Kuinka ilmais- tai maksulliset ohjelmat kohdistavat pinojen kuvat? En ihan heti löytänyt tietoa tästä, joten ajattelin kysyä asiaa, mutta kokeilin itse ensin.
Kaksi kuvaa kohdistuvat, kun toista siirretään ja käännetään sopivasti. Tein seuraavasti.
- Etsin kummastakin kuvasta rivien ja sarakkeiden maksimiarvot, joista muodostin X- ja Y-vektorit
- Siirsin toisen kuvan maksivektoreita pikselin kerrallaan ja korreloin ensimmäisen kuvan vektoreihin
- Maksimikorrelaation kohdalla siirsin kuvaa saman verran X- ja Y-suunnissa
- Laskin käännettävällä kuvalle uudet XY-koordinaatit yhden pikselin tasokulman käännöllä
- Muokkasin ensimmäisen kuvan ja käännettävän kuvan sarakevektoreiksi
- Sijoitin käännettävän kuvan arvot koordinaatteihin
- Siis ilman sisäkkäisiä for-silmukoita
- Muokkasin kuvan takaisin kuvamatriisiksi
- Korreloin ensimmäisen ja käännetyn kuvan keskenään
- Tein laskennan uudelleen vaiheesta 5 kulmaa kasvattamalla kunnes maksimikorrelaatio löytyi
Nyt kuvat oli kohdistettu ja kohdistin seuraavan kuvan tähän astisen pinon keskiarvoon. Mainittu for-silmukoiden välttely voi nopeuttaa laskentaa verrattuna johonkin muuhun.
Esimerkkikuva seulasista koostuu 50 kpl 0,6 s valotuksia ilman seurantajalustaa (300 mm, F 6,3, ISO 6400). Vasemmalla on pinon keskiarvo, joka tuottaa tähtiviirut noin 100 pikselin pituisena. Oikealla on kohdistettu kuva, vaikkakin kamera ei ollut täydellisesti tarkennettuna äärettömyyteen ja linssi tuottaa muotovirheitä.
Oikealla olevassa kuvassa pimeäkohina on keskiarvottunut pois enemmän spatiaalisen siirron takia pinon aikasarjan lisäksi. Kuvilla on tösmälleen sama lightroom-käsittely. Spekuloin itse, olisiko spatiaalisesta keskiarvotuksesta lisäapua taistelussa kohinaa vastaan, jos seurantamoottori hieman jätettäisi. Ehkä darkit ja flätit toimivat paremmin.
Ehkä joku voi linkittää, kuinka pinon tai pinojen kohdistaminen oikeasti tehdään, kun en keskustelusta sitä heti löytänyt.
Erittäin yksityiskohtainen selvitys prosessista löytyy esim. PixInsightin dokumentaatiosta: https://pixinsight.com/doc/tools/StarAlignment/StarAlignment.html
Lyhyesti, erilaiset korrelaatiomenetelmät toimivat kivasti esim. planeettakuvien kanssa, tähtikuvissa on tehokkaampaa laskea kohdistus tähtiä apuna käyttäen.
Kuvan siistimisessä yksi oleellinen juju flattien (ja mahdollisesti darkkien, riippuu kamerasta) ohella on ditheröinti, eli se että kukin valotus otetaan hieman eri kohdistuksella. Nyt kun kohde sinulla valuu hitaasti kuvakentässä, niin kuumat ja kylmät pikselit "raapivat" tuon taustan viiruiksi. Ilman seurantajalustaa ja tietokoneohjausta tämä ei toki onnistu ilman huomattavaa määrää käsityötä.
Kiitos linkistä.
LainaaKuvan siistimisessä yksi oleellinen juju flattien (ja mahdollisesti darkkien, riippuu kamerasta) ohella on ditheröinti, eli se että kukin valotus otetaan hieman eri kohdistuksella.
Ditheröinnistä tuli mieleen, että jossakin määrin spatiaalista keskiarvotusta voidaan tehdä myös jälkikäsittelyssä, kun pino on kohdistettu. Liikutin testipinon kutakin kuvaa yhden pikselin eri suuntiin ja laskin mediaanin. Tämä tosin blurraa kuvan, joten tein vielä pari asiaa. Laskin kunkin kuvan jokaisen pikselin eron pinon keskiarvosta. Laskin sitten pinon keskiarvon uudestaan, mutta jokaiselle pikselile asetin nyt painokertoimeksi eroarvon itseisarvon käänteisluvun. Siis kauimpana mediaanista olleet pikselit olivat vähemmän merkityksellisiä uuden keskiarvon laskennassa. Lopputuloksena kuva ei enää sumene, mutta kohina pienenee verrattuna pinon keskiarvoon.
Testikuvassa alhaalla yläkolmanneksessa on esimerkki kohinaisesta kuvasta kohinan keskihajonnallla 20. Perinteisen neljän kuvan pinon kohinaluvuksi tulee 1/sqrt(4) x 20 = 9,9. Kahdessa alakolmanneksessa on spatiaalisesti suodatettu samaisen neljän kuvan pinon keskiarvo. Sen kohinaluku on pienempi, 5,2.