Beeldselectie: goed kiezen tussen Blink en SubframeSelector
Na een hele nacht opnemen liggen er tientallen tot honderden lights (lichtframes) op uw harde schijf, en de eerste vraag waarmee u vervolgens te maken krijgt is: welke houd ik en welke gooi ik weg? In PixInsight zijn hiervoor twee wegen begaanbaar — de ene is vertrouwen op Blink en met de ogen oordelen, de andere is SubframeSelector (hierna SS) de beelden kwantitatief voor u laten beoordelen en scoren. Dit artikel bundelt enkele inzichten die ik de afgelopen jaren over beeldselectie heb opgedaan, en bespreekt de rol van elk van deze twee gereedschappen en de afwegingen die ik in de praktijk werkelijk maak.
Beginners: vertrouw eerst op uw eigen ogen en brein
Veel mensen storten zich vanaf het begin haastig op SS en spreiden de getallen van elk beeld — FWHM, SNRWeight, Noise enzovoort — uit om te bestuderen. Maar als uw aantal opnamen niet groot is (bijvoorbeeld minder dan 50 tot 100), is SS eerlijk gezegd niet per se erg nuttig, en een snelle blik met Blink is zelfs sneller.
Nog belangrijker: tussen deze gemeten waarden bestaat geen noodzakelijk verband. Tenzij een waarde volkomen buitensporig is — bijvoorbeeld een beeld waarin helemaal geen sterren staan — is alleen naar de getallen kijken niet betrouwbaarder dan met de ogen oordelen, en ook niet per se sneller.
Ik geef vaak een voorbeeld: ooit vroeg een medeliefhebber mij over het uitselecteren van opnamen met SS. Mijn advies aan beginners is altijd geweest dat u het beste kunt beginnen met Blink, aangevuld met uw eigen ogen en brein om te oordelen. Bijna alles wat SS kan, kunnen de ogen plus het brein ook; en bovendien schuilen er in SS eigenlijk enkele valkuilen die u juist tot een verkeerd oordeel over de fotokwaliteit kunnen verleiden.
Het meest typische is de situatie “hogere SNR, maar toch slechte fotokwaliteit”. Een veelvoorkomende oorzaak is dunne bewolking die het aantal sterren vermindert, waardoor het SNR-getal omhoog wordt geduwd, terwijl dit beeld eigenlijk onbruikbaar is. Zo’n geval vereist andere variabelen om het correct te beoordelen; maar het menselijk brein plus de ogen zien vaak in één seconde dat dit beeld niet goed is.
Vertrouw dus eerst op uw eigen brein en ogen, en bekijk rustig de foto’s die u hebt gemaakt.
Beelden die ik in de Blink-fase meteen afkeur
In deze Blink-etappe zijn er enkele categorieën beelden die ik meteen wegstreep zodra ik ze zie, zonder verder te aarzelen:
- Afscherming door het filterwiel
- Ernstige trailing
- Nog ernstigere trailing
- Ernstige defocus (er verschijnt een zwart gat in het midden van de sterren)
- Bewolking zo dicht dat het object bijna onzichtbaar is
- Het dak van de sterrenwacht in beeld
Er is nog een lastiger geval dat ik eerder niet heb genoemd: beelden die met een groot diafragma (wijd open) zijn opgenomen en bovendien last hebben van dunne bewolking op grote hoogte. Het vervelende aan deze beelden is dat u het probleem meestal pas ontdekt na de integratie en de RGB-combinatie — de sterren worden opgeblazen en diffuus. Als in de hele batch het aantal normale beelden niet groter is dan dat van de beelden die door de hooggelegen bewolking zijn aangetast, dan rest voor deze beelden met diffuse sterren niets anders dan ze af te keuren en opnieuw op te nemen.
De rol van SubframeSelector: kwantificeren en wegen
Is SS dan nutteloos? Natuurlijk niet. De basisfunctie van SS is het gewicht van elk beeld te veranderen op grond van ingestelde voorwaarden of gemeten waarden, en ze dan te exporteren. Met andere woorden, de werkelijke waarde ervan ligt niet in “voor u een van twee uitkiezen om af te keuren”, maar in “aan elk in de basis aanvaardbaar beeld een verschillend gewicht toekennen”, zodat ze met een verschillende bijdrage aan de integratie deelnemen.
SS kan heel wat parameters meten. Als u bijvoorbeeld op de vorm van de sterren wilt beoordelen, kunt u de parameter eccentricity (excentriciteit van de ster) raadplegen. Deze meet hoe sterk de omtrek van een ster is vervormd: voor een elliptische steromtrek, als we de diameter van de lange as a noemen en die van de korte as b (met a groter dan of gelijk aan b), dan is de excentriciteit gelijk aan de vierkantswortel van (1 − b² / a²), en de verhouding tussen lengte en breedte van de ster is b / a. Hoe dichter de excentriciteit bij 0 ligt, hoe ronder de ster; hoe dichter bij 1, hoe meer hij is uitgerekt.
In de praktijk sorteer ik de geïnspecteerde beelden op sterrondheid en ga daarna terug naar Blink om te controleren wat er precies aan de hand is met de beelden die lager scoorden op rondheid — en er zijn natuurlijk ook andere parameters die u er tegelijk bij kunt betrekken.
Hoe ik het nu doe
Eerlijk gezegd heb ik, afgezien van de Blink-etappe, waar ik nog steeds met mijn eigen ogen kijk, bijna al het overige beoordelingswerk aan de computer overgelaten. SS in een artikel demonstreren dient er eerder toe iedereen de logica van de werking ervan te laten begrijpen; wanneer het er echt op aankomt, laat ik de computer automatisch met meerdere parameters gecombineerd de gewichten aan de beelden toekennen, en combineer dat met een passend pixel-rejection-algoritme (verwerpen van pixels) en passende parameters om te integreren.
Het doel hiervan is dat elk in de basis aanvaardbaar beeld met een passend gewicht aan de integratie deelneemt en zijn rechtmatige aandeel bijdraagt, zodat de opgenomen beelden en de opgebouwde totale integratietijd optimaal worden benut en de SNR van het objectbeeld zo hoog mogelijk wordt opgevoerd.
Zo kan het geheel van de workflow als volgt worden begrepen: Blink (de ogen als poortwachter, afgekeurde opnamen weggooien) → overdragen aan de computer om te kwantificeren en te wegen → integratie. De ogen nemen op zich wat in één seconde te beoordelen is, de computer neemt op zich waarvoor de gewichten nauwkeurig berekend moeten worden — elk op zijn eigen post.