Ismerkedés a BlurXTerminatorral: útmutató és terepi jegyzetek
Ez a cikk a 2022 és 2023 közötti jegyzeteimből áll össze; néhány eszközverzió vagy munkafolyamat azóta frissült, ezért olvasás közben érdemes erre figyelni.
A BlurXTerminator (BXT) egy Russell Croman által készített PixInsight-bővítmény, amely egy konvolúciós neurális hálózaton alapuló, betanított modellel végzi el a dekonvolúciót. Amint megjelent, az egyik legforróbb témává vált az amatőr csillagászati fotózás nemzetközi közösségében. Ebben a cikkben összegyűjtöttem néhány saját tapasztalatomat az első kipróbálástól a mindennapi használatig, valamint pár dolgot, amire érdemes figyelni.
Első tapasztalatok: galaxisok és a Hold felszíne
Először egy éppen feldolgozás alatt álló galaxisfelvétellel, illetve egy korábban feldolgozott, teljes holdfogyatkozás alatt készült holdfelszín-felvétellel próbáltam ki a BXT-t.
A galaxisnál három eredményt hasonlítok össze egymás mellett: bal szélen a feldolgozatlan eredeti kép, középen a PixInsight natív dekonvolúciójával akkoriban elérhető legjobb eredmény, jobb szélen pedig a BXT eredménye. A BXT hozta a legjobb részletgazdagságot, a nagyobb csillagok nem sérültek, ráadásul még kicsit össze is húzta a csillagokat.
A holdfelszín-felvételnél szintén három kép egymás mellett: az eredeti, az UnsharpMask eszközzel és az MMT-vel kiegészített változatom, valamint a BXT eredménye. A BXT eredménye természetesebbnek hat, és úgy tűnik, kevesebb mesterséges nyomot hagy.
Eredetileg szerettem volna folytatni, és egy bolygófelvételt is kipróbálni, de amikor egy Jupiter-felvételt dobtam be, azonnal elbukott – nem sikerült értelmezhető eredményt produkálnia. Úgy tűnik, a modell betanításához használt képek között nem volt Jupiter, holdfelszín-felvétel viszont valószínűleg igen. Talán egy jövőbeli verziófrissítés bolygófelvételeket is hozzáad majd – akkor a BXT alkalmazási köre még tovább bővülne.
Megéri megvenni?
Miután sokan látták, sőt ki is próbálták, mire képes a BXT, sokakban felmerül a gyakorlati kérdés: megéri-e fizetni érte? Ez a bővítmény nagyjából 99 amerikai dollárba kerül, és 30 napos ingyenes próbaidőszakot kínál. Aki PixInsight-felhasználó, közvetlenül igényelhet sorozatszámot, és frissítheti a telepítést, hogy kipróbálja.
A saját válaszom egyértelmű – ez a cucc már réges-régen ott hevert a kosaramban, a próba után pedig egyszerűen megvettem.
Korlátok és amire érdemes figyelni
A BXT hasznos eszköz, de nem csodaszer. Íme néhány helyzet, amellyel a gyakorlatban találkozhatunk:
A korrekciós képességnek is van határa
Volt egyszer egy köteg felvételem, amelyeknek a szélein tile-hiba jelentkezett, és megnéztem a BXT-vel, van-e esély a mentésre. Vegyük példának a képen látható nyílthalmazt: korrekció után a csillagok valóban kisebbek lettek, de a csillagalak javulása elég korlátozott volt. Az eszköz képes megmenteni valamit, de nem érdemes elvárni tőle, hogy a súlyos szerkezeti problémákat teljesen elsimítsa.
A fényes területeken telítődött pixelek keletkezhetnek
Ez egy olyan probléma, amelyre a BXT (AI2) használatakor különösen érdemes figyelni. Az alábbi felvételek mindegyike lineáris fázisban van.
Vegyünk példának egy 800%-ra nagyított galaxismagot: az eredeti képen a mag meglehetősen fényes, még képernyő-stretch nélkül is halványan látszik. A BXT után – akár normál módban, akár Luminance Only módban – a képen néhány telítődött pixel jelent meg, rendkívül magas fényességértékkel, majdnem 1-hez (tiszta fehérhez) közelítve. Ha ezekre a telített területekre akár csak egy kevés képernyő-stretchet is alkalmazunk, a környezetük a stretcheléssel együtt szintén telítődik, elveszítve a színt és a részletet.
Erre a problémára jelenleg nincs megoldás, és nemcsak a galaxismagoknál jelentkezik – néhány fényes csillag telített területeinek környékén is előfordul. Eddig csak színes felvételeken figyeltem meg, monokróm felvételeken nem tapasztaltam.
A jelenlegi megoldás: előbb egy maszkkal takarjuk le a telített területeket (például a luminanciacsatorna kinyerésével és invertálásával), majd csak ezután futtassuk a BXT-t – így elkerülhető ez a probléma.
Még egy megjegyzés: a NoiseXTerminatorban (NXT) is találkoztam hasonló helyzettel, ha a kép már stretchelt, nemlineáris felvétel volt – főleg olyan, amelynek telítettségét vagy görbéit már erősen felhúzták –, úgyhogy akik használják, azoknak érdemes erre figyelniük.
Hogyan alakította át a mesterséges intelligencia (MI) a munkafolyamatot
Régóta nem végeztem kézi dekonvolúciót. A BXT megfelelő beállítás után egyetlen futtatással elkészül, és ha CUDA-t támogató videokártya van beépítve, a végeredmény akár valós időben is előnézetben megtekinthető.
Az általa hozott időmegtakarítás nem áll meg a dekonvolúció lépésénél: csillagtalanítás után nem kell rengeteg időt tölteni a csillagtalanított kép hiányosságainak és hibáinak javításával; zajcsökkentéskor pedig nem kell minden alkalommal maszkot készíteni azoknak a területeknek a kizárásához, ahol nincs szükség a műveletre. A teljes MI-eszközlánc leegyszerűsítette a korábban legidegőrlőbb munkafolyamatok egy részét.
(Akkoriban a közösségben még az a pletyka járta, hogy a következő termék egy MI-modellel betanított GradientXTerminator II lesz, de a végén úgy tűnik, inkább a DBE irányába ment el a dolog.)
A helyes hozzáállás a használathoz
Zárásként idézzük magától Russell Cromantól a figyelmeztetést. Bár a BlurXTerminator AI4 az optikai aberrációk szélesebb körét képes korrigálni, semmi sem pótolja a megfelelő eszközbeállítást. Bármilyen eszközt is használunk, a jobb nyers adat mindig jobb végső képet eredményez.
Az AI4 könnyedén korrigál néhány súlyos aberrációt, de bármely szoftveres eszköz hibajavító képessége mindig korlátozott. Ha időt és energiát fektetünk abba, hogy minimálisra csökkentsük a kollimációs hibát, a fókuszsík dőlését, a leképező lánc deformációját, a fókuszhibát és a vezetési hibát, ezáltal kiemelkedőbb eredményt érünk el.
A BXT egy erőteljes eszköz, de arra való, hogy a jó adatokat még jobbá tegye, nem pedig arra, hogy csodaszerként mentse meg a rossz adatokat. Ez a szemlélet fontosabb, mint bármilyen paraméterbeállítás.