NSG (Normalize Scale Gradient): การใช้งานและประโยชน์
บทความนี้เรียบเรียงจากบันทึกในช่วงที่ NSG 2.0 เปิดตัวเมื่อปี ค.ศ. 2022 ทั้งนี้การพัฒนาต่อมาของเครื่องมือนี้และแพลตฟอร์มที่รองรับเปลี่ยนแปลงไปแล้ว จึงขอให้สังเกตไว้ขณะอ่าน
NSG (Normalize Scale Gradient) เป็นเครื่องมือที่ใช้งานได้จริงมากตัวหนึ่งในขั้นตอนการ Integration ของ PixInsight บทความนี้อธิบายประโยชน์และการใช้งานโดยสังเขป เพื่อให้ผู้ที่ยังไม่คุ้นเคยได้รู้ว่า NSG มีบทบาทอย่างไรในขั้นตอนทั้งหมด
ค่าใช้จ่ายและเวอร์ชัน
ตัว NSG 2.0 เองหากใช้งานแบบพื้นฐานถือว่าฟรี ส่วนโมดูลหนึ่งของ NSG คือ NSGXnml หากต้องการใช้ร่วมกับ drizzle integration จะต้องเสียค่าใช้จ่าย ราคาอยู่ที่ 27 ดอลลาร์สหรัฐ
การใช้งานของ NSG
- ใช้หลังจากทำ Registration ดาวแล้ว ก่อนทำ Integration
- แต่ละแชนแนลต้องเลือกภาพที่ดีที่สุดออกมาหนึ่งภาพ กำหนดให้เป็นภาพอ้างอิง
- NSG จะประเมินภาพของแต่ละแชนแนล ทำ Normalize โดยใช้ภาพอ้างอิงเป็นฐานแล้วให้ค่าน้ำหนัก พร้อมทั้งปรับ gradient ของแสงในแต่ละภาพให้สอดคล้องกับภาพอ้างอิง
จุดที่ควรกล่าวถึงตรงนี้คือวิธีประเมินค่าน้ำหนัก: การ Integration แบบดั้งเดิมโดยค่าเริ่มต้นจะให้น้ำหนักโดยใช้ noise แต่การอาศัย noise เพียงอย่างเดียวมักตัดสินผิดพลาดได้ง่าย ส่วน NSG ใช้วิธีประเมินที่น่าเชื่อถือกว่า
ประโยชน์ของการใช้ NSG
- ภาพที่ดีได้รับน้ำหนักสูงกว่า: ตอน Integration จะใช้พิกเซลจากภาพที่ดีมากกว่า ส่วนภาพที่แย่จะมีน้ำหนักต่ำกว่าและมีส่วนร่วมน้อยกว่า
- gradient ของแสงมีแนวโน้มสอดคล้องกัน: เพราะ NSG ปรับ gradient ของแสงในแต่ละภาพให้เหมือนกันหมด หลังจากนั้นเมื่อใช้ DBE ก็จะกำจัด gradient ของแสงที่ไม่ต้องการได้ง่ายขึ้น