.
Podstawy dla początkujących
26-04-2024
|
Dawnej, gdy fotografowano na kliszy, ograniczeniem były właściwości jej ziarna, gdy zaczęto fotografować cyfrowo, ograniczeniem stały się właściwości elektroniki. Aby zmniejszyć wpływ niedoskonałości akwizycji elektronicznej na obraz końcowy, wymyślono łączenie wielu mniej doskonałych obrazów w jeden, posiadający o wiele lepszą charakterystykę. To właśnie ten proces łączenia nazywamy stackowaniem. Aby stackowanie miało sens, obrazowaniu winy zostać poddane obiekty statyczne, lub seria obrazów winna zostać pobrana na tyle szybko, aby nie dokonała się żadna zmiana w obrazowanym obiekcie. Jedyną dostrzegalną różnicą na poszczególnych obrazach winny być niedoskonałości układu obrazującego. . Ponieważ opis zawiera wiele animacji, które dla wygody analizy często są dość powolne, dla lepszego odróżnienia ich od grafiki statycznej, zostały oznaczone napisem | animacja GIF |. . Prezentowane animacje zostały zoptymalizowane pod ekrany telefonów z uwagi na fakt, iż gros użytkowników korzysta z tego rodzaju urządzeń. Dla lepszej wygody oglądania na ekranie monitora PC polecam wcisnąć Ctrl i pokręcić scroll-em myszki zmniejszając skalę powiększenia ekranu przeglądarki. . Pod dłuższymi i bardziej złożonymi animacjami znajdują się odnośniki: WERSJA VIDEO - stanowi wersję video animacji, co umożliwia zatrzymywanie, cofanie, przewijanie akcji. . Wiedza w miarę możliwości jest stopniowana w stosownej kolejności, powoli wtajemniczając Was w kolejne zagadnienia. Opracowanie jest podzielone na kilka podstawowych działów, kliknij stosowną nazwę, aby zostać przeniesionym do interesującej Cię sekcji. ➤ IDEA STACKOWANIA ➤ ALGORYTMY ➤ HOT PIXEL i ALGORYTMY ➤ WYRÓWNANIE ➤ CO TO ZA ŚLADY? ➤ DITHERING ➤ DRIZZLE ➤ NORMALIZACJA ➤ KALIBRACJA ➤ 16bit - od 0 do 65535 ❚ IDEA STACKOWANIA Astrofotografia nieustannie operuje w ciemnościach, daleko jej do zdjęć z wakacji, gdzie wszystko w jedną chwilę jest pięknie naświetlone. Jak szybko, łatwo i przyjemnie powstaje w ułamku sekundy piękne wakacyjne zdjęcie. | animacja GIF |
 Astrofotografia, obrazując słabe obiekty kosmosu, męczy się niebywale, przebijając się przez kolejne niedoskonałości układu obrazującego, aby na koniec, w niedoskonałej formie, wydusić z siebie obraz stanowiący namiastkę obrazowanego obiektu. | animacja GIF |
 Brodząc nieustannie w ciemnych partiach obrazu, będąc podatną na wszelkie ułomności układu obrazującego, astrofotografia zmusza nas do szukania sposobu na pozbycie się wad obrazu pochodzących z urządzeń obrazujących. Jednym ze sposobów umożliwiających pozbycie się lub zmniejszenie wad obrazu jest wykonanie większej liczby obrazowań i poddanie ich stackowaniu. Proces stackowania sprawia, że natywna informacja stanowiąca obrazowany obiekt wybija się ponad wady układu obrazującego. W fotografii ekstremalnej, jaką jest astrofotografia, dodatkowo dochodzą zmienne w czasie warunki obrazowania, jeszcze dodatkowo dokładające od siebie kolejne zmienne anomalie na poszczególnych obrazach, stackując, ich też chcemy się pozbyć. Inną kwestią jest to, że gdy fotografujemy rodzinę na plaży, ilość światła docierającego do zestawu obrazującego jest tak wielka, że ułomności zestawu obrazującego stają się marginalne. Jednak gdy fotografujemy wieczorem lub uprawiamy astrofotografię nocą, fotografowane obiekty przesyłają do zestawu obrazującego znikome ilości światła. Stackowanie polega na połączeniu za pomocą dedykowanego oprogramowania wielu obrazów w jeden, stanowiący wypadkową tych wszystkich obrazów. A teraz o samym procesie stackowania. Obraz cyfrowy składa się z pikseli, stackując obrazy stackujemy ich poszczególne piksele. Każdy piksel posiada swoje parametry, stackowanie analizuje dany piksel na wszystkich zdjęciach i ustala, jaka będzie jego wartość docelowa. | animacja GIF |
 Załóżmy, że fotografujemy obiekt, jego wartości na danym pikselu to najczęściej 7, ale czasami, z powodu szumu lub innej fiksacji pojawia się 20, na chwilę zapalił się jako hot piksel osiągając wartość 253, ale potem ponownie 100 razy uzyskał 7, aby na chwilę z powodu chmurki mieć wartości 2,1,3, i ponownie 100 razy uzyskał 7. Oczywiste dla nas jest, że prawidłowa wartość tego piksela to 7. To samo robi dla nas stackowanie, stosując stosowne algorytmy, jakby szuka wartości najczęściej występującej, jako uznanej za wartość prawidłową. . W idealnych warunkach 100x wysłany sygnał o wartości 7 zostanie 100x pobrany jako wartość 7 i 100x wyświetlony jako wartość 7. . W niedoskonałym świecie rzeczywistym wyemitowany przez fotografowany obiekt sygnał o wartości 7 ani nie dotrze za każdym razem do obiektywu jako 7, ani przez niedoskonałości urządzenia obrazującego nie zostanie pobrany jako wartość 7. Na tym polega problem. Raz dotrze jako 5, a kamera z powodu swoich ułomności pobierze go jako 9, innym razem dotrze jako 9, kamera z powodu swoich ułomności pobierze go jako 6, innym razem dotrze jako 6, kamera z powodu swoich ułomności pobierze go jako 7. Tak czy inaczej, po wielu, wielu próbach, kręcąc się nieustannie w okolicy rzeczywistej wartości 7, po zestackowaniu, uzyskamy 7, lub wartość mocno do niej zbliżoną, co sprawi, że dzięki stackowaniu zbliżymy się do rzeczywistej wartości obrazowanego obiektu. Cały czas oczywiście mowa o jednym fragmencie obiektu i jednym pikselu kadru, który ten fragment obiektu zawiera. . Matryca/Sensor składa się z wielu pikseli, a każdy piksel to miernik światła. Gdy na dany piksel pada dany fragment obrazu generowanego przez obiektyw, nabiera on pewnej wartości, która jest pobierana z chwilą odczytu obrazu. W idealnym świecie wszystkie piksele matrycy w momencie początkowym posiadają wartość zero, następnie z chwilą naświetlania zdjęcia nabierają stosownej wartości i jest ona precyzyjnie odczytywana, a następnie prezentowana na obrazie wynikowym. Niestety, w rzeczywistym świecie, w momencie początkowym każdy piksel posiada już jakąś wartość, każdy inną, zależną od tego, jaki się urodził w produkcji, mało tego, gdy już każdy z nich nabierze stosownej wartości, zależnej od obrazowanego miejsca, to dodatkowo z chwilą odczytu dokładają nam się kolejne przypadkowe przesunięcia, kończy się to tym, że finalnie, zamiast precyzyjnie pobrać wartość jasności danego miejsca obrazu, posiadamy jedynie jego przybliżoną wartość. Tyczy się to głównie fotografii ekstremalnej, jaką jest astrofotografia, zdjęcia wykonywane z wakacji na plaży nie borykają się z takimi problemami, ponieważ stosunek naszych rozbieżności względem skali docierającego do piksela sygnału, jest na tyle znikomy, że nie wpływa na obraz wynikowy. Przejdźmy do animacji, aby zobrazować zagadnienie. Prezentowane poniżej animacje oddają ideę zagadnienia, nie będą ściśle odwzorowywać procesów zachodzących w czasie stackowania. Poniższa animacja przedstawia analizę poszczególnych pikseli, poszczególnych pięciu obrazów i powstawanie stacku. Jest to wersja uproszczona oparta o pięć identycznych obrazów z jednorodnym kolorem pikseli, ma charakter zapoznawczy. | animacja GIF |
 . WERSJA VIDEO Skoro już wiadomo, jak przebiega prezentacja, urealnimy animację, wykorzystując bardziej rzeczywisty przykład, posiadający zróżnicowane kolory na poszczególnych obrazach, symulując stackowany szum. | animacja GIF |
 . WERSJA VIDEO Jakim cudem z tej szachownicy wyszło jednolite szare tło? Przekonacie się w następnym dziale. :) WRÓĆ DO WYKAZU DZIAŁÓW ➤ ❚ ALGORYTMY Do stackowania można użyć różnych algorytmów, np.: Sum, Average, Median, Sigma Clip, SD Mask, uzyskując różne wyniki końcowe. My skupimy się na dwóch najbardziej klasycznych (średnia - Average, mediana - Median), próbując zrozumieć zasadę ich działania oraz konsekwencje wynikające z ich zastosowania. Zastosowane w animacjach kolory pikseli są tak naprawdę różnym poziomem w skali szarości 8 bitowej grafiki w przedziale od 0 do 255, gdzie 0 oznacza piksel całkowicie czarny, 255 oznacza piksel całkowicie biały, a wszelkie wartości pośrednie, to różnej jasności/ciemności szary.  AVERAGE - Średnia
AVERAGE - średnia | Niniejszy algorytm polega na dodaniu wszystkich wartości, a następnie podzieleniu otrzymanej sumy przez liczbę tych wartości. | animacja GIF |
 AVERAGE - średnia | Zobacz jak niniejszy algorytm wpływa na wynik stackowania. | animacja GIF |
 . WERSJA VIDEO Finalny obraz.  MEDIAN - Mediana
MEDIAN - mediana | Niniejszy algorytm polega na uszeregowaniu zbioru wartości od najmniejszej do największej i wyznaczeniu środkowej pozycji w szeregu. | animacja GIF |
 MEDIAN - mediana | Zobacz jak niniejszy algorytm wpływa na wynik stackowania. | animacja GIF |
 . WERSJA VIDEO Finalny obraz.  Gdy układ obrazujący robi co może, aby do natywnego obrazu dodać coś od siebie, czy to zawyżając, czy to zaniżając wartość pierwotną, my i tak dojdziemy do tego, ile ona winna wynosić, stackując obrazy. Sposób uzyskania wyniku odmienny, jednak wynik końcowy w naszym prostym przykładzie taki sam, ale tylko chwilowo, przejdźmy do następnego działu... :) WRÓĆ DO WYKAZU DZIAŁÓW ➤ ❚ HOT PIXEL i ALGORYTMY Bardzo często początkujący słyszą od bardziej doświadczonych kolegów radę, aby stackowali materiał medianą, ponieważ mediana pozbędzie się hot pikseli. Zobaczmy zatem, jak wygląda porównanie algorytmu średnia (Average) i mediana (Median) w walce z hotpikselowym szkodnikiem. hot pixels - AVERAGE - średnia
Stacking & hot pixels - AVERAGE | animacja GIF |
 . WERSJA VIDEO Jak widzimy, hot piksel swoją wysoką wartością, biorąc czynny udział w obliczaniu wartości wynikowego piksela, namieszał nam i spowodował, że mamy ślad po hot pikselu na stacku końcowym. . Finalny obraz.  hot pixels - MEDIAN - mediana
Stacking & hot pixels - MEDIAN | animacja GIF |
 . WERSJA VIDEO Jak widzimy, hot piksel ze swoją wysoką wartością, nie biorąc czynnego udziału w ustalaniu wartości wynikowego piksela, przepadł i nie pozostawił śladu swojej obecności na stacku końcowym. Finalny obraz.  hot pixels - AVERAGE vs MEDIAN
Porównanie zachowania się obu algorytmów wobec hot piksela na jednej animacji. . AVERAGE potem MEDIAN. . Stacking & hot pixels - AVERAGE vs MEDIAN | animacja GIF |
 . WERSJA VIDEO Porównanie stacków uzyskanych za pomocą obu algorytmów. .  Równoległe porównanie zachowania obu algorytmów wobec hot piksela na jednej animacji. . AVERAGE oraz MEDIAN - równolegle. . Stacking & hot pixels - AVERAGE vs MEDIAN | animacja GIF |
 . WERSJA VIDEO Porównanie finalnych obrazów obu algorytmów.  Rozwinięciem niniejszego zagadnienia jest opis w dziale CO TO ZA ŚLADY, gdyż bywają takie sytuacje, że i Mediana sobie nie poradzi. WRÓĆ DO WYKAZU DZIAŁÓW ➤ ❚ WYRÓWNANIE Bardzo często, zwłaszcza w przypadku początkujących adeptów astrofotografii, obraz w czasie sesji przemieszcza się po kadrze. | animacja GIF |
 Dlaczego? Ponieważ zestaw astrofotograficzny przy każdym kolejnym obrazowaniu trafia w trochę inny rejon nieba. Dlaczego? Przyczyny bywają różne, od niedokładnego prowadzenia przez montaż poczynając, na ugięciach optyki kończąc. | animacja GIF |
 Aby móc poddać rzeczone obrazy prawidłowemu stackowaniu, naszym zadaniem jest wykryć na obrazach stałe punkty odniesienia, i się ich "uczepić" ... | animacja GIF |
 ... aby następnie wyrównać wszystkie obrazy za pomocą i względem tych punktów. | animacja GIF |
 Dopiero tak wyrównane względem siebie obrazy można poddać stackowaniu, aby uzyskać poniższy wynik. .  Gdyby jednak takie migrujące obrazy zestackować bez wyrównania ich względem siebie, uzyskany efekt będzie wyglądał jak poniżej. .  A teraz precyzyjniej, na wycinku kadru. | animacja GIF |
 Obraz w czasie sesji migruje po kadrze. | animacja GIF |
 Aby móc poddać rzeczone obrazy prawidłowemu stackowaniu, naszym zadaniem jest wykryć na obrazach stałe punkty odniesienia, i się ich "uczepić" ... | animacja GIF |
 ... i wyrównać wszystkie obrazy względem punktu odniesienia. | animacja GIF |
 W procesie takiego wyrównywania powstaje coś w rodzaju rozłożonej talii kart. Część powierzchni się pokrywa, a część wystaje po bokach. . Powstaje obszar całkowity (obejmujący najdalej wysunięte brzegi wszystkich obrazów) oraz obszar wspólny (zawierający rejon przecinający wszystkie obrazy na stosie). | animacja GIF |
 Istnieje możliwość stackowania obszaru całkowitego ...  ... jednak wskazane jest stackowanie obszaru wspólnego z uwagi na fakt, że tylko w nim wszystkie piksele mają pokrycie we wszystkich obrazach podlegających stackowaniu. | animacja GIF |
 | animacja GIF |
 No i został nam ogryzek. :) .  Gdyby jednak zestackować obrazy bez wyrównania ich na gwiazdę, uzyskany efekt będzie taki jak poniżej. .  Podsumowując cały proces wyrównywania... :) | animacja GIF |
 WRÓĆ DO WYKAZU DZIAŁÓW ➤ ❚ CO TO ZA ŚLADY? Co to za ślady/wzorki? Zadają często takie pytanie niedoświadczeni adepci sztuki astrofotografii. | animacja GIF |
  Mają oczywiście na myśli wzory, które narysowały im na końcowym stacku hot piksele, nie zdając sobie sprawy z istoty ich pochodzenia. Spróbuję w tym dziale wyjaśnić, jak do tego dochodzi. Mamy przykładowy kadr. Są gwiazdy i są hot piksele. .  W czasie sesji kadr nam lekko migruje. Przyczyny bywają różne, od niedokładnego prowadzenia przez montaż poczynając, na ugięciach optyki kończąc. A nie o tym ten wątek :) W czasie sesji kadr nam lekko migruje ... | animacja GIF |
 ... ponieważ zestaw astrofotograficzny przy każdej kolejnym zdjęciu trafia w trochę inny rejon nieba. Wraz z migracją kadru migrują też hot piksele. | animacja GIF |
 Jeśli zestackujemy takie obrazy bez ich wyrównywania na gwiazdy, wtedy uzyskamy poniższy wynik ... .  ... ale już po wyrównaniu wszystkich obrazów na gwiazdy widzimy, że gwiazdy tkwią nieruchomo, a hot piksele się poruszają. | animacja GIF |
 - I fajnie, stwierdzicie, ale skąd krechy??? A bądźcie uprzejmi prześledzić drogę, jaką pokonują hot piksele :) | animacja GIF |
 Po zestackowniu takiego zestawu obrazów za pomocą algorytmu - średnia (Average), uzyskamy wynik jak poniżej. .  Oczywiście po zastosowaniu algorytmu - mediana (Median), uzyskamy już taki wynik. .  Dlaczego przy stackowaniu algorytmem średnia (Average) hot piksele nie znikają, a przy stackowaniu algorytmem mediana (Median) hot piksele znikają? Zobaczmy. | animacja GIF |
 . WERSJA VIDEO Aby jeszcze bardziej urealnić przykład, użyjmy obrazów o zróżnicowanych pikselach. | animacja GIF |
 . WERSJA VIDEO Przykłady dla czytelności bazują na 5 obrazach, stackując, wykorzystujemy zestawy składające się z setek, czasem tysięcy pikseli. Mediana jak widać, doskonale nadaje się do pozbywania się wszelkiej przypadkowej skrajności zawartej w parametrze pikseli. Czy to będzie anomalia ciemna, czy jasna, efekt będzie ten sam, w algorytmie Średnia (Average), wypaczy ona wynik końcowy, a w Medianie (Median), przepadnie z kretesem. :) Jednak ... Bywają takie sytuacje, że i Mediana sobie nie poradzi. W czym rzecz? Dowiesz się w następnym dziale. WRÓĆ DO WYKAZU DZIAŁÓW ➤ ❚ DITHERING Bardzo często, zwłaszcza w przypadku początkujących adeptów astrofotografii, obraz w czasie sesji przemieszcza się po kadrze ... | animacja GIF |
 ... jednak gdy mamy do czynienia z zaawansowanymi astrofotografami, a zwłaszcza tymi, którzy stosują Guiding, obraz potrafi przez całą noc tkwić nieruchomo w kadrze piksel w piksel. | animacja GIF |
 Ktoś by mógł stwierdzić, że to przecież dobrze, gdy fotografowany rejon nieba nie lata nam po kadrze, nie stracimy szerokości pola widzenia (FOV - field of view). Ale ... istnieje wiele wad sensorów, których trzymanie w jednym miejscu względem kadru nie jest wskazane. Wybitnym przedstawicielem tych szkodników są hot piksele. Kuriozalnie wtedy jest o wiele korzystniej, gdy sytuacja wygląda tak ... | animacja GIF |
 ... niż tak. | animacja GIF |
 Rozłóżmy to na czynniki pierwsze. 1. Gdy sytuacja wygląda tak ... | animacja GIF |
... to wynik stackowania części wspólnej obrazów za pomocą algorytmu - średnia (Average), będzie co prawda taki ... .  ... ale już po zastosowaniu mediany (Median), będzie następujący. .  A dlaczego? Wyjaśni poniższa animacja. | animacja GIF |
. WERSJA VIDEO Dzięki rozrzuconej pozycji hot pikseli udało nam się uniknąć po nich śladów. 2. Dla odmiany, gdy sytuacja wygląda tak ... | animacja GIF |
... to wynik stackowania obrazów i średnią (Average) i medianą (Median), niestety będzie taki ... .  . ... hot piksele jak były, tak są. A dlaczego? Wyjaśni poniższa animacja. | animacja GIF |
 . WERSJA VIDEO I tu docieramy do sedna niniejszego działu, czyli DITHERINGU. Co zrobić, jeśli ma się wszystko na tip-top, ale trzeba jednak wprowadzić pewien element migrowania kadru? Przecież nie można pozwolić na przypadkowe ucieczki kadru, zresztą, w przypadku guidingu ciężko o takie. Pomyślano i wymyślono, tak powstał DITHERNG, czyli zaplanowana migracja kadru mająca na celu pozyskanie korzyści wynikających z migracji kadru. Co jakiś czas, zestaw guidujący przemieszcza kadr o wyznaczoną liczbę pikseli w wyznaczonym kierunku, na tyle małym, aby nie tracić zbyt wiele z pola widzenia, ale na tyle dużym, aby uzyskać dostateczne przemieszczanie się fotografowanych obiektów względem stałych artefaktów sensora. W uproszczonym zakresie ideę zagadnienia zaprezentuje poniższa animacja. O odległości migracji decydujecie Wy, deklarując odpowiednie parametry w aplikacji guidującej, lub ręcznie, pilotem. | animacja GIF |
 Znikoma wartość migracji na prezentacji wynika z jej poglądowego charakteru, w rzeczywistości stosuje się większe odległości. . Wycinek kadru. | animacja GIF |
 I choć, co prawda, wynik stackowania z takiej akwizycji, za pomocą średniej (Average), nadal będzie taki ... .  ... to już po zastosowaniu mediany (Median), będzie następujący. .  Stosując Dithering, mamy pełną kontrolę nad kadrem, a jednocześnie korzystamy z dobrodziejstw algorytmu Mediana (Median), przy stackowaniu, pozbywając się niektórych niedoskonałości sensora. Na koniec, gdyby kogoś zastanawiał dziwny układ hot pikseli ... | animacja GIF |
 WRÓĆ DO WYKAZU DZIAŁÓW ➤ ❚ DRIZZLE Drizzle to algorytm opracowany przez NASA dla teleskopu Hubble'a i mający na celu odzyskanie niewystarczająco próbkowanych danych. Aby Drizzle zadziałało, należy mieć niedostateczne próbkowanie, znaczną ilość obrazów, oraz dość silny kontrast detalu ukryty w pojedynczych pikselach. Opowieść o Drizzle zaczniemy od zagadnienia NADPRÓBKOWANIA i PODPRÓBKOWANIA. Wyobraź sobie, że obrazek z lewej strony to rozdzielczość Twojego teleskopu, a obrazek z prawej strony, to piksele sensora kamery/aparatu. Twoim zadaniem jest wrysować obraz z lewej strony, w tym samym rozmiarze, w ramki z prawej strony. Na każdy kwadrat rozdzielczości przypadają 2x2 kwadraty pikseli. .  Gotowe. NADPRÓBKOWANIE mamy wtedy, gdy rozdrabniamy coś, nie zyskując na tym nic. .  Dla odmiany ... . Wyobraź sobie, że obrazek z lewej strony, to rozdzielczość Twojego teleskopu, a obrazek z prawej strony, to piksele sensora kamery/aparatu. Twoim zadaniem jest wrysować obraz z lewej strony, w tym samym rozmiarze, w ramki z prawej strony. .  Gotowe. PODPRÓBKOWANIE mamy wtedy, gdy musimy drobniejszy detal namalować na większych komorach, tracąc część informacji. Nie da się piksela z większej rozdzielczości wrysować w mniejszą rozdzielczość, piksel to piksel, nie może być częściowo jakiś, a w drugiej części inny, piksel jest niepodzielny. Puste rogi przepadły. .  Teraz inna kwestia, którą do zrozumienia Drizzle trzeba znać i rozumieć. W grafice jest tak, że gdy obraz o większej rozdzielczości ma być odwzorowany w mniejszej rozdzielczości, to w miarę wnikania jasnego detalu na piksel, on jaśnieje. Nie można większego piksela podzielić na cztery, ale można nie czynić go od razu całkowicie białym, ratując w ten sposób część informacji o wniknięciu czegoś w jego obszar w jakimś stopniu. | animacja GIF |
 Drizzle to wie i obserwując przebieg zdarzeń, odzyskuje potem informację zawartą w kolorze, wrysowując ją w gęstszą czarno-białą siatkę. | animacja GIF |
 Konieczny jest ruch obrazu na pikselach, z jednego obrazka Drizzle nic nie wykombinuje, bo skąd ma wiedzieć, że nie ma z sytuacją pokazaną poniżej? .  Teraz to samo, ale w dwóch wymiarach. Na początek skupcie swoją uwagę na niebieskiej ramce. | animacja GIF |
 Łatwo doświadczyć niniejszego zjawiska, obserwując poniższe nagranie. Drizzle wyłapie widoczną poniżej subpikselową migrację detalu. | animacja GIF |
 Nawet gołym okiem widać jak w ruchu, ze strzępów, próbują się przebić całe litery i słowa. Drizzle wyłapuje to przenikanie obiektów między pikselami i składa je w całość o większej rozdzielczości. Przykład. Materiał PODPRÓBKOWANY. .  Przykład. Materiał NADPRÓBKOWANY. .  Chcesz doświadczyć Drizzle empirycznie? Polecam moje OPRACOWANIE. WRÓĆ DO WYKAZU DZIAŁÓW ➤ ❚ NORMALIZACJA Stackując obrazy pragniemy utrwalić fotografowany obiekt, pozbywając się różnic pomiędzy poszczególnymi obrazami wynikających z ułomności układu obrazującego. Jednak gdy poszczególne obrazy różnią się między sobą w sposób niestanowiący ani informacji z fotografowanego obiektu, ani z ułomności układu obrazującego, algorytm stackujący nie wie, czy to jest coś, co stanowi informację, czy anomalię, stackując bezwiednie poszczególne piksele, doznaje niepotrzebnych odchyleń wyników końcowych. Takimi odchyłkami mogą być odmienne jasności poszczególnych sesji wynikające z różnego tła nieba zależnie od fazy Księżyca, mgły, cirrusa. Różna jasność obrazów z poszczególnych sesji zaburza proces stackowania mieszając się między informację z obrazowanego obiektu a anomalie układu obrazującego, dlatego wymyślono, aby w procesie normalizacji dokonywać na wstępie ujednolicania wszystkich obrazów do jednego poziomu, aby dopiero potem przystąpić do właściwego stackowania ich pikseli. Pięć idealnych obrazowań pozbawionych wad. .  Pięć idealnych obrazowań obarczonych różnicą jasności stanowiących cel dla procesu normalizacji. .  Pięć obrazowań obarczonych wadami układu obrazującego. .  Pięć obrazowań obarczonych wadami układu obrazującego oraz różnicą jasności. .  W wyniku normalizacji pozbyliśmy się różnicy jasności i pozostały nam jedynie wady układu obrazującego. .  Następnie w wyniku stackowania pozbyliśmy się wad układu obrazującego i uzyskaliśmy obraz (stack) zawierający informację pierwotną. .  Stackując obrazy obarczone wadami układu obrazującego oraz różnicą jasności, bez zastosowania normalizacji, za pomocą AVERAGE - Średnia, uzyskamy taki wynik. Ot, jaśniejszy stack. .  Ale gdy do stackowania obrazów obarczonych wadami układu obrazującego oraz różnicą jasności, bez zastosowania normalizacji, zastosujemy algorytm MEDIAN - Mediana, różnice jasności poszczególnych stackowanych obrazów wypaczą końcowe wyniki dla poszczególnych pikseli. .  A przecież stackując obrazy algorytmem MEDIAN - Mediana, obarczone wadami układu obrazującego, ale pozbawione różnicy jasności, z uwagi na zastosowanie normalizacji, możemy uzyskać poniższy wynik. .  WRÓĆ DO WYKAZU DZIAŁÓW ➤ ❚ KALIBRACJA W tym dziale spróbuję zaprezentować w najprzystępniejszy sposób ideę kalibracji stosowanej w astrofotografii. Są sobie piksele sensora ... .  ... idealnie "równe", odczytane, nie posiadają żadnych "naleciałości" ani wartości ... .  ... pada na nie idealny sygnał ... | animacja GIF |
 ... powstaje idealny obraz. .  Niestety, świat rzeczywisty jest mniej wyidealizowany i każdy piksel sensora już na starcie posiada wrodzone odchyłki, dochodzą do tego też inne kwestie w czasie akwizycji, wynik jest taki, że zaczynamy "zbieranie światła na nierównym stole" ... | animacja GIF |
 Jeszcze nie zebraliśmy ani jednego fotonu, a już mamy "bagaż" gwarantowanych odchyłek.  . Gdy do takiego obarczonego już pewnym niepożądanym "bagażem" podkładu, dodamy nasz idealny obraz ... | animacja GIF |
 ... otrzymamy poniższy wynik. .  Ale skoro tak się składa, że za pomocą klatek kalibracyjnych BIAS-DARK-FLAT jesteśmy w stanie ustalić wartość naszych odchyłek, to istnieje sposobność, aby ją odjąć od końcowego obrazu i odzyskać pierwotną informację. | animacja GIF |
 Próbując temat ugryźć jeszcze inaczej, przywołując klatki kalibracyjne Bias, Dark, Flat. - Bias wykonujemy z czasem minimalnym. Przykładowy BIAS i jego umowna prezentacja. .  - Dark wykonujemy z czasem ekspozycji - usuwa ampglow, szum o stałym wzorze i hot piksele. Przykładowy DARK i jego umowna prezentacja. .  - Flat wykonujemy z czasem dobranym do ADU - usuwa niejednorodne oświetlenie sensora, winietowanie, paprochy na okienku kamery. Przykładowy FLAT i jego umowna prezentacja. .  Teraz przykład. W idealnych warunkach na matrycę pada jednorodny obraz idealnie gładkiego tła nieba. .  Uzyskujemy idealnie gładki obraz. .  Ale w życiu realnym tak dobrze nie jest, tam już czekają Bias-owe ułomności obrazowania. .  Do kompletu meldują się ułomności Dark-owe. .  Na koniec meldują się ułomności Flat-owe. .  I gdy się to na siebie wszystko nałoży ... .  ... przybyły gładki obraz nieba zastaje nieciekawą sytuację ... .  ... efekt mamy poniżej. .  Ale my znamy wartość zbędnego bałaganu. .  Wystarczy więc od tego ... .  ... odjąć to ... .  ... i zostaje nam, co należy ! .  Na tym właśnie najprościej ujmując, polega kalibracja. O kalibracji obrazów samej w sobie nie będę pisał, jest w sieci trylion poradników na ten temat, moim celem było w najprostszy obrazowy sposób ukazać ideę samego zagadnienia. :) WRÓĆ DO WYKAZU DZIAŁÓW ➤ ❚ OBRAZ 16bit - od 0 do 65535 - 1x1 pixel Na koniec ciekawostka... . Bawiąc się grafiką i próbując różnych rzeczy na pikselach, pojawi się z czasem konieczność posiadania obrazu gwarantującego pełną kontrolę nad poczynaniami. Pierwsze pragnienie będzie skromne, bo będzie dotyczyło obrazu o skali szarości 8 bit, czyli 256 pikseli o wartości od 0 do 255, i o ile tu nie ma wielkiej trudności, bo narysowanie ostatecznie takiego w Paint-cie zajmie popołudnie, o tyle wejście w posiadanie takiej grafiki w skali 16 bit, tj. skala szarości od 0 do 65535, nie jest już tak banalne. :) Chcesz być władcą pixeli? Zrób zbiórkę w szeregu i możesz się tak tytułować, żartuję... :) Poniżej rozpiska układu pikseli na gradiencie. .  Poniżej w linku grafika TIFF 16 bit, stworzona na potrzeby prób i testów, zawierająca 65 rzędów z pikselami o wartościach: 0-999, 1000-1999, 2000-2999, ... , 64000-64999, 65000-65535. Kto nie wierzy, pipeta 16 bit w rękę i próbuje. :) Grafika do pobrania TUTAJ. WRÓĆ DO WYKAZU DZIAŁÓW ➤
MOGĄ CIĘ ZAINTERESOWAĆ RÓWNIEŻ
|
