MGC, SPFC dan MARS: menelaah alat koreksi gradien yang baru

Berikut adalah rangkuman dan terjemahan dari penjelasan Vicent Peris Baixauli mengenai alat MGC, SPFC, serta MARS. Alat-alat ini merupakan perangkat koreksi gradien (gradients) yang relatif baru di PixInsight, dan penulis resminya telah menjernihkan secara menyeluruh kesulitan-kesulitan yang umum dihadapi pengguna, sehingga layak dibaca sampai tuntas.

MGC dan MARS adalah solusi yang “berbasis data pengamatan”

Ingatlah baik-baik hal ini: MGC dan MARS sama-sama merupakan solusi yang berbasis data pengamatan.

Pita MARS yang tersedia saat ini mencakup L, R, G, B, dan H-alpha, sedangkan data MARS versi baru yang akan segera dirilis masih akan menambahkan O-III. Di sini ada satu persoalan pencocokan yang krusial: jika Anda memiliki sebuah citra HOO atau SHO, tetapi memakai pita RGB dari MARS untuk mengoreksi gradiennya, koreksi itu besar kemungkinan akan gagal.

Penulis memakai sebuah perumpamaan yang sangat mengena: kita tidak bisa mengisi mobil bensin dengan solar, sebab yang begitu hanya akan merusak mesinnya. Kalau pitanya tidak cocok, koreksinya tentu saja bermasalah.

Hal yang perlu diperhatikan pada filter dual-band

Situasi serupa juga terjadi pada filter dual-band. Anda tidak bisa memakai pita RGB dari MARS untuk mengoreksi sebuah citra warna yang dipotret dengan kamera warna plus filter dual-band. Cara yang benar adalah menggunakan pita H-alpha sebagai kanal merah, dan O-III (setelah resmi dirilis nanti) sebagai kanal hijau dan biru.

Selain itu, semua filter dual-band yang ada saat ini, serta filter narrowband yang lebih lebar, kemungkinan sama-sama lebih sulit dikoreksi dengan MGC. Sebabnya: pada filter yang lebih lebar, proporsi cahaya bintang akan lebih tinggi daripada emisi garis dari nebula. Pihak resmi menyatakan bahwa persoalan ini akan ditangani pada versi mendatang, agar alatnya lebih bersifat umum.

Rancangan filter abu-abu pada SPFC dan MGC

SPFC dan MGC memuat 4 jenis kolom filter, dan ini dimaksudkan agar konfigurasi alatnya lebih praktis. Seandainya yang dimuat hanya filter R/K, G, dan B, maka setiap kali hendak memproses citra grayscale Anda harus mengubah pengaturan filter R, lalu mengubahnya lagi ketika kembali ke citra warna. Menyediakan satu kolom filter tersendiri untuk citra grayscale lebih lentur, sekaligus lebih mudah disesuaikan dengan perangkat tertentu yang Anda pakai.

Karena itu, ketika Anda menerapkan SPFC atau MGC pada citra grayscale, filter RGB akan diabaikan; sebaliknya, ketika memproses citra warna, filter abu-abu yang diabaikan.

SPFC tidak menggantikan SPCC

Ini adalah poin penting yang mudah dikacaukan: SPFC tidak menggantikan SPCC. Keduanya sama-sama memakai data spektrofotometri dari Gaia, tetapi fungsinya sama sekali berbeda.

• SPFC: menghitung kecerahan bintang-bintang di dalam citra, lalu menambahkan metadata untuk mendefinisikan kecerahan tersebut. Alat ini tidak mengubah citranya sendiri, hanya menambahkan metadata.
• SPCC: mengukur dan mengoreksi warna di dalam citra, sehingga sesungguhnya mengubah warna citra itu.

Anda perlu memasukkan SPFC ke dalam set alat Anda, karena sebelum gradien dikoreksi, kecerahan citra harus diketahui lebih dulu.

MGC sebagai alat kolaborasi

Jangan meremehkan kekuatan MGC sebagai alat kolaborasi. Barangkali Anda tidak ingin mengunggah citra Anda sendiri ke server MARS-u resmi, tetapi Anda tetap bisa memakai citra bidang lebar milik Anda untuk membantu teman mengoreksi gradien pada citra mereka.

Tentang objektivitas

Sebagaimana penulis sampaikan dalam videonya, mengoreksi citra bidang sempit (narrow-field) dengan citra bidang lebar menuntut kita membuat dua himpunan data yang sangat tidak kompatibel menjadi kompatibel. Dalam sejumlah keadaan, presisi pengukuran sudah melampaui batas numerik data itu sendiri, sehingga penyetelan manual kerap diperlukan. Namun hal itu tidak berarti metodenya kurang objektif — justru sebaliknya, inilah metode yang paling objektif saat ini, lebih objektif daripada pendekatan yang berbasis sampel maupun yang berbasis AI. Objektivitas dan kesempurnaan adalah dua konsep yang berbeda, dan keduanya sama-sama dibatasi oleh kondisi nyata.

MARS memakai alur prapemrosesan yang dikustomisasi sendiri, tetapi sampai kini belum seluruh tahapan yang dibutuhkan untuk koreksi gradien yang optimal diimplementasikan. Versi DR2 akan memuat beberapa langkah prapemrosesan tambahan, sehingga citra yang lebih lebar pun dapat menjalani koreksi gradien. Pihak resmi juga mengumumkan bahwa lebih banyak sumber belajar akan dirilis dalam beberapa minggu ke depan, dan versi baru data MARS akan segera hadir.