Miti comuni sugli algoritmi di rejection dei pixel nell'integrazione

Quale algoritmo di rejection usare quando si integra? In rete circola una regola empirica del tipo «scegli il metodo di rejection in base al numero di pose», e molti tutorial la copiano di sana pianta. Ma questa regola, in realtà, cela non pochi miti, e in questo articolo espongo il mio punto di vista.

La regola empirica comune

Le «rules of thumb» che circolano in rete sono più o meno le seguenti:

• Se si hanno meno di 15–20 pose, si usa la median integration e non si fa sigma clipping.
• Se si hanno più di 15–20 pose ma meno di 40–50, si usa la average integration con outlier rejection, kappa impostato a 2.5 e 2 iterazioni.
• Se si hanno più di 40–50 pose, si usa la average integration con outlier rejection, kappa impostato a 3 (o più) e una sola iterazione.

Il mio punto di vista

Questa nozione dello «scegliere il metodo di rejection in base al numero di pose» è in realtà un po’ datata, e i problemi sono:

1. Controllare prima la qualità delle immagini è la vera risposta. Se la qualità non è ben tenuta sotto controllo, qualunque metodo di rejection si scelga è inutile.
2. Ogni algoritmo di rejection ha i propri pregi e difetti, perciò giudicare solo in base al numero di pose non è accurato.
3. Se si sceglie il metodo di rejection in base al numero di pose, come ci si comporta quando le pose sono pochissime? Lo schema stesso non è in grado di coprire tutti gli scenari.

Qualche precisazione

• Le regole qui sopra «non consiglio» di accettarle in blocco (la fonte originale è un passo pertinente del forum di APP); non poche delle loro impostazioni dei parametri sono in realtà problematiche.
• Reject kappa si divide in high e low; salvo esigenze particolari, non li imposto entrambi allo stesso valore.
• Personalmente non ho mai usato l’integrazione per mediana (median), perché le mie immagini le ho già controllate in qualità in anticipo.

In sintesi: anziché arrovellarsi su «quante pose vadano abbinate a quale metodo di rejection», è meglio prima fare bene il controllo di qualità delle immagini, capire le caratteristiche e gli scenari d’uso dietro ciascun metodo di rejection e poi regolarsi in base ai dati reali.