Koreksi gradien latar belakang: ABE, DBE, GC, dan GraXpert

Menghilangkan gradien cahaya dan warna pada latar belakang adalah keterampilan dasar tahap linear dalam astrofotografi. Mulai dari ABE dan DBE bawaan PixInsight, lalu GradientCorrection (GC) dan MultiscaleGradientCorrection (MGC) yang muncul belakangan, sampai perangkat lunak mandiri gratis GraXpert, perkakas yang tersedia kian bertambah. Tulisan ini merangkum posisi masing-masing, perbedaannya, serta kesan saya dari pengujian langsung.

Prinsip dasar koreksi gradien latar belakang

Untuk meratakan gradien cahaya dan warna pada latar belakang, yang dipakai memang pengurangan, tetapi kuncinya ada di sini — Anda memerlukan perkakas yang mampu mengestimasi model latar belakang dengan benar. ABE atau DBE di dalam PixInsight persis memainkan peran itu.

Kalau Anda sekadar mengurangkan sebuah gradasi tanpa mengestimasi model latar belakang dengan benar, hasilnya biasanya bermasalah. Sebab model latar belakang yang sesungguhnya kerap kali berupa citra yang cukup rumit, bukan gradasi linear yang sederhana. Lagi pula, sekalipun ini pengurangan, bukan berarti citra asli tinggal dikurangi model latar belakang begitu saja: prosesnya setidaknya melibatkan algoritma yang berkaitan dengan frekuensi spasial, agar sinyal benda langit sebisa mungkin tidak terpengaruh (misalnya perubahan warna bintang). Ketika membandingkan sebelum dan sesudah, ingatlah untuk memeriksanya dengan pengaturan STF yang sama.

Model latar belakang rumit hasil estimasi DBE, bukan sekadar gradasi

ABE dan DBE: sepasang kerabat dekat

ABE (AutomaticBackgroundExtractor) dan DBE (DynamicBackgroundExtraction) adalah dua process ekstraksi latar belakang yang mirip di dalam PixInsight; pilihan parameter kuncinya pun serupa, hanya namanya yang sedikit berbeda.

Pada prinsipnya, DBE mencakup seluruh fungsi ABE, ditambah pratinjau isi secara real-time serta kemampuan menempatkan titik sampel secara manual dan dalam bentuk poligon. Jadi kalau Anda bisa memakai DBE, dengan sendirinya Anda juga bisa memakai ABE. Nyatanya, bila penempatan titik sampel ABE disandingkan dengan penempatan titik sampel “otomatis” milik DBE, posisinya ternyata cukup berdekatan. Yang perlu diperhatikan: sampling otomatis DBE hanyalah salah satu cara pakainya; masih ada cara lain yang lebih manual dan lebih cermat.

Padanan parameter ABE dan DBE, serta perbandingan posisi titik sampel keduanya

GraXpert: pilihan mandiri yang gratis

GraXpert adalah perangkat lunak mandiri gratis untuk menghilangkan gradien cahaya dan warna latar belakang selagi citra masih dalam keadaan linear; hasilnya lumayan bagus, keterkendaliannya tinggi, dan secara umum lebih baik daripada fitur penghilang polusi cahaya pada aplikasi ponsel. Ia dapat menyimpan berkas TIFF atau XISF 32 bit, dan mendukung tiga platform besar: Windows, Mac, dan Linux. Jika Anda tidak menggunakan DBE dari PixInsight, ini pilihan yang layak dipertimbangkan.

Belakangan GraXpert merilis modul yang dilatih dengan AI (walaupun jangan menaruh harapan terlalu besar pada AI), sehingga gradien cahaya bisa dihilangkan tanpa perlu mengeklik titik sampel secara manual. Pada versi resminya Anda bahkan tidak perlu mengunduh sendiri modul AI-nya; perangkat lunaknya akan mengunduh sendiri saat dibutuhkan.

Berikut satu saran yang blak-blakan: jika Anda sudah punya PixInsight, memakai DBE bawaannya jelas pilihan yang lebih baik; tetapi jika Anda belum membeli PixInsight, GraXpert mestinya perangkat lunak gratis dengan hasil penghilangan gradien cahaya yang lebih baik pada tahap linear.

Pengoperasian GraXpert untuk menghilangkan gradien latar belakang beserta hasilnya

Belakangan ada pula rekan sehobi yang mengembangkan sebuah process PixInsight (Process, bukan script) yang dapat memanggil fungsi GraXpert langsung di dalam PI, sehingga menghemat langkah mengekspor citra ke GraXpert lalu mengimpornya kembali. Syaratnya: GraXpert harus dipasang lebih dulu, dan basis data AI-nya harus diaktifkan serta sudah diunduh; barulah process ini dapat bekerja.

Process yang memanggil GraXpert langsung di dalam PixInsight

Namun dalam perbandingan langsung, saya mengamati bahwa GraXpert AI masih saja memilih bagian yang bukan latar belakang. Lihat M101 di bawah ini (kehijauan setelah penggabungan RGB, diduga karena masalah flat, kebocoran cahaya, atau frame kalibrasi): model GraXpert AI di sebelah kiri keliru memilih objek utamanya, sedangkan model DBE di sebelah kanan jelas lebih bersih. Secara keseluruhan, model DBE tetap lebih baik.

Perbandingan langsung model latar belakang GraXpert AI dan DBE (M101)

GradientCorrection (GC): otomatisasi generasi baru

Asalkan parameternya dipilih dengan tepat, hasil GC sungguh cukup bagus. Keunggulan terbesarnya adalah — tidak perlu mengeklik latar belakang secara manual; bahkan menghadapi citra yang seluruh bidangnya dipenuhi bintang dan nebula sehingga latar belakang sama sekali tak ditemukan, Anda tak perlu khawatir tidak bisa menempatkan titik sampel.

Dalam pengujian langsung, nebula gelap pada kanal luminans menjadi jelas lebih berdimensi setelah diproses; pada kanal warna semula ada gradien yang beralih dari hijau di satu sisi ke biru di sisi lain, dan setelah diproses gradien itu pun jauh lebih merata.

Perbandingan sebelum dan sesudah GradientCorrection serta model gradien latar belakang

MultiscaleGradientCorrection (MGC): mengatasi polusi cahaya yang parah

MGC sangat cocok untuk menangani keadaan tanpa flat sekaligus dengan vignetting yang parah. Saya menguji satu alur: citra asli → setelah diproses MGC → lalu diproses DBE lagi; ketiga citra diperiksa dengan STF yang sama, dan terlihat jelas bagaimana tepi yang menggelap serta gradien cahaya lenyap tahap demi tahap.

Perbandingan penghilangan gradien pada tiga tahap: citra asli, MGC, dan MGC+DBE

Kekuatan MGC terpampang seutuhnya dalam sebuah kasus nyata. Ada seorang rekan sehobi yang memotret di kawasan berpolusi cahaya, tanpa mounting ekuatorial pula, dan ia tidak yakin apakah ada masalah flat atau masalah lain. Saya mengunduh berkas hasil integrasinya, lalu dengan MGC, BXT, SPCC, NXT, ditambah stretching nonlinear dan perkakas kurva, kira-kira 15 menit saja hasilnya sudah rampung — bahkan Nebula Kepala Kuda yang semula tak terlihat pada citra aslinya ikut muncul, dan sepanjang proses itu pun saya tidak melihat masalah integrasi atau flat yang mencolok. MGC membereskan gradien polusi cahaya dalam sekali jalan; sungguh mengejutkan.

Memproses citra dari kawasan berpolusi cahaya tanpa mounting ekuatorial dengan perkakas seperti MGC — Nebula Kepala Kuda pun muncul

Ringkasan

Perkakas baru untuk koreksi gradien latar belakang terus bermunculan, tetapi logika pemilihannya sebenarnya sangat jelas:

Punya PixInsight: jadikan DBE andalan utama; saat butuh serba otomatis atau saat latar belakang tak ditemukan, serahkan pada GC atau MGC; untuk polusi cahaya yang parah, letakkan dasarnya dengan MGC lalu selesaikan dengan DBE.
Tidak punya PixInsight: GraXpert adalah alternatif gratis dengan hasil terbaik.

Perkakas akan semakin pintar, tetapi gagasan inti “dapatkan dulu model latar belakang yang benar, baru kurangkan dengan lembut” tidak akan berubah. Dengan memahami hal ini, barulah Anda bisa menilai perkakas mana dan kombinasi parameter mana yang cocok untuk citra yang ada di tangan Anda.