只有兩張影像，如何用 PixelMath 疊圖

疊圖時偶爾會碰到一個尷尬的情況：手上只有兩張影像。而 PixInsight 的 ImageIntegration 有個門檻——它至少要三張以上的影像才肯執行。那麼只有兩張，難道就沒辦法疊了嗎？其實有，我們可以繞過 ImageIntegration，改用 PixelMath 自己動手。

說穿了，「疊圖」在數學上就是把多張對齊過的影像做加權平均，用來提升訊噪比。ImageIntegration 之所以強大，是因為它在平均之外還幫你做了正規化與像素排異；但排異這件事至少要有三張才玩得起來（要有多數決才能判斷哪個像素是離群值）。所以當只剩兩張時，我們退而求其次，用 PixelMath 手動完成「對齊後平均」這件最核心的事就好。

最簡單的做法：相加後平均

兩張影像要合起來，本質上就是把它們相加、再除以二。在 PixelMath 裡輸入的公式，就是把兩張影像相加後乘上 0.5（也就是 ÷2）。

這樣就得到一張兩者平均後的結果。

想給不同權重？把係數拆開

如果你不只想單純平均，而是希望兩張影像各自佔不同的比重，那就把公式展開，分別調整兩張影像前面的係數即可。

舉例來說：

0.8*image1 + 0.2*image2

這樣兩張影像的權重就變成了 4:1。係數怎麼配，看你對兩張影像品質的判斷，只要兩個係數相加等於 1 即可。

提醒一件很重要的事：動手之前，記得要先把兩張影像對齊。 沒對齊就相加，星點會疊成雙影，前功盡棄。這一步無論你用哪種公式都不能省——PixelMath 只是逐像素做算術，它並不會替你校正兩張影像之間的位移。

進階：先做 Normalization 再平均

上面的做法夠應急，但如果兩張影像的背景亮度、訊號強度有落差，直接相加平均的結果不會理想。更講究一點的流程，是先對兩張影像做 Normalization，再取平均，分成兩步：

1. 先做 Normalization，把要疊的影像正規化到基準影像的尺度：

($T-median($T))*MAD(ReferenceImage)/MAD($T)+median(ReferenceImage)

2. 接著把兩張影像平均，完成疊圖：

($T+ReferenceImage)/2

公式裡有兩個符號要說明：

• ReferenceImage 代表兩張影像中比較好的那一張，用它當作正規化的基準。
• $T 則是另外一張影像。

先做 Normalization 的好處，是讓兩張影像在相加前站在同一個基準上，避免其中一張的背景或訊號差異汙染最後的結果。兩張影像雖然少，但只要方法對，一樣能疊出乾淨的成品。