Download Un nuevo enfoque a la combinación de banda ancha y banda

Un nuevo enfoque a la combinación de banda
ancha y banda estrecha de datos Parte I: descripción
del algoritmo
Por Vicent Peris (PTeam)
de datos RAW original adquirido por Jack Harvey, SSRO / INMEDIATA
Introducción
En este documento voy a explicar una nueva H-alpha / RGB método de combinación. He desarrollado este método con dos objetivos
prioritarios: un máximo de H-alfa conservación de la información y de control no lineal estrella de tamaño. Estas son las principales
características de este nuevo algoritmo:

Totalmente controlable mejora de las imágenes de las emisiones de línea.

Una representación precisa de las emisiones de la línea de los dos objetos y continuo de las
emisiones.

Mínima relación señal-ruido de la degradación de datos de banda estrecha.

Estrella efectiva reducción de brillo.

Flujo de trabajo totalmente automatizable con resultados consistentes.
Dado que el algoritmo puede ser fácilmente automatizado, que será implementado como un módulo PixInsight tan pronto como sea
posible. En este artículo vamos a hablar de la combinación de H-alfa imágenes con datos RGB, pero esta técnica se puede aplicar a otras
líneas de emisión como así. El futuro desarrollo de este método incluyen la combinación de diferentes imágenes de banda estrecha y banda
ancha. Como he dicho en el primer párrafo, este método ofrece una solución a los dos grandes problemas que la imagen de banda estrecha
siempre ha tenido. Vamos a explicar la forma de resolver ambos problemas en dos secciones separadas.
Este artículo se basa en experimentos realizados con una imagen de NGC 2074 adquirió a través de H-alfa y los filtros RGB de Jack Harvey,
de la estrella del equipo remoto Observatorio de las Sombras (SSRO) , desde su ubicación en el Cerro Tololo Inter-American Observatory
(CTIO) , en Chile. Muchas gracias a Jack por dejarme usar sus datos en bruto, este método no se han elaborado sin su colaboración.
En la figura 1 se puede ver un ejemplo de los resultados que se pueden lograr con el algoritmo descrito en este documento.
Figura 1 - NGC 2074 la imagen HaRGB obtenidos con el algoritmo descrito en este artículo. Procesamiento de imágenes realizadas en la
plataforma PixInsight. Los datos brutos adquiridos por Jack Harvey ( SSRO / INMEDIATA ) de CTIO (Chile) con un telescopio de 16
pulgadas RCO.
Los datos de banda ancha original de esta imagen es de una calidad excepcional. Para fines de demostración, una versión más ruidoso de la
imagen de R ha sido creado artificialmente. Como se muestra en la Figura 2, una mezcla sintética de Gauss y el ruido de Poisson ha sido
añadido a la imagen original lineal, lo que nos ha permitido trabajar con una simulación de imágenes de banda ancha adquiridos bajo
condiciones más comunes (más pobres).
Figura 2 - Incorporación de ruido de síntesis a la imagen original de color rojo lineal.
Mouseover: [ Original R imagen ] [ Alta de Gauss y el ruido de Poisson ]
El problema de tener todo junto
Varios métodos han sido diseñados para combinar H-alfa y los datos RGB con resultados positivos. Un método consiste en tomar el
resultado de un operador de máxima aplicada a la H-alfa e imágenes de color rojo. Este operador produce el valor máximo de cada par de
píxeles en las mismas coordenadas. En este caso, el operador proporciona la máxima estrella formas correctas e intensidades, guardando
así las luminosidades de las estrellas más débiles en el componente de banda estrecha.
Figura 3 - La combinación de los números rojos y los componentes de H-alfa con el operador.
Mouseover:
[ imagen de Red ]
[ H-alfa de la imagen ]
[ máximo de R y
(H-alpha + 0.001) ]
Como se ve en la figura 3, el operador máximo funciona muy bien para fijar la intensidad de estrellas, pero tiene un inconveniente
importante: las transferencias de una parte del ruido de la imagen de banda ancha a la imagen de banda estrecha de lo contrario
inmaculada. Por otro lado, el operador máximo no funcionará correctamente si el nivel de brillo y la iluminación de fondo en la imagen de
banda estrecha no se ajustan perfectamente a las mismas propiedades de la imagen de banda ancha.
Otro método consiste en mezclar las dos imágenes, por lo general toma una mayor contribución de la imagen de banda estrecha. Se ilustra
esta técnica en la Figura 4.
Figura 4 - Mezclar el rojo y los componentes de H-alfa en proporciones combinan diferentes.
Mouseover:
[ imagen de Red ]
[ H-alfa de la imagen ]
[ 20% Rojo + 80% H-alpha ]
[ 50% Rojo + 50% H-alpha ]
Por supuesto, esta opción es muy malo , ya que no proporciona una solución para cualquier cosa: que no se recupera el brillo adecuado de
las estrellas, y se degrada terriblemente la relación señal-ruido de las nebulosas.
Un nuevo enfoque de la combinación de datos de banda ancha y banda estrecha
En el mundo algorítmico, el mejor ciudadano es a menudo más simple ciudadano. Nuestra técnica de combinar los datos de banda ancha y
banda estrecha es simple, directo, sólido y eficaz. Simple y aquí significa realmente sencilla . Durante el desarrollo de este método, la
atención se ha puesto especial cuidado para evitar el uso de máscaras complejas, lo cual sería un serio obstáculo para su automatización.
Como hemos dicho antes, nuestro método evita la combinación de datos de ruido de banda ancha con alta calidad de los datos de banda
estrecha. Para este propósito, el primer paso es generar lo que llamamos un mapa continuo . Como el objetivo de combinar los datos de
banda ancha y banda estrecha para lograr una buena representación cromática de espectro de líneas y objetos continuo del espectro, la
clave aquí es conocer la imagen características provienen de las emisiones de continuidad y que las características corresponden a las
emisiones de la línea. Podemos separar los dos tipos de emisiones por medio de una simple división entre las imágenes de banda ancha y
banda estrecha:
C=B/N
donde: C = continuo mapa B = banda ancha la imagen N = imagen de banda estrecha Como usted sabe, las estrellas parecen mucho más
débil en las imágenes de banda estrecha a banda ancha en las imágenes. Esto se debe a un filtro de banda estrecha es transparente sólo a
una pequeña porción de la luz emitida por esos objetos. Pero la línea de emisión de los objetos, que sólo emiten en banda pasante del filtro,
no se silencian en absoluto. A raíz de esta relación entre la banda ancha y banda estrecha imágenes, podemos separar los dos tipos de
emisión con gran precisión. La división anterior entre las dos imágenes nos permitirá saber cuántas veces los objetos de espectro continuo
se han atenuado por el filtro de banda estrecha. La imagen resultante es un mapa continuo . Figura 5 se muestra un ejemplo, y la Figura 6
muestra cómo el mapa continuo es capaz de revelar estrellas muy pequeño dentro de la nebulosa.
Figura 5 - El rojo y H-alfa y el mapa continuo correspondientes, con el ajuste de histograma mismo se aplica.
Mouseover:
[ imagen de Red ]
[ H-alfa de la imagen ]
[ Continuo mapa ]
Figura 6 - Igual que la comparación en la figura 5, en una cosecha grande. El mapa continuo muestra muchas estrellas débiles que estaban
ocultas por una fuerte nubosidad H-alfa.
Mouseover:
[ imagen de Red ]
[ H-alfa de la imagen ]
[ Continuo mapa ]
Como hemos dicho antes, para preservar el equilibrio de color de las estrellas y la profundidad de la imagen de banda estrecha,
comúnmente utilizado métodos que acabamos de mezclar las dos imágenes . Nuestro enfoque para este problema es mucho más limpio, ya
que no se mezclan las dos imágenes, por lo que no contaminen la imagen de banda estrecha de alta calidad con el ruido de la imagen de
banda ancha. Vamos a construir una imagen sintética de banda ancha de la imagen de banda estrecha. De la primera ecuación, podemos
calcular la imagen de la banda ancha como:
B=N*C
Por lo tanto, multiplicando la imagen de banda estrecha con el mapa continuo, se obtiene la imagen de banda ancha sintéticos. Por
supuesto, tal como se expresa por encima de esta operación sería inútil, porque acaba de duplicar la imagen de banda ancha original. Lo
que necesitamos es emular la intensidad de todas las estructuras importantes de la imagen de banda ancha: no queremos saber el píxel a
píxel relación de intensidad entre las dos imágenes, pero la estructura a la estructura de relación. Esta es la razón por la que se multiplican
la imagen de banda estrecha con un mapa continuo a la que hemos aplicado una reducción de ruido relativamente fuerte. En la figura 7 se
muestra un ejemplo de esta reducción de ruido.
Figura 7 - Comparación entre los mapas originales y continuo denoised.
Mouseover: [ mapa continuo original ] [ mapa continuo Denoised ]
Como puede ver, debido a la mala señal a ruido de la imagen de R en este caso-recordemos que el ruido añadido deliberadamente sintética
para simular las condiciones comunes de adquisición-, nos vimos obligados a aplicar una reducción de ruido muy agresivos en el mapa
continuo. Esto tuvo un efecto adverso sobre el contraste de muchas estrellas débiles. Como resultado, la multiplicación de la imagen de Halfa en el mapa denoised no se recuperó por completo el equilibrio de color para todas las estrellas en la imagen de este ejemplo. Para
superar este problema, aplicamos el método iterativo: después de multiplicar la imagen de H-alfa se obtiene un mapa continuo en segundo
lugar, luego se aplica una reducción del ruido y la segunda hacer una segunda transformación de la imagen, y así sucesivamente. La figura 8
muestra el resultado de esta multiplicación iterativa de la imagen de banda estrecha de los sucesivos mapas continuo denoised.
Figura 8 - Iterativo multiplicación de la imagen de H-alfa por los mapas continuo denoised.
Mouseover: [ Imagen original R ] [ original H-alfa de la imagen ] [ R sintético, una iteración ] [ R sintético, 2 iteraciones ] [ R sintéticos, 3
repeticiones ]
Como se puede ver en ambas figuras, la imagen sintética de color rojo representa lo mejor de ambas técnicas de imagen: buenos colores de
las estrellas y una alta relación señal-ruido en las nebulosas. Algunas de las estructuras de la nebulosa tiene menos diferencia de ahora,
pero no te preocupes porque esto será superado en la siguiente sección. Esta imagen sintética de color rojo se utiliza para crear, junto con
las imágenes verde y azul, la composición de color RGB. Preste especial atención cuando se compara la imagen resultante a la original de la
imagen RGB, en las figuras 9 y 10. Finalmente, la Figura 11 se comparan los resultados de nuestro nuevo método de combinación HaRGB, el
operador de máxima, y el método de combinación de canales de mezcla.
Figura 9 - Imagen original RGB en comparación con la imagen HaRGB obtenidos con este método.
Mouseover: [ Imagen original RGB ] [ imagen de Nuestra HaRGB ]
Figura 10 - La misma comparación que en la Figura 9, en una cosecha grande.
Mouseover:
[ Imagen original RGB ]
[ Nuestra imagen HaRGB ]
Figura 11 - Nuestro nuevo método de combinación HaRGB en comparación con el operador máximo y el método de canal de mezcla.
Mouseover: [ HaRGB, nuestro método ] [ HaRGB, operador de máxima ] [ HaRGB, 50% / 50% de mezcla de color rojo y H-alfa ]
Figura 12 - La misma comparación que en la figura 11, en una cosecha grande.
Mouseover:
[ HaRGB, nuestro método ]
[ HaRGB, operador de máxima ]
[ HaRGB, 50% / 50% de mezcla de color rojo y H-alfa ]
Ahora tenemos una verdadera imagen HaRGB compuesto, sin degradación de la relación señal-ruido, y con un equilibrio de color correcto.
Nuestro primer problema ha sido resuelto, así que vamos a ver cómo vamos a resolver el segundo.
Una vez más, el problema de rango dinámico
Vamos a describir ahora la segunda parte de nuestro algoritmo. Aquí vamos a resolver el problema del tamaño de estrellas, aumentando la
señal de H-alfa, y recuperando el contraste de las estructuras de la nebulosa. Tal vez uno de los principales problemas que surgen cuando la
combinación de imágenes de banda estrecha y banda ancha es la estrella de tamaños diferentes en ambos tipos de imágenes. Imagen de
banda estrecha, no sólo sirve como método para luchar contra la contaminación lumínica, sino que también da a conocer datos que, en la
mayoría de los casos, se pierde en campos estelares densos. Como bloques de banda estrecha filtro toda la luz excepto la luz emitida por el
objeto de interés (emisión H-alfa en nuestro ejemplo de trabajo), todas las estrellas en la imagen aparecen mucho más débil. Echemos un
vistazo a los rojos y H- alfa imágenes de nuevo, en la Figura 13, después de un ajuste de los tonos medios. Ambas imágenes ofrecen la
misma luminosidad intensidades de luz equivalentes: hemos corregido para las diferentes exposiciones y los niveles de fondo de
iluminación. Podemos ver gracias a una función de transferencia de medios tonos no lineal.
Figura 13 - El rojo (izquierda) y H-alfa (derecha), después de aplicar la misma función no lineal de transferencia de medios tonos.
Por supuesto, las estrellas parecen mucho más grandes en la imagen de banda ancha (Figura 13, izquierda). Pero vamos a comparar la
imagen lineal en bruto en la Figura 14: de hecho, los tamaños de estrellas, son casi las mismas en ambos (banda ancha y estrecha)
imágenes lineales! Entonces, ¿cuál es exactamente el problema real con las estrellas, cuando la combinación de datos de banda estrecha y
banda ancha?
Figura 14 - El lineal (prima) de color rojo y H-alfa imágenes. La principal diferencia entre las estrellas en las dos imágenes no está en su
tamaño, pero en su brillo.
Mouseover:
[ imagen lineal de color rojo ]
[ lineal H-alfa de la imagen ]
Como el título de esta sección lo indica, el problema es que, una vez más, el rango dinámico. En particular, la relación de brillo de las
estrellas de las nebulosas. Aquí está nuestro verdadero problema: si nos limitamos a combinar la investigación y las imágenes de H-alfa
para hacer una imagen en color, el resultado será más profunda de las nebulosas, pero todos esos preciosos pendientes de la nebulosa se
roban en la imagen resultante, debido a el campo de estrellas dominante. Uno de los objetivos de esta técnica es, por tanto, hacer hincapié
en los objetos de las emisiones de línea y al mismo tiempo, disminuir el protagonismo de las estrellas. Por supuesto, esto debe lograrse sin
afectar el balance de color de ambos tipos de objetos. Tenga esto en cuenta: no vamos a disminuir el tamaño de estrella, pero brillo de las
estrellas disminuye.
Impulsar la H-Alpha señal
Nuestro método para mejorar la H-alfa objetos en una imagen compuesta en color es bastante simple: vamos a hacer una imagen en color
en segundo lugar, pero esta vez el canal rojo será el puro H-alfa de la imagen. Vamos a multiplicar la imagen de H-alfa por un factor dado,
como se ilustra en la figura 15.
Figura 15 - El lineal H-alfa de la imagen, multiplicada por varias constantes.
Mouseover:
[x1]
[x2]
[x4]
[x8]
A continuación haremos un compuesto RGB con esta nueva imagen. Para este ejemplo, vamos a utilizar un factor de multiplicación de 12,
como se ve en la Figura 16. Ahora bien, si se aplica un ajuste de histograma, la imagen se vuelve muy rojo, como se esperaba.
Figura 16 - El Ha (x12) GB imagen lineal, antes y después de una función de transferencia de medios tonos.
Mouseover:
[ lineal HaGB compuesto ]
[ HaGB compuesto con una función de transferencia de medios tonos de 0.015 ]
No se asuste, porque vamos a corregir esta imagen con la crominancia nuestra maravillosamente profundo y sin ruidos. Una condición
previa para obtener una buena transferencia de crominancia entre dos imágenes es tener una buena correspondencia entre las
luminancias. En primer lugar, debemos aplicar el mismo ajuste de histograma de las imágenes y HaRGB HaGB. En segundo lugar, vamos a
asignar un espacio de trabajo RGB lineal (RGBWS) a ambas imágenes. Una lineal RGBWS tiene un valor gamma de 1,0. En un RGBWS lineal,
se obtiene mucho más plano luminancias, como puede comprobarse en las Figuras 17 y 18.
Figura 17 - La luminancia de la imagen HaGB en diferentes espacios de trabajo RGB.
Mouseover:
[ luminancia HaGB compuesto, gamma = 2,2 ]
[ luminancia HaGB compuesto, gamma = 1,0 (lineal RGBWS) ]
Figura 18 - La luminancia de la imagen HaRGB en diferentes espacios de trabajo RGB. Tenga en cuenta que con gamma = 2,2, hay una
diferencia significativa entre la luminancia y la luminancia HaRGB HaGB (ver Figura 17). Sin embargo, con gamma = 1,0 tanto luminancias
son muy similares.
Mouseover:
[ luminancia HaRGB compuesto, gamma = 2,2 ]
[ luminancia HaRGB compuesto, gamma = 1,0 (lineal RGBWS) ]
Una vez que tenemos el mejor ajuste entre ambas luminancias, vamos a transferir el CIE a * b * y CIE componentes de la resina en el
compuesto HaGB HaRGB. La corrección de color la imagen resultante se puede ver en la Figura 19.
Figura 19 - corrección de crominancia. El CIE a * b * componentes (en el CIE L * a * b * espacio) han sido transferidos de la imagen HaRGB
al compuesto HaGB.
Mouseover:
[ original HaGB imagen ]
[ HaRGB imagen ]
[ imagen de color corregido HaGB ]
Finalmente, para ilustrar mejor el efecto de H-alfa aumentar, vamos a analizar la secuencia que se muestra en la Figura 20. Como usted
probablemente ha señalado, más grande H-alfa, aumenta causa una pérdida de contraste en los aspectos más destacados. La corrección de
este efecto adverso es muy fácil con la alta dinámica algoritmo Wavelet rango de transformación, que ha sido implementado como
herramienta HDRWaveletTransform en PixInsight. La figura 20 muestra los resultados de varios factores de impulso aplicado con algunos
pasos de procesamiento fácil: HDR wavelets, RGB y ajustes de saturación de color curvas.
Figura 20 - La imagen final de HaGB compuesto con diferentes factores de H-alfa aumentar.
Mouseover:
[ Imagen original HaRGB ]
[ Ha impulsar factor: x 2 ]
[ Ha impulsar factor: x 4 ]
[ Ha impulsar factor: × 6 ]
[ Ha impulsar factor: × 8 ]
[ Ha impulsar factor: x 10 ]
[ Ha impulsar factor: × 12 ]