Bildauswahl: Blink und SubframeSelector richtig einsetzen
Nach einer ganzen Nacht Aufnehmen liegen Dutzende bis Hunderte von Lights auf deiner Festplatte, und die erste Frage, der du dich stellen musst, lautet: Welche behalte ich, welche werfe ich weg? In PixInsight gibt es dafür zwei Wege — der eine führt über Blink und das Urteil mit den eigenen Augen, der andere über SubframeSelector (im Folgenden kurz SS), der die Bilder von der Software quantitativ bewerten lässt. Dieser Beitrag fasst einige Erfahrungen zusammen, die ich in den letzten Jahren zur Bildauswahl gesammelt habe, und geht darauf ein, wo diese beiden Werkzeuge jeweils ihren Platz haben und welche Abwägungen ich in der Praxis wirklich treffe.
Anfänger: Vertraue zuerst deinen eigenen Augen und deinem Gehirn
Viele stürzen sich von Anfang an ungeduldig auf SS und breiten die Zahlen jeder Aufnahme — FWHM, SNRWeight, Noise und so weiter — zum Studieren aus. Doch wenn deine Anzahl an Aufnahmen gering ist (etwa unter 50 bis 100), ist SS ehrlich gesagt nicht unbedingt sonderlich nützlich, und ein schneller Durchgang mit Blink ist sogar schneller.
Noch wichtiger: Zwischen diesen Messwerten besteht kein zwangsläufiger Zusammenhang. Sofern kein Wert völlig aus dem Rahmen fällt — etwa ein Bild, in dem überhaupt keine Sterne sind —, ist der bloße Blick auf die Zahlen nicht zuverlässiger als das Urteil mit den Augen und auch nicht unbedingt schneller.
Ich führe oft ein Beispiel an: Einmal fragte mich ein Kollege zum Aussortieren von Aufnahmen mit SS. Mein Rat an Anfänger war schon immer, zuerst Blink zusammen mit den eigenen Augen und dem eigenen Gehirn zum Beurteilen zu nutzen. Fast alles, was SS kann, können auch Augen plus Gehirn — und in SS lauern tatsächlich ein paar Fallstricke, die einen im Gegenteil zu einer Fehleinschätzung der Bildqualität verleiten können.
Am typischsten ist die Situation „hoher SNR, aber schlechte Bildqualität“. Eine häufige Ursache sind dünne Wolken, die die Zahl der Sterne verringern, wodurch der SNR-Wert nach oben getrieben wird, das Bild aber eigentlich unbrauchbar ist. Solche Fälle lassen sich nur mit weiteren Variablen richtig beurteilen; ersetzt man das jedoch durch menschliches Gehirn plus Augen, sieht man oft in einer Sekunde, dass diese Aufnahme nichts taugt.
Also: Vertraue zuerst deinem Gehirn und deinen Augen und sieh dir deine aufgenommenen Bilder in Ruhe an.
Bilder, die ich in der Blink-Phase sofort aussortiere
In der Blink-Etappe gibt es einige Klassen von Bildern, die ich in dem Moment aussortiere, in dem ich sie sehe, ohne weiteres Zögern:
- Abschattung durch das Filterrad
- Starkes Nachziehen (Trailing)
- Noch stärkeres Trailing
- Starke Defokussierung (in der Mitte der Sterne erscheint ein schwarzes Loch)
- Wolkenbedeckung so stark, dass das Objekt kaum noch zu sehen ist
- Das Dach der Sternwarte mit im Bild
Es gibt noch eine kniffligere Art, die ich bisher nicht erwähnt habe: Bilder, die mit großer Blende (weit offen) aufgenommen und zusätzlich von dünnen Wolken in großer Höhe beeinträchtigt wurden. Das Tückische an ihnen ist, dass man das Problem meist erst nach der Integration und der RGB-Kombination bemerkt — die Sterne werden aufgebläht und diffus. Wenn im gesamten Stapel die Zahl der normalen Bilder nicht größer ist als die der von hochliegenden Wolken beeinträchtigten, bleibt für diese Bilder mit diffusen Sternen nur Aussortieren und Neuaufnehmen.
Wo SubframeSelector seinen Platz hat: Quantifizieren und Gewichten
Ist SS also nutzlos? Natürlich nicht. Die Grundfunktion von SS besteht darin, das Gewicht jeder Aufnahme nach festgelegten Bedingungen oder anhand von Messwerten zu verändern und sie dann auszugeben. Mit anderen Worten: Sein wahrer Wert liegt nicht darin, „für dich eines von zwei auszusortieren“, sondern darin, „jeder grundsätzlich brauchbaren Aufnahme ein unterschiedliches Gewicht zuzuweisen“, sodass sie mit unterschiedlichem Beitrag in die Integration eingehen.
SS kann eine ganze Reihe von Parametern messen. Willst du zum Beispiel anhand der Sternform bewerten, kannst du dich am Parameter eccentricity (Exzentrizität der Sterne) orientieren. Er misst, wie stark die Kontur eines Sterns verformt ist: Setzt man für eine elliptische Sternkontur den Durchmesser der großen Achse als a und den der kleinen Achse als b an (mit a größer oder gleich b), dann ist die Exzentrizität gleich der Quadratwurzel von (1 − b² / a²), und das Seitenverhältnis des Sterns ist b / a. Je näher die Exzentrizität an 0 liegt, desto runder der Stern; je näher an 1, desto stärker ist er in die Länge gezogen.
In der Praxis sortiere ich die geprüften Bilder nach Sternrundheit und gehe dann zu Blink zurück, um nachzusehen, was mit den Bildern, die bei der Rundheit schlechter abschnitten, eigentlich los ist — und natürlich lassen sich auch weitere Parameter mit heranziehen.
Wie ich es heute mache
Ehrlich gesagt habe ich, abgesehen von der Blink-Etappe, wo ich nach wie vor selbst mit den eigenen Augen hinsehe, fast die gesamte Bewertungsarbeit dem Computer überlassen. SS in einem Artikel vorzuführen dient eher dazu, dass alle die Logik seiner Funktionsweise verstehen; wenn es wirklich ernst wird, lasse ich den Computer automatisch anhand mehrerer Parameter im Verbund die Bildgewichte vergeben und kombiniere das dann mit einem passenden Rejection-Algorithmus und passenden Parametern für die Integration.
Ziel davon ist, dass jede grundsätzlich brauchbare Aufnahme mit angemessenem Gewicht in die Integration eingeht und ihren gebührenden Anteil beiträgt, sodass die aufgenommenen Bilder und die angesammelte Gesamtbelichtungszeit optimal genutzt werden und der SNR des Objektbildes so hoch wie möglich getrieben wird.
So lässt sich der Gesamtablauf so verstehen: Blink (die Augen als Torwächter, Ausschuss aussortieren) → an den Computer zum Quantifizieren und Gewichten übergeben → Integration. Die Augen übernehmen das, was sich in einer Sekunde beurteilen lässt, der Computer übernimmt das, wofür Gewichte präzise berechnet werden müssen — jeder an seinem Platz.