Detalhes Técnicos
Registro
Alinhamento
Grupos de Arquivos
Integração
Métodos de Integração
Método de Drizzle
Integração de Cometas
Processo de desenvolvimento de imagens RAW
Registro
Detecção
de estrelas
Para cada fotografia o
DeepSkyStacker vai buscar detectar automaticamente as estrelas.
De forma simplificada, o DeepSkyStacker considera cada estrela pontualmente como um objeto arredondado,
cuja luminância reduz regularmente em todas as direções,
e cujo raio não é superior a 50 pixels. Observar que o DeepSkyStacker rejeitará eventual estrelas alongadas que podem ocorrer caso a montagem do telescópio não realizar uma boa guiagem.
Uma vez que uma estrela é detectada seu centro exato é calculado
através de uma curva de Gauss, ajustada para a variação da luminância.
O DeepSkyStacker somente irá integrar um conjunto de fotografias que contenha oito estrelas em comum em todas as imagens (Light Frames). Na prática isso significa que você deve
ajustar o parâmetro de detecção de estrelas (threshold) em "Configurações/Configurações de Registro" ou "Configurações/Imagens verificadas/Configurações de registro" caixa de diálogo
"Configurações/Avançada" de modo que o DeepSkyStacker detecte 20 ou mais estrelas, assim com boa chance de encontrar as oito estrelas em comum nas imagens Light Frames.
A aplicação dos Darks, Flats e Bias/Offsets
é realizada antes do registro
Se as fotografias das imagens Dark, Flat e/ou Bias/Offset forem verificadas,
automaticamente elas serão aplicadas antes do processo do registro.
No caso de Light Frames contendo grande quantidade de pixels quentes, é altamente recomendaddo verificar as imagens Dark Frame para evitar
detecção de falsas estrelas que irão perturbar fortemente o alinhamento das imagens.
Detecção Automática dos Pixels Quentes
Opcionalmente o DeepSkyStacker tenta detectar pixels quentes durante
o processo de registro buscando evitar a detecção de falsas estrelas.
Observar que esta opção somente funciona com imagens monocromáticas e para imagens RAW quando nos modos de interpolação Super-pixels,
Bayer.Drizzle, bilinear e AHD.
Ajustando o
threshold de detecção das estrelas
O threshold de detecção das estrelas tem por default o valor de 10% (10% de máxima luminância).
Reduzindo
o valor do threshold de detecção das estrelas irá resultar no DeepSkyStacker encontrando
mais estrelas tênues ou esmaecidas, por outro lado aumentando
o valor do threshold, somente estrelas brilhantes serão detectadas assim, isso irá
reduzir o número de estrelas encontradas.
Se você ajustou o valor de threshold para muito baixo e ainda assim o DeepSkyStacker
não está encontrando uma quantidade suficiente de estrelas deve ser porque a imagem está com sub-exposição, você deve ajustar o brilho da imagem
utilizando o parâmetro de "Brilho" na caixa de diálogo de Configuração de Raw/FITS DDP.
Se as suas imagens possuem muito ruído (por exemplo: devido a poluição luminosa) pode ser necessário ativar
a opção de "Reduzir o ruído usando um filtro médio".
Para ajudar você a encontrar o melhor valor de threshold para detecção das estrelas de suas fotografias astronômicas (Light Frames) você
pode calcular o número de estrelas que serão detectadas. Para fazer isso o DeepSkyStacker
utiliza a primeira imagem astronômica verificada (Light Frame) e temporáriamente ativa a detecção de pixel quente.
Deve-se observar que que esse valor é apenas uma estimativa inicial para guia e que o número real de estrelas detectadas
pode variar em função de ter verificado as imagens Dark, Flat e Bias/Offset.
Você pode alterar o valor do threshold de detecção das estrelas na caixa de diálogo Avançado do "Registro de imagens verificadas/Configurações de Registro"
ou selecionando "Configurações/Configurações de Registro".
Ajustando o threshold para um valor muito baixo, muitas centenas de estrelas serão detectadas e poderá ser contra-produtivo por ser necessário processar
maior quantidade de dados para registro das estrelas
e no caso de muitas estrelas serem encontradas é grande a chance de ocorrer erro de registro.
Você deve procurar ajustar para uma faixa de cerca de 20-25 na imagem e não maisdo que uma centena ou algo assim.
Registrando os resultados
O
registro dos resultados (número de estrelas detectadas, posição, luminância de cada estrela)
sao salvos num arquivo de texto com o nome do arquivo da fotografia e com a extencao .Info.txt.
Assim não é necessário registrar as imagens novamente nos futuros processos de Integração.
Registro de resultados e Parâmetros
O registro dos resultados é muito dependente das atribuições dos parâmetros (especialmente
os parâmentros de desenvolvimento do formato RAW).
Se esses parâmetros forem modificados é necessário registrar novamente as fotografias.
Integrando
depois de registrar
DeepSkyStacker pode encadear a sequência dos processos de registro e integração. Você apenas tem que dar
uma percentagem de fotos que deseja manter ate ao fim do
processo do registro para se dar inicio ao processo de integração.
Somente as melhores fotografias
serão usadas no processo de integração.
Esta funcionalidade permite a realização de todo o processo automaticamente, podendo ir dormir sabendo que
quando levantar podera ter o resultado final da integração.
Alinhamento
Deslocamentos (offsets)
e análise computacional angular
Durante o processo de alinhamento as melhores fotos (as fotos com as melhores contagens de estrelas)
sao usadas como fotografias de referência, a nao ser que seja escolhida uma fotografia como referência
usando o contexto do menu.
Todos os deslocamentos e ângulos de rotação são analizados relativamente a essa fotografia de
referência.
Os deslocamentos são ângulos de rotação calculados pelos algoritmos permitindo identificar os padrões de estrelas nas
fotografias.
Numa linguagem mais técnica os algoritmos procuram pelos maiores arranjos triangulares nos quais
as distâncias dos lados (e as medindas dos ângulos) são os mais próximos/fechados.
Quando um número suficiente desses triângulos são detectados entre a fotografia de referência
e a fotografia a ser alinhada, os deslocamentos e ângulos de rotação são calculados e
validados usando o método dos mínimos quadrados.
Dependendo do número de estrelas pode ser usado o método biquadrado ou bilinear.
Para maiores informações a respeito dos algoritmos que me serviram de inspiração para desenvolver o
DeepSkyStacker, consultar os sites:
FOCAS Automatic Catalog Matching Algorithms
Pattern
Matching with Differential Voting and Median Transformation Derivation
Uso automático dos deslocamentos e ângulos calculados préviamente
DeepSkyStacker salva todas as transformações entre a fotografia de referência
e todas as outras fotografias, para que não seja necessário fazer o recálculo
dessas informações, se não tenha sido modificado o registro desse conjunto de imagens.
Essa informação é salva com o nome do arquivo da fotografia de referência (e na mesma
pasta) com a extensão de arquivo .stackinfo.txt.
Grupos de Arquivos
Grupos de arquivos
pode ser usado para simplificar a gestão de arquivos, na situação de se obter conjuntos de imagens em múltiplas sessões noturnas do mesmo objeto,
por agrupar lógicamente os arquivos de cada sessão de imagens.
Se você usar somente o Grupo Principal no DeepSkyStacker, ele vai funcionar exatamente da mesma forma
anterior a introdução dos "Arquivos de Grupo".
Existem dois tipos de grupos de arquivos: o Grupo Principal e todos os outros grupos.
Fotografias do objeto fotografado (Light Frames) do Grupo Principal estão
associadas somente aos arquivos tipo Dark, Flat e Bias/Offset do Grupo
Principal isto é da pasta de arquivo desse grupo.
Estes é o procedimento normal do DeepSkyStacker anteriormente a introdução do "Grupo de Arquivos".
Os arquivos de fotografias tipo Dark, Flat e Offset/Bias Frames do Grupo Principal podem ser associados as fotografias do objeto astronômico (Light Frames) de qualquer outro grupo (ou pasta de arquivo) de outra sessão de imagens.
E as fotografias tipo Dark, Flat Bias/Offset de outras sessões de images devem estar associadas apenas às fotografias (Light Frames) da mesma sessão de imagens (ou outra pasta de arquivos de grupo).
Pode se criar o número de arquivos de grupo que quiser,
sabendo que cada arquivo vai pertencer somente à aquele grupo de arquivos, seguindo a regra de associação acima enunciada.
Quando DeepSkyStacker é iniciado, apenas a pasta do "Grupo Principal" está disponível. Logo que começar a adicionar arquivos a ele,
ou a última pasta de grupo disponível, outra pasta de grupo será criada e assim sucessivamente.
Por exemplo:
Você fotografa o mesmo objeto astronômico durante duas noites seguidas.
Para cada noite você obtem um conjunto de fotografias do tipo Light, Dark e Flat, mas a temperatura não é a mesma,
assim as fotografias dos Darks não são compatíveis, a orientação das estrelas (movimento angular)
são imperceptívelmente diferentes nas imagens e também são diferentes os Flat Frames entre as noites.
Para associar cada fotografia Light Frame com o as fotografias de Dark e Flat compatíveis é necessário apenas
colocar todas as fotografias de Light+Dark+Flat desta primeira noite num primeiro arquivo de grupo e
todas as outras de Light+Dark+Flat da segunda noite num segundo arquivo de grupo.
Apenas as fotografias de Bias/Offset que sao comuns as duas noites deverão ser colocadas no
Grupo Principal.
DeepSkyStacker automaticamente associa as fotografia da primeira noite
com os Darks e Flat dessa noite, fazendo o mesmo com as fotografias e darks e flats da segunda noite.
O Bias/Offset do grupo principal será associados as fotografias
da primeira e segunda noite.
Integração
Calibração
do painel de fundo (background)
Esta calibração consiste em normalizar os valor de Background de cada fotografia antes de serem integradas.
O valor do background é definido como a média dos valores de todos os pixels
da fotografia.
Existem duas opções disponíveis:
1 - Calibração de Background por canal nesta opção o background de cada canal é ajustado separadamente para combinar com o valor de background de cada canal da fotografia de referência.
2 - Calibração de
canais RGB as três cores vermelho,
verde e azul
de cada fotografia Light Frame são normalizados para os mesmos valores do background, o qual é o mínimo de três
valores de medianas (um por cada canal), calculados para a
fotografia de referência. Em cima criam-se imagens compativeis(stacking wise) esta
opção tambem permite criar um background de cinzentos neutros. Um efeito colateral é que o nível de saturação
da imagem integrada é muito baixo (aparência de cinzentos esmaecidos - greyscale look).
É muito importante selecionar uma dessas opções, quando usando os métodos de "Kappa-Sigma Clipping" ou "Kappa-Sigma Clipping Mediano", para assegurar
que todas as imagens possuem a normalização do painel de fundo para o mesmo valor de background para o processo de integração.
Calibração Automática das Flat Frames
O objetivo da calibração das Flat Frames é equalizar a diferença de luminosidade entre as Flat Frames, antes de serem combinadas
como uma master Flat.
A primeira fotografia de Flat Frame é usado como referência. As outras fotografias são
normalizadas para combinar com os niveis de luminosidade média e os limites dinâmicos da Flat de referência.
Detecção Automática e Remoção dos pixels quentes
Tem por objetivo fazer a detecção automática e substituir os
pixels quentes com valores calculados a partir dos pixels vizinhos que estão bons.
Inicialmente os pixels quentes são identificados pela análise das imagens de Dark Frames (ou do master Dark Frame se disponível).
Todo o pixel cujo valor é superior ao da [ mediana ] + 16 x [desvio padrão calculado] ou sigma, é marcado como um pixel quente.
Para todos esses pixels o valor na imagem calibrada (após os processos de subtração da Bias/Ofsset,
subtração da Dark Frame e divisão pelo Flat) são interpolados a partir dos valores dos pixels vizinhos.
Detecção automática e remoção
de artefatos
Em algumas câmeras monocromáticas algumas colunas no chip de CCD podem estar apagadas
ou completamente saturadas devido a contaminação pela presença de pixels quentes.
A detecção e remoção dessas colunas com artefatos pode ser usada nesses casos.
O algoritmo detecta um pixel de largura na linha vertical que está ou saturado ou completamente morto e lida com essas linhas como se fossem pixels quentes,
substituindo por valores interpolados dos pixels vizinhos.
Subtração do Dark Frame baseada na Entropia
A subtração do Dark Frame pode ser opcionalmente otimizada, resultando em uma imagem final (Light Frame menos a Dark Frame) com a Entropia minimizada,
através da aplicação de um coeficiente entre 0 e 1 no Dark Frame.
O objetivo dessa otimização é a possibilidade de usar imagens de Dark Frames obtidas em condições não ótimas (especialmente considerando a temperatura do chip da câmera).
Se quiser saber mais sobre este assunto consulte o documento:
Entropy-Based Dark Frame Subtraction
Processo de
Integração
O processo de integração do DeepSkyStacker é bem clássico.
Passo 1
Criação do Master de Bias/Offset através de todas as imagens Bias/Offset (de acordo com o
método selecionado).
Se mais do que uma imagem de Bia/Offset for selecionada, é criado um arquivo mestre (Master Bias/Offset) como
MasterOffset_ISOxxx.tif (formato TIFF 8, 16 or 32 bit) na pasta da primeira imagem de Bias/Offset.
Este arquivo pode ser usado como a única imagem de arquivo mestre de Bias/Offset na próxima vez.
Passo 2
Criação de um Master Dark através de todos os Dark Frames (de acordo com o
método selecionado). O Master Bias/Offset é subtraído de cada Dark Frame.
Se existe mais de que um Dark Frame selecionado, é criado um arquivo mestre (Master Dark) como
MasterDark_ISOxxx_yyys.tif (formato TIFF 8, 16 or 32 bit) na pasta do primeiro Dark Frame.
Este arquivo pode ser usado como o arquivo mestre de Dark Frame da próxima vez.
Criação de um master Dark Flat através de todos as imagens Dark Flats (de acordo com o
método selecionado). O Master Bias/Offset é subtraído de cada imagem Dark Flat.
Se exite mais do que um Dark Flat selecionado, é criado um Master Dark Flat como
MasterDarkFlat_ISOxxx_yyys.tif (formato TIFF 8, 16 or 32 bit) na pasta da primeira fotografia do Dark Flat.
Este arquivo pode ser usado como o arquivo mestre de Dark Flat Frame da próxima vez.
Passo 3
Criação de um Master Flat através de todos os Flat Frames (de acordo com o
método selecionado). O Master Bias/Offset e o Dark Flat são subtraídos de cada Flat Frames. O Master Flat é calibrado automáticamente.
Se existir mais que um Flat Frame selecionado, o Master Flat é criado como
MasterFlat_ISOxxx.tif (formato TIFF 8, 16 or 32 bit) na pasta do primeiro Flat Frame.
Este arquivo pode ser usado como o arquivo mestre de Flat Frame na próxima vez.
Passo 4
Cálculo de todos os deslocamentos (offsets) e rotações de todas as fotografias astronômicas (Light Frames) que serão integradas na imagem final.
Passo 5
A criação da fotografia final como resultado da integração através do método selecionado.
O Master Bias/Offset e o Master Dark são automáticamente subtraídos de cada fotografia e o resultado
é dividido pelo Master Flat calibrado.
Se a opção de remover os pixels quentes estiver ativada, o processo será aplicado conforme detalhado em "Detecção Automática e Remoção dos pixels quentes".
Passo 6
Quando o
Bayer drizzle é ativado, os três canais de RGB são normalizados
para evitar a falta de informação nesse processo.
Passo 7
A fotografia final é automaticamente salva no arquivo AutoSave.tif
que é criado na pasta da primeira fotografia astronômica (Light Frame).
Alinhamento do canais RGB
Quando
esta opção esta ativa o DeepSkyStacker tenta fazer o alinhamento dos três canais (RGB) para
reduzir o efeito de cores falsas entre os canais na imagem final.
O maior efeito visível desse procedimento é que as estrelas não são mais vistas como vermelhas de um lado e azul do outro.
Cada canal é registrado (as estrelas são detectadas) e a transformação é calculada
entre o melhor canal de cor e os outros dois canais restantes.
Esta transformação é aplicada aos outros dois canais restantes que são alinhados com o melhor canal.
Uso automático dos arquivos mestre (Master Files) criados préviamente
Os Master File existentes (tipo Dark, Bias/Offset, Flat e Dark Flat)
criados anteriormente a partir de listas de arquivos, são utilizados automaticamente no processo de integração sempre que for possível desde que:
- A lista de arquivos usados para os criar não tenha sido modificada.
- As configurações usadas para os criar não tenham sido modificadas. Aqui incluindo
a combinação dos métodos de processo e parâmetros empregados nas configurações dos formatos RAW ou FITS DDP, isto é, quando usados os arquivos RAW ou FITS.
Um arquivo no formato de texto, contendo os parâmetros e a lista dos arquivos usados para
criar a imagem mestre, é salvo na pasta dos arquivos de Master File.
O arquivo é nomeado com o tipo de Master File criado e com a extenção .Description.txt
Quando a descrição deste arquivo não corresponder com as novas configurações, os Master Files serão
automaticamente criados de novo.
Esta característica é transparente para o usuário, que percebe apenas o processamento mais rápido dos dados,
ao não ser necessário a criação de novos arquivos mestre.
Usando um retângulo personalizado
Você pode optar por usar no DeepSkyStacker a ferramenta de redimensionamento através do "retângulo personalizado"
definindo a posição e o tamanho da fotografia final.
Inicialmente, você precisa visualizar a imagem selecionando-a de uma lista de arquivos. Você pode selecionar qualquer imagem, no entanto uma vez que você está
definindo um retângulo que será visível na imagem final, você deve selecionar a fotografia de referência (Light Frame) do objeto astronômico (aquela com a maior pontuação
ou aquela que você decidiu para ser a referência utilizando contexto do menu.
Agora, selecione a área retangular na imagem que você vai usar como modelo de retângulo personalizado.
Quando iniciar o processo de integração, o retângulo personalizado que você criou será utilizado como default no processo de integração.
Esta opção poderá ser de grande ajuda e utilitária quando usada com
a opção Drizzle que duplica ou triplica o tamanho da imagem final,
exigindo muito mais memória e espaço em disco durante o processo de integração.
De fato, quando empregamos o retângulo personalizado, o DeepSkyStacker apenas usará memória e espaço em disco necessários paras as operações com essa menor dimensão de imagem final.
Métodos de Integração
Média
Este é o método mais simples. É calculada a média dos pixels de todas as fotografias a serem integradas para cada pixel.
Mediana
Este é o método usual quando se utiliza a criação dos Masters Dark, Flats e
Bias/Offset. É calculada a mediana dos pixels de todas as fotografias a serem integradas para cada pixel.
Máximo
Este é um método extremamente simples e deve ser utilizado com muito cuidado.
É feita uma busca do valor máximo dos pixels de todas fotografias a serem integradas para cada pixel.
Pode ser útil para encontar algum erro na integração ao mostrar todos os defeitos
de todas as imagens calibradas.
Monitoramento com Kappa-Sigma
Este método o "Kappa Sigma Clipping" é usado para rejeitar o desvio dos pixels interativamente.
São usados dois parâmetros : o números de iterações e o multiplicador do desvio padrão normal(Kappa).
Monitoramento da mediana com o Kappa-Sigma
Este método é similar ao Monitoramento com o Kappa-Sigma anterior, mas em vez de
rejeitar empregando o desvio padrão dos valores dos pixels, os substitui pela mediana dos valores dos pixels.
Média Ponderal Auto Adaptativa
Ess método "Auto Adaptive Weighted Average" é adaptado do trabalho de Dr.
Peter B. Stetson (veja The Techniques of Least Squares and Stellar Photometry
with CCDs - Peter B. Stetson 1989).
Consiste em calcular uma média robusta, através de processo interativo de ponderação do valor de cada pixel em relação a uma média, comparativamente ao desvio padrão.
Média Ponderal da Entropia (High Dynamic Range)
Este método é baseado no trabalho de German, Jenkin e Lesperance (veja
Entropy-Based image merging - 2005) usado para integrar as fotografias buscando manter para cada pixel a melhor dinâmica.
É particularmente importante quando se integram fotografias com diferentes tempos de exposição
e diferentes Sensibilidades ISO, criando uma imagem média com a maior riqueza dinâmica possível.
Colocando de forma simples, evita-se a super-exposição do centro das nebulosas e galáxias.
Nota: este método exige uso intenso de memória RAM e de processador.
Método Drizzle
Drizzle é um método desenvolvido pela NASA para o
Hubble Space Telescope - HST.
O algoritmo é conhecido como a Reconstruçao Linear do Pixel Variável.
Tem um vasto leque de aplicações, entre outras, poder ser usado para melhorar a resolução de imagens integradas,
em comparação a resolução de uma simples imagem, enquanto preservando as suas características (cor, brilho).
Basicamente cada imagem é super amostrada antes de ser integrada, aumentando em 2 ou 3 vezes a sua dimensão (pode ser
qualquer valor superior a 1, mas o DeepSkyStacker somente propõe valores entre 2 or 3), projetando a imagem final sobre uma malha fina de pixels. |
|
Como e quando usar a opção de Drizzle |
|
Efeitos colaterais do método Drizzle
O maior efeito colateral de empregar o método Dizzle é a necessidade de muita memória RAM e espaço em disco para
criar e processar uma imagem, considerando para a mesma um aumento proporcional ao quadrado do fator de Drizzle.
Naturalmente, o tempo necessário para o processo também será muito longo.
Por exemplo, usando o fator de 2x para o método Drizzle, com uma imagem de 3000x2000 pixels, será criada uma
imagem de 6000x4000 pixels, pelo que precisará de 4 vezes mais de memória e espaço em disco.
No caso da opção do fator de 3x para o Drizzle, tudo é multiplicado por 9 (3 x 3) e
ao menos que você tenha tenha uma poderosa CPU, com bastante memória e espaço em disco disponível,
não use este método para as imagens obtidas com câmera DSLR.
Contudo, para algumas imagens pequenas (como as que são criadas pelas primeiras câmeras DSI e LPI),
pode fazer algum sentido usar a opção do método Drizzle com fator de 3 X para melhorar a resolução.
Uma boa forma para limitar o aumento da memória e espaço em disco para usar o método
Drizzle é usar o retângulo personalizado.
Drizzle e Bayer Drizzle
Embora haja quem use as duas funcionalidades no método Drizzle, a verdade é que não é
recomendável o seu uso. O DeepSkyStacker emite um aviso ao se tentar usar esta dupla funcionalidade.
Integração de Cometas
Os cometas são objetos que se movem rapidamente e quando
as imagens sao integradas em conjunto duas coisas podem acontecer:
- se o alinhamento entre as imagens for feito usando as estrelas, o cometa fica
fosco.
- se o alinhamento for feito pelo cometa as estrelas deixam pequenos rastros.
Começando na versao 3.0, do DeepSkyStacker, adicionei duas opções para integração de cometas:
- Criar uma imagem alinhada no cometa tendo como consequência a presença de rastro das estrelas
- Criar uma imagem alinhadas nas estrelas que não aparece o rastro das estrelas.
Aqui esta um exemplo de diferentes modos de integração (passe o mouse em cima do texto
para ver os resultados)
Integração do Cometa: com rastro das estrelas
|
![]() |
Para o fazer, selecione a fotografia na lista e use o
Modo de Edição do Cometa coloque o cometa no centro.
Se o centro do cometa esta muito longínquo ou demasiado brilhante pode forçar o DeepSkyStacker para
aceitar qualquer posição, pressionando a tecla Shift do teclado e posicionando o centro do cometa.
Agora salvar o resultado selecionando em Salvar alterações no botão da barra de ferramentas.
Se não quer que o DeepSkyStacker lhe faça a pergunta, acione a opção para salvar as alterações automaticamente.
Uma vez que a posição do cometa esteja referenciado e salva você começa a ver +(C) adicionado na contagem
de estrelas adicionadas a coluna #estrelas da lista.
Você tem que repetir esta operaçã para cada fotografia do cometa.
Dica Se a Data e o tempo das fotografias estão corretos (como é utilizado nas câmeras DSLRs e algumas CCD) você pode classificar a ordem das imagens por tempo/data e ajustar a posição do cometa apenas na primeira, última fotografia da lista e na fotografia de referência (aquela com a maior contagem de pontos se você não tiver utilizado o menu de contexto para selecionar outra imagem como referência) O DeepSkyStacker vai calcular automaticamente (antes de integrar) a posição do centro do cometa em todas as imagens do lapso de tempo em que não foram referenciadas. Para fazer isto, será usado o decorrer do tempo entre a primeira imagem e cada imagem para interpolar a posição do cometa. |
Passo 2: Selecionar o modo de Integração
Isto e feito na opção da Aba
Aba do Cometa disponível nos parâmetros da caixa de diálogo
de integração.
Esta Aba estara disponível se tiver no mínimo duas fotografias (incluindo a
fotografia de referência) e tenham sido registradas no cometa.
Desta Aba pode selecionar um dos três modos de integração para cometas.
Cometa composto e cometa sem imagem
O DeepSkyStacker usa imagens com o registro do cometa e imagens sem o
registro do cometa na mesma integração.
Isto é útil para obter um melhor sinal/ruído na imagem final
especialmente na obtenção de detalhes esmaecidos da imagem (por exemplo: quando o cometa
passa próximo de uma nebulosa ou galáxia).
Qual o método de integração usar
Se procura o método de rastro das estrelas, então o método da média é o melhor
método.
Nos outros casos use o método da Mediana para pequenos conjuntos de imagens a serem integradas e
Kappa-Sigma para grandes conjuntos de imagens a serem integradas.
Que resultados posso esperar
O mais recomendado dos algoritmos é o da integração do Cometa e das estrelas preferencialmente
com o efeito de "congelar a posição das estrelas" (ver: integração de cometas).
O movimento suave dos cometas é difícil de detectar ao aproximar de grandes objetos ou de grandes estrelas,
neste caso o processo de extração do cometa pode ser menos perfeito.
Em todos os casos, se fizer uma série de imagens da mesma área sem o cometa
(noite após noite) é possível melhorar subtancialmente a qualidade da imagem final.
Processo de desenvolvimento das imagens RAW
Arquivos
RAW decodificados
Os arquivos
RAW criados pelas câmeras DSLRs são decodificados usando LibRaw Copyright
© 2008-2019 LibRaw LLC,
o qual é baseado na biblioteca original DCRaw pelo Dave Coffin.
O DeepSkyStacker usa a última versão da biblioteca LibRaw
atualmente disponível, e vai fazer uma advertência caso
a sua câmera não for suportada.
Processo de desenvolvimento
de arquivos RAW
O
arquivo RAW é equivalente a um negativo digital. Assim, cada arquivo RAW precisa de
um processo de desenvolvimento para se obter a imagem colorida.
Existem dois tipos de arquivos RAW: os que utilizam a Matriz de Bayer (a maioria)
e os que não usam a Matriz de Bayer (por exemplo: os que usam o Chip da Foveon).
Nas explicações seguintes eu considerei apenas os arquivos RAW usando a Matriz de Bayer criados por câmeras DSLR.
Matriz de Bayer
Inicialmente uma pequena recordação do que ve a ser a Matriz de Bayer.
Quando se usa uma câmera DSLR, com chips tipo CMOS ou CCD contendo 8 mega-pixels, na realidade micro sensores no chip que retornam valores de preto e branco,
sobre estes é colada a Matriz de Bayer, que é de fato composta por um padrão de filtro de cores tipo RGBG ou CYMK na frente de cada pixel (outros padrões são possíveis).
No caso dos filtros de cores RGBG a fração de um quarto dos pixels vão capturar a cor
vermelho, mais um quarto dos pixels a cor azul
e a metade restante a cor verde.
Assim a câmera DSLR de 8 mega-pixels produz imagens com 2 milhões de pixels vermelhos, a
mesma quantidade de pixels azuis e 4 milhões de pixels verdes.
Como então as câmeras DSLRs criam as "verdadeiras" cores das imagens?
Muito simplesmente interpolando as cores primárias ausentes a partir dos pixels vizinhos.
Reconstrução da cor usando a Matriz de Bayer- Interpolação
O primeiro modo de reconstruir as cores da Matriz de Bayer é interpolar as cores primárias ausentes a partir dos pixels das zonas vizinhas. Existem muitos métodos de interpolação disponíveis produzindo maus e bons resultados (linear, gradiente...) mas no final todos eles degradam um pouco a qualidade da imagem por estimar qual deveria ser a cor ausente.
Quando cada fotografia tem as cores levemente borradas pelo processo de interpolação,
a integração de diversas fotografias resulta em imagem final com grande perda dos pequenos detalhes. |
![]() |
Reconstrução da cor usando a Matriz de Bayer - O Superpixel
Com a biblioteca DCRaw é possível ter acesso a Matriz de Bayer antes de qualquer interpolação. Deste modo é possível usar outros métodos para reconstrução das verdadeiras cores sem estimar as cores primárias ausentes. O método do Superpixel não faz a interpolação mas em vez disso cria um único superpixel de cada grupo de quatro pixels composto pelos canais RGBG.
|
![]() |
Reconstrução da cor usando a Matriz de Bayer - Bayer Drizzle
Este último método sugerido pelo Dave Coffin, usa a propriedade do processo de integração, para
calcular o verdadeiro valor RGB de cada pixel resultante individualmente, por empregar a deriva, ou movimento "natural", de cada pixel entre as imagens sucessivas. |
![]() |