Termino con dos gif relacionados con Orión de un procesado completo de una imagen de cielo profundo hechas con PixInsight; en cada gif muestro tres fotos; en 1 una primera foto light que se corresponde a una de tantas que se hacen una noche de observación, en 2 el resultado de apilar todas esas fotos lights individuales junto sus flats, darks y bias, y en 3 el resultado tras el procesado final. Esta es la importancia del apilado de imágenes, el paso de 1 a 2.
 |
| Nebulosa de la flama y B33, Nebulosa Cabeza de caballo |
 |
| M42 y M43, Gran nebulosa de Orión |
Se ve que de 1 a 2 (proceso de apilar) se produce una gran mejora en la definición, apareciendo muchas estrellas que no se veían en las fotos individuales, y lo que se hace en 3 es dejar la imagen redonda.
Si cree que los resultados merecen la pena, de cómo lograrlos va la presente entrada, y en un futuro un documento de manejo básico de PixInsight, el mejor programa de procesado de imágenes astronómicas.
Comencemos. Ya tenemos una entrada dedicada a los
diferentes tipos de imágenes astrofotográficas. En ella ya hablamos de los tipos de tomas de astrofotografía; los Lights, los Darks, los Bias y los Flats, así como de cómo obtenerlos, de qué es el apilado de imágenes... Supongamos que ya tenemos dichas tomas, tenemos hecha la mitad del trabajo. Vamos con la otra mitad, el procesado
A - Aspectos a tener en cuenta en fotografía de cielo profundo
Como he comentado, la idea es tomar varias tomas, da igual el tipo, y que los programas especializados las apilen, esto es, consigan una imagen mejorada. ¿Qué es lo que van a mejorar? La SNR (Signal to Noise Ratio) o relación señal-ruido. Ni van a ser más luminosas ni más coloridas, tan sólo que van a tener menos ruido.
A.1. La SNR
Lo ideal es que la SNR sea alta, que haya mucho contraste entre la señal que queremos captar y el ruido generado. Pues verá:
- La SNR se incrementa con la raíz cuadrada del número de tomas que se realicen -
En esta sencilla fórmula no entra el tiempo de exposición; a más tiempo de exposición más señal, pero también más ruido. Igual si subo el ISO, más señal y también más ruido.
Por ejemplo, si yo hago una sola toma, la SNR es 1, capto tanta señal como ruido. Ahora bien, si hago 4 tomas, √4=2, por lo que duplico la SNR. Para triplicar la SNR tengo que irme a 9 tomas, √9=3, y si hago 100 tomas, incremento por 10 la SNR (√100=10).
Creo que queda claro si sacamos el tiempo de la ecuación, pero el tiempo de exposición es un factor fundamental. Contestemos a un par de cuestiones relacionadas con el tiempo:
- ¿Es mejor 100 tomas de 1 minuto o 10 tomas de 10?
En cuanto la SNR, 100 tomas de 1 minuto me dan una SNR de 10 para 1 minuto, mientras 10 tomas de 10 me dan una SNR de aproximadamente 3'16 (√10). Bajo ese punto de vista, mejor 100 tomas de 1 minuto, ahora bien... Si queremos registrar aspectos poco brillantes de un objeto, y digo poco brillantes porque no hay un bombardeo continuo de fotones, sino que éstos van cayendo gota a gota, si hacemos tomas largas dichos fotones estarán en todas las tomas, y no se considerarán ruido. Ahora bien, si hacemos muchas tomas cortas, en algunas, o en muchas de ellas, esos fotones no se habrán recogido, por lo que se considerarán ruido. Así, la respuesta es obvia, ¿Es mejor 100 tomas de 1 minuto o 10 tomas de 10? Pues si el objeto es muy tenue mejor 10 tomas de 10, pero no una sóla de 100.
- ¿Pueden combinarse dos imágenes ya apiladas?
Sí, pero igual no es lo oportuno en algunas situaciones. Pongo un par de ejemplos.
Ejemplo 1. Combinamos 4 lotes de 16 imágenes.
Entonces, cada lote de 16 imágenes tiene una SNR de
√16=4. Por ello, una vez que apile tengo 4 imágenes con SNR de 4. Como esas cuatro imágenes tienen la misma SNR, una vez que las apile, multiplico su SNR de 4 por una SNR de
√4=, o sea una SNR de
4⋅2=8
16⟶416⟶416⟶416⟶4}(√16)⋅(√4)=4⋅2=8
Si por contra apilo las 64 fotos simples con SNR de 1, lo que obtengo es:
64√⟶8
Ok, lo mismo. Pero consideremos el siguiente ejemplo.
Ejemplo 2. Combinamos un lote de 16 imágenes y otro de 9 imágenes.
Entonces, el lote de 3 me genera una imagen con SNR de 3, el lote de 16 una imagen con SNR de 4. Ello nos daría una SNR promedio de:
4+32=72=3′5
Al apilar dos imágenes, incremento su SNR en un factor de √2 por lo que:
3′5⋅√2≃4′95
Ahora bien, si me planteo combinar las 9+16=25 a la vez, obtendría una SNR de 5, algo mejor. Obviamente interesa más combinar todas las fotos a la vez que combinar 2 lotes de fotos apiladas.
El motivo de todo esto es que como el ruido es aditivo, al añadir imágenes con distinto ruido la mejor imagen es dañada por la peor a la hora de apilar. Esto es, tenía 16 fotos que me daban una SNR de 4, pero al unirle después fotos con la SNR de 3, esa SNR de 4 ha bajado al 3'5.
Como conclusión, si el objeto es más o menos uniforme en brillo (otra cosa puede ser un M42 con zonas muy brillantes y zonas menos brillantes donde igual interesa hacer fotos largas para registrar los detalles débiles y fotos cortas para que aparezca sin velar las zonas brillantes) es mejor hacer muchas exposiciones y combinarlas todas a la vez.
A.2. Acerca del ruido de calibración
Ya entendemos para qué se toman las imágenes de calibración, pero se produce el fenómeno de que las mismas también pueden traer ruido, y por ello es necesario generar unas imágenes de calibración maestras; masterdarks, masterbias y masterflats.
Para ello, lo que se hace es combinar varias imágenes en una sola, esto es, promediar las diferentes imágenes, ya que en todos los casos, mientras la señal o los píxeles fijos o muertos van a llegar con la misma intensidad, el ruido va a venir de manera aleatoria.
El procedimiento habitual de los programas de procesado será crear imágenes de calibración master, y a cada una de las imágenes Light restarle este ruido máster, según la fórmula
ImagenLightcalibrada=(imagenLight−masterdark)masterflat−masterbias
Entonces, a cada una de estas imágenes a las que se le ha quitado el ruido de calibración maestro se le va a llamar imagen calibrada. A continuación lo que se va a hacer es debayerizarlas (una especie de revelado digital; convertirlas en imágenes a color) y crear la imagen masterlight.
La naturaleza aleatoria del ruido y el hecho de que la señal Light no es un fenómeno aleatorio, sino constante, constituyen la base de esta idea de apilar imágenes; al combinar varias imágenes el ruido tiende a cancelarse, porque va cambiando de una imagen a otra (no guarda demasiada correlación), mientras que la señal Light sí permanece constante en todas las imágenes y va sumando gotita a gotita, fotón a fotón.
Así, desde un punto de vista estadístico cada imagen se va a comportar como una muestra del flujo de fotones del objeto en cuestión. Si las muestras son independientes, la señal va a aumentar en la misma proporción que el número de imágenes que se combinan, mientras que el ruido, por seguir una distribución de Poisson, va a aumentar de forma proporcional a la raíz cuadrada del número de las imágenes. Por ejemplo, al combinar cuatro imágenes la señal se multiplica por 4, mientras que el ruido se multiplica por la raíz cuadrada de 4, es decir por 2. De esta forma al combinar múltiples imágenes se incrementa la relación señal ruido, que es lo que se pretende, separar (cuanto más mejor) la señal del ruido.
A.3. Formas de apilar
A la hora de integrar las imágenes Light ya calibradas, una forma efectiva es hacer la media aritmética del color de los píxeles de la cámara. ¿Cómo? ¿Una media del color?
En efecto, el color de los píxeles se puede cuantificar, ya que en el sistema RGB (RedGreenBlue), cada color posee tres componentes, rojo, verde y azul, cada una con coordenadas de 0 a 255, de modo que 2563=65536 posibilidades, y por ejemplo el rojo puro es (255,0,0), el blanco puro (255,255,255), etc. En la siguiente imagen vemos una simulación de la familia de colores del rojo; partimos de (255,0,0), rojo puro, y vamos incrementando los otros canales hasta el blanco puro (255,255,255)
Así que los colores se pueden promediar, y por ejemplo, si tenemos 10 imágenes con los píxeles (estoy simplificando mucho los colores): azul, azul, celeste, azul, azul, blanco, azul, naranja, azul, celeste, la media resultante sería algún tipo de azul.
Pero además de esta media aritmética de colores, una primera aproximación al tema, hay otras formas de integrar las imágenes. Vamos a ver cuáles y cuándo nos pueden venir bien. De todos modos, en todos los métodos de integración que siguen, cuantas más imágenes, mejor.
A.3.1. Media aritmética (Mean o Average)
Desde un punto de vista puramente estadístico la media aritmética es la medida de centralización más lógica se puede elegir, y se calcula sumando el valor de cada uno de los píxeles y dividiendo por el número de tomas. Por ejemplo, si en el canal rojo (R) tengo estas 10 observaciones en un determinado pixel:
234,254,237,212,221,234,236,238,229,230
Entonces la media de ese canal para dicho píxel sería
234+254+237+212+221+234+236+238+229+23010=232510=232′5≃233
Este método es el que más incrementa la SNR, que se incrementa como √n (con n el número de tomas), y de hecho es el mejor método para reducir el ruido aleatorio, pero también es el peor para reducir ruido no aleatorio (píxeles fríos y calientes, falta de uniformidad en el sensor, ruido de calibración y señales puntuales debidas a satélites, aviones, meteoros, nubes, etc).
Por ejemplo, imaginemos que tenemos sólo 4 tomas (ya digo que en general cuantas más imágenes, mejor). Tres de ellas están bien, y en una de ellas se recoge la traza blanca de un satélite. Imaginemos que por donde pasa el satélite el fondo es casi negro. En los píxeles afectados tendríamos, negro, negro, blanco y negro, esto es, un gris al 75% de negro (cercano al 50). Por ello, la traza se atenuaría, pero seguiría apareciendo débilmente. Y esto que hemos partido de un caso ideal de fondo negro; si el cielo no fuese perfectamente negro y hubiese menos diferencia entre el fondo oscuro y la traza, costará más trabajo que ésta se atenuase.
Moraleja, este es un método muy bueno con suficientes frames, pero si tenemos pocas imágenes el ruido no aleatorio no va a desaparecer, sólo se va a atenuar.
A.3.2. Mediana (Median)
La mediana es otra medida de centralización (hablo de todo esto en el tema de Estadística unidimensional de la siguiente
entrada. Se calcula ordenando todas las observaciones de mayor a menor, y tomar aquella que deja tantas por delante suya como por detrás. Por ejemplo, si volvemos a tener, ya ordenados los siguientes valores para un determinado canal de color:
212,221,229,230,234,234,236,237,238,254
Son 10 observaciones, así que la mediana es aquel valor que deja 5 observaciones delante suya y otras tantas detrás. En este caso, la quinta y la sexta coinciden, 234, por lo que esa sería la mediana. Si no coincidiesen se haría la media aritmética de las dos (de 240 y 243 tomaría 241'5), y si el número de observaciones fuese impar, se tomaría justo la de en medio tras ordenar
La ventaja de usar la mediana es que se desechan las observaciones con valores extremos por delante y por detrás. Así, volviendo al ejemplo de los 4 frames y la traza de satélite, las 4 observaciones ordenadas serían:
blanco, negro, negro, negro
Y por ello la mediana sería negro. La traza de satélite desaparecería con sólo 4 frames.
Este por ello es un método adecuado para eliminar ruido artificial, se estima que la SNR se incrementa de modo √2nπ, pero su rendimiento en ruido aleatorio es inferior a los otros métodos.
A.3.3. Media con exclusión sigma (sigma clipped average o kappa sigma combined)
Teniendo en cuenta que seguramente los valores extremos de los píxeles no sean los más adecuados, la idea es excluirlos (outliers) y después calcular la media de los valores restantes. En efecto, Desde un punto de vista estadístico es muy poco probable que los valores extremos sean representativos de la población analizada, por lo que es una aproximación muy lógica, y este método combina lo mejor de los dos anteriores; por un lado es muy eficaz con el ruido aleatorio, comparable a la media pura aunque requiere más imágenes (el factor incremento de la SNR es √n−2) y por otro es muy eficiente con el ruido no aleatorio.
Así, volviendo a nuestro caso de 10 observaciones, si quitamos los 2 valores extremos tendríamos
221,229,230,234,234,236,237,238
Cuya media de ese canal para dicho píxel sería
221+229+230+234+234+236+237+2388=18598=232′375≃232
Sale algo parecido a la media simple, pero hemos excluido las dos observaciones más extremas, 212 y 254.
Si analizamos el ejemplo de los cuatro frames y la traza del satélite:
blanco, negro, negro, negro
Se quedaría en:
negro, negro
Cuya media es negro.
Para acabar este apartado, doy la representación gráfica de las funciones
√x,
√(x−2π) y
√x−2 para ver la diferencia de efectividad a medida que crece
x
Se ve que la mediana se comporta bien hasta
n=5 con respecto los otros métodos, a partir de ahí va perdiendo terreno con respecto las medias. Igualmente, se ve que la media con exclusión sigma no es mucho peor que la media, pero encima nos elimina el ruido no aleatorio, por lo que es la mejor opción para
n medianos o grandes.
B - El proceso de calibrado y apilado
Ya hemos visto lo importante que es el proceso de apilado y algunos aspectos básicos como la SNR, la diferencia entre Average y Median... Vamos a ver el proceso exacto de calibrado/apilado. El primer paso es obtener los diferentes tipos de frames; Lights, Flats, Bias y Darks. El segundo paso es integrarlos en una sola imagen. Veamos cómo se hace.
B-1. Creación del MasterBias y MasterFlat
Comenzaremos el proceso del
integrado de imágenes Lights con la creación del archivo Master Flat. Tenemos una
serie de tomas Bias (a partir de 100 es un buen número). Como dichas tomas,
oscuras, se han realizado para detectar el ruido electrónico y han sido muy
rápidas, del orden de 1/4000 o 1/8000 segundos, no acumulan ruido térmico, sino
que los archivos Bias sólo poseen ruido electrónico.
Pensemos ahora en los archivos
Flats, tenemos otros tantos. Aunque son tomas de luz (no se obtienen con la
cámara tapada) también han sido archivos que se han tomado en un tiempo muy
breve, por lo que tampoco poseen ruido térmico, sino electrónico. El tipo de
ruido que recogen precisamente los archivos Bias.
Por ello, calibrar los archivos
Flats consiste en quitarle a cada uno de los archivos Flats el ruido
electrónico que miden los archivos Bias, y por ello el proceso de calibración
de los archivos Flats es el siguiente:
Tomamos todos los archivos Bias,
y generamos el archivo Master Bias. A cada uno de los archivos Flats se le
quita ese archivo Master Bias o ruido electrónico maestro. El WBPP guarda todos
estos archivos Flats calibrados en la carpeta CALIBRATED, y a continuación los
integra obteniendo el archivo Master Flat, que recoge las características
ópticas de la imagen pero sin ruido electrónico y que va a la carpeta MASTER.
Al elegir el SHOW CALIBRATION
DIAGRAM en la parte de CALIBRATION – FLATS, debería aparecer el siguiente
diagrama, que describe precisamente el proceso anterior
Existe otra opción que da un calibrado más completo como es
el tomar también los archivos Darks en la calibración de los archivos Flats,
pero por ahora lo dejo así.
B.2 – Creación del MasterDark
A continuación se realiza un proceso similar al anterior. Se
supone que tenemos una serie de archivos Dark. Como sabemos, lo ideal es
tomarlos la misma noche que los Lights, pero si no es posible, podemos tener
una colección de archivos Dark que tengan en cuenta la ISO, el tiempo de
exposición y la temperatura ambiente. Yo por ejemplo de ISO 1600, con la que
trabajo, tengo archivos Dark de 60, 120,
240, 300 y 600 segundos a temperaturas atmosféricas desde 4ºC hasta 28ºC de 2
en 2ºC. A cada carpeta le pongo su fecha y cada cierto tiempo voy reemplazando
los archivos antiguos por otros más recientes (la cámara envejece, y el ruido
posiblemente cambia). Por cierto, al hacer los Darks no solo el objetivo
tapado, sino también el ocular, ya que por ahí también puede entrar luz (véase la entrada).
El hecho, decía, es
que tenemos una serie de archivos Darks que recogen el ruido térmico de
exposiciones superiores a los 30 segundos. Dichos archivos Darks también recogen
ruido electrónico, el que se localiza con los Bias, por lo que vamos a quitarle
a los archivos Darks la parte de ruido Bias, y a esto se le llama la
calibración de los Darks para después crear un archivo MasterDark.
El procedimiento es muy parecido al de la calibración de los
Flats (la diferencia efectiva es que el archivo MasterBias ya lo tenemos creado
en la etapa anterior). A los Darks se le quita el ruido recogido en el
MasterBias, y una vez calibrados los Darks se integran en el archivo Master
Dark.
Todo esto lo hace el WBPP solo. La alternativa, es lo que
recomienta PI, es que nosotros hagamos estos procesos por separado, ya que dice
PI que tenemos más control y podemos optimizar los resultados en esta fase,
crítica, del apilado.
En este caso el WBPP no nos muestra un esquema del calibrado
de los archivos Dark.
B.3 – Calibrado de los archivos LIGHT
Comienza la parte más interesante y liosa del proceso (a mí
me gusta hablar de los Lights, Flats, Darks y Bias como lo hago porque los veo
archivos muy intuitivos al tener cada uno una misión, pero es obligatorio decir
que para algunos expertos la forma en la que los trato no deja de ser una
simplificación, y según estos expertos cuando se hacen fotos de hasta 30
segundos con el objetivo tapado son Bias porque no se introduce ruido térmico y
a partir de los 30 segundos ya son Darks con ruido electrónico añadido) y
sinceramente no soy un experto y en esta fase ya no hago pie y me conformo con
lo que le voy a contar le funcione, aunque quizás no sea lo más riguroso
posible (aunque sí lógico).
En este momento tenemos una serie de imágenes Lights, que
todavía no hemos tocado, un archivo MasterBias que recoge sólo el ruido
electrónico, un archivo MasterDark que recoge sólo el ruido térmico, y un
archivo MasterBias de tipo luminoso y que recoge imperfecciones ópticas como el
viñeteo al que se le ha quitado el ruido electrónico.
Lo lógico es usar ese MasterBias para quitarle a las
imágenes el ruido electrónico, usar el MasterDark para quitarle el ruido
térmico, y usar el MasterFlat para corregir el viñeteado y otros defectos del
tren óptico ¿de acuerdo? Una vez que tengamos los archivos Lights calibrados
(sin ruido electrónico o térmico ni defectos ópticos) los alinearíamos para
crear el archivo MasterLight, que es el objetivo final.
Esta es la idea, y me voy a limitar a decir cómo ha de
hacerse de manera óptima. Calibraciones de archivos Lights hay varias (depende
de los tipos de archivos que aportemos y cómo lo configuremos), y de hecho, el propio WBPP nos da un esquema de
cómo lo va a hacer, por ejemplo, son posibles calibraciones de archivos Lights
las siguientes:
El tipo de calibrado dependerá de los tipos de archivos
Master que tengamos. Ni que decir que las anteriores opciones no son óptimas al
no usar los tres tipos de archivos Master. El proceso que usaremos nosotros es el
siguiente:
Esta opción no solo usa los tres tipos de archivos Master,
sino que los combina adecuadamente, y lo que nos dice es que al Master Dark se
le quita el MasterBias (1), a los archivos Light por una parte se le quitan el
MasterBias (2), y al resultado de (2) se le quita un múltiplo (K) del MasterDark
sin Bias, paso 3. Lo del múltiplo es para que todo encaje, igual no hay que
quitarle exactamente el MasterDark que llega del paso 1 sino 2 veces ese ruido,
1’5 veces… (ese es el significado de K). Al terminar el paso 3 tenemos los
archivos Lights sin ruido electrónico (2) ni térmico (3).
Llega la hora de corregir las imperfecciones del tren
óptico. No se trata de quitar ruido añadido y que sobra sí o sí, sino de
corregir unos píxeles por otros en algunos casos más que en otros, por eso no se realiza la operación
substracción, sino la división (esto está relacionado con el modo de fusión de
capas), que en algunos casos va a dejar unos píxeles y en otros casos no
(depende de la información que vaya recogida en el MasterFlat).
Al finalizar el
esquema anterior tenemos los Lights Calibrados, y sólo quedaría hacer un
alineado de los mismos (que las estrellas coincidan sobre estrellas) y su
posterior integrado.
Esta es la idea del proceso de calibrado de los archivos
Light y cómo debe hacerse. A continuación veremos cómo hacer todo esto con WBPP.
C - El Weighted Batch Preprocessing (WBPP) Script de PixInsight
Existen varios programas que lo hacen, pero creo que el mejor de ellos, por cierto de una empresa española, Pleiades Astrofoto, es el PixInsight. Describamos el funcionamiento del WBPP de PixInsight.
Se supone que tenemos los archivos Light, Dark, Flat y Bias y que queremos apilarlos en un solo archivo MasterLight que mejore las imágenes que tenemos por separado como ha hemos mencionado al principio de la entrada. Una vez que tenemos instalado el PixInsight, para acceder al Script WBPP seguimos la ruta SCRIPT / BATCH PROCESSING / WEIGHTED BATCH PREPROCESSING
Una vez que entremos tendremos la opción de realizar el calibrado y apilado, pero tendremos que tener cuidado, ya que este es un proceso riguroso, y si realizamos mal algún paso los resultados no serán los deseados. Por ejemplo, doy una imagen simple y otra apilada de M52 + NGC7635 (Nebulosa de la Burbuja). Se insiste en que el calibrado y apilado optimiza los resultados.
Es evidente que tomar los 4 tipos de imágenes y calibrarlos adecuadamente mejora los resultados. Ahora bien, si con los mismos tipos de imágenes realizamos mal el proceso de calibrado, los resultados pueden no ser los esperados (doy un ejemplo de mal apilado con las mismas imágenes anteriores)
Bien. Queda claro que hay que calibrar y apilar para mejorar los resultados de las fotos individuales, y queda claro que hay que hacerlo adecuadamente. Volviendo al PixInsight, había un Script muy sencillo para apilar de manera automática que lo hacía y bastante bien, el Batch Preprocessing (BPP). El tema es que los chicos de PI dan al BPP por obsoleto (no lo van a actualizar más) y en su lugar hay otro script que lo sustituye, el Weighted Batch Preprocessing (WBPP). ¿Merece la pena pasarse del BPP al WBPP? Doy otro ejemplo. Ambas imágenes surgen de los MISMOS archivos y MISMA imagen de referencia, por lo que la comparación es muy fiable.
Aunque no hay demasiada diferencia, ambas imágenes están muy bien a falta del procesado final, si nos fijamos en la parte de la nebulosa de la burbuja, se ve algo mejor en la imagen de la derecha, apilada con WBPP. Parece ser que sí, que es conveniente pasarse al WBPP. A cómo usarlo para optimizar los resultados se dedica lo que queda de entrada.
Una vez que entramos en el Script
WBPP, vemos que posee 6 pestañas. Las 4 primeras son muy parecidas a las del
anterior Batch Preprocessing. Paso a describirlas.
La primera pestaña es la que nos
permite añadir archivos Bias. En realidad las 4 primeras pestañas son muy
parecidas al anterior Script BPP (Batch PreProcessing a secas). Los archivos
Bias se añaden pulsando en el tercer botón de abajo, y al hacerlo adecuadamente
han de aparecer arriba a la izquierda los diferentes archivos Bias o en su
lugar un archivo MasterBias (situación de la imagen).
Yo suelo trabajar con archivos
MasterBias, ya que son archivos cuya generación requiere muchos recursos y como
hemos visto, el generarlos no depende de otros archivos, por lo que tengo
varios de ellos a varias temperaturas y al cargar MasterBias ya realizados le
quito al ordenador muchos cálculos.
En Image Integration dejamos los
parámetros por defecto. Como se supone que tenemos muchos archivos Bias la
opción de Average (media) con Winsorized Sigma Clipping (exclusión de valores
extremos según la desviación típica sigma).
Por último, a diferencia del BPP, si
cargamos un MasterBias no es necesario precisarlo, al hacer el calibrado el
WBPP lo reconoce como tal.
Tras los Bias se añaden de manera
análoga los Darks, y a su vez de manera idéntica a como se usaba en BPP. Usamos
para ello el botón +Darks, éstos nos aparecerán cargados arriba a la izquierda
y los parámetros de Image Integration los dejamos en un principio sin cambiar.
A diferencia de los Bias, sí suelo pedir que los Darks los calibre a partir del
MasterBias, pero también podría guardar archivos MasterDark y quitarle más
cálculos al ordenador.
Lo mismo que se hace con los Bias y
los Darks se hace con los Flats. Aquí entiendo que no tiene sentido usar
archivos MasterFlats guardados, ya que los Flats dependen de la orientación de
la cámara réflex, del enfoque… por lo que son tan característicos como los
archivos Lights.
El hecho es que se cargan igual que
los Bias y los Darks, se muestran arriba a la izquierda y en un principio no
tocamos los parámetros del Image Integration.
Sí existen ciertos cambios respecto
BPP en la pestaña Lights, que antes era por cierto la última . El primer
cambio, además de tener 2 pestañas detrás, es que aparecen tres opciones en el
centro abajo, Subframe Weighting, Image Registration e Image Integration.
Comento lo más relevante para mí.
Para mí la novedad más interesante es el Subframe Weighting,
ya que está relacionada con el nombre del Script. La idea es la siguiente; el
PI cuando se encuentra con una imagen la lee, y detecta el número de estrellas,
si estas son circulares o elípticas… Si por ejemplo analiza dos imágenes del
mismo motivo y en la primera lee 267 estrellas y 240 en la segunda, y en la
primera las estrellas poseen una excentricidad media de 0’005 y en la segunda
de 0’009 (la circunferencia posee excentricidad 0, a medida que nos alejamos de
0 la circunferencia se vuelve más elíptica), llegaremos a la conclusión de que
la primera imagen es mejor que la segunda.
Antes, con PI, en el módulo Subframe Selector nosotros
podíamos grabar unas fórmulas de ponderación como 35*(1-(FWHM-1)/1.75)+5*(1-(Eccentricity-0.3016)/0.3948)+10*(SNRWeight-0.8)/7.882+50 para que el PI estableciera de la serie de imágenes
cuál era mejor, para que a la hora de apilarlas moviera al resto para que
coincidieran con la mejor.
Esta opción hace más intuitivo lo anterior; parte de que existen cuatro tipo de objetos; Nebulosa, galaxia, cúmulo y por número de estrellas, según el caso, a cada uno le asigna una ponderación (por ejemplo, en un cúmulo el peso de la excentricidad de las estrellas, si son redondas o no, debe ser importante, en una galaxia no tanto), pero nos deja a nosotros de forma sencilla su modificación. Los parámetros que se recogen y susceptibles de que cambiemos su importancia a la hora de medir las imágenes son:
- FWHM (full width at half maximum) nos habla de lo picuda o no que es una campana de Gauss del brillo, contraste… (lo que sea que se mida). Está relacionado con la desviación típica de los valores.
- Eccentricity; excentricidad, mide la circularidad de las estrellas
- SNR; tasa señal-ruido
- Number of stars; mide el número de estrellas de la imagen
- Pedestal
Las citadas ponderaciones por defecto son (en cada apartado suman el 100%): Con esto, el WBPP nos dota de una herramienta para que nosotros establezcamos los parámetros que debe usar para leer las imágenes, y a partir de ahí, una vez que las lea y consiguientemente sepa decir cuál es la mejor imagen, podemos delegar en él que establezca cuál ha de ser la imagen de referencia marcando, abajo a la derecha, AUTO, en Registration Reference Image.
Eso sí, el que el PI considere que una imagen es la mejor no significa que ésta sea perfecta. Es muy conveniente antes de delegar en él que las veamos todas y borremos del proceso aquellas que individualmente no estén bien (por movidas, estrellas no puntuales, nubes…) porque si el PI elige de referencia una imagen con estrellas movidas, cuando intente alinear el resto de imágenes a ésta, el proceso fallará sí o sí. Bajo este punto de vista es mejor tomar de referencia una imagen con las estrellas bien enfocadas, aunque no sea la mejor imagen, que una mejor imagen con las estrellas movidas.
Y tenía pendientes dos pestañas, IMAGE REGISTRATION, que en un principio lo dejamos sin tocar
Así como IMAGE INTEGRATION. Si tenemos al menos unas 10 imágenes Light lo dejaremos en Average con Winsorized Sigma Clipping, que es la opción más efectiva para eliminar el ruido e incrementar la SNR.
Muy importante; si desmarcamos la pestaña IMAGE INTEGRATION, que es lo que recomienda PI, sólo se produciría la calibración de los archivos LIGHT, pero no se apilarían en uno solo (PI recomienda hacer la integración de manera aparte para optimizar resultados), pero entonces el WBPP no finalizaría dando el MasterLight.
Dicho esto (salvo lo referente al ponderado del Subframe
Weighting todo estaba y se hacía igual en el anterior BPP), nos pasamos a la
pestaña más interesante de todas, CALIBRATION, donde está el núcleo de los
procesos que se hacen en la calibración.
Al pulsar en esta pestaña nos aparece la ventana de la calibración. Antes de describirla, si no lo hemos hecho antes en la ventana dedicada a los Lights, marcamos abajo
a la derecha lo referente a la REGISTRATION REFERENCE IMAGE y al OUTPUT DIRECTORY.
En efecto, abajo a la derecha marcaremos AUTO en el Registration Reference Image (que sea el WBPP quien con las ponderaciones grabadas y descritas anteriormente elija la mejor de las imágenes). Eso sí, que las hayamos visto antes y hayamos eliminado aquellas que estén movidas o las estrellas no sean lo suficientemente puntuales o el integrado posiblemente fallará. Y elijamos también una carpeta, Output Directory, a la que vayan todos los archivos de calibración (si no marcamos esta carpeta el WBPP no arrancará y nos avisará del error)
Dicho esto, la ventana de la calibración, núcleo del proceso, es la siguiente:
Nos centramos en la parte de la izquierda. Como vemos, el
WBPP nos ha puesto en limpio los archivos que hemos insertado, su tipo, su
número y su duración.
No vamos a poder tocar nada en los BIAS, pero sí tenemos cosas por hacer en los dos siguientes, DARK, FLAT y LIGHT. Le
digo lo que debe poner para que todo funcione bien, al menos como lo hacía el
BPP, si bien le digo que el WBPP tarda algo más porque hace más procesos como el de medición, aunque como hemos visto optimiza más las imágenes.
En un principio no vamos a poder tocar nada de los BIAS, y tampoco nada de los DARK, Vemos que que las opciones arriba a la derecha, Calibration Settings y CFA Settings, están bloqueados. No es del todo cierto... si en las opciones de FLATS y LIGHTS trasteamos mucho podremos elegir si los DARK contienen o no BIAS. Aunque por defecto está activo que los DARK contienen BIAS, si en algún momento nos diera la opción de desactivarla, la dejaríamos activa (además el propio WBPP nos sugeriría dejarla activa). Nuestros DARK contienen ruido BIAS. Resumiendo, las opciones BIAS y DARK las dejamos tal cual.
Vamos a la opción FLATS.
Vemos que ahora sí podemos tocar cosas arriba a la derecha. Una de las opciones más interesantes es que el WBPP me muestra la opción de enseñar el diagrama de calibración. Por defecto es el siguiente:
Esto está bien, ya hablamos de ello al hablar del proceso de creación del archivo MasterFlat, apartado B1, pero también comentaba que existía una opción de calibración mejorada. Vamos a buscarla.
Nos vamos arriba a la derecha, en CALIBRATION SETTINGS, y aunque la opción Auto siempre es conveniente, en la primera pestaña cambiamos AUTO por BIN 1 seguido por la duración de los Darks, en este caso 245'80s, así como marcaremos la pestaña OPTIMIZE MASTER DARK. Con ello le decimos al WBPP que queremos calibrar los FLATS teniendo también en cuenta los archivos DARK, y por ello el diagrama de calibración queda de la siguiente manera:
Ya tenemos hecha la parte de calibración de los FLATS. Vamos, para terminar, con la calibración de los archivos LIGHT. Si le damos a ver el flujo, por defecto tenemos lo siguiente:
No es la calibración óptima, ya que por lo pronto no está usando el MasterFlat. Vamos a hacer lo siguiente:
Marcamos las tres opciones arriba a la derecha; desmarcamos los dos AUTO de los Dark y Flats, y elegimos optimizar el MasterDark. Veremos que a medida que vamos marcando las opciones se nos van activando las informaciones de la parte de la izquierda, y ninguna queda tachada o en gris. Tras esto ya habremos conseguido cambiar el diagrama de calibración por el siguiente, óptimo.
Óptimo porque, ya en B3 hablamos de él, por lo pronto usa todos los archivos Master. Queda un detalle muy importante, asegurarnos de que la imagen final esté a color.
Nos vamos a CFA Settings, y lo activamos (le decimos que la imagen tiene color), y cambiamos el AUTO por el modelo Bayer de nuestra cámara; en el caso de las Canon es RGGB. Nos fijamos que al activar esta opción nos da un error. En la fila de los LIGHT, en Status aparece un símbolo de prohibido y el WBPP nos dice que el error viene de no considerar que los FLAT también son imágenes de color, y no va ser posible calibrar una imagen a color (Light) con otra en blanco y negro (Flat). A pesar de todo, le damos a la opción APPLY TO ALL LIGHT FRAMES.
Pero el error hay que corregirlo, así que nos volvemos a ir a los FLATS y marcamos la opción CFA, le decimos al WBPP que los Flats también poseen color, y le pedimos que se aplique a todos los Flat Frames.
No hay comentarios:
Publicar un comentario