مقدمه‌ای بر BlurXTerminator و برداشت‌هایی از کاربرد آن

این نوشته از یادداشت‌های سال‌های 2022 تا 2023 گردآوری شده‌است؛ نسخهٔ برخی ابزارها یا روند کار از آن زمان به‌روزرسانی شده‌است، پس هنگام خواندن به این نکته توجه کنید.

BlurXTerminator (BXT) یک افزونهٔ PixInsight از Russell Croman است که با مدلی آموزش‌دیده بر پایهٔ شبکهٔ عصبی پیچشی، deconvolution را انجام می‌دهد. همین که عرضه شد، به یکی از داغ‌ترین موضوع‌های جامعهٔ آماتوری عکاسی نجومی در سراسر جهان تبدیل شد. در این نوشته برداشت‌های خودم را از نخستین تجربه تا استفادهٔ روزمره، همراه با چند نکته که باید به آن‌ها توجه کنید، گرد آورده‌ام.

نخستین تجربه: کهکشان‌ها و سطح ماه

من نخست BXT را روی تصویر یک کهکشان که همان موقع در دست پردازش داشتم و روی تصویری از سطح ماه در جریان یک ماه‌گرفتگی کامل که پیش‌تر پردازشش کرده بودم آزمودم.

در مورد کهکشان، سه نتیجه را کنار هم می‌گذارم و مقایسه می‌کنم: چپ‌ترین تصویر، تصویر اصلی و بدون پردازش است؛ تصویر میانی بهترین نتیجه‌ای است که آن زمان با deconvolution داخلی PixInsight می‌توانستم به آن برسم؛ و راست‌ترین تصویر دستاورد BXT است. BXT بهترین جزئیات را نمایان کرد، ستاره‌های بزرگ آسیب ندیدند و در ضمن ستاره‌ها را هم اندکی کوچک‌تر کرد.

در بخش سطح ماه هم سه تصویر کنار هم قرار دارند: تصویر اصلی، نسخه‌ای که روی آن UnsharpMask و MMT اعمال کرده‌ام، و نتیجهٔ BXT. حالتی که BXT ارائه می‌دهد طبیعی‌تر است و به نظر می‌رسد آرتیفکت کمتری هم بر جای می‌گذارد.

در اصل می‌خواستم کار را ادامه بدهم و تصویرهای سیاره‌ای را هم بیازمایم، اما وقتی یک تصویر از مشتری را داخلش انداختم، همان‌جا شکست خورد و نتوانست هیچ نتیجهٔ معناداری تولید کند. ظاهراً در تصویرهایی که برای آموزش مدل به کار رفته‌اند مشتری نبوده، هرچند تصویر سطح ماه لابد بوده‌است. شاید در به‌روزرسانی‌های آینده تصویرهای سیاره‌ای هم اضافه شوند — آن وقت دامنهٔ کاربرد BXT باز هم گسترده‌تر می‌شود.

آیا ارزش خرید دارد؟

پس از دیدن و حتی آزمودن کارایی BXT، بسیاری یک پرسش واقع‌بینانه مطرح می‌کنند: آیا ارزش دارد پول بدهیم؟ قیمت این افزونه حدود 99 دلار آمریکا است و یک دورهٔ آزمایشی رایگان 30 روزه دارد. اگر کاربر PixInsight هستید، می‌توانید مستقیم شمارهٔ سریال بگیرید و نصب خود را به‌روزرسانی کنید تا آن را بیازمایید.

پاسخ خودم بسیار سرراست است — این چیز مدت‌ها بود که در سبد خریدم افتاده بود و تا آزمایش تمام شد، خریدمش.

محدودیت‌های استفاده و نکته‌های قابل توجه

BXT با اینکه کاربردی است، همه‌کاره نیست. چند وضعیتی را که در عمل با آن‌ها روبه‌رو می‌شوید جمع‌بندی می‌کنم:

توان تصحیح حد و مرز دارد

یک بار دسته‌ای از تصویرها داشتم که حاشیه‌هایشان همه دچار مشکل ناشی از tile بود، و سراغ BXT رفتم تا ببینم امکان جبرانی هست یا نه. خوشهٔ باز داخل کادر را مثال بگیرید: پس از تصحیح، ستاره‌ها واقعاً کوچک‌تر شدند، اما بهبود شکل ستاره‌ها بسیار محدود بود. ابزار می‌تواند بخشی از ماجرا را نجات دهد، اما انتظار نداشته باشید مشکل‌های ساختاری جدی را به‌کلی صاف کند.

نواحی روشن ممکن است پیکسل اشباع تولید کنند

این مشکلی است که هنگام استفاده از BXT (AI2) باید به‌طور ویژه به آن توجه کنید. تصویرهای زیر همگی در مرحلهٔ خطی هستند.

هستهٔ یک کهکشان با بزرگ‌نمایی 800% را مثال بگیرید: در تصویر اصلی، هسته به‌قدری روشن است که حتی بدون screen stretch هم کم‌رنگ دیده می‌شود. پس از عبور دادن تصویر از BXT — چه در حالت عادی و چه در حالت Luminance Only — بخشی از پیکسل‌های تصویر اشباع شدند؛ روشنایی‌شان بسیار بالا و تقریباً نزدیک به 1 (سفید مطلق) بود. کافی است اندکی screen stretch روی این نواحی اشباع اعمال کنید تا پیرامونشان هم به‌محض کشیده شدن یکسره اشباع شود و رنگ و جزئیات را از دست بدهد.

این مشکل فعلاً راه‌حلی ندارد و فقط در هستهٔ کهکشان‌ها پدیدار نمی‌شود — پیرامون نواحی اشباع برخی ستاره‌های درخشان هم دیده می‌شود. تا امروز فقط روی تصویرهای رنگی مشاهده‌اش کرده‌ام و روی تصویرهای تک‌رنگ (mono) ندیده‌ام.

راه‌حل کنونی: نخست نواحی اشباع را با یک ماسک بپوشانید (مثلاً کانال luminance (L) را استخراج و آن را معکوس کنید)، سپس BXT را اعمال کنید تا از این مشکل دور بمانید.

یک نکته را هم اضافه کنم: در NoiseXTerminator (NXT) هم اگر تصویر یک تصویر غیرخطی و کشیده شده باشد — به‌ویژه تصویری که اشباع رنگ یا منحنی‌هایش را زیاد بالا کشیده باشند — با وضعیت مشابهی روبه‌رو شده‌ام؛ دوستانی که از آن استفاده می‌کنند می‌توانند حواسشان باشد.

تغییری که هوش مصنوعی در روند کار پدید آورد

خیلی وقت است که deconvolution را دستی انجام نداده‌ام. کافی است BXT را مناسب تنظیم کنید و یک بار اجرایش کنید تا کار تمام شود؛ و اگر کارت گرافیک سازگار با CUDA داشته باشید، حتی می‌توانید نتیجه را بی‌درنگ پیش‌نمایش کنید.

صرفه‌جویی در زمانی که به همراه می‌آورد تنها به گام deconvolution محدود نمی‌شود: پس از حذف ستاره‌ها دیگر لازم نیست وقت زیادی صرف ترمیم نقص‌ها و آسیب‌های تصویر بدون ستاره کنید؛ هنگام کاهش نویز هم دیگر لازم نیست هر بار ماسکی بسازید تا جاهایی را که نیازی به پردازش ندارند کنار بگذارید. کل زنجیرهٔ ابزارهای هوش مصنوعی چند مرحله از فرساینده‌ترین کارهای گذشته را ساده کرده‌است.

(آن زمان در جامعهٔ کاربران شایعه بود که محصول بعدی یک GradientXTerminator II آموزش‌دیده با مدل هوش مصنوعی خواهد بود، اما در نهایت به نظر می‌رسد ماجرا بیشتر به سمت DBE رفت.)

نگرش درست در استفاده

در پایان با نقل یادآوری از خود Russell Croman جمع‌بندی می‌کنم. هرچند BlurXTerminator AI4 می‌تواند گسترهٔ وسیع‌تری از ابیراهی‌های نوری را تصحیح کند، هیچ چیز جای تنظیم درست تجهیزات را نمی‌گیرد. هر ابزاری هم که به کار ببرید، دادهٔ خام بهتر همیشه تصویر نهایی بهتری پدید می‌آورد.

AI4 می‌تواند برخی ابیراهی‌های جدی را به‌آسانی درست کند، اما توان هر ابزار نرم‌افزاری در رفع مشکل همیشه محدود است. اگر وقت و انرژی بگذارید تا خطای هم‌محوری اپتیکی (collimation)، شیب صفحهٔ کانونی، تغییر شکل زنجیرهٔ تصویربرداری، خطای فوکوس و خطای guiding را به کمترین حد برسانید، در ازای آن نتیجه‌های بهتری به دست می‌آورید.

BXT ابزاری قدرتمند است، اما برای آن است که دادهٔ خوب را بهتر کند، نه اینکه نوشدارویی برای نجات دادهٔ بد باشد. این نگرش از هر تنظیم پارامتری مهم‌تر است.