Entegrasyonda piksel eleme: algoritma seçimi ve Rejection Map nasıl okunur

Entegrasyon sırasındaki “piksel eleme” (pixel rejection), birden fazla görüntüyü üst üste bindirme sürecinde orada bulunmaması gereken aykırı değerleri — uydu izleri, kozmik ışınların bıraktığı beyaz lekeler, artakalan sıcak pikseller, aşırı parlak yıldızların şişkin dış halkaları vb. — otomatik olarak ayıklama işlemidir. Doğru eleme algoritmasını seçmek ve onun ürettiği Rejection Map çıktısını okuyabilmek, temiz bir görüntü elde etmenin anahtarıdır. Bu yazıda eleme algoritmalarının seçim mantığını ve sık sık göz ardı edilen o iki eleme haritasının aslında nasıl okunması gerektiğini derledim.

Eleme algoritmaları ailesi

PixInsight, entegrasyon sırasında birkaç farklı eleme algoritması sunar. Resmî belgelerde hangi algoritmanın hangi senaryoya uygun olduğu sıralanmıştır ve okumaya değer (bu belgenin yayımlanmasının üzerinden hayli zaman geçtiğine ve sonradan eklenen GESD algoritmasını kapsamadığına dikkat edin).

Kabaca iki gruba ayrılabilirler:

• Sigma ailesi: standart sapmaya dayalı aykırı değer ayıklama; örneğin Sigma Clipping, onun geliştirilmiş sürümü Winsorized Sigma Clipping ve Percentile Clipping. İlkeleri de matematikleri de aynı sisteme aittir.
• GESD Test: Grubbs’s test temellidir; kuramı da matematiği de sigma-based yöntemlerden tümüyle farklıdır ve nispeten geç eklenmiş bir algoritmadır.

GESD vs Sigma: kare sayısı azken kim kazanır?

Bunu gerçekten karşılaştırdım. Bir keresinde yalnızca 12 kareden oluşan bir veriyle GESD Test, Winsorized Sigma Clipping ve geleneksel Sigma Clipping’i aynı anda çalıştırdım.

12 kare aslında GESD ve Winsorized Sigma için önerilen kare sayısını karşılamıyor; yine de bu sette en iyi sonucu GESD Test verdi. Ancak sonradan bir not düşmem gerek: veri renkliyse ve kare sayısı da yetersizse, yine de Winsorized Sigma ya da Sigma daha uygun olur. Yani “her zaman en iyi” diye bir algoritma yok; her şey veriye bağlı.

GESD ile sönük uydu izlerine karşı

GESD, sahada bir avantaj daha sunuyor. Eskiden sigma ailesiyle entegrasyon yaparken, daha sönük uydu izlerinin bir türlü elenemediğine sık sık rastlıyordum; 17 kare olsa bile entegrasyon bittiğinde izin bir kısmı yine kalıyordu. Üstelik bu tür sönük izler, manual selective rejection (elle karartma) yöntemiyle temizlenmeye uygun değil.

GESD Test’e geçip parametreleri uygun biçimde ayarladıktan ve sönük uydu izini genişlettikten (büyüttükten) sonra son derece sönük bir izi elemeyi başardım; ayrıca genel olarak GESD yönteminin sinyal-gürültü oranı (SNR), geleneksel Sigma Clipping ya da Winsorized Sigma Clipping yöntemlerine göre daha yüksek oluyor. (Yine de çoğu durumda sigma ailesiyle böyle elenemeyen bir sorunla karşılaşmazsınız; bu oldukça uç bir örnek.)

Özel silah: Range Clipping

İstatistiksel aykırı değer ayıklamanın dışında, “kaba kuvvete” dayanan ama işe yarayan bir yöntem daha var — Range Clipping.

Elinizde dark kalibrasyonu kötü gitmiş, üzerinde bol miktarda siyah nokta çıkmış kareler varsa (örneğin 10 karede var, 5 karede yok), normal eleme algoritmalarının aykırı değer arayarak bu siyah noktaları temizlemesi zordur. Böyle durumlarda entegrasyon sırasında Range Low Clipping kullanıp belirli bir eşiğin altında kalan bütün siyah noktaları zorla kaldırabilirsiniz. Bu, belirli bir kusuru hedefleyen doğrudan bir yöntemdir ve istatistiksel elemeyle birbirini tamamlar.

Rejection Map nasıl okunur

ImageIntegration ya da WBPP ile entegrasyonu bitirdiğinizde, nihai görüntünün yanı sıra iki adet eleme haritası da üretilir: biri yüksek parlaklık yönü için (rejection high), diğeri düşük parlaklık yönü için (rejection low). Çoğu kişi bu iki haritayı doğrudan görmezden gelir — oysa bu, son derece yararlı bir tanı bilgisini çöpe atmak demektir.

Genelde rejection low haritasında bakılacak pek bir şey olmaz; asıl önemli olan rejection high haritasıdır: “nihai görüntüde çıkmasın” dediğiniz her türlü bozucu unsur burada belirir — uydu izleri, aşırı parlak ya da şişkin yıldızların dış halkaları, Dünya’ya yakın cisimlerin izleri, bir de sıcak pikseller ve kozmik ışınların yol açtığı beyaz lekeler (sıcak pikselleri genellikle entegrasyondan önce Cosmetic Correction ile temizlediğim için burada sayıları fazla değil).

Bu haritayı okumanın en pratik yolu şudur: elenmesini istediğiniz piksel rejection high içinde görünüyorsa, başarıyla temizlenmiş demektir; burada görünmeyip entegre edilmiş sonuçta kalıyorsa (örneğin artakalan bir uydu izi), eleme parametreleriniz yetersiz demektir ya da algoritmayı değiştirmeniz gerekir.

Sık karşılaşılan “bu kareyi ayıklasam mı” soruları

Yukarıdaki ilke bir kez anlaşıldığında, yeni başlayanların kafasını kurcalayan pek çok şeyin yanıtı ortaya çıkıyor.

Yıldızları şişmiş bir kareyi entegrasyona sokmayıp ayıklamalı mı? Odak kaçmış değilse, ben genellikle entegrasyona katarım.

Rejection high haritasına baktığınızda, yıldızların aşırı büyümüş ya da aşırı parlak kısımlarının eleme yöntemiyle çoktan kaldırıldığını ve entegrasyon hesabına hiç girmediğini görürsünüz; yapay uydu izleri ve kozmik ışın kaynaklı beyaz lekeler de aynı şekilde rejection high içine düşer. Bu tür işleri yazılıma bırakmak yeterli.

Parlak bir uydu izi hedefi boydan boya kesiyorsa, o kareyi elle silmeli mi? Yanıt yine aynı: gerek yok.

Yöntem şöyle: kare sayısı azsa, eleme gücü daha yüksek bir algoritma kullanın (örneğin Sigma Clipping ailesi) ve Sigma High parametresini biraz daha sıkı ayarlayın (örneğin 2.5 değerinin altına). Bir örnekte elimde yalnızca 7 kare vardı ve bunlardan birinde uydu izi hedefin üzerinden enine geçiyordu; her kare sinyal-gürültü oranı için önemliydi. Bu yüzden uygun parametreleri ayarlayarak (yazılımın varsayılan değerlerini kullanmadan) elemeyi entegrasyon sürecinin otomatik olarak tamamlamasını sağladım; başarıyla elenen iz rejection high içinde göründü. Zorlukla kazanılmış tek bir pikseli bile ziyan etmeyin.

Bozuk sütun istisnası: eleme bunu kurtaramaz

Son olarak elemenin kurtaramadığı bir istisna ekleyeyim — CCD’deki bozuk sütun (defect column).

Bozuk sütun hem çok karanlıktır hem de sütunun tamamı boyunca uzanır; onu zorla elemeyle kaldırmaya çalışmak çok fazla iyi pikseli feda ettirir, üstelik sonuç da iyi olmaz. Doğru yol, önce kamera için bir Defect Map hazırlamaktır (“Latte” kamerasının 16803 CCD’sini örnek alırsak, karenin tam ortasında belirgin bir bozuk sütun, bunun yanında da belli belirsiz üç bozuk sütun var). Bunu DefectMap işlemiyle yükleyip light kareleri üzerine uygularsınız; bozuk sütunun etkisi böylece büyük ölçüde azalır, kalan kısmı da entegrasyondaki elemeye bırakıp kolayca temizletirsiniz. Yani eleme, en sonda gelen temizlik görevlisidir, her derde deva bir ilk savunma hattı değil — özel bir araçla giderilmesi gereken kusurlar için yine de önce doğru aracı kullanmak gerekir.