Ponderazione delle immagini per l'integrazione: confronto tra NSG, PSF Signal Weight e APP

Prima dell’integrazione, il software assegna a ogni sub-frame un peso diverso in base alla sua qualità: le immagini buone hanno un peso alto e contribuiscono con più pixel durante l’integrazione; quelle scadenti hanno un peso basso e contribuiscono meno. Che questa «valutazione dei pesi» sia accurata o meno influisce direttamente sulla qualità dell’immagine integrata finale. Questo articolo mette a confronto il comportamento di alcuni strumenti di ponderazione comuni.

Che cosa si confronta

La figura qui sotto mette a confronto tre metodi di valutazione, applicati a dati provenienti da un «piccolo sistema, in undersampling e in parte con nuvole», riguardo ai pesi che ciascuno assegna alle immagini prima dell’integrazione:

NSG: Normalize Scale Gradient Script
PI PSF SW: il PSF Signal Weight nel processo ImageIntegration di PixInsight
APP: Astro Pixel Processor

Grafico che confronta i pesi che NSG, PI PSF Signal Weight e APP assegnano alle immagini con nuvole

(Fonte dell’immagine qui sopra: https://www.youtube.com/watch?v=KUtkg14dj6A)

Risultato

I pesi assegnati da NSG e dal PSF SW predefinito della versione più recente di PI sono piuttosto vicini, e per le immagini con nuvole entrambi assegnano un peso piuttosto basso—che è il comportamento corretto che ci aspettiamo.

Ma APP, nell’assegnare i pesi, presenta un problema simile alla precedente valutazione per S/N di PI: alle immagini con nuvole assegna invece un peso piuttosto alto. Questo, evidentemente, incorpora in modo eccessivo le immagini di scarsa qualità e trascina in basso il risultato finale.

Consigli pratici

Perciò, se al momento intende usare APP per l’integrazione, quelle immagini «in parte con nuvole» o «in parte affette dall’inquinamento luminoso» dovrà per forza eliminarle manualmente in anticipo, così da evitare che venga loro assegnato per errore un peso alto.

Se invece usa NSG o il PSF SW di PI per valutare i pesi, non ha bisogno di fare appositamente questa operazione—questi strumenti sono già in grado di riconoscere correttamente le immagini problematiche e di mantenerne basso il peso.