Gyakori tévhitek a rejection algoritmusokról integrálás közben
Integráláskor melyik rejection algoritmust érdemes használni? Az interneten kering egy ökölszabály, amely szerint „a képek száma alapján válasszuk ki a rejection módszert”, és sok oktatóanyag egyszerűen lemásolja ezt. Ez a szabályrendszer azonban valójában jó néhány tévhitet rejt magában – ebben a cikkben megosztom a saját véleményemet.
A gyakori ökölszabály
Az interneten terjedő „rules of thumb” nagyjából a következő:
- Ha a képek száma 15–20-nál kevesebb, használjuk a median integration módszert, és ne alkalmazzunk sigma clipping műveletet.
- Ha a képek száma 15–20-nál több, de 40–50-nél kevesebb, használjuk az average integration módszert outlier rejection funkcióval kombinálva; a kappa értékét állítsuk 2.5-re, 2 iterációval.
- Ha a képek száma 40–50-nél több, használjuk az average integration módszert outlier rejection funkcióval kombinálva; a kappa értékét állítsuk 3-ra (vagy nagyobbra), és csak 1 iterációt végezzünk.
A saját véleményem
Ez a „válasszuk ki a rejection módszert a képek száma alapján” tudás valójában már kicsit elavult, és a probléma a következő:
- Az igazi megoldás az, hogy először a képminőséget ellenőrizzük. Ha a minőség nincs jól kézben tartva, bármelyik rejection módszert is választjuk, az mind hiába.
- Minden rejection algoritmusnak megvannak a maga előnyei és hátrányai, ezért kizárólag a képek száma alapján ítélni nem pontos.
- Ha a rejection módszert a képek száma alapján választjuk, mit tegyünk, ha nagyon kevés a kép? Ez a keretrendszer önmagában nem képes minden helyzetet lefedni.
Néhány kiegészítés
- A fenti szabálykészletet „nem javaslom” kritika nélkül átvenni (az eredeti forrás az APP fórum egy vonatkozó bekezdése); a bennük szereplő paraméterbeállítások közül nem kevés valójában problémás.
- A Reject kappa high és low értékre oszlik; ha nincs különleges igényem, nem állítom be a kettőt ugyanarra az értékre.
- Magam sohasem használtam medián (median) integrációt, mert a képeim minőségét mindig előre ellenőrzöm.
Összefoglalva: ahelyett, hogy azon rágódnánk, „hány képhez melyik rejection módszer illik”, inkább előbb végezzük el rendesen a képminőség-ellenőrzést, értsük meg az egyes rejection módszerek mögötti jellemzőket és alkalmazási helyzeteket, majd a tényleges adatok alapján igazítsuk hozzá a beállításokat.