MGC, SPFC y MARS: análisis de las nuevas herramientas de corrección de gradientes

El contenido que sigue está recopilado y traducido de las explicaciones de Vicent Peris Baixauli sobre las herramientas MGC, SPFC y MARS. Se trata de las herramientas más recientes de PixInsight relacionadas con la corrección de gradientes (gradients); el autor oficial aclara a fondo las dificultades con las que los usuarios tropiezan a menudo, y merece la pena leerlo entero.

MGC y MARS son soluciones «basadas en datos de observación»

Ten muy presente esto: tanto MGC como MARS son soluciones basadas en datos de observación.

Las bandas de MARS actualmente disponibles incluyen L, R, G, B y H-alpha, y los nuevos datos de MARS que están a punto de publicarse añadirán además O-III. Aquí hay un problema clave de emparejamiento: si tienes una imagen HOO o SHO, pero usas las bandas RGB de MARS para corregir los gradientes, es muy probable que la corrección fracase.

El autor emplea una analogía muy elocuente: no podemos echar diésel a un auto de gasolina, pues eso solo dañaría el motor. Si las bandas no encajan, es natural que la corrección salga mal.

Advertencias sobre los filtros de banda dual

Una situación similar se da con los filtros de banda dual. No puedes usar las bandas RGB de MARS para corregir una imagen en color tomada con una cámara de color más un filtro de banda dual. Lo correcto es usar la banda H-alpha como canal rojo y O-III (una vez que se publique oficialmente) como canales verde y azul.

Además, todos los filtros de banda dual actuales, así como los filtros de banda estrecha más anchos, pueden resultar más difíciles de corregir con MGC. La razón es que, en los filtros más anchos, la proporción de luz estelar es mayor que la emisión en línea de la nebulosa. El equipo oficial indica que abordará este problema en una versión futura para hacer la herramienta más general.

El diseño de filtro gris de SPFC y MGC

SPFC y MGC incluyen cuatro campos de filtro, y esto es para hacer más cómoda la configuración de las herramientas. Si solo incluyeran los filtros R/K, G y B, entonces cada vez que quisieras procesar una imagen en escala de grises tendrías que cambiar los ajustes del filtro R, y volver a cambiarlos al pasar de nuevo a una imagen en color. Tener un campo de filtro aparte para las imágenes en escala de grises es más flexible y se ajusta mejor a tu equipo concreto.

Por eso, cuando aplicas SPFC o MGC a una imagen en escala de grises, los filtros RGB se ignoran; y a la inversa, al procesar una imagen en color, el filtro gris se ignora.

SPFC no reemplaza a SPCC

Este es un punto clave que se confunde con facilidad: SPFC no reemplaza a SPCC. Ambos usan los datos espectrofotométricos de Gaia, pero sus funciones son completamente distintas.

• SPFC: calcula el brillo de las estrellas de la imagen y añade metadatos (metadata) para definir esos brillos. No cambia la imagen en sí, solo añade metadatos.
• SPCC: mide y corrige los colores de la imagen y, por tanto, cambia realmente los colores de la imagen.

Necesitas añadir SPFC a tu conjunto de herramientas, porque antes de poder corregir los gradientes debes conocer primero el brillo de la imagen.

MGC como herramienta de colaboración

No subestimes el poder de MGC como herramienta de colaboración. Quizá no quieras subir tus propias imágenes al servidor oficial MARS-u, pero puedes usar tu propia imagen de gran campo para ayudar a un amigo a corregir los gradientes de las suyas.

Sobre la objetividad

Como expone el autor en el vídeo, usar una imagen de gran campo para corregir una imagen de campo estrecho (narrow-field) exige hacer compatibles dos conjuntos de datos altamente incompatibles. En algunos casos, la precisión de medición ya supera los límites numéricos de los propios datos, por lo que a menudo hace falta un ajuste manual. Pero esto no significa que el método no sea lo bastante objetivo: de hecho, es el método más objetivo del que se dispone actualmente, más objetivo que los enfoques basados en muestras o basados en IA. Objetividad y perfección son dos conceptos distintos, y ambos están limitados por las condiciones del mundo real.

MARS usa un flujo de preprocesamiento personalizado, pero todavía no ha implementado todos los pasos necesarios para una corrección de gradientes óptima. La versión DR2 incluirá algunos pasos de preprocesamiento adicionales, que permitirán que también las imágenes más amplias puedan someterse a la corrección de gradientes. El equipo oficial también ha anticipado que en las próximas semanas publicará más recursos educativos y que pronto lanzará una nueva versión de los datos de MARS.