Képek válogatása: hogyan válasszunk helyesen a Blink és a SubframeSelector között
Egy egész éjszakányi felvétel után több tucat, akár száz light kép hever a merevlemezünkön, és ezután az első kérdéssel kell szembenéznünk: melyiket tartsuk meg, melyiket dobjuk el? A PixInsightban két út vezet ehhez – az egyik, hogy a Blink eszközre és a saját szemünkre hagyatkozunk, a másik, hogy a SubframeSelector eszközzel (a továbbiakban SS) számszerűsíttetjük és pontoztatjuk a képeket a szoftverrel. Ebben a cikkben összegyűjtöm néhány tapasztalatomat, amelyeket az elmúlt években a képek válogatásáról szereztem, és szó lesz arról, hol a helye ennek a két eszköznek, valamint arról, milyen döntéseket hozok a gyakorlatban.
Kezdőknek: bízzunk először a saját szemünkben és az agyunkban
Sokan rögtön az elején nekiesnek az SS-nek, és minden egyes kép FWHM, SNRWeight, Noise adatait kiterítve tanulmányozzák. Ha viszont nincs sok képünk (mondjuk 50–100 alatt), az SS-nek őszintén szólva nem feltétlenül vesszük nagy hasznát, és gyorsabb, ha a Blink eszközzel gyorsan végigfutunk a képeken.
Ami még fontosabb: e mérési értékek között nincs szükségszerű összefüggés. Hacsak nem egy egészen abszurd értékről van szó – például amikor a teljes képmezőn egyetlen csillag sincs –, önmagában a számok nézegetése nem megbízhatóbb, mint a szemünkkel ítélni, és nem is feltétlenül gyorsabb.
Gyakran hozok fel egy példát: egyszer egy hobbitárs kérdezett engem az SS-sel való válogatásról. A kezdőknek mindig azt tanácsolom, hogy a legjobb, ha először a Blink eszközt a saját szemünkkel és agyunkkal párosítva ítélünk. Amit az SS tud, azt a szem plusz az agy szinte mindig tudja, sőt az SS-ben valójában néhány buktató is rejlik, ami éppen ellenkezőleg, téves ítéletet okozhat a fotó minőségéről.
A legjellemzőbb ez: „magasabb az SNR, mégis rossz a fotó minősége”. A gyakori ok, hogy a vékony felhő csökkenti a csillagok számát, ezáltal az SNR értéke felfelé tolódik, pedig ez a kép valójában használhatatlan. Az ilyen esetet csak más változók bevonásával lehet helyesen megítélni; ha viszont az emberi agyat és szemet vesszük igénybe, gyakran egy másodperc alatt látszik, hogy ez a kép nem jó.
Szóval bízzunk először a saját agyunkban és szemünkben, és nézzük meg alaposan a magunk készítette fotókat.
Képek, amelyeket a Blink szakaszban rögtön kiselejtezek
A Blink szakaszában néhány képtípust rögtön törlök, amint meglátom őket, további habozás nélkül:
- Szűrőváltó takarása
- Súlyos elhúzódás (trailing)
- Még súlyosabb elhúzódás
- Súlyos fókuszvesztés (fekete lyuk jelenik meg a csillagok közepén)
- Annyira felhős, hogy az égitest szinte nem is látszik
- Az obszervatórium teteje belelóg a képbe
Van még egy trükkösebb típus, amelyről eddig nem volt szó: a nagy blendenyílással készült, ráadásul magasban lévő vékony felhők által is érintett képek. Az ilyen képekkel az a baj, hogy a problémát általában csak az integrálás és az RGB-kombinálás után vesszük észre – a csillagok szétterülnek. Ha a teljes sorozatban a normál képek száma nincs többségben a magasban lévő felhők által érintett képekhez képest, akkor ezekkel a szétterült csillagú képekkel nem tehetünk mást, mint hogy kiselejtezzük és újra lefényképezzük őket.
A SubframeSelector helye: számszerűsítés és súlyozás
Akkor hát haszontalan az SS? Természetesen nem. Az SS alapfunkciója, hogy a beállított feltételek vagy a mért értékek alapján megváltoztassa az egyes képek súlyát, majd így exportálja őket. Más szóval a valódi értéke nem abban rejlik, hogy „kettő közül egyet kiválasztva kiselejtez helyettünk”, hanem abban, hogy „minden alapvetően megfelelő képnek eltérő súlyt ad”, így azok különböző mértékben járulnak hozzá az integráláshoz.
Az SS nem kevés paramétert képes mérni. Ha például a csillagok alakja alapján szeretnénk értékelni, az eccentricity (a csillag excentricitása) paraméterre támaszkodhatunk. Ez azt méri, mennyire torzult a csillag körvonala: egy ellipszis alakú csillagkörvonal esetén legyen a nagytengely átmérője a, a kistengely átmérője b (ahol a nagyobb vagy egyenlő, mint b); ekkor az excentricitás egyenlő (1 − b² / a²) négyzetgyökével, a csillag oldalarányát pedig b / a adja. Minél közelebb van az excentricitás a 0-hoz, annál kerekebb a csillag; minél közelebb van 1-hez, annál inkább megnyúlt.
A gyakorlatban a vizsgált képeket a csillagok kerekdedsége szerint rendezem, majd visszatérek a Blink eszközhöz, hogy megnézzem, valójában mi a helyzet azokkal a képekkel, amelyek alacsonyabb kerekdedségi értéket kaptak – természetesen más paraméterek is figyelembe vehetők egyúttal.
Így csinálom most
Őszintén szólva, a Blink szakaszt leszámítva, ahol továbbra is a saját szememmel nézem át a képeket, a többi értékelési munkát szinte teljesen a számítógépre bíztam. A cikkben az SS bemutatása inkább arra szolgál, hogy mindenki megértse a működésének logikáját; amikor éles helyzetben dolgozom, hagyom, hogy a számítógép automatikusan, több paraméter kombinálásával súlyozza a képeket, majd ehhez megfelelő kizárási (rejection) algoritmust és paramétereket társítok az integráláshoz.
Ennek az a célja, hogy minden alapvetően megfelelő kép megfelelő súllyal vegyen részt az integrálásban, és megtegye a maga részét, ezzel optimalizálva a lefényképezett képeket és a felhalmozott teljes expozíciós időt, és amennyire csak lehet, megnövelve az égitestről készült kép SNR-jét.
Tehát az egész folyamat így érthető meg: Blink (a szem őrködik, kiselejtezi a selejtet) → átadás a számítógépnek számszerűsítésre és súlyozásra → integrálás. A szem azért felel, amit egy másodperc alatt el lehet dönteni, a számítógép pedig azért, aminek a súlyát pontosan ki kell számítani – mindenki a saját feladatát végzi.