本站提供正體中文版。切換到正體中文本站提供简体中文版。切换到简体中文This site is available in English.View in Englishこのサイトには日本語版があります。日本語で表示이 사이트는 한국어로도 제공됩니다.한국어로 보기Diese Website ist auch auf Deutsch verfügbar.Auf Deutsch ansehenEste sitio web también está disponible en español.Ver en españolQuesto sito è disponibile anche in italiano.Visualizza in italianoCe site est également disponible en français.Afficher en françaisEste site também está disponível em português.Ver em portuguêsDeze website is ook beschikbaar in het Nederlands.In het Nederlands bekijkenЭтот сайт также доступен на русском языке.Смотреть на русскомयह वेबसाइट हिन्दी में भी उपलब्ध है।हिन्दी में देखेंهذا الموقع متاح أيضًا باللغة العربية.عرض بالعربيةSitus ini juga tersedia dalam bahasa Indonesia.Lihat dalam bahasa IndonesiaBu site Türkçe olarak da mevcut.Türkçe görüntüleTa strona jest dostępna także po polsku.Wyświetl po polskuاین وب‌سایت به فارسی هم در دسترس است.مشاهده به فارسی

NSG (Normalize Scale Gradient): công dụng và lợi ích

Tiền xử lý và xếp chồng2022.02Ghi chú thời kỳ đầu

Bài này được tổng hợp từ những ghi chép hồi năm 2022, khi NSG 2.0 phát hành; quá trình phát triển về sau của công cụ này và các nền tảng được hỗ trợ đã có thay đổi, nên bạn hãy lưu ý khi đọc.

NSG (Normalize Scale Gradient) là một công cụ rất hữu dụng trong quy trình tích hợp (integration) của PixInsight. Bài viết này giải thích ngắn gọn công dụng và lợi ích của nó, để những bạn còn chưa quen với nó biết được nó đóng vai trò gì trong toàn bộ quy trình.

Giao diện thao tác của script NSG và minh họa hiệu quả trước và sau khi chuẩn hóa

Chi phí và phiên bản

Bản thân NSG 2.0 nếu chỉ dùng đơn thuần thì miễn phí. Còn một trong các mô-đun của nó là NSGXnml, nếu muốn dùng kèm với drizzle integration thì phải trả phí, giá là 27 đô la Mỹ.

Công dụng của NSG

  1. Dùng sau khi căn chỉnh theo sao và trước khi tích hợp.
  2. Mỗi kênh đều cần chọn ra một ảnh tốt nhất và chỉ định làm ảnh tham chiếu.
  3. Nó đánh giá ảnh của từng kênh, lấy ảnh tham chiếu làm chuẩn để chuẩn hóa và gán trọng số, đồng thời biến đổi gradient ánh sáng của từng ảnh cho khớp với ảnh tham chiếu.

Ở đây có một điểm đáng nhắc tới là cách đánh giá trọng số: tích hợp truyền thống mặc định dùng noise để gán trọng số, nhưng chỉ dựa vào noise thì dễ đánh giá sai; NSG thì áp dụng một cách đánh giá đáng tin cậy hơn.

Lợi ích của việc dùng NSG

  1. Ảnh tốt nhận trọng số cao hơn: khi tích hợp sẽ lấy nhiều pixel hơn từ những ảnh tốt, còn ảnh kém thì trọng số thấp hơn nên đóng góp cũng ít hơn.
  2. Gradient ánh sáng trở nên đồng nhất: vì gradient ánh sáng của mọi ảnh đều đã được biến đổi thành như nhau, nên khi dùng DBE về sau, việc loại bỏ những gradient ánh sáng không mong muốn cũng dễ hơn.