Kako slaganje snimaka zapravo radi (i zašto više snimaka nije uvijek bolje)

Pitaj zašto se astrofotografije slažu i obično ćeš čuti „zbog smanjenja šuma”. To je točno, ali ne pomaže puno. Ne govori ti koliko snimaka trebaš, zašto tvoj stack od 200 snimaka izgleda lošije od tuđeg stacka od 60, ni zašto dodatni sat ekspozicije ponekad ništa ne promijeni.

Sam argument je kratak, a kad ga shvatiš, većina odluka o slaganju proizlazi iz njega.

Signal se zbraja. Šum se ne zbraja.

Uperi teleskop u maglicu i snimi ekspoziciju. Svaki piksel primi neki broj fotona. Taj broj nije fiksan: fotoni stižu nasumično, pa količina varira od ekspozicije do ekspozicije otprilike za svoj vlastiti drugi korijen. Skupiš li 100 fotona, razlika među snimkama je oko 10. Skupiš li 10.000, razlika je oko 100.

Sada složi N snimaka. Signal, odnosno stvarni broj fotona s objekta, raste linearno: N puta više. Šum je nasumičan i dijelom se poništava, pa raste samo s drugim korijenom iz N.

Omjer signala i šuma se dakle popravlja za √N.

Taj jedan odnos objašnjava većinu onoga što vidiš:

• 4 snimke su dvostruko bolje od 1.
• 16 snimaka je dvostruko bolje od 4.
• 64 snimke su dvostruko bolje od 16.

Svako udvostručenje kvalitete stoji četiri puta više snimaka. Zato je razlika između 10 i 40 snimaka dramatična, a razlika između 200 i 260 nevidljiva. Ako te ovo drugo razočara, nisi ništa pogriješio. Dodao si 30 % snimaka za 14 % poboljšanja, a 14 % je ispod granice koju oko pouzdano primjećuje.

Za vidljiv iskorak u odnosu na stack od 200 snimaka treba ti ih oko 800.

Zbog čega o duljini pojedinačne ekspozicije odlučuje šum očitavanja

Drugi izvor šuma ne ponaša se ovako. Svaki put kad se senzor očita, elektronika doda fiksni namet. On ne ovisi o duljini ekspozicije; i snimka od 5 sekundi i snimka od 500 sekundi plate ga jednom.

Zadano ukupno vrijeme integracije zato nosi šum očitavanja razmjerno tome na koliko ga snimaka razdijeliš. Devedeset minuta kao 540 subova od deset sekundi plaća taj namet 540 puta. Istih devedeset minuta kao 18 subova od pet minuta plaća ga 18 puta.

To je cijeli argument za dulje pojedinačne ekspozicije. Zbog toga vođena postava odmiče pametnom teleskopu na slabim objektima i pri jednakom ukupnom vremenu. Vođena postava ne skupi više svjetla. Senzor samo očitava trideset puta rjeđe.

Protuteža je da dugi subovi traže dobro vođenje, a razmazana snimka od 300 sekundi ne vrijedi ništa. Prava duljina suba je najdulja koju ti montaža pouzdano daje, a to je mehaničko pitanje, ne pitanje obrade.

Stackovi se najčešće gube na poravnanju

Argument s √N pretpostavlja da svaka snimka doprinosi jednakim signalom istom pikselu. Za to snimke moraju biti u registraciji, a upravo tu propada većina razočaravajućih stackova.

Snimke se pomiču između ekspozicija: drift montaže, refrakcija nisko nad obzorom, savijanje postave i, na svakoj azimutalnoj montaži (što uključuje svaki pametni teleskop), rotacija polja. Kroz sat vremena snimke s početka i s kraja mogu biti međusobno zarotirane za desetke stupnjeva.

Poravnanje koje zna samo za pomak s tim se ne može nositi, a zakaže tiho. Nema poruke o pogrešci, samo stack u kojem je sve blago razmazano. Izgleda kao loš fokus ili loš seeing i ljudi onda cijelu sezonu jure krivi problem.

Prava registracija polazi od samih zvijezda. Iz najsjajnijih zvijezda u svakoj snimci grade se trokuti i opisuju omjerima stranica, koji prežive pomak, rotaciju i promjenu mjerila. Podudarni trokuti glasuju o tome koja zvijezda odgovara kojoj, prilagodba otporna na odstupanja izbaci glasove koji se ne slažu, a prolaz profinjenja dovede rezultat do podpikselne točnosti.

Taj posljednji korak je važan. Sustavna pogreška od pola piksela kroz cijeli stack košta te onoliko detalja koliko bi izgubio na nešto lošijem seeingu.

Odbacivanje: dio koji uklanja ono što usrednjavanje ne može

Usrednjavanje rješava nasumičan šum. Ne rješava stvari koje nisu nasumične: satelite, zrakoplove, kozmičke zrake, svjetla auta koja prijeđu preko polja.

Usrednji 100 snimaka od kojih jedna ima trag satelita i trag je i dalje tu, na 1 % jačine. Slab je, ali vidljiv na tamnom nebu i preživi rastezanje histograma.

Odbacivanje ga uklanja tako da za svaki piksel pogleda kroz cijeli stack i odbaci vrijednosti koje tamo ne spadaju. Metode se razlikuju po tome što znači „ne spada”, a izbor među njima nije proizvoljan.

Sigma clipping uzima srednju vrijednost i standardnu devijaciju u svakom pikselu i odbacuje vrijednosti izvan praga. Radi dobro i s razlogom je zadana opcija, ali pretpostavlja da svaka snimka uzorkuje istu razdiobu.

Winsorizirani sigma clipping ekstremne vrijednosti umjesto uklanjanja povlači prema glavnini razdiobe. Sigurniji je na plitkim stackovima, gdje procjena standardne devijacije iz osam uzoraka pa onda izbacivanje vrijednosti obično odbaci i stvarni signal.

Linear-fit clipping odgovara na drugo pitanje. Poreda vrijednosti svakog piksela kroz stack i kroz njih provuče pravac. Glatko rasipanje, onakvo kakvo nastaje promjenom prozirnosti neba tijekom noći, taj model očekuje i ono ga ne košta ništa, dok je trag satelita i dalje jedna vrijednost daleko od pravca.

Ta je razlika važnija nego što zvuči. Kad naiđe visoka naoblaka ili objekt padne prema svjetlosnoj kupoli grada, snimke se stvarno razlikuju. To rasipanje su stvarni podaci, ne šum. Sigma clipping vidi snimke na rubovima raspona kao ekstreme i počne ih odbacivati, a one na tamnom kraju obično su najčišće snimke cijele noći. Gubiš svoje najbolje podatke zbog metode koja je pretpostavila da su pogrešni.

Pratiti treba koliko ti razina pozadinskog neba luta od snimke do snimke. Ako je stabilna, sigma clipping je ispravan izbor. Ako se miče za više od nekoliko posto, linearna prilagodba radit će bolje. Akastroid mjeri taj drift i iznad otprilike 8 % automatski mijenja metodu.

Plitki stackovi traže drugačiji pristup

Iz osam snimaka ne možeš procijeniti razdiobu. Bilo koja metoda odbacivanja radi s premalo uzoraka, a agresivan clipping uklonit će stvarni signal tvrdeći da uklanja ekstreme.

Ispod otprilike osam snimaka sigurniji je izbor obično usrednjavanje ili medijan. Između osam i petnaest, winsoriziranje. Iznad toga pravi clipping postaje siguran.

Ovu je pogrešku lako previdjeti. Agresivno odbacivanje na plitkom stacku daje snimku koja izgleda čisto, a tiho joj nedostaje slab detalj. Ne izgleda pokvareno, samo malo prazno, i na ekranu nema ničega što bi ti reklo zašto.

Kada više snimaka prestane pomagati

Postoje tri slučaja u kojima ti sljedeći sat ne donosi ništa.

Šum očitavanja. Kod vrlo kratkih subova donju granicu šuma određuje očitavanje, a ne fotoni s neba. Slaganje i dalje pomaže, ali se boriš s fiksnim troškom koji više snimaka ne uklanja. Dulji subovi bi ga uklonili.

Nebo, na slabom objektu. Pod sjajnim nebom pozadina dominira i slabi vanjski dijelovi objekta možda nikad neće izroniti iznad nje. Omjer signala i šuma i dalje se popravlja s √N, ali √N od jedva zamjetljivog i dalje je jedva zamjetljivo. To mijenja tamnije nebo ili uskopojasni filtri. Dodatno vrijeme ne mijenja.

Poravnanje. Ako registracija ostavlja pogreške od pola piksela, dodavanje snimaka samo dodaje još malo neporavnatih podataka. Stack postaje glađi, ali ne i oštriji. Provjeri to prije nego što okriviš nebo.

Odgovor s kojim se može raditi

• Duljina suba: najdulja koju tvoja montaža pouzdano vodi. Ona određuje šum očitavanja, a šum očitavanja određuje slabe objekte.
• Broj snimaka: razmišljaj u četverostrukostima. Za vidljivo poboljšanje planiraj učetverostručiti broj snimaka.
• Registracija: na azimutalnoj montaži mora znati rotaciju.
• Odbacivanje: uskladi ga s dubinom stacka i mirnoćom noći.
• Poznaj svoju granicu: šum očitavanja, sjaj neba ili poravnanje. Dodavanje snimaka pomaže samo prvim dvjema, i to sporo.

Ništa od ovoga ne traži matematiku dalje od √N, ali objašnjava zašto je stack kojim nisi zadovoljan ispao takav, a to je obično korisnije od još jednog klizača.