Отбор изображений: как правильно выбирать между Blink и SubframeSelector
После целой ночи съёмки на жёстком диске лежат десятки, а то и сотни лайтов, и первый вопрос, с которым приходится столкнуться дальше: что оставить, а что выбросить? В PixInsight для этого есть два пути: один — положиться на Blink и оценивать глазами, другой — доверить SubframeSelector (далее SS) количественно оценить снимки за вас. Эта статья собирает некоторые мои наработки по отбору изображений за последние годы, рассказывая о месте каждого из этих двух инструментов и о том, какой выбор я делаю на практике.
Новичкам: сначала доверяйте своим глазам и мозгу
Многие сразу же спешат к SS, раскладывая для изучения показатели каждого кадра — FWHM, SNRWeight, Noise и так далее. Но если у вас немного кадров (например, меньше 50–100), честно говоря, SS не обязательно принесёт большую пользу, а быстрый просмотр в Blink окажется даже быстрее.
Что ещё важнее, между этими измеряемыми значениями нет обязательной связи. Если только значение не совсем уж из ряда вон выходящее — например, кадр, на котором вообще нет звёзд, — просто смотреть на цифры не надёжнее, чем судить глазами, и не обязательно быстрее.
Я часто привожу такой пример: однажды коллега по хобби спросил меня об отборе кадров с помощью SS. Мой совет новичкам всегда был таким: лучше сначала использовать Blink вместе с собственными глазами и мозгом, чтобы судить. Почти всё, что умеет SS, умеют и глаза плюс мозг; более того, в SS на самом деле скрываются некоторые ловушки, которые, наоборот, могут привести к неверной оценке качества фотографии.
Самый типичный случай — ситуация «SNR высокий, а качество фото плохое». Частая причина — тонкие облака: из-за них число звёзд уменьшается, и значение SNR оказывается завышенным, хотя этот кадр на самом деле непригоден. Такой случай требует учёта других переменных, чтобы правильно его оценить; но человеческий мозг вместе с глазами зачастую за секунду видит, что этот кадр плохой.
Так что сначала доверяйте своему мозгу и глазам и как следует посмотрите на снятые вами фотографии.
Изображения, которые я сразу отбраковываю на этапе Blink
На этом рубеже Blink есть несколько категорий изображений, которые я отбраковываю в тот же миг, как их вижу, без дальнейших колебаний:
- Перекрытие колесом фильтров
- Сильное смазывание (трейлинг)
- Ещё более сильное смазывание
- Сильная расфокусировка (в центре звёзд появляется чёрная дыра)
- Облачность настолько плотная, что объект почти не виден
- В кадр попала крыша обсерватории
Есть ещё один более коварный случай, о котором я раньше не упоминал: изображения, снятые с большой диафрагмой и к тому же затронутые тонкими высотными облаками. Сложность с такими кадрами в том, что проблему обычно замечаешь только после интеграции и сведения RGB — звёзды становятся расплывчатыми. Если во всей партии число нормальных изображений не превышает число изображений, затронутых высотными облаками, то этим изображениям с расплывчатыми звёздами остаётся только одно — отбраковка и пересъёмка.
Место SubframeSelector: количественная оценка и взвешивание
Значит, SS бесполезен? Конечно, нет. Базовая функция SS — изменять вес каждого изображения в соответствии с заданными условиями или измеренными значениями, а затем выводить их. Другими словами, его настоящая ценность не в том, чтобы «отбраковать за вас, выбрав из двух», а в том, чтобы «присвоить разный вес каждому в целом приемлемому изображению», позволяя им участвовать в интеграции с разной степенью вклада.
SS способен измерять немало параметров. Например, если вы хотите оценивать по форме звёзд, можно обратиться к параметру eccentricity (эксцентриситет звезды). Он измеряет, насколько деформирован контур звезды: для эллиптического контура звезды, если обозначить диаметр большой оси как a, а диаметр малой оси как b (при a больше или равном b), то эксцентриситет равен квадратному корню из (1 − b² / a²), а соотношение сторон звезды равно b / a. Чем ближе эксцентриситет к 0, тем круглее звезда; чем ближе к 1, тем сильнее она вытянута.
На практике я сортирую проверенные изображения по округлости звёзд, а затем возвращаюсь в Blink, чтобы проверить, что именно происходит с изображениями, набравшими более низкий балл по округлости — и, конечно, можно учитывать и другие параметры.
Как я делаю это сейчас
Честно говоря, кроме этапа Blink, где я по-прежнему смотрю собственными глазами, почти всю остальную работу по оценке я передал компьютеру. Демонстрация SS в статье служит скорее для того, чтобы все поняли логику его работы; когда дело доходит до реальной работы, я поручаю компьютеру автоматически присваивать веса изображениям, комбинируя несколько параметров, а затем сочетаю это с подходящим алгоритмом отбраковки пикселей (rejection) и параметрами для проведения интеграции.
Цель такого подхода — чтобы каждое в целом приемлемое изображение участвовало в интеграции с подходящим весом и вносило положенную ему долю; так удаётся оптимизировать отснятый материал и накопленное общее время экспозиции и максимально повысить SNR изображения объекта.
Поэтому весь процесс можно понимать так: Blink (глаза стоят на страже, отбраковывая брак) → передача компьютеру для количественной оценки и взвешивания → интеграция. Глаза отвечают за то, что можно оценить за секунду, компьютер — за то, для чего нужно точно рассчитать веса; каждый занимается своим делом.