Veelvoorkomende mythen over pixel rejection-algoritmen bij integratie

Welk pixel rejection-algoritme moet u gebruiken bij het integreren? Op het internet doet een vuistregel de ronde die neerkomt op “kies uw rejection-methode op basis van het aantal frames”, en veel tutorials nemen die klakkeloos over. Maar deze regel bevat in werkelijkheid nogal wat mythen, en in dit artikel deel ik mijn kijk erop.

De gangbare vuistregel

De “rules of thumb” die op het internet circuleren, luiden ongeveer als volgt:

Als u minder dan 15–20 frames hebt, gebruikt u median integration en past u geen sigma clipping toe.
Als u meer dan 15–20 frames hebt maar minder dan 40–50, gebruikt u average integration met outlier rejection, kappa op 2.5 en 2 iteraties.
Als u meer dan 40–50 frames hebt, gebruikt u average integration met outlier rejection, kappa op 3 (of hoger) en slechts 1 iteratie.

Mijn kijk hierop

Deze kennis van “de rejection-methode kiezen op basis van het aantal frames” is eigenlijk al wat verouderd, en de problemen zijn:

Eerst de beeldkwaliteit vaststellen, dat is het echte antwoord. Als de kwaliteit niet onder controle is, heeft het geen zin welke rejection-methode u ook kiest.
Elk rejection-algoritme heeft zijn eigen sterke en zwakke punten, dus een oordeel op basis van alleen het aantal frames is niet nauwkeurig.
Als u de rejection-methode op basis van het aantal frames kiest, wat doet u dan wanneer er heel weinig frames zijn? Het kader zelf kan niet elk scenario dekken.

Enkele aanvullingen

Ik “raad af” om de regels hierboven klakkeloos over te nemen (de oorspronkelijke bron is een desbetreffende passage op het APP-forum); nogal wat van de parameterinstellingen zijn in werkelijkheid problematisch.
Reject kappa splitst zich in high en low; zonder bijzondere behoefte stel ik die twee niet op dezelfde waarde in.
Zelf heb ik nooit median integration gebruikt, omdat ik mijn beelden allemaal al vooraf op kwaliteit heb gecontroleerd.

Samengevat: in plaats van u het hoofd te breken over “hoeveel frames bij welke rejection-methode passen”, kunt u beter eerst uw beeldkwaliteitscontrole goed op orde brengen, de eigenschappen en toepassingsscenario’s achter elke rejection-methode begrijpen, en vervolgens bijstellen op basis van uw werkelijke data.