Rejection pada integrasi: memilih algoritma dan membaca Rejection Map

“Rejection” saat integrasi adalah proses membuang secara otomatis, saat menumpuk beberapa citra menjadi satu, nilai-nilai pencilan yang seharusnya tidak muncul — jejak satelit, bintik putih sinar kosmik, hot pixel yang tersisa, tepi luar bintang yang terlalu terang, dan seterusnya. Memilih algoritma rejection yang tepat dan memahami Rejection Map yang dihasilkannya adalah kunci untuk memperoleh hasil integrasi yang bersih. Artikel ini merangkum logika pemilihan algoritma rejection, sekaligus bagaimana sebenarnya kedua peta rejection yang sering diabaikan itu harus dibaca.

Keluarga algoritma rejection

PixInsight menyediakan beberapa algoritma rejection saat integrasi. Dokumentasi resminya mencantumkan skenario yang cocok untuk masing-masing algoritma, dan sangat layak dibaca (perlu diperhatikan bahwa dokumen ini sudah cukup lama diterbitkan dan belum mencakup algoritma GESD yang ditambahkan belakangan).

Secara garis besar dapat dibagi menjadi dua kelompok:

• Keluarga Sigma: pembuangan pencilan berbasis simpangan baku, misalnya Sigma Clipping, versi perbaikannya Winsorized Sigma Clipping, dan Percentile Clipping. Prinsip dan matematikanya termasuk dalam satu sistem yang sama.
• GESD Test: berbasis Grubbs’s test, teori dan matematikanya sama sekali berbeda dari metode sigma-based, dan merupakan algoritma yang ditambahkan relatif belakangan.

GESD vs Sigma: siapa yang menang saat jumlah frame sedikit?

Saya pernah membandingkannya sendiri. Suatu kali saya mengambil data yang hanya berjumlah 12 frame, lalu menjalankan GESD Test, Winsorized Sigma Clipping, dan Sigma Clipping tradisional sekaligus.

Dua belas frame sebenarnya tidak memenuhi jumlah frame yang disarankan untuk GESD maupun Winsorized Sigma, tetapi pada kelompok ini justru GESD Test yang hasilnya paling baik. Namun perlu ditambahkan satu catatan susulan: jika datanya berwarna dan jumlah frame-nya pun kurang, Winsorized Sigma atau Sigma tetap lebih cocok digunakan. Jadi tidak ada algoritma yang “selalu terbaik” — semuanya bergantung pada datanya.

GESD melawan jejak satelit yang redup

GESD masih punya satu keunggulan praktis lagi. Dulu ketika melakukan integrasi dengan keluarga sigma, saya sering menemui jejak satelit yang cukup redup dan tidak mau tersingkir; meskipun ada 17 frame, sebagian jejaknya tetap tersisa setelah integrasi, dan jejak redup semacam ini tidak cocok disingkirkan dengan manual selective rejection (menghitamkannya secara manual).

Setelah beralih ke GESD Test, menyesuaikan parameternya dengan tepat, dan melakukan dilatasi (pertumbuhan) pada jejak satelit yang redup, saya berhasil menyingkirkan jejak yang sangat redup; dan secara umum, rasio sinyal terhadap noise (S/N) dari GESD lebih tinggi daripada Sigma Clipping tradisional maupun Winsorized Sigma Clipping. (Meskipun begitu, pada sebagian besar kasus Anda tidak akan menemui masalah tak-tersingkir seperti ini dengan keluarga sigma; ini termasuk kasus tersendiri yang cukup ekstrem.)

Senjata khusus: Range Clipping

Selain pembuangan pencilan secara statistik, ada satu cara lain yang “kasar” tetapi berguna — yaitu Range Clipping.

Jika Anda memegang frame dengan kalibrasi dark yang buruk sehingga muncul banyak bintik hitam (misalnya ada pada 10 frame, tidak ada pada 5 frame), algoritma rejection yang normal sulit membuang bintik hitam itu dengan cara mencari pencilan. Dalam keadaan seperti ini Anda dapat memakai Range Low Clipping saat integrasi, untuk membuang paksa seluruh bintik hitam yang berada di bawah ambang tertentu. Ini adalah cara langsung yang ditujukan pada cacat tertentu, dan saling melengkapi dengan rejection statistik.

Membaca Rejection Map

Setelah selesai melakukan integrasi dengan ImageIntegration atau WBPP, selain hasil jadinya Anda juga akan memperoleh dua peta rejection: satu untuk arah kecerahan tinggi (rejection high), satu lagi untuk arah kecerahan rendah (rejection low). Sebagian besar orang langsung mengabaikan kedua peta ini — padahal itu sebenarnya menyia-nyiakan informasi diagnostik yang sangat berguna.

Biasanya tidak ada yang menarik pada rejection low; yang penting adalah rejection high: di sinilah muncul berbagai gangguan yang Anda harapkan “tidak muncul pada hasil jadi” — jejak satelit, tepi luar bintang yang terlalu terang atau membengkak, jejak objek dekat Bumi, ditambah hot pixel dan bintik putih akibat sinar kosmik (hot pixel biasanya sudah saya bersihkan dengan Cosmetic Correction sebelum integrasi, jadi jumlahnya di sini tidak banyak).

Cara paling praktis untuk membaca peta ini adalah: jika piksel yang ingin Anda singkirkan muncul di rejection high, berarti piksel itu berhasil dibuang; jika ia tidak muncul di sini tetapi justru tertinggal pada hasil integrasi (misalnya jejak satelit yang tersisa), berarti parameter rejection-nya kurang kuat, atau Anda perlu mengganti algoritmanya.

Beberapa pertanyaan umum “perlukah frame ini dibuang?”

Setelah memahami prinsip di atas, banyak hal yang membuat pemula bimbang menjadi ada jawabannya.

Citra dengan bintang yang membengkak, perlukah dibuang agar tidak ikut diintegrasikan? Kecuali kalau memang gagal fokus, biasanya saya tetap mengikutsertakannya dalam integrasi.

Begitu Anda memeriksa rejection high, akan tampak bahwa bagian bintang yang cakupannya terlalu besar atau terlalu terang sudah disingkirkan oleh metode rejection dan tidak ikut dalam perhitungan integrasi; jejak satelit buatan dan gumpalan putih akibat sinar kosmik pun sama-sama jatuh ke dalam rejection high. Pekerjaan semacam ini cukup diserahkan kepada perangkat lunaknya.

Ada jejak satelit terang yang menembus objek, perlukah frame itu dihapus secara manual? Jawabannya sama saja: tidak perlu.

Caranya: jika jumlah frame-nya sedikit, gunakan algoritma dengan kemampuan rejection yang lebih kuat (misalnya keluarga Sigma Clipping), lalu setel parameter Sigma High sedikit lebih ketat (misalnya di bawah 2.5). Ada satu contoh dengan hanya 7 frame, salah satunya memiliki jejak satelit yang melintang menembus objek, sementara setiap frame penting bagi rasio sinyal terhadap noise; karena itu, dengan menetapkan parameter yang tepat (bukan nilai bawaan perangkat lunak), saya membiarkan proses integrasi menuntaskan rejection secara otomatis, dan jejak yang berhasil disingkirkan akan muncul di rejection high. Jangan sia-siakan satu pun piksel yang diperoleh dengan susah payah.

Pengecualian defect column: rejection tidak bisa menyelamatkannya

Terakhir, saya tambahkan satu pengecualian yang tidak bisa diselamatkan oleh rejection — yaitu defect column pada CCD.

Defect column terlalu gelap dan menembus sepanjang kolomnya; memaksakan penghapusannya dengan rejection akan mengorbankan terlalu banyak piksel yang baik, sementara hasilnya pun kurang bagus. Cara yang benar adalah membuat Defect Map untuk kamera terlebih dahulu (dengan mengambil contoh CCD 16803 milik “Latte”, ada satu defect column yang jelas di tengah bidang gambar, ditambah tiga defect column yang tidak begitu kentara), memuatnya dengan proses DefectMap dan menerapkannya pada frame light sehingga pengaruh defect column berkurang jauh, lalu sisanya diserahkan kepada rejection saat integrasi untuk dibersihkan dengan mudah. Dengan kata lain, rejection adalah petugas kebersihan yang datang di akhir, bukan garis pertahanan pertama yang serba bisa — cacat yang seharusnya ditangani dengan perkakas khusus tetap harus ditangani lebih dulu dengan perkakas yang tepat.