На що зважати, накопичуючи дані одного об’єкта за кілька ночей

Щоб отримати якісний результат в астрофотографії далекого космосу, часто доводиться розтягувати зйомку на кілька ночей і накопичувати тривалу загальну експозицію. Але «зйомка одного й того самого об’єкта в різні дати» — це не просто звалити всі файли докупи й виконати інтеграцію: якщо кілька моментів по дорозі залишити поза увагою, це, навпаки, погіршить кінцевий результат. Нижче зібрано кілька речей, на які варто звернути увагу, — як орієнтир для початківців, які хочуть накопичити тривалий загальний час експозиції.

Шість моментів, на які варто звернути увагу

1. Використовуйте goto за координатами та plate solving (автоматичне розпізнавання зоряного поля, тобто астрометрію), щоб навестися на той самий об’єкт: переконайтеся, що кожної ночі ви наводитеся на те саме положення кадру.

2. Кут повороту поля зображення має бути близьким: уникайте того, щоб різниця кутів спричиняла неперекриття країв, — ці неперекриті периферійні ділянки втрачають SNR.

3. Кадри light з різних дат мають використовувати власні кадри flat: якщо між різними партіями кадрів light обладнання розбиралося, кожну партію обов’язково потрібно поєднувати з кадрами flat саме тієї зйомки.

4. Кадри dark (зокрема flat dark або bias) можна використовувати спільно: кадри dark з однаковою температурою, однаковою тривалістю експозиції та однаковими налаштуваннями можна використовувати спільно. У принципі, для CMOS їх можна повторно застосовувати протягом трьох місяців, а для CCD — протягом року.

5. Кожен набір кадрів light калібрується власними калібрувальними кадрами: під час калібрування зображень у програмі APP застосовують Multi-Session processing, а в PI — WBPP або ручну обробку.

6. Перед інтеграцією можна призначати різну вагу залежно від тривалості експозиції: у WBPP програми PI або в NSG можна додатково надавати кадрам light різної тривалості різну вагу, щоб оптимізувати SNR кінцевого інтегрованого зображення.

Опанувавши ці кілька пунктів, дані, накопичені за кілька ночей, справді перетворяться на підвищення якості, а не на суміш хороших і проблемних даних, які тягнуть одні одних униз.