×
1024	32×

画质每翻一倍，都要花四倍的帧数。

这就是为什么从 10 帧到 40 帧是脱胎换骨，而从 200 到 260 是看不出来的。你多加了 30% 的数据，换来 14% 的改善，而 14% 低于肉眼在一张照片上能可靠察觉的程度。没有任何环节出错。你买到的是一份不会显现出来的改善。

实用规则：想看到真正的一级提升，就计划翻四倍，而不是加一点。 如果 50 帧给了你还不错的结果，200 帧才是下一个看得见的台阶。70 帧不是。

读出噪声决定你的单帧曝光长度

还有第二种噪声源，它不会以同样的方式被平均掉。传感器每读出一次，就加上一笔固定的代价。它与曝光长度无关 —— 一张 5 秒的帧和一张 500 秒的帧，各自都恰好付一次。

所以给定的总积分时间所携带的读出噪声，正比于你把它切成了多少段：

• 90 分钟切成 540 × 10 秒的单帧 → 540 份读出噪声
• 90 分钟切成 18 × 5 分钟的单帧 → 18 份

总光量相同。读出的代价大约少三十倍。

这就是在同样总时长下，导星装置在暗弱目标上能甩开智能望远镜的全部原因。它不是收集了更多光子。它读传感器的次数少得多。

规则：用你的赤道仪能可靠跟踪的最长单帧。 这是个机械问题，不是处理问题，而且在暗弱目标上它压倒其他一切。

反向的压力很明显 —— 一张拖了线的 300 秒帧一文不值，而丢掉一帧的代价比一帧略吵要大。找到你保留率仍然很高的那个长度，然后就待在那里。

「够了」长什么样

粗略的工作数字，假设天空条件合理：

亮目标 —— 猎户座大星云的核心、昴星团、仙女座星系的中心、月球。二十到五十帧就能得到真正不错的结果。它们亮到你不用和噪声底线搏斗，再加时间也收益不大。

中等目标 —— 大多数梅西耶星系和星云。一百到三百帧。这是 √N 曲线真正发挥作用的区间，每多一小时仍然看得出来。

暗弱目标 —— 外围星云物质、积分流量星云、暗弱的潮汐尾。五百帧起步，不过说实话，在这个区间单帧长度和天空质量比帧数更重要。如果你受限于读出噪声或天空，光靠帧数救不回来。

行星 —— 完全另一套规矩。你要的是成千上万帧，因为你会把大部分扔掉。幸运成像只留最锐的一小部分，所以 5,000 帧按 10% 留下 500 张好的，而干活的是筛选而不是整合。

三种极限，以及怎么区分它们

加帧只在帧是你的限制因素时才有用。有三样东西常常才是真正的限制：

你受限于读出噪声。 单帧非常短时，噪声底线由读出决定，而不是天空光子。多加帧仍有帮助，但很慢，而且你在反复支付一笔固定成本。*症状：*总积分时间长、背景顽固地吵、单帧短。*对策：*把单帧拉长，而不是拍更多。

你受限于天空。 在明亮的天空下背景占主导，暗弱信号可能永远浮不出来。信噪比仍然按 √N 改善 —— 但「检测不到」的 √N 倍还是检测不到。*症状：*背景亮，暗弱区域无论积分多久都是空的。*对策：*更暗的天空，或者能挡掉大部分光污染的窄带滤镜。

你受限于对齐。 如果配准留下半个像素的误差，帧越多，加进来的略微错位的数据就越多。叠加图变得更平滑，却不会更锐。*症状：*噪声随帧数下降，细节却从不改善，星点软得与你的对焦对不上。*对策：*检查配准是否处理了旋转 —— 这在每一台经纬仪上都很要紧，包括所有智能望远镜。

最后这一种值得在怪天空之前先查，因为它看起来和视宁度差一模一样，有人为此白白丢掉整个季节。

一次运行就能定案的诊断

叠加你的整个会话。然后叠加它的一半 —— 隔一帧取一帧 —— 在相同的拉伸下比较两者。

• 全部帧明显更好？ 帧在起作用。继续拍。
• 几乎分不出来？ 你撞上了上面三种极限之一。再多的帧也修不好；换点别的。

这只多花一次处理，却比任何经验法则告诉你的都多，因为它是在你的数据、你的天空和你的器材上测出来的，而不是别人的。

拒绝需要一个最低帧数

有一样东西确实取决于原始帧数：离群值拒绝。

八帧没法估计一个分布。任何剔除方法都在用太少的样本工作，激进的拒绝会一边宣称在去离群值、一边丢掉真实信号。这种失败很隐蔽 —— 图像看起来干净，却悄悄缺了暗弱细节。它看起来不像坏了。它看起来有点空，而屏幕上没有任何东西解释为什么。

实用的门槛：

• **不足 8 帧：**普通平均或中值。接受卫星轨迹；你没法安全地拒绝它们。
• **8 到 15 帧：**Winsor 剔除，它把离群值拉向主体而不是丢掉。
• **15 帧以上：**普通的 sigma 剔除变得安全。
• **15 帧以上且通透度有漂移：**线性拟合剔除，它预期整个堆栈里存在一个平滑的漂移，只拒绝偏离这个漂移的东西。

最后这种情况值得知道。当高云飘进来，或者你的目标沉向光穹时，各帧之间确实不同。Sigma 剔除把区间两端的帧当作离群值 —— 而最暗的那些往往是当晚最通透的帧。你把最好的数据输给了一个假定它们是错的方法。

那么：到底多少？

• 先定单帧长度。 你的赤道仪能可靠跟踪的最长值。它决定读出噪声，而读出噪声决定暗弱目标。
• 然后按四倍来数帧。 50 → 200 → 800。加 20% 不算计划。
• 至少 15 帧，如果你想要像样的离群值拒绝。
• 用半叠加测试来验证，而不是相信上面任何一条，包括这篇文章。

而当半叠加看起来和全叠加一样时，你下一个晴夜更值得花在另一个目标上，而不是同一个目标的更多帧上。