Deconvolution: mặt nạ, PSF và phục hồi sao (một góc nhìn lịch sử)
Bài viết này được tổng hợp từ những ghi chép về deconvolution thủ công trong khoảng 2020 đến 2022, trước khi BlurXTerminator ra đời. Trong PixInsight ngày nay, công đoạn deconvolution phần lớn đã được các công cụ AI như BXT thay thế — vừa nhanh vừa tốt, không phải tự tay làm cả một đống mặt nạ nữa. Dù vậy, hiểu được nguyên lý của deconvolution thủ công cùng những vấn đề mà nó phải đối phó vẫn rất đáng giá: điều đó cho bạn thấy BXT đã âm thầm giải quyết những gì, và khi gặp trục trặc thì cũng biết vấn đề nằm ở đâu.
Deconvolution làm gì, và tại sao phải làm ở giai đoạn tuyến tính
Trước hết hãy nói về một phép đo thực tế. Trong PixInsight có một script tên là FWHMEccentricity, cho phép đo và vẽ biểu đồ phân bố của FWHM (độ rộng toàn phần tại nửa cực đại) và Eccentricity (độ lệch tâm). Tôi đã so sánh các sao trước và sau khi làm deconvolution: sau khi deconvolution, FWHM của các sao Moffat4 đều thu nhỏ xuống dưới 2, Eccentricity cũng được cải thiện.
Xin giải thích ngắn gọn ý nghĩa của hai con số này:
- FWHM nhỏ đi thì sao trông nhỏ hơn;
- Eccentricity nhỏ đi thì sao trông tròn hơn.
Đây chính là lý do người ta khuyên làm deconvolution ở trạng thái tuyến tính — công đoạn này thực sự khiến sao nhỏ hơn và tròn hơn.
Bổ sung vài điều kiện tiên quyết khi thực hiện: với ảnh màu, hãy trích xuất kênh luminance trước rồi mới làm; ảnh bắt buộc phải ở trạng thái tuyến tính. Nếu dùng camera đơn sắc, ở giai đoạn tuyến tính tôi nhất định làm deconvolution trên kênh luminance, khác biệt trước sau vô cùng rõ rệt (phóng to lên 300% để xem thì càng rõ). Ảnh từ camera màu cũng làm được y như vậy, cũng chỉ cần trích xuất kênh luminance.
Cách làm thuở trước: PSF, Local Support, Object Mask — thiếu thứ nào cũng không xong
Trước đây tôi luôn thấy deconvolution trong PixInsight thật phiền phức và rắc rối — nào là phải làm PSF, nào là Local Support, nào là Object Mask. Về sau mới nhận ra rằng mấy thứ đó thật ra đều rất cơ bản; làm vài lần cho quen tay thì thực ra rất nhanh.
Nút thắt thật sự không nằm ở bản thân các bước ấy, mà ở mặt nạ. Xử lý trọn một tấm ảnh, trung bình phải làm ít nhất năm đến sáu mặt nạ. Nút thắt lớn nhất của việc xử lý hồi đó thật ra nằm ở bộ não con người chứ không phải ở máy tính — máy tính chạy rất nhanh, con người mới là bên phải phán đoán từng cái một, vẽ từng cái một.
Hai rắc rối thường gặp nhất của deconvolution thủ công
Ở thời kỳ làm thủ công, những vấn đề đau đầu nhất của deconvolution phần lớn tập trung tại vùng tinh vân sáng:
- Sao mờ nằm trong tinh vân sáng: quanh sao luôn xuất hiện một vòng đen;
- Sao sáng nằm trong tinh vân sáng: phần trung tâm bị hỏng.
Cả hai vấn đề này về cơ bản đều do mặt nạ deconvolution làm chưa tốt mà ra. Hồi đó tôi thử điều chỉnh Local Support, nhưng khác biệt không đáng kể; chỉnh mặt nạ rồi cũng chỉ cải thiện đôi chút, xem ra không thể khử sạch hoàn toàn. Ví dụ điển hình của loại tinh vân sáng này chính là M42, NGC 3372.
Cái giá của mặt nạ làm chưa tốt: Hard Edge
Tầm quan trọng của mặt nạ thể hiện rõ nhất qua cặp ảnh so sánh dưới đây. Ảnh bên trái là tác phẩm tôi xử lý cách đây hai năm, ảnh bên phải là tác phẩm gần đây hơn, cả hai đều chụp bằng hệ thống CDK từ 17 inch trở lên.
Ảnh bên trái chính là vấn đề thường gặp khi mặt nạ sao lớn của deconvolution làm chưa tốt: luminance của các sao lớn co lại quá mức, tạo ra một đường viền rõ rệt (hard edge). Nhân tiện nói thêm, Topaz Denoise AI khi dùng mà không kèm bất kỳ mặt nạ nào cũng gây ra đúng vấn đề đó — vì vậy tôi không khuyên dùng thẳng nó khi chưa có mặt nạ.
Đôi khi, thay vì viết cả đống lời giải thích, chi bằng dùng thời gian đó để xử lý sao cho tử tế. Câu này đặt vào thời kỳ deconvolution thủ công thì đặc biệt đúng — thành bại của nó gần như đặt cược toàn bộ vào công việc cực nhọc mang tên mặt nạ.
Lời kết
Ngày nay BXT đã đơn giản hóa tất cả những điều đó: không cần tự tay làm PSF, không cần vẽ năm sáu mặt nạ, và cũng né được phần lớn di chứng của mặt nạ làm chưa tốt như vòng đen hay hard edge. Nhưng mục tiêu mà deconvolution hướng tới thì chưa bao giờ thay đổi — làm cho sao nhỏ hơn, tròn hơn, và tìm lại những chi tiết đã bị khí quyển cùng hệ quang học làm mờ đi. Hiểu được thời kỳ thủ công phải đối phó với những gì, bạn sẽ thấy rõ hơn BXT rốt cuộc đã giúp bạn tiết kiệm những công sức nào.