Pembobotan citra untuk integrasi: perbandingan NSG, PSF Signal Weight, dan APP

Sebelum integrasi, perangkat lunak memberikan bobot yang berbeda-beda kepada setiap sub-citra berdasarkan kualitasnya: citra yang bagus mendapat bobot tinggi dan menyumbang lebih banyak piksel saat integrasi; citra yang buruk mendapat bobot rendah dan menyumbang lebih sedikit. Akurat atau tidaknya “penilaian bobot” ini langsung memengaruhi kualitas citra hasil integrasi akhir. Tulisan ini membandingkan kinerja beberapa perkakas pembobotan yang umum dipakai.

Yang dibandingkan

Gambar di bawah membandingkan tiga cara penilaian terhadap data “sistem kecil, undersample, sebagian berawan”, yaitu bobot citra yang masing-masing diberikan sebelum integrasi:

• NSG: Normalize Scale Gradient Script
• PI PSF SW: PSF Signal Weight dalam process ImageIntegration di PixInsight
• APP: Astro Pixel Processor

(Sumber citra di atas: https://www.youtube.com/watch?v=KUtkg14dj6A)

Hasil

Bobot citra yang diberikan NSG dan yang diberikan PSF SW bawaan pada PI versi terbaru cukup berdekatan; untuk citra yang berawan, keduanya sama-sama memberikan bobot yang cukup rendah — dan inilah perilaku benar yang kita harapkan.

Namun saat memberikan bobot, APP memperlihatkan masalah yang mirip dengan penilaian SNR pada PI terdahulu: untuk citra yang berawan, ia justru memberikan bobot yang cukup tinggi. Jelas hal ini akan terlalu banyak mengadopsi citra berkualitas buruk dan menyeret turun hasil akhir.

Saran praktis

Karena itu, saat ini jika Anda hendak memakai APP untuk integrasi, citra-citra yang “sebagian berawan” atau “sebagian terpengaruh polusi cahaya” mau tidak mau harus dihapus secara manual terlebih dahulu, agar terhindar dari pemberian bobot tinggi yang keliru.

Sedangkan jika Anda memakai NSG atau PSF SW milik PI untuk menilai bobot, Anda tidak perlu repot melakukan hal itu — perkakas ini sudah mampu mengenali citra bermasalah dengan benar dan menekan bobotnya.