Selezione delle immagini: scegliere bene tra Blink e SubframeSelector
Dopo un’intera notte di ripresa, sull’hard disk giacciono decine o centinaia di light frame, e la prima domanda che Lei deve affrontare è questa: quali conservare e quali scartare? In PixInsight ci sono due strade percorribili — una è affidarsi a Blink e giudicare con gli occhi, l’altra è lasciare che SubframeSelector (d’ora in poi SS) quantifichi e assegni un punteggio alle immagini. Questo articolo raccoglie alcune riflessioni che ho maturato in questi anni sulla selezione delle immagini, e parla del ruolo di ciascuno di questi due strumenti nonché delle scelte che compio davvero nella pratica.
Principianti: prima si fidi dei propri occhi e del proprio cervello
Molte persone, fin dall’inizio, si precipitano su SS e dispiegano i numeri di ogni immagine — FWHM, SNRWeight, Noise e così via — per studiarli. Ma se il numero di pose non è elevato (per esempio, al di sotto delle 50-100), a dire il vero SS non è per forza granché utile, e una rapida scorsa con Blink risulta anzi più veloce.
Ancora più importante: tra questi valori misurati non esiste una relazione necessaria. A meno che non si tratti di un valore del tutto assurdo — per esempio un fotogramma in cui non c’è alcuna stella nell’intera inquadratura — guardare i soli numeri non è più affidabile del giudicare con gli occhi, né è necessariamente più rapido.
Cito spesso un esempio: una volta un collega appassionato mi chiese della selezione delle pose con SS. Il mio consiglio ai principianti è sempre stato che è meglio cominciare usando Blink insieme ai propri occhi e al proprio cervello per giudicare. Quasi tutto ciò che SS può fare lo possono fare anche gli occhi più il cervello; per di più, dentro SS si nascondono in realtà alcune insidie che, al contrario, possono portare a giudicare male la qualità della foto.
Il caso più tipico è la situazione «SNR più alto, ma qualità dell’immagine scadente». Una causa comune sono le nubi sottili che riducono il numero di stelle, con la conseguenza che il valore del rapporto segnale/rumore (S/N) viene spinto verso l’alto, mentre questa posa in realtà è inutilizzabile. Un caso del genere richiede di combinare altre variabili per giudicarlo correttamente; il cervello umano più gli occhi, invece, spesso in un solo secondo si accorgono che questa posa non è buona.
Quindi, prima si fidi del proprio cervello e dei propri occhi, e guardi con calma le foto che ha scattato.
Immagini che scarto di netto nella fase di Blink
In questo passaggio di Blink ci sono alcune categorie di immagini che scarto nel momento stesso in cui le vedo, senza ulteriori esitazioni:
- Ostruzione della ruota portafiltri
- Trascinamento grave delle stelle (trailing)
- Trascinamento ancora più grave
- Sfocatura severa (al centro delle stelle compare un buco nero)
- Nubi che coprono l’oggetto fino a renderlo quasi invisibile
- Il tetto dell’osservatorio finito nell’inquadratura
C’è poi un caso più insidioso che finora non ho menzionato: le immagini riprese con un’apertura grande (molto aperta) e per giunta influenzate da nubi sottili ad alta quota. Il problema di queste immagini è che di solito ci si accorge del guaio solo dopo aver completato l’integrazione e la combinazione RGB: le stelle risultano gonfie e diffuse. Se, nell’intero lotto, il numero di immagini normali non è maggiore di quello delle immagini influenzate dalle nubi ad alta quota, allora a queste immagini dalle stelle diffuse non resta che scartarle e riprendere di nuovo.
Il ruolo di SubframeSelector: quantificare e ponderare
Allora SS è inutile? Naturalmente no. La funzione di base di SS è modificare il peso di ogni immagine in base a condizioni impostate o a valori misurati, e poi esportarle. In altre parole, il suo vero valore non sta nello «scartare per Lei scegliendone una tra due», bensì nell’«assegnare pesi diversi a ogni immagine sostanzialmente valida», così che partecipino all’integrazione con un diverso grado di contributo.
SS può rilevare non pochi parametri. Per esempio, se vuole valutare in base alla forma delle stelle, può fare riferimento al parametro eccentricity (eccentricità della stella). Misura quanto è deformato il contorno di una stella: per un contorno stellare ellittico, ponendo il diametro dell’asse maggiore come a e quello dell’asse minore come b (con a maggiore o uguale a b), l’eccentricità è uguale alla radice quadrata di (1 − b² / a²), e il rapporto d’aspetto (rapporto tra gli assi) della stella è b / a. Più l’eccentricità è vicina a 0, più la stella è rotonda; più è vicina a 1, più è allungata.
Nella pratica ordino le immagini ispezionate in base alla rotondità delle stelle e poi torno a Blink per verificare che cosa succede esattamente alle immagini che hanno ottenuto un punteggio più basso in rotondità; e naturalmente ci sono anche altri parametri di cui si può tenere conto.
Come procedo io adesso
A dire il vero, a parte il passaggio di Blink, dove continuo a guardare con i miei stessi occhi, ho affidato quasi tutto il resto del lavoro di valutazione al computer. Dimostrare SS in un articolo serve piuttosto a far comprendere a tutti la logica del suo funzionamento; quando si passa davvero all’azione, lascio che il computer assegni automaticamente i pesi alle immagini combinando più parametri, e lo abbino a un algoritmo di pixel rejection e a parametri adeguati per eseguire l’integrazione.
Lo scopo di procedere così è far sì che ogni immagine sostanzialmente valida partecipi all’integrazione con un peso appropriato, contribuendo con la parte che le compete, in modo da ottimizzare le immagini riprese e il tempo totale di integrazione accumulato e spingere il più possibile in alto il rapporto S/N dell’immagine dell’oggetto.
Quindi il flusso complessivo si può intendere così: Blink (gli occhi fanno da guardiani, scartando gli scatti inutilizzabili) → passare al computer per quantificare e ponderare → integrazione. Gli occhi si occupano di ciò che si può giudicare in un secondo, il computer si occupa di ciò per cui i pesi vanno calcolati con precisione, ciascuno al proprio posto.