이미지 선별: Blink 와 SubframeSelector 를 제대로 골라 쓰는 법
하룻밤을 꼬박 촬영하고 나면 하드디스크 안에 수십에서 수백 장의 라이트 프레임이 쌓여 있고, 다음으로 마주해야 할 첫 번째 문제는 바로 이것입니다. 어느 것을 남기고 어느 것을 버릴 것인가? PixInsight 에서 이 일에는 두 갈래 길이 있습니다—하나는 Blink 로 눈으로 보는 길이고, 다른 하나는 SubframeSelector(이하 SS 로 약칭)로 소프트웨어가 정량적으로 점수를 매기게 하는 길입니다. 이 글에서는 제가 지난 몇 년간 이미지 선별에 대해 얻은 몇 가지 노하우를 정리하여, 이 두 도구 각각의 위치와 제가 실제로 하는 취사선택을 이야기해 보겠습니다.
초보자: 먼저 자신의 눈과 두뇌를 믿으세요
많은 분이 처음부터 서둘러 SS 로 달려가, 각 이미지의 FWHM, SNRWeight, Noise 같은 숫자를 펼쳐 놓고 연구합니다. 하지만 촬영 매수가 많지 않다면(예를 들어 50〜100 장 미만), 솔직히 SS 는 그다지 큰 쓸모가 없을 수도 있고, Blink 로 빠르게 한 번 훑어보는 편이 오히려 더 빠릅니다.
더 중요한 것은, 이 측정값들 사이에 필연적인 관계가 있는 것은 아니라는 점입니다. 아주 터무니없는 수치—예를 들어 화면 전체에 애초에 별상이 하나도 없는 경우—가 아닌 한, 숫자만 봐서는 눈으로 판단하는 것보다 더 믿을 만하지도 않고, 반드시 더 빠른 것도 아닙니다.
저는 자주 한 가지 예를 듭니다. 예전에 어떤 동호인이 SS 로 사진을 선별하는 문제에 대해 제게 물어본 적이 있습니다. 초보자에게 드리는 제 조언은 늘, 먼저 Blink 에 자신의 눈과 두뇌를 곁들여 판단하는 것이 가장 좋다는 것입니다. SS 가 할 수 있는 일은 눈에 두뇌를 더하면 거의 다 할 수 있고, 게다가 SS 안에는 사실 몇 가지 함정이 숨어 있어, 오히려 사진 품질을 오판하게 만들 수 있습니다.
가장 전형적인 것이 바로 「S/N 비는 높은데 사진 품질은 좋지 않은」 상황입니다. 흔한 원인은 얇은 구름 때문에 별상이 줄어들어 S/N 비의 숫자가 끌어올려지지만, 이 한 장은 사실 쓸 수 없는 경우입니다. 이런 상황은 다른 변수까지 함께 봐야 올바르게 판단할 수 있습니다. 그러나 사람의 두뇌에 눈을 더하면, 흔히 일 초 만에 이 한 장의 품질이 좋지 않다는 것을 알아챕니다.
그러니 먼저 자신의 두뇌와 눈을 믿고, 자신이 찍은 사진을 잘 살펴봅시다.
Blink 단계에서 곧바로 탈락시키는 이미지
Blink 라는 이 관문에서는, 보자마자 곧바로 걸러 내고 더는 망설이지 않는 이미지가 몇 가지 있습니다.
- 필터 휠 가림
- 심한 별 흐름(트레일)
- 더 심한 별 흐름
- 심한 초점 흐림(별상 가운데에 검은 구멍이 나타남)
- 구름에 가려 천체가 거의 보이지 않음
- 천문대 지붕이 찍힘
또 하나, 앞에서 언급하지 않은 조금 까다로운 것이 있습니다—큰 조리개(밝은 렌즈)로 촬영하면서, 게다가 고층의 얇은 구름의 영향을 받은 이미지입니다. 이런 이미지의 골칫거리는, 보통 인테그레이션을 마치고 RGB 를 합성한 뒤에야 문제를 발견하게 된다는 점입니다—별상이 퍼져 버립니다. 만약 전체 배치 안에서 정상 이미지의 수가 고층 구름의 영향을 받은 이미지보다 많지 않다면, 이 별상이 퍼진 이미지들은 탈락시키고 다시 촬영하는 수밖에 없습니다.
SubframeSelector 의 위치: 정량화와 가중치 부여
그러면 SS 는 쓸모가 없는 걸까요? 당연히 그렇지 않습니다. SS 의 기본 기능은 설정한 조건, 혹은 측정값에 따라 각 이미지의 가중치를 바꾸어 출력하는 것입니다. 다시 말해, 그 진정한 가치는 「둘 중 하나를 골라 탈락시켜 주는」 데 있는 것이 아니라, 「기본적으로 합격하는 모든 이미지에 서로 다른 가중치를 매기는」 데 있으며, 그럼으로써 그것들이 서로 다른 기여도로 인테그레이션에 참여하게 하는 것입니다.
SS 가 검출할 수 있는 파라미터는 적지 않습니다. 예를 들어 별상의 형태로 평가하고 싶다면, eccentricity(별상의 이심률)라는 파라미터를 참고할 수 있습니다. 이것은 별상 윤곽이 얼마나 변형되었는지를 재는 것입니다. 타원형의 별상 윤곽에 대해 장축 지름을 a, 단축 지름을 b(a 는 b 이상)라고 하면, 이심률은 (1 − b² / a²) 의 제곱근과 같고, 별상의 종횡비는 b / a 가 됩니다. 이심률이 0 에 가까울수록 별상은 둥글고, 1 에 가까울수록 더 길게 늘어난 것입니다.
실제 조작에서는, 저는 검사한 이미지를 별상의 둥글기로 정렬하고, 그다음 다시 Blink 로 돌아가 둥글기가 낮은 이미지가 도대체 어떤 상황인지를 확인합니다—물론 다른 파라미터도 함께 참고할 수 있습니다.
지금 제가 하는 방식
솔직히 말하면, Blink 라는 이 관문만은 지금도 제가 직접 눈으로 보지만, 그 나머지 평가 작업은 거의 다 컴퓨터에 맡겨 버렸습니다. 글에서 SS 를 시연하는 것은, 어느 쪽인가 하면 여러분에게 그 작동 논리를 이해시키기 위한 것입니다. 실제로 본격적으로 할 때는, 저는 컴퓨터가 여러 파라미터를 종합하여 자동으로 이미지에 가중치를 주게 하고, 거기에 적절한 리젝션(rejection)알고리즘과 파라미터를 곁들여 인테그레이션합니다.
이렇게 하는 목적은, 기본적으로 합격하는 모든 이미지가 알맞은 가중치로 인테그레이션에 참여하여 마땅히 치러야 할 몫을 치르게 하고, 촬영한 이미지와 쌓아 온 총 노출 시간을 최적화하여, 천체 이미지의 S/N 비를 가능한 한 높이는 데 있습니다.
그래서 전체 흐름은 이렇게 이해할 수 있습니다. Blink(눈으로 관문을 지켜 못 쓸 사진을 탈락)→ 컴퓨터에 넘겨 정량화·가중치 부여 → 인테그레이션. 눈은 일 초면 판단할 수 있는 일을 맡고, 컴퓨터는 가중치를 정밀하게 계산해야 하는 일을 맡아, 저마다 제 몫을 다합니다.