Stakke metoder:
Der findes jo en del forskellige medtoder hvor med du kan stakke dine billeder,
i MaxIm DL har du valget mellem:
Sum, Average, Median, Sigma Clip og SD Mask.
SUM:
Lægger værdien af hver pixel sammen. Er en god metode til at få fremhævet de
svage detajler og giver det bedste signal/støj forhold. Sattelit spor og lign
fra alle billeder kan ses, men undertrykker baggrundsstøj bedst (det som også
kaldes Gaussian støj).
AVERAGE:
Lægger værdien af hver pixel sammen og dividere med antalet af billeder. Har
endnu ikke fundet ud af hvad den er specialt god til.
MEDIAN:
Tager middel værdien af en pixel af alle billederne. En god metode til at slippe
af med evt hotpixels eller satteliter. Her kan også vælges Normalize, som vil
fjerne forskelle i skalaen mellem hvert billede - God at have på.
SIGMA CLIP:
Tager middel værdien af hver pixel, samt standard afvigelsen men kan sættes til
af overse helt sorte pixels (dem med værdien 0). Det er vigtigt at have denne
funktion til, da man ellers nemt ender op med et meget mørkt billede.
Sigma Clip, afviser de pixels der afviger mest fra middelværdien - Så længe de
afviger mere end med sigma faktoren og indsætter så en ny beregnet værdi uden
det afviste. En rigtigt god metode til at fjerne sattliter, fly og hotpixels.
SD-MASK:
Gør meget ala Sigma Clip, da den faktisk er bygget på samme algorithme dog har
denne et extra fif. Tager middelværdien af hver pixel, samt standard afvigelsen.
Man taster så et tal ind som udløser, dette tal ganges med standard afvigelsen
over flere pixels, hvor hver pixel hvor standard afvigelsen er større end
udløseren indsætte en middelværdi af de omgivende pixels ellers indsætte
middelværdien af alle pixels.
Hvad skal man så sætte på?
Hvis du har mere end 3 subframes, så vælg gerne Bicubic Resample da denne giver
et lidt skarper slut billede. Dog kan det nogle gange være en fordel at fravælge
Bicubic, så den nøjes med at beregne sammelægningen som bilinær.
Sæt meget gerne FITS format til IEEE Float, da du så er sikker på ikke at gøre
noget helt hvidt. Derved kaster du aldrig noget væk på forhånd.
SUM:
Der kan ikke stilles på særligt meget her, den lægger bare det hele sammen.
Bilinær vil være godt hvis hver subframe er lavet af meget korte exponeringer.
AVERAGE:
Igen kan du ikke vælge særligt meget, her vil Bicubic nogle gange være bedre for
de korte exponeringer.
MEDIAN:
Her kan du vælge Normalize, som især er god at bruge hvis dine billeder ikke har
samme vinkel eller kommer fra flere teleskoper. Gør de ikke det, så skader du
ikke dit billede. Det eneste der så sker er at det tager et par microsekunder
mere at beregne.
SIGMA CLIP:
Her kan du stille på Sigma faktor, som nok er den vigtigste. Hvilken type
normalization du vil have, der findes to som jeg kommer ind på om lidt. Samt
hvor stort et område den skal lave normalitionen over, som jeg også beskriver
omlidt.
Så kan du vælge at se bort fra pixels over XX ADU, samt at se bort fra sorte
pixels. Hav altid kryds i den sorte, men prøv at se forskellen mellem at have
den på og ikke at have. Jeg ha aldrig kunnet forstå hvorfor man kan vælge at se
bort fra pixels over XX ADU, med mindre man bare vil udjævne baggrunden! Lidt
voldsomt at lave mindst tre billeder for at kun bruge data i dem til at udjævne
baggrund....
Sigma faktor - jo højre nummer jo flere pixels vil den beholde, og jo mindre jo
flere vil afvises. Som udgangspunkt bruger jeg selv 4, Doug som laver MaxIm
anbefaler 3. Det hele kommer jo an på hvor meget man vil afvise, et meget klart
sattelit spor kan tit fjerne ved 4,5 hvis man har en 10 billeder.
SD-MASK:
Som ved Sigma Clip, kan du stille på en bunke igen. Faktisk de helt samme ting,
og de gør det samme - næsten da selv algorithmerne er forskellige.
Igen vælg at se bort fra sorte pixels, men prøv endelig at slå det fra. Du kan
også her vælge at se bort fra pixels på over XX ADU, hvis du bare skal udjævne
baggrunden. I Sigma faktor anbefaler Doug at man som udgangs punkt bruger 0,5
mens jeg mener at det måske er lidt hårdt, og tit selv bruger 0,7. Det kommer
dog helt an på hvor meget støj dit kamera har, da jeg meget ofte må ned på 0,2
når jeg bruger mit OrionStarShoot ukølet.
Du kan også stille hvor mange gange den skal køre beregningen, ved hver
beregning bliver subframen udlignet som følge af Normalizationen du har valgt.
Og den beregner standard afvigelsen, hvis den så stadig afviger mere end sat
indsætter den middelværdien af de omkring liggende pixels ellers indsættes
middelværdien af den pixel.
Hele formålet er at komme støj til livs, og beholde så meget data som muligt.
Normalization:
Hvad er det? Det er en metode hvor den udligner intensiteten på hvert billede
til det samme før de bliver stakket.
Man skal sætte hvor stor en procentdel af hele ens billede man vil bruge, til at
beregne intensiteten udfra. Den procentdel går fra midten og ud, og behøver ikke
være stor med mindre der ikke er noget videre baggrund i midten af billedet. som
udgangspunkt er standarden på 50% fint.
Metoder der kan vælges:
Linear, som tager kombimationen af forandringer af baggrunden og skaleringen af
hvert billede. Dette giver en ens overalt intensitet, og er nok den bedste
metode.
Delta-Level, som kun tager baggrunden. Derfor kan selve objektet godt svinge
meget fra subframe til subframe, hvilket kan gøre at data bliver afvist.
Nogle eksempler på hvad det hele betyder, alle subframes er 10min taget fra byen af M82. Der er ikke brugt darks, bias eller flats.
Her en enkelt subframe bare hivet lidt i histogrammet så det er til at se det er M82:
Og her et 200% crop af samme ubehandelet billede:
De helt små prikker er hotpixels, og vi ser en masse støj i baggrunden.
Der er brugt 4 stk ubehandlet 10min subframes på alle eksempler her under -
Sum IEEE format, man ser at alle hotpixels er med men at støjen er reduseret..
Sum 16bit format - med DDP for at vise om man brænder midten ud:
Average IEEE format, her er hotpixels en smule mindre tdelige men de er der stadig skal op på mere end tyve frames for at slippe bedre af med dem:
Average 16 bit format - med DDP for at vise om man brænder midten ud:
Median IEEE format, nu er alle hotpixels væk og støjen er også reduseret men ikke lige så udtalt som ved sum:
Median 16bit format - med DDP for at vise om man brænder midten ud:
Sigma Clip IEEE format, her er alle hotpixels væk og støjen er mindre end ved sum, dog er detajlerne ikke lige så tydelige:
Sigma 16bit - med DDP for at vise om man brænder midten ud:
SD-Mask IEEE format, her er alle hotpixels væk støjen er fjernet lige så meget som ved sum, og alle detajler er stadig med:
SD-Mask 16bit - med DDP for at vise om man brænder midten ud:
