Pixinsight 1.8 Ripley οδηγός επεξεργασίας

Transcript

1 Pixinsight 1.8 Ripley οδηγός επεξεργασίας ΜΕΡΟΣ2: ΕΠΕΞΕΡΓΑΣΙΑ ΣΕ LINEAR STAGE Σε αυτό τον οδηγό θα σας δείξω τη μεθοδολογία που ακολουθώ για να δημιουργήσω το τελικό HaLRGB αποτέλεσμα. Ο στόχος μας αυτή τη φορά είναι ο Γαλαξίας της Ανδρομέδας M31. Έχουμε στη διάθεση μας τα master R,G,B, L, Ha frames που δημιουργήθηκαν με βάση αυτά που περιγράφονται στο μέρος 1 αυτού του οδηγού. Τα frames είναι ευθυγραμμισμένα μεταξύ τους και έχουν κροπαριστεί όλα το ίδιο ώστε να μην υπάρχουν ατέλειες στα άκρα τους που θα επηρέαζαν την επεξεργασία αργότερα. Βήμα 1 Εφαρμόζουμε το AutomaticBackgroundExtractor process σε κάθε κανάλι R,G,B για να διορθώσουμε το υπόβαθρο από ανομοιομορφίες φωτισμού λόγω light pollution gradients, αφαιρώντας το μοντέλο υποβάθρου που παράχθηκε στη συνέχεια. Το μοντέλο αυτό ονομάζεται και pseudo-flat. Το κάνουμε αυτό γιατί τα flats που πήραμε αρχικά δεν γίνεται να είναι 100% σωστά και κάποια gradients επομένως δεν έχουν αφαιρεθεί από τα frame μας. Αν δεν είχαμε πάρει flats, τα R,G,B frame μας θα είχαν και ανομοιομορφίες φωτισμού λόγω vignetting και θα χρειαζόταν στο target image correction να επιλέξουμε division. Επίσης αν θέλουμε να δώσουμε ένα ουδέτερο χρώμα στο υπόβαθρο επιλέγουμε στο target image correction την επιλογή normalize. Όλες τις άλλες τιμές στο process αυτό τις αφήνουμε default.

2 Βήμα 2 Εφαρμόζουμε το LinearFit στα κανάλια R,B με reference κανάλι το G. Με αυτό τον τρόπο πετυχαίνουμε την εξισορρόπηση του ιστογράμματος για τα τρία κανάλια, με άλλα λόγια πετυχαίνουμε τα τρία κανάλια να έχουν την ίδια φωτεινότητα ώστε όταν συνδυαστούν στη συνέχεια στο RGB frame να έχουμε το καλύτερο δυνατό αποτέλεσμα. Το linearfit process το χρησιμοποιούμε με τις default τιμές του.

3 Βήμα 3 Συνεχίζουμε με τη σύνθεση RGB κάνοντας χρήση του ChannelCombination process. Βήμα 4 Εξαλείφουμε από το RGB frame τα εναπομείναντα light pollution gradients στο υπόβαθρο καθώς και τα color gradients, κάνοντας χρήση αυτή τη φορά του DynamicBackgroundExtration process. Το DynamicBackgroundExtration (DBE) process κάνει ουσιαστικά την ίδια δουλειά με το AutomaticBackgroundExtration (ABE) process που είδαμε προηγουμένως αλλά μας δίνει τη δυνατότητα να επιλέξουμε εμείς τα σημεία (samples) στο υπόβαθρο που είναι να επέμβουμε. Το DBE συνίσταται για δύσκολα gradients που το ABE process δεν καταφέρνει να εξαλείψει εξολοκλήρου. Στο παρών βήμα τοποθετούμε εμείς τα σημεία στο υπόβαθρο. Μπορούμε να ρυθμίσουμε την παράμετρο Tolerance. Όσο αυξάνεται η τιμή της παραμέτρου αυτής, τόσο περισσότερα pixels λαμβάνονται σαν υπόβαθρο στο μοντέλο μας. Μια άλλη παράμετρος είναι το Shadows relaxation. Όσο αυξάνεται η τιμή της παραμέτρου αυτής, περισσότερα dark pixels λαμβάνονται σαν υπόβαθρο στο μοντέλο μας.

4 Μια άλλη παράμετρος είναι το Smoothing factor. Αυξάνοντας την τιμή της παραμέτρου αυτής το μοντέλου του υποβάθρου μας γίνεται περισσότερο ομοιόμορφο. Σε περίπτωση που θέλουμε αυτόματα να βάλουμε δείγματα στο υπόβαθρο ρυθμίζουμε τις παραμέτρους στο Sample Generation. Τυπικές τιμές για το Samples per row και Default Samples Radius είναι 5 και 12 αντίστοιχα. Όταν έχουμε δείγματα που το χρώμα τους είναι κόκκινο σημαίνει ότι είναι ανενεργά και δεν θα χρησιμοποιηθούν στο μοντέλο υποβάθρου. Για να τα ενεργοποιήσουμε, που σημαίνει ότι το χρώμα τους γίνεται πράσινο, μπορούμε να μειώσουμε το Minimum sample weight. Προσέχουμε τα δείγματα μας να είναι μέσα στο υπόβαθρο και όχι πάνω σε άστρα ή μέσα στις σπείρες του γαλαξία. Με αυτό τον τρόπο πετυχαίνουμε καλύτερο αποτέλεσμα εξάλειψης των gradients.

5 Βήμα 5 (προαιρετικό) Διορθώνουμε την ανομοιομορφία φωτισμού στο υπόβαθρο, εφόσον αυτή υπάρχει ακόμη, κάνοντας χρήση του PixelMath process. Το RGB_background είναι το μοντέλο του υποβάθρου που προέκυψε στο προηγούμενο βήμα του DBE process, το οποίο και στη συνέχεια αφαιρούμε από το RGB frame λαμβάνοντας υπόψη ένα scale factor.

6 Βήμα 6 Συνεχίζουμε με το BackgroundNeutralization process για να δώσουμε ένα ουδέτερο χρώμα στο υπόβαθρο μας. Για το σκοπό αυτό κάνουμε χρήση μιας preview στο υπόβαθρο. Το preview δεν θα πρέπει να περιέχει άστρα μέσα του. Οι τιμές που βρίσκονται ανάμεσα στο lower και upper limit θεωρούνται σαν background. Όλες οι άλλες τιμές αγνοούνται. Επιλέγοντας το readout mode βλέπουμε τις normalized τιμές για τα R,G,B στο preview. Ρυθμίζουμε το upper limit ώστε να είναι περιέχει τις τιμές αυτές. Λαμβάνουμε υπόψη ότι τιμή 0 αντιστοιχεί σε χρώμα μαύρο και η τιμή 1 σε χρώμα λευκό.

7 Βήμα 7 Συνεχίζουμε με το ColorCalibration process για να εξισορροπήσουμε τα χρώματα στο RGB frame μας. Χρησιμοποιούμε το preview1 από το προηγούμενο βήμα σαν background reference και σαν white reference δεν επιλέγουμε κάποιο preview που σημαίνει ότι όλη η εικόνα μας επιλέγεται σαν white reference. Απενεργοποιούμε το structure detection επειδή το mode αυτό δεν συνίσταται όταν δουλεύουμε με γαλαξίες. Και αυξάνουμε το white reference lower limit σύμφωνα με τις ενδείξεις που παίρνουμε για τα R,G,B στο υπόβαθρο.

8 Βήμα 8 Ανοίγουμε το RGBWorkingSpace process και θέτουμε τα luminance coefficients σε για όλα τα R,G,B κανάλια. Το κάνουμε αυτό ώστε τα χρώματα R,G,B να συνεισφέρουν το ίδιο όταν θελήσουμε να πάρουμε το luminance κανάλι από το RGB frame μας. Οι τιμές αυτές είναι τα Global RGBWS.

9 Βήμα 9 Σε αυτό το βήμα θα φτιάξουμε μια galaxy mask την οποία θα τη χρησιμοποιήσουμε στα επόμενα βήματα. Το βήμα αυτό παίζει σημαντικό ρόλο όσον αφορά την ποιότητα της αστροφωτογραφίας μας στη συνέχεια. Η διαδικασία περιγράφεται αναλυτικά παρακάτω. 1. Διαχωρίζουμε το luminance κανάλι από το RGB frame. 2. Κάνουμε stretch το luminance κανάλι με τον τρόπο που περιγράφεται στην παρακάτω εικόνα.

10 3. Δημιουργούμε μια starmask για τον κλώνο του RGB_L frame και την κάνουμε invert.

11 4. Ρυθμίζουμε λίγο το ιστόγραμμα στο RGB_L frame ώστε το υπόβαθρο να σκοτεινιάσει λίγο και να αυξηθεί το contrast του γαλαξία.

12 5. Με το pixelmath προσθέτουμε το RGB_L_clone και το RGB_L και η μάσκα που προκύπτει είναι η galaxy_mask που θέλουμε. Η galaxy_mask είναι έτοιμη προς χρήση

13 Βήμα 10 Στη συνέχεια προχωράμε με τη σύνθεση HaRGB. Εισάγουμε το master Ha frame, που το έχουμε διορθώσει προηγουμένως με ABE, DBE και pixelmath για τα light pollution gradients, καθώς και το RGB frame μας στο NBRGBCombination script.

14 Εφαρμόζουμε τη galaxy mask που δημιουργήσαμε πιο πάνω στο αρχικό RGB frame μας. Επιλέγουμε να μην εμφανίζεται η μάσκα. Κάνοντας χρήση του Pixelmath αυτή τη φορά ενώνουμε το RGB με το NBRGBCombination frame ώστε οι το Ha να τονιστεί στις σπείρες του γαλαξία και να μην υπάρχει στο υπόβαθρο με τα άστρα του.

15 Αποθηκεύουμε το frame σαν HaRGB με 32 bit floating format. Βήμα 11 Στη συνέχεια θα ασχοληθούμε με το master Luminance frame κάνοντας χρήση του AutomaticBackgroundExtractor process με στόχο την εξάλειψη των light pollution gradients.

16 Εφαρμόζουμε το DBE process στο master Luminance frame για την εξάλειψη των εναπομεινάντων gradients.

17 Διορθώνουμε με το PixelMath την ανομοιομορφία φωτισμού στο υπόβαθρο εφόσον αυτή υπάρχει.

18 ΜΕΡΟΣ3: ΕΠΕΞΕΡΓΑΣΙΑ ΣΕ NON LINEAR STAGE Βήμα 1 Στρετσάρουμε το HaRGB frame μας κάνοντας χρήση του HistogramTransformation process. Προσέχουμε εδώ όσο το δυνατό τα τρία κανάλια να ξεκινάνε από το ίδιο σημείο και να μην κάνουμε clip το black point στο ιστόγραμμα. Προσοχή το ιστόγραμμα να το δουλέψουμε σε 16-bit για να μη χάνουμε πληροφορία. Αφαιρούμε το πράσινο χρώμα από το υπόβαθρο εφόσον χρειαστεί κάνοντας χρήση του SCNR process.

19 Βήμα 2 Στρετσάρουμε το master Luminance frame κάνοντας χρήση του HistogramTransformation process.

20 Βήμα 3 Διαχωρίζουμε το HaRGB frame στα LAB κανάλια του.

21 Βήμα 4 Συνθέτουμε πάλι τα κανάλια αλλά αυτή τη φορά αντικαθιστούμε το L με το νέο L που δημιουργήσαμε πιο πάνω. Με αυτό τον τρόπο έχουμε δημιουργήσει το HaLRGB frame μας.

22 Βήμα 5 Εφαρμόζοντας τη galaxy mask στο HaLRGB frame, αυξάνουμε το saturation στο γαλαξία μας κάνοντας χρήση του ColorSaturation process και του CurvesTransformation process.

23

24

25 Βήμα 6 Αυξάνουμε το contrast στις σπείρες του γαλαξία κάνοντας χρήση του LocalHistogramEqualization process.

26 Βήμα 7 Αυξάνουμε τη φωτεινότητα των στις σπείρες του γαλαξία κάνοντας χρήση του ExponentialTransformation process. Αφαιρούμε τη galaxy_mask από το HaLRGB frame μας. Βήμα 8 επέμβαση μόνο στα άστρα Δημιουργούμε μια star mask αυτή τη φορά με τον τρόπο που περιγράφεται παρακάτω. Διαχωρίζουμε το luminance κανάλι από το HaLRGB frame μας.

27 Εφαρμόζουμε το HDRMultiscaleTransform process πάνω στο luminance frame.

28 Εφαρμόζουμε ένα preview στο Luminance frame μας και με το RangeSelection process ρυθμίζουμε κατάλληλα τις παραμέτρους lower/upper limit και smoothness ώστε στο real time live preview να βλέπουμε τα άστρα όπως είναι στο preview.

29 Κλείνουμε το real time preview και διαγράφουμε το preview από το luminance frame μας. Εφαρμόζουμε στη συνέχεια το RangeSelection process σε όλο το HaLRGB frame μας. Η star mask δημιουργήθηκε.

30 Εφαρμόζουμε τη μάσκα αυτή στο HaLRGB frame.

31 Επιλέγουμε να μην εμφανίζεται η μάσκα. Εφαρμόζουμε το MorphologicalTransformation process για να κάνουμε star shaping.

32 Προχωράμε με αύξηση του χρώματος των άστρων κάνοντας χρήση του ColorSaturation process.

33 Αφαιρούμε τη star mask από το HaLRGB frame μας και ελέγχουμε το ιστόγραμμα μας.

34 Βήμα 9 Ενισχύουμε τα σκοτεινά νέφη στις σπείρες του γαλαξία με το DarkStructureEnhance script.

35 Βήμα 10 Το επόμενο βήμα είναι η μείωση του θορύβου στο ΗaLRGB frame μας κάνοντας χρήση του MultiscaleMedianTransform process. Βήμα 11 Συνεχίζουμε με αφαίρεση του chrominance θορύβου κάνοντας χρήση της lightness mask στο ACDNR process.

36

37 Βήμα 12 Προχωράμε με το sharpening κάνοντας χρήση του MultiscaleMedianTransform process. Βήμα 13 Φτάσαμε στο τελευταίο βήμα. Είμαστε έτοιμοι να δημοσιεύσουμε τη φωτογραφία μας στο διαδίκτυο αφού πρώτα την αποθηκεύσουμε σαν jpeg ή png format. Μπορείτε να δείτε την τελική φωτογραφία του Μ31 εδώ Εδώ φτάσαμε στο τέλος αυτού του οδηγού. Ελπίζω να σας φανεί χρήσιμος και να ξέρετε ότι κάθε στόχος έχει τις ιδιαιτερότητες του και ο οδηγός αυτός δεν είναι απόλυτος. Σας ευχαριστώ και καθαρούς ουρανούς!!!!