Aandachtspunten bij het accumuleren van hetzelfde object over meerdere nachten

Om in de deep-sky-astrofotografie een resultaat van hoge kwaliteit te behalen, moet u vaak meerdere nachten overspannen en een lange totale belichting opbouwen. Maar “hetzelfde object op verschillende data opnemen” is niet simpelweg een kwestie van alle bestanden bij elkaar gooien en stacken: worden onderweg enkele schakels niet verzorgd, dan kan dat het eindresultaat juist omlaag trekken. Hieronder verzamel ik enkele aandachtspunten, als naslag voor beginnende medeliefhebbers die lange totale integratietijden willen opbouwen.

Zes aandachtspunten

1. Gebruik coördinaten-goto en plate solving (astrometrische positiebepaling) om hetzelfde object te bereiken: zorg dat u elke nacht op dezelfde compositiepositie richt.

2. Houd de veldrotatiehoek dicht bij elkaar: vermijd dat hoekverschillen niet-overlappende randen veroorzaken, want die niet-overlappende randgebieden verliezen SNR.

3. Lights van verschillende data moeten elk hun eigen flats gebruiken: als tussen verschillende batches lights de apparatuur is gedemonteerd, dan moet elke batch beslist worden gecombineerd met de flats van die betreffende sessie.

4. Darks (inclusief dark flats of bias) kunnen worden gedeeld: darks met dezelfde temperatuur, dezelfde belichtingsduur en dezelfde instellingen kunnen worden gedeeld. In principe kunt u die bij CMOS binnen drie maanden en bij CCD binnen een jaar hergebruiken.

5. Elke set lights wordt met zijn eigen kalibratieframes gekalibreerd: bij het kalibreren van de beelden in software gebruikt APP Multi-Session processing, terwijl PI WBPP of een handmatige bewerking gebruikt.

6. Vóór de integratie kunt u naar gelang van de belichtingsduur verschillende gewichten toekennen: in PI’s WBPP of in NSG kunt u lights van verschillende lengte bovendien verschillende gewichten geven, om de SNR van het uiteindelijke geïntegreerde beeld te optimaliseren.

Beheerst u deze paar punten, dan kan de over de nachten heen opgebouwde data zich werkelijk vertalen in een kwaliteitswinst, in plaats van goede en problematische data door elkaar te mengen zodat ze elkaar omlaag trekken.