叠加剔除：算法选择与 Rejection Map 解读

叠加时的“剔除”（rejection），就是在把多张图像叠起来的过程中，自动剔除那些不该出现的离群值——卫星轨迹、宇宙射线白斑、残留热像素、过亮的星点外围等等。选对剔除算法、看懂它产出的 Rejection Map，是叠出干净图像的关键。这篇整理剔除算法的选择逻辑，以及那两张常被忽视的剔除地图到底该怎么读。

剔除算法家族

PixInsight 叠加时提供好几种剔除算法，官方文档里列出了各算法适合的场景，很值得一读（要注意这份文档发表已有一段时间，并没有涵盖后来加入的 GESD 算法）。

PixInsight Image Integration 官方文档列出的剔除算法

大致可以分成两类：

Sigma 家族：以标准差为基础的离群值剔除，例如 Sigma Clipping、改良版的 Winsorized Sigma Clipping、以及 Percentile Clipping。它们的原理与数学同属一个体系。
GESD Test：以 Grubbs’s test 为基础，理论与数学跟 sigma-based 完全不同，是相对后期才加入的算法。

GESD vs Sigma：张数少时谁赢？

我实际比较过。有一次拿只有 12 张的数据，同时跑 GESD Test、Winsorized Sigma Clipping 与传统 Sigma Clipping。

GESD、Winsorized Sigma、Sigma Clipping 三者比较（12 张数据）

12 张其实不符合 GESD 与 Winsorized Sigma 的建议张数，但这一组里 GESD Test 的效果反而最佳。不过要补充一个后记：如果是彩色、张数又不够的情况，还是用 Winsorized Sigma 或 Sigma 比较适合。所以没有“永远最好”的算法，得看数据。

GESD 对付黯淡卫星轨迹

GESD 还有一个实战优势。以前用 sigma 家族叠加，常遇到较黯淡的卫星轨迹排不掉，即使有 17 张、叠完还是残留部分轨迹，而且这种黯淡轨迹不适合用 manual selective rejection（手动涂黑）来排除。

调整 GESD 参数并扩张黯淡卫星轨迹后成功排除

改用 GESD Test，并适当调整参数、把黯淡卫星轨迹做扩张成长之后，成功排除了非常黯淡的轨迹；而且普遍来说，GESD 的信噪比都高于传统 Sigma Clipping 或 Winsorized Sigma Clipping。（不过大部分情况下，用 sigma 家族并不会遇到这种排不掉的问题，这是比较极端的个案。）

特殊武器：Range Clipping

除了统计式的离群值剔除，还有一种“暴力”但好用的手段——Range Clipping。

以 Low Range clipping 强制移除暗场校正不良造成的黑点

如果手上有那种暗场校正不良、出现很多黑点的图（例如 10 张里有、5 张里没有），正规的剔除算法很难靠挑离群值把这些黑点剔掉。这时可以在叠加时用 Range Low Clipping，强制把低于某门槛的黑点全部移除。这是针对特定瑕疵的直接手段，和统计式剔除互补。

Low Range clipping 移除黑点的效果

读懂 Rejection Map

用 ImageIntegration 或 WBPP 叠完图，除了成品，还会产生两张剔除地图：一张针对高亮度方向（rejection high），一张针对低亮度方向（rejection low）。大部分人会直接无视这两张——这其实浪费了很有用的诊断信息。

Rejection High 地图中出现的卫星轨迹、肥大星点外围与近地天体轨迹

通常 rejection low 没什么好看的，重点在 rejection high：这里会出现你希望“不要出现在成品里”的各种干扰——卫星轨迹、过亮或肥大星点的外围、近地天体轨迹，还有热像素、宇宙射线造成的白斑等（热像素我通常在叠加前就用 Cosmetic Correction 清掉了，所以这里数量不多）。

这张图最实用的判读方式是：如果你希望排除的像素，出现在 rejection high 里，代表它被成功剔除了；如果它没出现在这里、却留在叠好的成品中（例如残留的卫星轨迹），那就代表剔除参数不够、或该换算法。

几个常见的“要不要挑掉这张”问题

搞懂上面的原理后，很多新手的纠结就有答案了。

星点肥大的图像，要不要挑掉不参与叠加？ 除非是失焦，否则我通常都让它参与叠加。

Rejection High 中被剔除的肥大／过亮星点外围与卫星轨迹示意

查看 rejection high 就会发现，那些过大范围或过亮的星点部分，已经被剔除法去除、没有参与叠加运算；人造卫星轨迹、宇宙射线白块也一样落在 rejection high 里。这类工作交给软件就好。

有亮的卫星轨迹贯穿目标，要不要手动删除那张？ 答案同样是不用。

7 张数据中一张有卫星轨迹贯穿目标，靠严格 Sigma High 参数自动排除

做法：如果张数较少，就用剔除能力较强的算法（例如 Sigma Clipping 家族），把 Sigma High 参数设得严格一点（例如低于 2.5）。有个例子只有 7 张、其中一张卫星轨迹横贯目标，每张对信噪比都很重要，因此设置适当参数（不用软件默认值），就让叠加进程自动完成剔除，成功排除的轨迹会出现在 rejection high 里。每个辛苦得来的像素都别浪费。

坏线例外：剔除救不了

最后补一个剔除救不了的例外——CCD 的坏线（defect column）。

以 Defect Map 消除 CCD 坏线，残留再交给剔除处理

坏线太暗、又贯穿整条，硬要靠剔除去除得牺牲太多好像素、效果还不佳。正确做法是先替相机制作 Defect Map（以拿铁的 16803 CCD 为例，有一条明显坏线在画面中央、加三条不明显的坏线），用 DefectMap 进程加载套用在亮场上，大幅减轻坏线影响后，剩余的部分再交给叠加剔除轻松去除。也就是说，剔除是收尾的清道夫，不是万能的第一道防线——该用专门工具处理的瑕疵，还是得先用对工具。