Combien d'images vous faut-il ? Une réponse claire

« Prenez-en autant que vous pouvez » est le conseil standard. Il n’est pas tant faux qu’inutile : il ne vous donne aucun moyen de planifier une session, aucun moyen de savoir quand arrêter, et aucune explication sur pourquoi les deux heures de la semaine dernière ont donné un meilleur résultat que les trois heures de cette semaine.

Il existe une réponse claire, et elle découle d’une seule relation.

L’arithmétique

Le signal s’accumule linéairement avec le nombre d’images. Le bruit, aléatoire, s’annule en partie et ne croît que comme la racine carrée. Le rapport signal sur bruit s’améliore donc de √N.

Cela a des conséquences que la plupart des gens trouvent surprenantes :

Images	Amélioration par rapport à une image
4	2×
16	4×
64	8×
256	16×
1024	32×

Chaque doublement de qualité coûte quatre fois plus d’images.

C’est pourquoi passer de 10 à 40 images change beaucoup de choses, alors que passer de 200 à 260 est invisible. Vous avez ajouté 30 % de données pour 14 % d’amélioration, et 14 %, c’est en dessous de ce que l’œil remarque de façon fiable sur une photographie. Rien n’a mal tourné ; l’amélioration était simplement trop petite pour se voir.

La règle pratique : pour voir un vrai cran au-dessus, prévoyez de quadrupler. Si 50 images vous ont donné quelque chose de correct, 200 est le prochain niveau visible. 70 ne l’est pas.

Le bruit de lecture décide de la durée de vos poses

Une deuxième source de bruit ne se moyenne pas de la même façon. Chaque lecture du capteur ajoute une pénalité fixe, qui ne dépend pas de la durée de pose. Une image de 5 secondes et une de 500 secondes la paient chacune une fois.

Un temps d’intégration total donné porte donc du bruit de lecture en proportion du nombre de morceaux en lesquels vous le découpez :

• 90 minutes en 540 poses de 10 secondes → 540 portions de bruit de lecture
• 90 minutes en 18 poses de 5 minutes → 18 portions

Même lumière totale, à peu près trente fois moins de pénalité de lecture.

C’est pour cela qu’une configuration autoguidée prend l’avantage sur un télescope intelligent sur les cibles faibles, à temps total identique. Elle ne collecte pas plus de photons. Elle lit le capteur bien moins souvent.

Utilisez donc la pose la plus longue que votre monture suit de façon fiable. C’est une question mécanique, pas une question de traitement, et sur les cibles faibles elle pèse plus que tout le reste.

La contrainte inverse est évidente. Une image de 300 secondes filée ne vaut rien, et une image perdue coûte plus qu’une image un peu plus bruitée. Trouvez la durée où votre taux d’images gardées reste élevé, et restez-y.

À quoi ressemble « assez »

Des chiffres de travail approximatifs, en supposant un ciel raisonnable :

Cibles brillantes (le cœur d’Orion, les Pléiades, le centre d’Andromède, la Lune) : vingt à cinquante images donnent un bon résultat. Elles sont assez brillantes pour que vous ne vous battiez pas contre le plancher de bruit, et plus de temps rapporte peu.

Cibles moyennes (la plupart des galaxies et nébuleuses de Messier) : cent à trois cents. C’est là que la courbe en √N fait un vrai travail et que chaque heure supplémentaire se voit encore.

Cibles faibles (nébulosité externe, nébuleuses à flux intégré, faibles queues de marée) : cinq cents et plus, même si là, la durée de pose et la qualité du ciel comptent plus que le nombre. Si vous êtes limité par le bruit de lecture ou par le ciel, les images seules ne sauveront rien.

Planétaire : un régime complètement différent. Vous en voulez des milliers, parce que vous en jetez la plupart. Le lucky imaging garde la fraction la plus nette, donc 5 000 images à 10 % laissent 500 bonnes, et c’est la sélection qui fait le travail plutôt que l’intégration.

Trois limites, et comment les distinguer

Ajouter des images n’aide que si ce sont les images qui vous limitent. Trois limites courantes sont d’une autre nature.

Le bruit de lecture. Avec des poses très courtes, le plancher de bruit est fixé par la lecture, pas par les photons du ciel. Plus d’images aident encore, mais lentement, et vous payez un coût fixe à chaque fois. Symptôme : longue intégration, fond obstinément bruité, poses courtes. Remède : des poses plus longues, pas plus nombreuses.

Le ciel. Sous un ciel brillant, le fond domine et le signal faible peut ne jamais émerger au-dessus. Le rapport signal sur bruit s’améliore toujours en √N, mais √N d’indétectable reste indétectable. Symptôme : fond brillant, régions faibles qui restent absentes quelle que soit l’intégration. Remède : un ciel plus sombre, ou des filtres à bande étroite qui rejettent l’essentiel de la pollution lumineuse.

L’alignement. Si le recalage laisse des erreurs d’un demi-pixel, plus d’images ajoutent plus de données légèrement mal recalées. La pile devient plus lisse, pas plus nette. Symptôme : le bruit baisse avec plus d’images mais le détail ne s’améliore jamais, et les étoiles ont l’air molles d’une façon qui ne correspond pas à votre mise au point. Remède : vérifiez que le recalage gère la rotation, ce qui compte sur toute monture azimutale, y compris tous les télescopes intelligents.

Vérifiez cette dernière avant d’accuser le ciel. Elle ressemble exactement à un mauvais seeing, et des gens y perdent des saisons entières.

Le diagnostic qui tranche en un seul traitement

Empilez votre session. Puis empilez-en la moitié (une image sur deux) et comparez les deux au même étirement.

• Nettement mieux avec toutes : les images aident. Prenez-en plus.
• À peine distinguables : vous avez atteint l’une des trois limites ci-dessus. Plus d’images n’y changeront rien, changez donc autre chose.

Cela coûte un traitement supplémentaire et vous en dit plus que n’importe quelle règle empirique, parce que c’est mesuré sur vos données, votre ciel et votre matériel.

Le rejet a besoin d’un minimum

Une chose dépend bien du nombre brut : le rejet des valeurs aberrantes.

Avec huit images, vous ne pouvez pas estimer une distribution. Toute méthode de clipping travaille sur trop peu d’échantillons, et un rejet agressif écarte du vrai signal en prétendant retirer des valeurs aberrantes. L’image a l’air propre et il lui manque discrètement du détail faible. Elle n’a pas l’air cassée, juste un peu vide, et rien à l’écran n’explique pourquoi.

Seuils pratiques :

• Moins de 8 images : moyenne simple ou médiane. Acceptez les traînées de satellite ; vous ne pouvez pas les rejeter sans risque.
• 8 à 15 : clipping winsorisé, qui ramène les valeurs aberrantes vers le gros de la distribution au lieu de les écarter.
• Plus de 15 : le sigma clipping ordinaire devient sûr.
• Plus de 15 avec une transparence qui dérive : linear-fit clipping, qui attend une dérive régulière à travers la pile et ne rejette que ce qui s’en écarte.

Ce dernier cas vaut la peine d’être connu. Quand un voile d’altitude arrive ou que votre cible descend vers le halo urbain, les images diffèrent réellement. Le sigma clipping traite les images aux extrémités de la plage comme des valeurs aberrantes, alors que les plus sombres sont souvent les images les plus limpides de la nuit. Vous perdez vos meilleures données au profit d’une méthode qui les a supposées fausses.

Alors, combien ?

• La durée de pose d’abord : la plus longue que votre monture suit de façon fiable. Elle fixe le bruit de lecture, et le bruit de lecture domine sur les cibles faibles.
• Puis le nombre, par facteurs de quatre : 50 → 200 → 800. Ajouter 20 %, ce n’est pas un plan.
• Au moins 15 images si vous voulez un vrai rejet des valeurs aberrantes.
• Vérifiez avec le test de la demi-pile plutôt que de faire confiance à ce qui précède, cet article compris.

Si la demi-pile ressemble à la pile complète, consacrez votre prochaine nuit claire à une autre cible plutôt qu’à davantage de la même.