图像评选：Blink 与 Subframe Selector 怎么选才对
拍完一整晚，硬盘里躺着几十上百张亮场，接下来要面对的第一个问题就是：哪些该留、哪些该丢？在 PixInsight 里，这件事有两条路可走——一条是靠 Blink 用眼睛看，另一条是靠 SubframeSelector（以下简称 SS）让软件帮你量化评分。这篇整理我这几年对图像评选的一些心得，聊聊这两个工具各自的定位，以及我实际的取舍。
新手：先相信自己的眼睛与大脑
很多人一开始就急着上 SS，把每张图像的 FWHM、SNRWeight、Noise 这些数字摊开来研究。但如果你的张数不多（例如低于 50 到 100 张），老实说 SS 未必派得上太大用场，用 Blink 快速扫过一遍反而更快。
更重要的是，这些测量值之间并没有必然的关系。除非是很离谱的数值——例如整个画面根本没有星点——否则单看数字并不会比用眼睛判断来得可靠，也不见得比较快。
我常举一个例子：曾经有同好问我关于用 SS 选片的问题。我给新手的建议一向是，最好先用 Blink 搭配自己的眼睛跟大脑来判断。SS 能做的，眼睛加大脑几乎都能做，而且 SS 里面其实藏着一些误区，反而可能造成对照片质量的误判。
最典型的就是“SNR 较高、照片质量却不佳”的状况。常见的原因是有薄云造成星点变少，于是 SNR 的数字被拉高了，但这张其实是不能用的。这种情形，还得配合其他变量才能正确判断；可是换成人脑加眼睛，往往一秒就看出这张质量不好。
所以，先相信自己的大脑跟眼睛，好好看看自己拍的照片吧。
Blink 阶段我会直接淘汰的图像
在 Blink 这一关，有几类图像我看到就会直接刷掉，不用再犹豫：
- 滤镜轮遮挡
- 严重拖线
- 更严重的拖线
- 严重失焦（星点中间出现黑洞）
- 被云遮盖到几乎看不见天体
- 拍到天文台屋顶
还有一种比较刁钻、前面没提到的：用大光圈拍摄、又受到高空薄云影响的图像。这类图像的麻烦在于，通常要叠完图、合成 RGB 之后才会发现问题——星点会发散。如果整批图像里，正常图像的数量并没有多于被高空云影响的图像，那这些星点发散的图像就只能淘汰、然后重拍了。
SubframeSelector 的定位：量化与加权
那 SS 就没用了吗？当然不是。SS 的基本功能，是依设置条件、或是以测量值来改变每张图的权重再输出。换句话说，它真正的价值不在于“帮你二选一淘汰”，而在于“帮每张基本合格的图像打上不同的权重”，让它们以不同的贡献度参与叠加。
SS 可以检测的参数不少。举例来说，如果想以星点的形状来评估，可以参考 eccentricity（星点偏心率）这个参数。它衡量的是星点轮廓的变形程度：对一个椭圆形的星点轮廓，设长轴直径为 a、短轴直径为 b（a 大于等于 b），则偏心率等于 (1 − b² / a²) 的平方根，星点的长宽比则等于 b / a。偏心率越接近 0，星点越圆；越接近 1，就越被拉长。
实际操作上，我会用星点圆度来排列所检测的图像，之后再回到 Blink 去确认那些圆度较低的图像到底是什么状况——当然还有其他参数可以一并参考。
我现在的做法
老实说，除了 Blink 这一关我还是亲自用眼睛看之外，其余的评估工作我几乎都丢给电脑去做了。在文章里示范 SS，比较像是让大家理解它的运作逻辑；真正上线时，我让电脑自动用多种参数综合给予图像权重，再搭配适当的剔除（rejection）算法与参数进行叠加。
这样做的目的，是让每一张基本合格的图像都以恰当的权重参与叠加，付出它该付出的那一份，把拍摄图像与累积的总曝光时间优化，尽可能提升天体图像的 SNR。
所以整体流程可以这样理解：Blink（眼睛把关、淘汰废片）→ 交给电脑量化加权 → 叠加。眼睛负责那些一秒就能判断的事，电脑负责那些需要精算权重的事，各司其职。