MGC, SPFC e MARS: uno sguardo ai nuovi strumenti di correzione dei gradienti

Il contenuto che segue è raccolto e tradotto dalle spiegazioni di Vicent Peris Baixauli sugli strumenti MGC, SPFC e MARS. Si tratta degli strumenti più recenti di PixInsight legati alla correzione dei gradienti (gradients); l’autore ufficiale chiarisce a fondo le difficoltà in cui gli utenti si imbattono spesso, e vale la pena leggerlo per intero.

MGC e MARS sono soluzioni «basate su dati di osservazione»

Tenga bene a mente questo punto: sia MGC sia MARS sono soluzioni basate su dati di osservazione.

Le bande di MARS attualmente disponibili comprendono L, R, G, B e H-alpha, e i nuovi dati di MARS di prossima pubblicazione aggiungeranno anche O-III. Qui c’è un problema chiave di abbinamento: se ha un’immagine HOO o SHO ma usa le bande RGB di MARS per correggere i gradienti, è molto probabile che la correzione fallisca.

L’autore ricorre a un’analogia molto efficace: non possiamo fare rifornimento a un’auto a benzina con il gasolio, perché così non si farebbe che danneggiare il motore. Se le bande non corrispondono, è naturale che la correzione vada storta.

Avvertenze sui filtri dual-band

Una situazione analoga si verifica con i filtri dual-band. Non può usare le bande RGB di MARS per correggere un’immagine a colori ripresa con una fotocamera a colori più un filtro dual-band. L’approccio corretto è usare la banda H-alpha come canale rosso e O-III (una volta che sarà rilasciata ufficialmente) come canali verde e blu.

Inoltre, allo stato attuale tutti i filtri dual-band, così come i filtri a banda stretta più larghi, potrebbero risultare più difficili da correggere con MGC. Il motivo è che, per i filtri più larghi, la proporzione della luce stellare è maggiore rispetto all’emissione in riga della nebulosa. Gli autori ufficiali dichiarano che affronteranno questo problema in una versione futura, per rendere lo strumento più generale.

Il design del filtro grigio di SPFC e MGC

SPFC e MGC comprendono 4 campi di filtro, e questo per rendere più comoda la configurazione degli strumenti. Se comprendessero solo i filtri R/K, G e B, allora ogni volta che si volesse elaborare un’immagine in scala di grigi bisognerebbe cambiare le impostazioni del filtro R, e cambiarle di nuovo tornando a un’immagine a colori. Avere un campo di filtro a parte per le immagini in scala di grigi è più flessibile e si adatta meglio alla sua attrezzatura specifica.

Perciò, quando applica SPFC o MGC a un’immagine in scala di grigi, i filtri RGB vengono ignorati; viceversa, quando elabora un’immagine a colori, il filtro grigio viene ignorato.

SPFC non sostituisce SPCC

Questo è un punto chiave che si confonde facilmente: SPFC non sostituisce SPCC. Entrambi usano i dati spettrofotometrici di Gaia, ma le loro funzioni sono del tutto diverse.

• SPFC: calcola la luminosità delle stelle nell’immagine e aggiunge metadati (metadata) per definire tali luminosità. Non modifica l’immagine in sé, si limita ad aggiungere metadati.
• SPCC: misura e corregge i colori nell’immagine e, di conseguenza, ne modifica realmente i colori.

Occorre aggiungere SPFC al proprio set di strumenti, perché prima di poter correggere i gradienti bisogna conoscere la luminosità dell’immagine.

MGC come strumento di collaborazione

Non sottovaluti la potenza di MGC come strumento di collaborazione. Forse non desidera caricare le proprie immagini sul server ufficiale MARS-u, ma può usare la propria immagine grandangolare per aiutare un amico a correggere i gradienti nelle sue.

Sull’obiettività

Come l’autore afferma nel video, usare un’immagine grandangolare per correggere un’immagine a campo stretto (narrow-field) richiede di rendere compatibili due insiemi di dati altamente incompatibili. In alcuni casi la precisione di misura supera già i limiti numerici dei dati stessi, per cui è spesso necessaria una regolazione manuale. Ma questo non significa che il metodo non sia abbastanza obiettivo: anzi, è il metodo più obiettivo attualmente disponibile, più obiettivo degli approcci basati su campioni o basati sull’IA. Obiettività e perfezione sono due concetti distinti, ed entrambi sono limitati dalle condizioni del mondo reale.

MARS utilizza una pipeline di pre-elaborazione personalizzata, ma non ha ancora implementato tutti i passaggi necessari per una correzione dei gradienti ottimale. La versione DR2 includerà alcuni passaggi di pre-elaborazione aggiuntivi, che consentiranno anche alle immagini più ampie di sottoporsi alla correzione dei gradienti. Gli autori ufficiali hanno inoltre preannunciato che nelle prossime settimane pubblicheranno altre risorse didattiche e che presto rilasceranno una nuova versione dei dati di MARS.