MGC, SPFC et MARS : un regard sur les nouveaux outils de correction des gradients

Le contenu qui suit est compilé et traduit des explications de Vicent Peris Baixauli sur les outils MGC, SPFC et MARS. Il s’agit des outils plus récents de PixInsight liés à la correction des gradients ; l’auteur officiel y clarifie en profondeur les difficultés que les utilisateurs rencontrent souvent — cela vaut la peine d’être lu en entier.

MGC et MARS sont des solutions « fondées sur des données d’observation »

Gardez bien ceci à l’esprit : MGC comme MARS sont tous deux des solutions fondées sur des données d’observation.

Les bandes de MARS actuellement disponibles comprennent L, R, G, B et H-alpha, et les nouvelles données MARS sur le point d’être publiées ajouteront en outre O-III. Il y a ici un problème d’appariement crucial : si vous avez une image HOO ou SHO mais que vous utilisez les bandes RGB de MARS pour corriger les gradients, la correction risque fort d’échouer.

L’auteur recourt à une analogie très parlante : on ne peut pas faire le plein d’une voiture à essence avec du gazole, cela ne ferait qu’endommager le moteur. Si les bandes ne correspondent pas, il est naturel que la correction se passe mal.

Points d’attention concernant les filtres dual-band

Une situation analogue se produit avec les filtres dual-band. Vous ne pouvez pas utiliser les bandes RGB de MARS pour corriger une image couleur prise avec une caméra couleur associée à un filtre dual-band. La bonne approche consiste à utiliser la bande H-alpha comme canal rouge et O-III (une fois qu’elle sera officiellement publiée) comme canaux vert et bleu.

Par ailleurs, à l’heure actuelle, tous les filtres dual-band, ainsi que les filtres à bande étroite plus larges, peuvent être plus difficiles à corriger avec MGC. La raison en est que, pour les filtres plus larges, la proportion de lumière stellaire est supérieure à l’émission de raies de la nébuleuse. L’équipe officielle indique qu’elle traitera ce problème dans une version future afin de rendre l’outil plus universel.

La conception du filtre gris de SPFC et MGC

SPFC et MGC comportent 4 champs de filtre, et ce afin de rendre la configuration des outils plus commode. S’ils ne comportaient que les filtres R/K, G et B, alors chaque fois que vous voudriez traiter une image en niveaux de gris, il faudrait modifier les réglages du filtre R, puis les modifier de nouveau en repassant à une image couleur. Prévoir un champ de filtre distinct pour les images en niveaux de gris est plus souple et s’accorde mieux à votre équipement particulier.

Ainsi, lorsque vous appliquez SPFC ou MGC à une image en niveaux de gris, les filtres RGB sont ignorés ; à l’inverse, lors du traitement d’une image couleur, c’est le filtre gris qui est ignoré.

SPFC ne remplace pas SPCC

Voici un point clé que l’on confond facilement : SPFC ne remplace pas SPCC. Les deux utilisent les données spectrophotométriques de Gaia, mais leurs fonctions sont radicalement différentes.

• SPFC : calcule la luminosité des étoiles dans l’image et ajoute des métadonnées (metadata) pour définir ces luminosités. Il ne modifie pas l’image elle-même, il se contente d’ajouter des métadonnées.
• SPCC : mesure et corrige les couleurs de l’image, et modifie donc réellement les couleurs de l’image.

Vous devez ajouter SPFC à votre jeu d’outils, car avant de pouvoir corriger les gradients, il faut d’abord connaître la luminosité de l’image.

MGC comme outil de collaboration

Ne sous-estimez pas la puissance de MGC en tant qu’outil de collaboration. Vous ne souhaitez peut-être pas téléverser vos propres images sur le serveur officiel MARS-u, mais vous pouvez utiliser votre propre image grand champ pour aider un ami à corriger les gradients des siennes.

À propos de l’objectivité

Comme l’auteur l’explique dans la vidéo, utiliser une image grand champ pour corriger une image à champ étroit (narrow-field) exige de rendre compatibles deux jeux de données hautement incompatibles. Dans certains cas, la précision de mesure dépasse déjà les limites numériques des données elles-mêmes, si bien qu’un ajustement manuel est souvent nécessaire. Mais cela ne signifie pas que la méthode ne soit pas assez objective — en réalité, c’est la méthode la plus objective actuellement disponible, plus objective que les approches fondées sur des échantillons ou sur l’IA. Objectivité et perfection sont deux concepts distincts, et tous deux sont limités par les conditions du monde réel.

MARS emploie un pipeline de prétraitement personnalisé, mais n’a pas encore implémenté toutes les étapes nécessaires à une correction optimale des gradients. La version DR2 comprendra quelques étapes de prétraitement supplémentaires, permettant à des images encore plus larges de subir une correction des gradients. L’équipe officielle a également annoncé qu’elle publierait davantage de ressources pédagogiques dans les semaines à venir, et qu’une nouvelle version des données MARS sortirait bientôt.