Sélection des images : bien choisir entre Blink et SubframeSelector
Après une nuit entière de prise de vue, des dizaines voire des centaines d’images brutes (lights) dorment sur votre disque dur, et la première question à laquelle vous devez faire face est celle-ci : lesquelles garder, lesquelles jeter ? Dans PixInsight, deux voies s’offrent à vous pour cela — l’une consiste à se fier à Blink et à juger avec les yeux, l’autre à laisser SubframeSelector (ci-après SS) quantifier et noter les images à votre place. Cet article rassemble quelques réflexions que j’ai accumulées ces dernières années sur la sélection des images, et évoque le rôle de chacun de ces deux outils ainsi que les arbitrages que je fais réellement en pratique.
Débutants : fiez-vous d’abord à vos yeux et à votre cerveau
Beaucoup de gens se précipitent dès le départ sur SS, étalant les chiffres de chaque image — FWHM, SNRWeight, Noise, etc. — pour les étudier. Mais si votre nombre de poses n’est pas élevé (par exemple en dessous de 50 à 100), à vrai dire SS n’est pas forcément d’une grande utilité, et un survol rapide avec Blink est même plus rapide.
Plus important encore : entre ces valeurs mesurées, il n’existe pas de relation nécessaire. À moins d’une valeur totalement aberrante — par exemple une image ne contenant absolument aucune étoile —, regarder les seuls chiffres n’est pas plus fiable que juger avec les yeux, et ce n’est pas nécessairement plus rapide non plus.
Je cite souvent un exemple : un confrère passionné m’a un jour interrogé sur le tri des poses avec SS. Mon conseil aux débutants a toujours été de commencer par utiliser Blink en y ajoutant vos propres yeux et votre cerveau pour juger. Presque tout ce que SS sait faire, les yeux plus le cerveau savent le faire aussi ; et de surcroît, SS recèle en réalité quelques pièges qui peuvent au contraire vous conduire à mal juger la qualité d’une photo.
Le cas le plus typique est celui d’un « SNR élevé, mais mauvaise qualité d’image ». Une cause fréquente : des nuages fins réduisent le nombre d’étoiles, ce qui pousse le chiffre du SNR vers le haut, alors que cette pose est en réalité inutilisable. Un tel cas exige de combiner d’autres variables pour le juger correctement ; mais le cerveau humain, secondé par les yeux, décèle souvent en une seconde que cette pose n’est pas bonne.
Alors, fiez-vous d’abord à votre cerveau et à vos yeux, et regardez posément les photos que vous avez prises.
Les images que j’élimine d’emblée à l’étape Blink
À ce passage qu’est Blink, il y a quelques catégories d’images que j’élimine dès que je les vois, sans hésiter davantage :
- Obstruction de la roue à filtres
- Filé important (trailing)
- Filé encore plus important
- Défocalisation sévère (un trou noir apparaît au centre des étoiles)
- Couverture nuageuse si forte que l’objet est presque invisible
- Le toit de l’observatoire pris dans le cadre
Il y en a encore une, plus retorse, que je n’ai pas mentionnée jusqu’ici : les images prises à grande ouverture et, de surcroît, affectées par des nuages fins en haute altitude. L’ennui avec ces images, c’est qu’on ne découvre généralement le problème qu’après avoir terminé l’intégration et la combinaison RGB — les étoiles deviennent diffuses et gonflées. Si, dans tout le lot, le nombre d’images normales n’est pas supérieur à celui des images affectées par les nuages de haute altitude, alors il ne reste plus qu’à éliminer ces images aux étoiles diffuses et à refaire la prise de vue.
Le rôle de SubframeSelector : quantifier et pondérer
SS serait-il donc inutile ? Bien sûr que non. La fonction de base de SS est de modifier le poids de chaque image selon des conditions définies ou d’après des valeurs mesurées, puis de les exporter. Autrement dit, sa vraie valeur ne réside pas dans le fait d’« éliminer une image sur deux à votre place », mais dans celui d’« attribuer un poids différent à chaque image fondamentalement acceptable », afin qu’elles participent à l’intégration avec un degré de contribution différent.
SS peut mesurer bon nombre de paramètres. Par exemple, si vous voulez évaluer d’après la forme des étoiles, vous pouvez vous référer au paramètre eccentricity (excentricité de l’étoile). Il mesure le degré de déformation du contour d’une étoile : pour un contour d’étoile elliptique, en posant le diamètre du grand axe comme a et celui du petit axe comme b (avec a supérieur ou égal à b), l’excentricité est égale à la racine carrée de (1 − b² / a²), et le rapport d’aspect de l’étoile vaut b / a. Plus l’excentricité est proche de 0, plus l’étoile est ronde ; plus elle est proche de 1, plus elle est allongée.
En pratique, je trie les images inspectées par rondeur des étoiles, puis je reviens à Blink pour vérifier ce qu’il en est exactement des images ayant obtenu une note de rondeur plus basse — et il y a bien sûr d’autres paramètres dont on peut tenir compte en parallèle.
Ma façon de procéder aujourd’hui
À vrai dire, hormis ce passage qu’est Blink, où je regarde encore de mes propres yeux, j’ai confié presque tout le reste du travail d’évaluation à l’ordinateur. Faire une démonstration de SS dans un article vise plutôt à faire comprendre à chacun la logique de son fonctionnement ; le moment venu, pour de vrai, je laisse l’ordinateur attribuer automatiquement les poids des images en combinant plusieurs paramètres, puis j’y associe un algorithme de réjection de pixels et des paramètres adéquats pour réaliser l’intégration.
Le but de ce procédé est que chaque image fondamentalement acceptable participe à l’intégration avec un poids approprié, en apportant la part qui lui revient, afin d’optimiser les images capturées et le temps total d’intégration accumulé, et de pousser aussi haut que possible le SNR de l’image de l’objet.
Ainsi, on peut comprendre le flux global de la manière suivante : Blink (les yeux montent la garde et éliminent les rebuts) → confier à l’ordinateur la quantification et la pondération → intégration. Les yeux se chargent de ce qui peut se juger en une seconde, l’ordinateur se charge de ce qui exige un calcul précis des poids ; chacun à son poste.