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 українськоюTato stránka je k dispozici také v češtině.Zobrazit v češtiněEz az oldal magyarul is elérhető.Megtekintés magyarulAcest site este disponibil și în limba română.Vizualizare în română

Normalization และ Weighting ใน Integration: NSG กับภาพอ้างอิง

การประมวลผลล่วงหน้าและการ Stacking2021.06

Integration ไม่ใช่แค่นำภาพแต่ละภาพมารวมกันในสัดส่วนเท่า ๆ กัน คุณภาพ ค่า gradient และความสว่างพื้นหลังของแต่ละภาพล้วนไม่เหมือนกัน ก่อน Integration จึงต้องทำสองอย่างก่อน คือปรับ gradient ของแต่ละภาพให้อยู่บนฐานเดียวกัน (Normalization) และให้น้ำหนักที่เหมาะสมกับแต่ละภาพ บทความนี้พูดถึงสคริปต์ NSG และวิธีเลือกภาพอ้างอิง (reference image)

NSG: การทำ Normalization และ Weighting พร้อมกันในคราวเดียว

Normalize Scale Gradient (NSG) เป็นสคริปต์ที่ใช้ก่อนขั้นตอน Integration (การรวมภาพ) โดยจะให้น้ำหนักที่เหมาะสมกับแต่ละภาพ และใช้ภาพอ้างอิง (reference image) เป็นฐานในการแก้ไข gradient ของภาพอื่น ๆ ก่อนเข้าสู่ขั้นตอนถัดไปคือกระบวนการ Integration นอกจากการทำ Normalization แล้ว ยังสามารถใช้น้ำหนักที่สคริปต์คำนวณมาเพื่อลบภาพที่มีคะแนนต่ำออกได้อย่างเหมาะสม

สคริปต์ Normalize Scale Gradient (NSG)

ความรู้สึกส่วนตัวของผมหลังใช้งานคือ พอมี NSG แล้ว แทบจะเก็บ Subframe Selector กับ Local Normalization ขึ้นหิ้งได้เลย รู้สึกว่าหลังจากนั้นแทบไม่ได้ใช้อีกเลยสักกี่ครั้ง แน่นอนว่านี่เป็นความเคยชินในการประมวลผลภาพส่วนบุคคล การจะจับคู่เครื่องมือแบบไหนก็ขึ้นอยู่กับขั้นตอนการทำงานของแต่ละคน

ภาพอ้างอิง: สองขั้นตอนเลือกไม่เหมือนกัน

เมื่อใช้ NSG (หรือขั้นตอน Registration และ Normalization ใด ๆ) มีรายละเอียดหนึ่งที่มักถูกมองข้ามแต่สำคัญมาก หลักการเลือกภาพอ้างอิงในสองขั้นตอนคือ Star Alignment กับ Normalization นั้นตรงกันข้ามกัน

  • ภาพอ้างอิงของ Star Alignment: เลือกภาพที่มีคุณภาพ “ปานกลาง” เพราะแบบนี้ไม่ว่าภาพที่คุณภาพดีกว่าหรือแย่กว่าก็สามารถ Align เข้ากับภาพนี้ได้อย่างราบรื่น
  • ภาพอ้างอิงของ Normalization: เลือกภาพที่มีคุณภาพ “ดีที่สุด” เพราะต้องใช้ภาพที่ดีที่สุดเป็นฐานในการแก้ไข gradient ของภาพอื่น

อันหนึ่งต้อง “กลาง ๆ” อีกอันต้อง “ดีที่สุด” อย่าสับสนกัน

กรณีตรวจสอบปัญหาหนึ่ง: หลัง NSG ก็ยังมีปัญหา

Normalization ไม่ใช่ยาครอบจักรวาล แม้ทำ NSG แล้วภาพก็ยังอาจมีปัญหาได้ ขอแชร์ตัวอย่างที่เห็นในชุมชนต่างประเทศ มีคนทำ NSG เสร็จแล้วทำ ABE ต่อ ผลปรากฏว่าภาพยังดูมีปัญหาอยู่

กรณีที่ภาพยังมีปัญหาอยู่หลังทำ NSG แล้วทำ ABE ต่อ

สาเหตุที่เป็นไปได้มีหลายประการ:

  1. ด้านขวาของภาพมีมลภาวะทางแสงค่อนข้างแรง ประกอบกับมีเมฆ
  2. จุดตัวอย่างของ ABE อาจวางผิดตำแหน่ง และ ABE ก็ไม่สามารถปรับจุดตัวอย่างด้วยตนเองได้ ในกรณีนี้ควรเปลี่ยนไปใช้ DBE แล้ววางจุดตัวอย่างด้วยตนเอง
  3. ภาพ flat อาจมีปัญหา ต้องเปลี่ยนอัลกอริทึมการทำ Calibration เป็นการหาร และหากจำเป็นอาจต้องถ่ายภาพ flat ใหม่ด้วยซ้ำ

ประเด็นสำคัญของกรณีนี้คือ เครื่องมือ Normalization และการลบพื้นหลัง (NSG, ABE, DBE) แก้ไขได้แค่ gradient กับพื้นหลัง แต่ถ้าต้นตอของปัญหาอยู่ที่มลภาวะทางแสง เมฆ หรือภาพ flat เอง ก็ต้องย้อนกลับไปแก้ที่ต้นตอ ไม่ใช่เพิ่มเครื่องมือในขั้นตอนหลังอย่างไม่ลืมหูลืมตา