Aan de slag met BlurXTerminator: gids en veldnotities

Deze notities zijn samengesteld uit aantekeningen van 2022 tot 2023; sommige toolversies of workflows zijn intussen bijgewerkt, dus houd dat bij het lezen alstublieft in gedachten.

BlurXTerminator (BXT) is een PixInsight-plug-in van Russell Croman die de deconvolutie uitvoert met een model dat getraind is op een convolutioneel neuraal netwerk. Zodra het verscheen, werd het een van de heetste onderwerpen in de wereldwijde gemeenschap van amateurastrofotografie. Dit artikel verzamelt enkele van mijn eigen veldnotities, van de eerste ervaring tot het dagelijkse gebruik, samen met een paar aandachtspunten.

Eerste ervaring: sterrenstelsels en het maanoppervlak

Ik probeerde BXT eerst uit op een sterrenstelselopname die ik op dat moment aan het verwerken was, en op een opname van het maanoppervlak tijdens een totale maansverduistering die ik eerder had verwerkt.

Voor het sterrenstelsel vergelijk ik drie resultaten naast elkaar: helemaal links de onbewerkte originele opname, in het midden het beste resultaat dat ik destijds met de eigen deconvolutie van PixInsight kon bereiken, en helemaal rechts het resultaat van BXT. BXT gaf de fijnste details weer, de grotere sterren namen geen schade en bovendien verkleinde het de sterren nog een beetje.

Voor het maandeel eveneens drie naast elkaar: het origineel, mijn versie met UnsharpMask en MMT toegepast, en het resultaat van BXT. Het resultaat van BXT oogt natuurlijker en lijkt ook minder artefacten achter te laten.

Eigenlijk wilde ik doorgaan en een planeetopname testen, maar toen ik er een opname van Jupiter in gooide, mislukte het meteen: het kon geen enkel zinvol resultaat opleveren. Het lijkt erop dat de beelden waarmee het model getraind is geen Jupiter bevatten, maar wel maanopnamen. Misschien voegt een toekomstige versie-update planeetopnamen toe — en dan zou het toepassingsgebied van BXT nog breder worden.

Is het de aankoop waard?

Nadat ze hebben gezien, en ook uitgeprobeerd, wat BXT kan, stellen velen de praktische vraag: is het het geld waard? Deze plug-in kost ongeveer 99 Amerikaanse dollar en biedt een gratis proefperiode van 30 dagen. Als u een PixInsight-gebruiker bent, kunt u rechtstreeks een serienummer aanvragen en uw installatie bijwerken om het uit te proberen.

Mijn eigen antwoord is ronduit: dit ding lag al een hele tijd in mijn winkelwagen, en na de proefperiode heb ik toegeslagen.

Beperkingen en aandachtspunten bij het gebruik

BXT is weliswaar handig, maar niet almachtig. Ik zet een paar situaties op een rij die u in de praktijk tegenkomt:

De correctiecapaciteit heeft een grens

Ooit had ik een reeks opnamen met problemen rond de randen die door tiles werden veroorzaakt, en ik greep naar BXT om te zien of er een kans op redding was. Neem de open sterrenhoop in het beeld als voorbeeld: na de correctie werden de sterren inderdaad kleiner, maar de verbetering van de stervorm was tamelijk beperkt. Het gereedschap kan sommige dingen terughalen, maar verwacht niet dat het ernstige structurele problemen volledig gladstrijkt.

Heldere gebieden kunnen verzadigde pixels opleveren

Dit is een probleem waarop u vooral moet letten bij het gebruik van BXT (AI2). De volgende opnamen bevinden zich allemaal in het lineaire stadium.

Neem een tot 800% vergrote sterrenstelselkern: in het origineel is de kern behoorlijk helder, zelfs zonder screen stretch vaag zichtbaar. Na BXT — of het nu in de normale modus of in de modus Luminance Only is — vertoonde de opname enkele verzadigde pixels, met een zeer hoge helderheid die bijna 1 (zuiver wit) benadert. Pas ook maar een beetje screen stretch toe op deze verzadigde gebieden, en alles eromheen verzadigt mee zodra het gestretcht wordt, waarbij kleur en detail verloren gaan.

Dit probleem heeft momenteel geen oplossing, en het treedt niet alleen op in sterrenstelselkernen: het verschijnt ook rond de verzadigde gebieden van sommige heldere sterren. Tot nu toe heb ik het alleen op kleurenopnamen waargenomen; op monochrome opnamen heb ik het niet gezien.

De huidige oplossing: dek de verzadigde gebieden eerst af met een masker (bijvoorbeeld door het luminantiekanaal te extraheren en te inverteren), pas daarna BXT toe, en u kunt dit probleem omzeilen.

Nog een aanvulling: bij NoiseXTerminator (NXT) ben ik een soortgelijke situatie tegengekomen wanneer de opname een gestretchte, niet-lineaire opname is — vooral een waarvan de verzadiging of curves al flink zijn opgetrokken —, dus wie het gebruikt kan er alert op zijn.

De verandering in de workflow door AI

Het is lang geleden dat ik nog handmatig een deconvolutie deed. Zodra BXT passend is ingesteld, draait het even en is het klaar; en als u een CUDA-compatibele videokaart hebt geïnstalleerd, kunt u het resultaat zelfs in realtime bekijken.

De tijd die het bespaart, blijft niet beperkt tot de deconvolutiestap: na het verwijderen van de sterren hoeft u niet langer enorm veel tijd te besteden aan het herstellen van de resterende gebreken in de sterloze opname; en bij het reduceren van de ruis hoeft u niet langer telkens een masker te maken om de gebieden uit te sluiten die geen bewerking nodig hebben. De hele AI-toolchain heeft verschillende van de vroeger meest slopende bewerkingsstappen vereenvoudigd.

(Destijds ging in de gemeenschap nog het gerucht dat het volgende product een op een AI-model getrainde GradientXTerminator II zou worden, maar uiteindelijk lijkt het er meer op dat het richting DBE is gegaan.)

De juiste denkwijze bij het gebruik

Tot slot sluit ik af met een waarschuwing van Russell Croman zelf. Hoewel BlurXTerminator AI4 een breder scala aan optische aberraties kan corrigeren, kan niets een gedegen afstelling van de apparatuur vervangen. Welke gereedschappen u ook gebruikt, betere ruwe data zullen altijd een beter eindbeeld opleveren.

AI4 kan sommige ernstige aberraties moeiteloos rechtzetten, maar het vermogen van welk softwaregereedschap dan ook om problemen te corrigeren is altijd begrensd. Steek tijd en moeite in het tot een minimum beperken van collimatiefouten, kanteling van het scherptevlak, doorbuiging van de optische trein, scherpstelfouten en volgfouten, en u zult daarvoor beloond worden met superieure resultaten.

BXT is een krachtig gereedschap, maar het is bedoeld om goede data beter te maken, geen wondermiddel om slechte data te redden. Die instelling is belangrijker dan welke parameterinstelling ook.