只有两张图像，如何用 PixelMath 叠加

叠加时偶尔会碰到一个尴尬的情况：手上只有两张图像。而 PixInsight 的 ImageIntegration 有个门槛——它至少要三张以上的图像才肯运行。那么只有两张，难道就没办法叠了吗？其实有，我们可以绕过 ImageIntegration，改用 PixelMath 自己动手。

说穿了，“叠加”在数学上就是把多张对齐过的图像做加权平均，用来提升信噪比。ImageIntegration 之所以强大，是因为它在平均之外还帮你做了归一化与像素剔除；但剔除这件事至少要有三张才玩得起来（要有多数决才能判断哪个像素是离群值）。所以当只剩两张时，我们退而求其次，用 PixelMath 手动完成“对齐后平均”这件最核心的事就好。

最简单的做法：相加后平均

两张图像要合起来，本质上就是把它们相加、再除以二。在 PixelMath 里输入的公式，就是把两张图像相加后乘上 0.5（也就是 ÷2）。

用 PixelMath 对两张图像做平均的公式示意

这样就得到一张两者平均后的结果。

想给不同权重？把系数拆开

如果你不只想单纯平均，而是希望两张图像各自占不同的比重，那就把公式展开，分别调整两张图像前面的系数即可。

举例来说：

0.8*image1 + 0.2*image2

这样两张图像的权重就变成了 4:1。系数怎么配，看你对两张图像质量的判断，只要两个系数相加等于 1 即可。

提醒一件很重要的事：动手之前，记得要先把两张图像对齐。 没对齐就相加，星点会叠成双影，前功尽弃。这一步无论你用哪种公式都不能省——PixelMath 只是逐像素做算术，它并不会替你校正两张图像之间的位移。

进阶：先做 Normalization 再平均

上面的做法够应急，但如果两张图像的背景亮度、信号强度有落差，直接相加平均的结果不会理想。更讲究一点的流程，是先对两张图像做 Normalization，再取平均，分成两步：

先做 Normalization，把要叠的图像归一化到基准图像的尺度：

($T-median($T))*MAD(ReferenceImage)/MAD($T)+median(ReferenceImage)

对两张图像做 Normalization 的 PixelMath 公式

接着把两张图像平均，完成叠加：

($T+ReferenceImage)/2

Normalization 后将两张图像平均的 PixelMath 公式

公式里有两个符号要说明：

ReferenceImage 代表两张图像中比较好的那一张，用它当作归一化的基准。
$T 则是另外一张图像。

先做 Normalization 的好处，是让两张图像在相加前站在同一个基准上，避免其中一张的背景或信号差异污染最后的结果。两张图像虽然少，但只要方法对，一样能叠出干净的成品。