叠加剔除算法的常见误区

叠加时该用哪一种剔除（rejection）算法？网络上流传一套“照张数选剔除法”的经验法则，很多教学也直接照抄。但这套规则其实有不少误区，这篇文章谈谈我的看法。

常见的经验法则

网络上流传的“rules of thumb”大致如下：

• 如果你的张数少于 15～20 张，使用 median integration，不做 sigma clipping。
• 如果张数多于 15～20 张、少于 40～50 张，使用 average integration，搭配 outlier rejection，kappa 设 2.5、2 次迭代。
• 如果张数多于 40～50 张，使用 average integration，搭配 outlier rejection，kappa 设 3（或更大），只做 1 次迭代。

我的观点

这套“按张数选剔除法”的知识，其实已经有点过时，问题在于：

1. 先确认图像质量才是正解。质量没把关好，选什么剔除法都是白搭。
2. 每个剔除算法都有自己的优缺点，只靠图像张数来判断并不准确。
3. 按张数选剔除法，那张数很少的要怎么办？ 这个框架本身就无法涵盖所有情境。

几点补充

• 上面那套规则，我“不建议”照单全收（原始出处为 APP 论坛的相关段落），其中不少参数设置其实是有问题的。
• Reject kappa 有分 high 与 low，没有特殊需求时，我不会把两者设成相同数值。
• 我自己没有使用过中位数（median）叠加，因为我的图像都已经事先检查过质量了。

总结来说：与其纠结于“几张该配哪个剔除法”，不如先把图像质量的把关做好，并理解每种剔除法背后的特性与适用情境，再依实际数据去调整。