Pondération des images pour l'intégration : comparaison entre NSG, PSF Signal Weight et APP
Avant l’intégration, le logiciel attribue à chaque sous-image un poids différent selon sa qualité : les bonnes images reçoivent un poids élevé et contribuent avec davantage de pixels lors de l’intégration ; les mauvaises reçoivent un poids faible et contribuent moins. La justesse de cette « évaluation des poids » influe directement sur la qualité de l’image intégrée finale. Cet article compare les performances de plusieurs outils de pondération courants.
Ce qui est comparé
La figure ci-dessous compare trois méthodes de notation, appliquées à des données provenant d’un « petit système, en sous-échantillonnage et en partie voilées par des nuages », quant aux poids d’image que chacune attribue avant l’intégration :
- NSG : Normalize Scale Gradient Script
- PI PSF SW : le PSF Signal Weight dans le processus ImageIntegration de PixInsight
- APP : Astro Pixel Processor
(Source de l’image ci-dessus : https://www.youtube.com/watch?v=KUtkg14dj6A)
Résultat
Les poids d’image attribués par NSG et par le PSF SW par défaut de la version la plus récente de PI sont assez proches, et pour les images voilées par des nuages, tous deux attribuent un poids assez faible — c’est le comportement correct que nous attendons.
Mais lorsqu’APP attribue les poids, il présente un problème semblable à l’ancienne notation par SNR de PI : aux images voilées par des nuages, il attribue au contraire un poids assez élevé. Cela va évidemment intégrer de façon excessive les images de mauvaise qualité et plomber le résultat final.
Recommandation pratique
Par conséquent, si vous comptez actuellement utiliser APP pour l’intégration, il vous faudra forcément supprimer manuellement au préalable ces images « en partie voilées par des nuages » ou « en partie affectées par la pollution lumineuse », afin d’éviter qu’un poids élevé ne leur soit attribué par erreur.
En revanche, si vous utilisez NSG ou le PSF SW de PI pour évaluer les poids, vous n’avez pas besoin de faire cela spécialement — ces outils sont déjà capables d’identifier correctement les images problématiques et d’en abaisser le poids.