本站提供正體中文版。切換到正體中文本站提供简体中文版。切换到简体中文This site is available in English.View in Englishこのサイトには日本語版があります。日本語で表示이 사이트는 한국어로도 제공됩니다.한국어로 보기Diese Website ist auch auf Deutsch verfügbar.Auf Deutsch ansehenEste sitio web también está disponible en español.Ver en españolQuesto sito è disponibile anche in italiano.Visualizza in italianoCe site est également disponible en français.Afficher en françaisEste site também está disponível em português.Ver em portuguêsDeze website is ook beschikbaar in het Nederlands.In het Nederlands bekijkenЭтот сайт также доступен на русском языке.Смотреть на русскомयह वेबसाइट हिन्दी में भी उपलब्ध है।हिन्दी में देखेंهذا الموقع متاح أيضًا باللغة العربية.عرض بالعربيةSitus ini juga tersedia dalam bahasa Indonesia.Lihat dalam bahasa IndonesiaBu site Türkçe olarak da mevcut.Türkçe görüntüleTa strona jest dostępna także po polsku.Wyświetl po polskuTrang web này cũng có phiên bản tiếng Việt.Xem bằng tiếng Việtاین وب‌سایت به فارسی هم در دسترس است.مشاهده به فارسیЦей сайт також доступний українською.Переглянути українськоюEz az oldal magyarul is elérhető.Megtekintés magyarulAcest site este disponibil și în limba română.Vizualizare în românăเว็บไซต์นี้มีเวอร์ชันภาษาไทยดูเป็นภาษาไทย

NSG (Normalize Scale Gradient): účel a výhody

Předzpracování a skládání2022.02Starší poznámky

Tento článek je sestaven z poznámek z roku 2022, kdy vyšla verze NSG 2.0; pozdější vývoj nástroje a podporované platformy se od té doby změnily, mějte to prosím na paměti při čtení.

NSG (Normalize Scale Gradient) je velmi praktický nástroj v procesu integrace v PixInsight. Tento článek stručně popisuje jeho účel a výhody, aby přátelé, kteří jej ještě neznají, věděli, jakou roli hraje v celém procesu.

Znázornění ovládacího rozhraní skriptu NSG a efektu normalizace před a po

Cena a verze

Samotný NSG 2.0 je při běžném používání zdarma. Jeden z jeho modulů, NSGXnml, je však placený, pokud jej chcete používat společně s drizzle integration – cena je 27 amerických dolarů.

Použití NSG

  1. Používejte ho po zarovnání hvězd, ale před integrací.
  2. Pro každý kanál musíte vybrat jeden nejlepší snímek a určit ho jako referenční snímek.
  3. Vyhodnocuje snímky každého kanálu, normalizuje je vůči referenčnímu snímku a přiděluje jim váhy, přičemž zároveň přetváří světelný gradient každého snímku tak, aby odpovídal referenčnímu snímku.

Za zmínku tu stojí způsob hodnocení váhy: tradiční integrace ve výchozím nastavení přiděluje váhu podle noise, ale spoléhat jen na noise snadno vede k chybnému posouzení; NSG místo toho používá spolehlivější metodu hodnocení.

Výhody používání NSG

  1. Dobré snímky získávají vyšší váhu: při integraci se použije více pixelů z dobrých snímků, zatímco špatné snímky mají nižší váhu a přispívají méně.
  2. Světelné gradienty se sjednocují: protože světelný gradient každého snímku je přetvořen na stejný, je později při použití DBE snazší odstranit nežádoucí světelné gradienty.