MGC, SPFC und MARS: Ein Blick auf die neuen Werkzeuge zur Gradientenkorrektur

Der folgende Inhalt ist aus Vicent Peris Baixaulis Erläuterungen zu den Werkzeugen MGC, SPFC und MARS zusammengestellt und übersetzt. Es handelt sich um die neueren Werkzeuge von PixInsight rund um die Korrektur von Gradienten (gradients); der offizielle Autor räumt darin gründlich mit den Schwierigkeiten auf, auf die Nutzer häufig stoßen — die vollständige Lektüre lohnt sich.

MGC und MARS sind „auf Beobachtungsdaten gestützte“ Ansätze

Bitte merke dir unbedingt: MGC und MARS sind beide auf Beobachtungsdaten gestützte Lösungen.

Die derzeit verfügbaren MARS-Bänder umfassen L, R, G, B und H-alpha, und die demnächst erscheinenden neuen MARS-Daten ergänzen zusätzlich O-III. Hier gibt es ein entscheidendes Problem der Zuordnung: Wenn du ein HOO- oder SHO-Bild hast, aber die RGB-Bänder von MARS verwendest, um die Gradienten zu korrigieren, wird die Korrektur höchstwahrscheinlich fehlschlagen.

Der Autor verwendet einen sehr treffenden Vergleich: Wir können ein Benzinauto nicht mit Diesel betanken — das würde nur den Motor beschädigen. Wenn die Bänder nicht zusammenpassen, geht die Korrektur natürlich schief.

Hinweise zu Dualband-Filtern

Eine ähnliche Situation tritt bei Dualband-Filtern auf. Du kannst die RGB-Bänder von MARS nicht verwenden, um ein Farbbild zu korrigieren, das mit einer Farbkamera plus Dualband-Filter aufgenommen wurde. Der richtige Weg ist, das H-alpha-Band als Rotkanal zu verwenden und O-III (sobald es offiziell veröffentlicht ist) als Grün- und Blaukanal.

Außerdem lassen sich derzeit alle Dualband-Filter sowie die breiteren Schmalbandfilter mit MGC möglicherweise schwerer korrigieren. Der Grund: Bei breiteren Filtern ist der Anteil des Sternlichts höher als die Linienemission des Nebels. Das offizielle Team erklärt, dieses Problem in einer künftigen Version anzugehen, um das Werkzeug allgemeiner einsetzbar zu machen.

Das Graufilter-Design von SPFC und MGC

SPFC und MGC enthalten vier Filterfelder, und zwar, um die Konfiguration der Werkzeuge bequemer zu machen. Gäbe es nur R/K-, G- und B-Filter, müsstest du jedes Mal, wenn du ein Graustufenbild verarbeiten willst, die Einstellung des R-Filters ändern und beim Zurückwechseln zu einem Farbbild erneut ändern. Für Graustufenbilder ein eigenes Filterfeld vorzusehen ist flexibler und passt sich deiner speziellen Ausrüstung besser an.

Wenn du SPFC oder MGC daher auf ein Graustufenbild anwendest, werden die RGB-Filter ignoriert; umgekehrt wird beim Verarbeiten eines Farbbildes der Graufilter ignoriert.

SPFC ersetzt SPCC nicht

Dies ist ein leicht zu verwechselnder Kernpunkt: SPFC ersetzt SPCC nicht. Beide verwenden die spektralphotometrischen Daten von Gaia, doch ihre Funktionen sind völlig verschieden.

• SPFC: berechnet die Helligkeit der Sterne im Bild und fügt Metadaten (metadata) hinzu, um diese Helligkeiten zu definieren. Es verändert das Bild selbst nicht, sondern fügt nur Metadaten hinzu.
• SPCC: misst und korrigiert die Farben im Bild und verändert daher tatsächlich die Farben des Bildes.

Du musst SPFC in dein Werkzeugset aufnehmen, denn bevor du die Gradienten korrigieren kannst, musst du zuerst die Helligkeit des Bildes kennen.

MGC als Werkzeug zur Zusammenarbeit

Unterschätze nicht die Macht von MGC als Werkzeug zur Zusammenarbeit. Vielleicht möchtest du deine eigenen Bilder nicht auf den offiziellen MARS-u-Server hochladen, aber du kannst mit deinem eigenen Weitwinkelbild einem Freund helfen, die Gradienten in seinen Bildern zu korrigieren.

Über die Objektivität

Wie der Autor im Video darlegt, erfordert das Korrigieren eines Schmalfeld-Bildes (narrow-field) mithilfe eines Weitwinkelbildes, dass man zwei höchst unverträgliche Datensätze miteinander verträglich macht. In manchen Fällen übersteigt die Messgenauigkeit bereits die numerischen Grenzen der Daten selbst, weshalb oft eine manuelle Anpassung nötig ist. Das bedeutet aber nicht, dass die Methode zu wenig objektiv wäre — tatsächlich ist es die derzeit objektivste Methode, objektiver als stichprobenbasierte oder KI-basierte Ansätze. Objektivität und Perfektion sind zwei verschiedene Begriffe, und beide werden durch die realen Bedingungen eingeschränkt.

MARS verwendet eine eigene Vorverarbeitungspipeline, hat aber noch nicht alle Schritte implementiert, die für eine optimale Gradientenkorrektur nötig sind. Die DR2-Version wird einige zusätzliche Vorverarbeitungsschritte enthalten, sodass auch breitere Bilder eine Gradientenkorrektur durchlaufen können. Das offizielle Team hat zudem angekündigt, in den kommenden Wochen weitere Lernressourcen zu veröffentlichen und bald eine neue Version der MARS-Daten herauszubringen.