ASTRONOMY OUTCAST : LES TUTORIELS

APP : débuter avec astro pixel processor
12 Août 2020

Présentation de l'interface et paramétrage

lobsang rampa
Partie 1 

Présentation générale de l'interface d'Astro Pixel Processor (Traduction française de l'aide d'APP)


0) RAW/FITS

(1) Paramètres de traitement d'image Bayer Color Filter Array (ou CFA) pour les données DSLR RAW & FITS


(2) Choisissez la matrice de bayer de votre capteur pour un dématriçage correct de vos données


   - Prise en charge:

Pour les images DLSR, le motif correct est automatiquement choisi. Pour les images FITS, cela dépend d'un mot clé FITS approprié dans l'en-tête fit. Si le mot-clé est manquant, APP utilisera le paramètre par défaut de RGGB.


   - RGGB, GBRG, BGGR, GRBG: 

Choisissez l'un de ces quatre modèles si le paramètre pris en charge n'est pas correct. Vous pouvez vérifier la différence en définissant un motif différent, puis en rechargeant l'image avec les options du mode de visionneuse d'images.


(3) Choisissez l'algorithme de dématriçage pour vos données Bayer ou X-Trans Color Filter Array (CFA).


Ces algorithmes ont une grande influence sur vos données qui se traduira par la qualité de vos résultats d'intégration.


Pour les données RVB, l'algorithme Adaptive Airy Disc (AAD) est fortement recommandé. Si vous avez utilisé un filtre à bande étroite avec votre caméra One Shot Color (OSC), choisissez l'algorithme à bande étroite approprié pour le filtre utilisé.


Tous les algorithmes ont une version Bayer et X-Trans, donc tous fonctionneront à la fois sur les données Bayer et X-Trans CFA.


   - no interpolation Cela vous montrera les données monochromes CFA sans interpolation.


   - Bilineare C'est l'algorithme de dématriçage le plus simple. Il donne des artefacts, brouille les détails et injecte beaucoup de bruit chromatique dans vos données par rapport aux autres options.


   - Adaptive Edge Il s'agit d'un algorithme de dématriçage avancé pour le traitement d'images de photographie normales. Il donne le moins d'artefacts le long des lignes de vos images, car il s'adapte aux bords contrastés.


   - Adaptive Airy Disc C'est un algorithme de dématriçage très avancé pour le traitement des images d'astrophotographie et donc l'algorithme par défaut dans APP. Cet algorithme est développé par Mabula, spécialement pour l'astrophotographie. Il performe mieux que tout autre algorithme (comme AHD, VNG). Il donne la meilleure résolution, le moins d'artefacts, le moins de bruit chromatique et les meilleures couleurs, en particulier, après l'étalonnage des couleurs d'arrière-plan et d'étoile de votre résultat d'intégration.


  


   - Super Pixel: l'algorithme Super Pixel sur les données Bayer CFA ne dématricera pas vos données, au lieu de cela, chaque bloc 2x2 CFA sur votre capteur sera remplacé par un bloc 1x1, où les valeurs R, G, B seront les valeurs qui ont été enregistrés par votre capteur dans le bloc 2x2 d'origine. Pour le vert, cela signifie la moyenne des 2 pixels verts cfa. Cependant, sur les données X-Trans CFA, toutes les données seront dématricées avec l'algorithme Adaptive Airy Disc, puis le binning logiciel 2x2 est appliqué pour émuler un mode Super Pixel, où la résolution est réduite avec un facteur de 2. L'algorithme Super Pixel réduira vos données par un facteur de 2, n'utilisez donc ce paramètre que si vous avez une raison claire de commencer à réduire l'échelle de vos données. Une raison pourrait être de faire une intégration à échelle réduite comme un aperçu de vos données. Veuillez noter que l'algorithme Super Pixel aura un effet dégradant important sur la qualité d'enregistrement de vos résultats, car les calculs du centre de gravité étoilé auront une incertitude beaucoup plus grande. L'algorithme Super Pixel supprime des informations précieuses.


   - Hydrogen Alpha / Bêta, Sulfur II, Oxygen III, Nitrogen II Vous pouvez directement dématricer des données à bande étroite, prises avec votre caméra One Shot Color (OSC). Si vous choisissez l'un de ces algorithmes, vous obtiendrez une exposition monochrome à bande étroite. Il n'est pas nécessaire de séparer d'abord les canaux. Cette méthode est supérieure à tout autre flux de travail utilisé dans le traitement de données à bande étroite prises avec une caméra OSC. Il préserve la résolution, qui a également l'avantage que l'enregistrement ne souffrira pas. Dans d'autres wokflow, le résultat de l'intégration est habituellement encore upscalé, en utilisant le drizzle, qui donnera un résultat final très bruité.


   - Ha-OIII couleur / mono / extract Ha / extract OIII: Ces algorithmes de dématriçage sont spécialement conçus pour les filtres dits multiples à bande étroite . Ces filtres vous permettent de capturer des données à bande étroite de Hydrogen Alpha et d'Oxygen III en même temps avec une caméra One Shot Color. Puisque vous capturerez des données, prises avec ces filtres, avec votre caméra OSC dans les canaux rouge, vert et bleu, il existe différentes manières de traiter les données. Vous pouvez simplement interpréter les données directement, car elles sont enregistrées en RVB (couleur Ha-OIII). Vous pouvez l'interpréter comme des données de luminance, donc monochrome (Ha-OIII mono). Vous pouvez même diriger, extraire directement les données Hydrogène alpha (extract Ha-OIII Ha) et Oxygène III (extract Ha-OIII OIII) de ces expositions, ce qui vous donnera beaucoup plus de contrôle en post-traitement.


L'algorithme couleur Ha-OIII est une amélioration du traitement des données prises avec des filtres à bande étroite multiple, par rapport à l'algorithme par défaut Adaptive Airy Disc (AAD). La qualité et la netteté des données OIII sont les mêmes, puisque l'algorithme AAD est parfait pour les données OIII qui ont des données dans les canaux vert et bleu. Cependant, pour les données Hydrogen alpha, l'algorithme A. ne convient pas. L'algorithme couleur HA-OIII traitera le total des données Hydrogen alpha, séparé des données OIII et donnera donc une bien meilleure reconstruction des données Hydrogen alpha par rapport à l'algorithme AAD. Le bruit dans vos données H-alpha sera beaucoup plus faible, donc dans les intégrations de plusieurs light, le rapport signal / bruit sera beaucoup plus élevé en conséquence.


(6) Ajuster le RGB multiplicateur si vous voulez définir votre propre balance des blancs.



1) LOAD

(1) Appuyez sur ce bouton pour ajouter des fichiers qui n'ont pas besoin d'être calibrés et / ou intégrés maintenant.


(2) Active le traitement Multi ChanneI / Filter.

Activez cette option si vous devez calibrer, enregistrer, normaliser et / ou intégrer des données prises avec différents filtres.

Si vous chargez des lights et / ou des fichiers de calibration, il vous sera demandé à quel canal / filtre appartiennent les données. La normalisation et la registration des données se feront par rapport à l'image de référence choisi (automatiquement).


Dans 6) INTEGRATE, les canaux / filtres séparés seront

automatiquement intégrés et auront tous la même profondeur de bits et dimensions de l'image.


Les canaux / filtres intégrés peuvent être chargés directement dans le 9) Outil de combinaison RVB.

(3) Active le traitement multi-session.

Activez cette option si vous avez besoin d'étalonner, d'enregistrer, de normaliser et / ou d'intégrer des données prises lors de différentes sessions d'imagerie.

Si vous chargez des lights et / ou des fichiers de calibration, il vous sera demandé à quelle session les données appartiennent.

Toutes les données seront enregistrées et normalisées par rapport à l'image de référence choisi (automatiquement).


Dans 6) INTEGRATE, les sessions séparées seront automatiquement intégrées et auront toutes la même profondeur de bits et les mêmes dimensions d'image.


Les sessions intégrées peuvent être chargées directement dans l'outil 9) RVB Combine. Appuyez sur ce bouton pour ajouter des fichiers qui n'ont pas besoin d'être calibrés et / ou intégrés maintenant.


(4) Active la détection automatique des master Dark / Flats etc, et des intégrations créées précédemment avec APP.


Avec cette option activée, tous les fichiers de calibration principaux (MasterBias, MasterDark, MasterDarkFlat, MasterFlat et BadPixelMap) et intégrations peuvent être chargés en utilisant le bouton des light, flat, dark, dark flat, bias ou d'autres boutons de chargement. APP reconnaîtra qu'il s'agit de master et les utilisera comme tels.


Donc, si vous chargez un MasterBias précédemment créé, il est automatiquement reconnu et chargé en tant que MasterBias. Si vous chargez une ancienne intégration, elle sera reconnue et chargée en tant qu'intégration.


Si vous désactivez cette option, un MasterDark précédemment créé peut être chargé en tant que MasterDarkFlat maintenant en utilisant le bouton de chargement MasterDarkFlat. Et une ancienne intégration peut être chargée en tant que nouveau light à inclure dans une nouvelle intégration.


Les map de sortie d'intégration (oulier rejection /Drizzle / MBB weight, normalisation) sont toujours détectées automatiquement.

(5) Le nom de l'objet sera utilisé pour donner à l'intégration (s) / stack (s) un nom de fichier approprié.

(6) Appuyez sur ces boutons pour ajouter des light, supprimer des light non sélectionnés et sélectionner / désélectionner tous les light.

(7) Appuyez sur ces boutons pour ajouter / supprimer des flat / dark / darkflat / bias . 

  (8) - Appuyez sur ce bouton pour ajouter des MasterFlat.

Si vous chargez un seul Flat en tant que MasterFlat, il sera directement utilisé comme MasterFlat.

   - Appuyez sur ce bouton pour ajouter des MasterDark.

Si vous chargez un seul Dark en tant que MasterDark, il sera directement utilisée comme MasterDark.

   - Appuyez sur ce bouton pour ajouter des MasterDarkFlat.

Si vous chargez un seul DarkFlat en tant que MasterDarkFlat, il sera directement utilisé comme MasterDarkFlat.

   - Appuyez sur ce bouton pour ajouter des MasterBias.

Si vous chargez un seul Bias comme MasterBias, il sera directement utilisée comme MasterBias.

   - Appuyez sur ce bouton pour ajouter des Bad Pixel Maps (BPM).

Veuillez noter que vous ne pouvez charger que les BPM qui ont été précédemment créés dans Astro Pixel Processor.

(9) Tri de toutes les images par rapport à la caractéristique choisie

   - du meilleur au pire: - la meilleure image pour la caractéristique de frame choisie sera en haut, la pire en bas

   - du pire au meilleur: - la meilleure image pour la caractéristique de frame choisie sera en haut, la meilleure en bas


Ainsi, la caractéristique d'image choisie détermine la façon dont les données sont triées.


Par exemple, pour SNR (rapport signal / bruit), cela signifie que les valeurs les plus élevées sont affichées en haut du panneau de la liste des images. Cependant, pour le bruit, cela signifie que les valeurs les plus basses sont affichées en haut.

En cliquant sur ce bouton, l'ordre de tri sera inversé.


(10) Liste des caractéristiques de tri


2) CALIBRATE

(1) Choisissez une méthode d'intégration pour l'intégration du MasterBias (la procédure est la même pour le MasterDarkFlat / Dark / Flat

   - median - Utilisez la médiane avec moins de 20 images, cela supprimera également les valeurs aberrantes, vous pouvez donc désactiver l'utilisation d'un filtre de rejet des valeurs aberrantes ou assouplir ses paramètres.


   - average - Si vous avez plus de 20 images, utilisez l'intégration moyenne combinée au rejet des valeurs aberrantes, ce sera supérieur dans la plupart des cas en termes de réduction du bruit dans vos résultats d'intégration.


   - maximum - Utilisez maximum pour afficher toutes les valeurs aberrantes / artefacts (avec des valeurs ADU trop élevées) dans les données telles que les pixels chauds, les rayons cosmiques, etc.


   - automatic - Avec la méthode d'intégration automatique, APP définira automatiquement l'intégration médiane ou moyenne et activera un filtre outlier rejection avec des valeurs kappa faibles et élevées appropriées, le tout en fonction du nombre d'images dans l'intégration / la pile.



(2) Choisissez un filtre outlier rejection


Un tel filtre supprimera les pixels défectueux, les rayures satellite / avion, les rayons cosmiques, etc. dans votre résultat de pile / intégration. Ainsi, il supprimera le signal qui n'est présent que dans une petite fraction de vos images par pile de pixels.


Quel filtre dois-je utiliser? 


   - Si vous avez moins de 20 images, le rejet Winsorized est le filtre préféré. Si vous avez plus de 20 images, le rejet adaptatif est le filtre préféré. Le rejet Winsorised / MAD / adaptatif est préféré au rejet sigma dans presque tous les cas. 


   - no rejection - aucun rejet de valeur aberrante n'est appliqué.


   - sigma rejection - il s'agit d'un filtre de rejet des valeurs aberrantes qui utilise la médiane pondérée comme valeur centrale et l'écart type pondéré (racine carrée de la variance) par rapport à la valeur centrale du rejet des valeurs aberrantes.

   - Winsorized rejection - utilise une médiane pondérée gagnée et une déviation standard pondérée gagnée (racine carrée de la variance) pour effectuer le rejet des valeurs aberrantes.


   - MAD rejection - il s'agit d'un filtre de rejet des valeurs aberrantes qui utilise la médiane pondérée comme valeur centrale et l'écart absolu médian pondéré (corrigé pour correspondre à un écart type) par rapport à la valeur centrale pour le rejet des valeurs aberrantes.


    - adaptative rejection - il s'agit d'un filtre de rejet de valeurs aberrantes plus avancé dans lequel sigma, winsorized et re MAD sont combinés pour améliorer encore la détection des valeurs aberrantes dans les piles de pixels. Ce filtre devrait fonctionner comme le meilleur filtre si vous intégrez plus de 20 images.


Soyez prudent avec le rejet des valeurs aberrantes! définir les valeurs kappa trop bas, supprimera les valeurs aberrantes, mais aussi beaucoup de bonnes données, ce qui nuira considérablement au rapport signal / bruit.


En raison des effets potentiellement nocifs du rejet des valeurs aberrantes, il est toujours préférable d'essayer de se débarrasser de la plupart des valeurs aberrantes avant l'intégration, par exemple: supprimez tous les pixels défectueux avec une BPM pour commencer. Une BPM n'endommagera jamais vos données et vous pouvez vous débarrasser de beaucoup de bruit indésirable pour commencer.

(3) Choisissez la valeur kappa low pour le filtre de rejet des valeurs aberrantes.

Cette valeur est responsable du rejet des valeurs aberrantes du côté inférieur de la distribution de pixels dans les piles de pixels individuelles.

Dans presque tous les cas, nous aurons très peu de valeurs aberrantes du côté bas, vous pouvez donc définir en toute sécurité le kappa à une valeur de 4-8 kappa.

Veuillez noter que plus la valeur kappa est basse, plus vous en supprimerez, y compris de bonnes données. Si vous le définissez trop bas, cela supprimera toutes les valeurs aberrantes ainsi que beaucoup de bonnes données, réduisant ainsi le rapport signal sur bruit (SNR) / la qualité de vos résultats.

(4) Choisissez la valeur kappa high pour le filtre de rejet des valeurs aberrantes.

Cette valeur est responsable du rejet des valeurs aberrantes du côté supérieur de la distribution de pixels dans les piles de pixels individuelles.

Dans presque tous les cas, nous aurons le plus de valeurs aberrantes du côté élevé, vous voulez donc définir la valeur kappa haute sur une valeur nettement inférieure à la valeur kappa basse. Une valeur raisonnable pour un kappa élevé se situe entre 2,2 et 4.


Veuillez noter que plus la valeur kappa est basse, plus vous en supprimerez, y compris de bonnes données. Si vous le définissez trop bas (une valeur inférieure à 2 est généralement beaucoup trop faible), cela supprimera toutes les valeurs aberrantes ainsi que beaucoup de bonnes données, réduisant ainsi le rapport signal sur bruit (SNR) / la qualité de vos résultats.

(1) BadPixelMap (BPM)

La première chose à faire lors de la calibration des données est d'essayer de créer une très bonne Bad Pixel Map de votre capteur.

Une bonne Bad Pixel Map corrigera tous les pixels défectueux de votre capteur. Les pixels défectueux sont des pixels qui ne se comportent pas de manière linéaire.


Nous avons deux types de pixels défectueux, froids et chauds:


   - pixels froids - ces pixels sont soit défectueux, soit réagissent très mal aux photons entrants (et / ou au courant d'obscurité de votre capteur). Ceux-ci seront détectés à l'aide des flats. Pour la détection des pixels froids, seuls quelques flats sont nécessaires pour les extraire de manière robuste et les ajouter à la mauvaise carte de pixels.


   - pixels chauds - ces pixels répondent très fortement aux photons entrants (et / ou au courant d'obscurité de votre capteur). Ceux-ci seront détectés à l'aide des darks. Pour la détection des pixels chauds, vous devez fournir au moins 20 darks et plus c'est toujours mieux dans ce cas.


Pour la détection des mauvaises colonnes (chaudes et froides), vous devrez fournir à la fois des darks et des flats.


Le BPM est une image maître de calibration que vous n'avez besoin de créer qu'une fois par an ou même pour quelques années.


Dans le BPM, les pixels froids ont la valeur de 0, les pixels chauds auront la valeur de 255. Les pixels restants sont considérés comme linéaires et ont la valeur de 127.

(2) Cosmetic Correction défini la valeur kappa de correction des pixels chauds Une valeur inférieure corrigera plus de pixels chauds, une valeur plus élevée corrigera moins.

(3) Activer pour créer des maîtres 32 bits pour l'étalonnage.

Désactivez pour créer des masters dans la même profondeur de bits que les trames de calibrage individuelles.

(4) Séparer les différents darks en fonction du temps d'exposition

   - Si vous chargez des dark avec des temps d'exposition différents, activez ce paramètre pour créer des MasterDarks séparés par temps d'exposition utilisé.

   - Si vous désactivez ce paramètre, tous les darks de différents temps d'exposition sont regroupés pour créer un masterdark. Cela peut être utile pour créer un masterdark robuste que vous pouvez utiliser avec Dark scaling


Veuillez noter que les darks de différentes valeurs ISO / gain sont toujours traités séparément, donc différents MasterDarks seront créés si vous chargez des darks avec des valeurs ISO / gain différentes.

Enfin, les darks qui sont affectés à différents canaux / filtres ou sessions, seront bien sûr traités séparément.

(5) Créez le MasterBias, MasterDark, MasterDarkFlat et / ou MasterFlat

Si vous créez une Bad Pixel Map, en activant cette case de sélection, MasterBias, MasterDark et / ou MasterFlat seront également créés, si les images requises sont chargées.

Cependant, si vous désactivez cette case de sélection, seule la BPM sera créée.

Si vous ne créez pas de BPM, ce paramètre sera activé par défaut.

(6) Active la mise à l'échelle du MasterDarkFlat dans l'étalonnage plat. Dark scaling nécessite également le chargement d'un MasterBias. Le Dark scaling corrigera le MasterDarkFlat pour minimiser le bruit dans le résultat de l'étalonnage.

(7) Active la mise à l'échelle de l'image MasterDark dans la calibration du light.

Le Dark Scaling,  nécessite également le chargement d'un MasterBias.

Le Dark Scaling corrigera le MasterDark pour minimiser le bruit dans le résultat de la calibration.

(8) L'adaptive pedestal  garantira que vos données ne seront pas écrêtées de manière nuisible dans les noirs lors de la calibration.

Ce paramètre n'est applicable qu'en cas de calibrage de dark.

Pour la plupart des caméras et des jeux de données, ce paramètre n'aura aucun effet, mais dans les cas où un écrêtage noir sévère lors de la calibration se produit, pour une raison quelconque, ce paramètre l'empêchera et garantira un étalonnage précis et des statistiques non biaisées dans l'intégration de l'image.

L'activation de ce paramètre réduira un peu la vitesse de la calibration

(9) activez cette option pour que APP vous avertisse d'un possible chemin d'étalonnage sous-optimal. Des avertissements se produiront si vous :

   - associez un MasterBias ou MasterDark / DarkFlat à un light / flat qui ne correspond pas à la valeur ISO ou de gain.


   - associez un MasterDark / DarkFlat à un light / flat qui ne correspond pas au temps d'exposition si la mise à l'échelle du dark est désactivée ou impossible en raison de l'absence d'un MasterBias.


   - si les flats ne peuvent pas être calibrés avec un MasterBias ou un MasterDarkFlat ou les deux. Dans ce cas, la correction Flat-Field ne peut pas fonctionner correctement.


   - si les light ne peuvent pas être calibrées avec un MasterBias ou un MasterDark ou les deux. Dans ce cas, la correction Flat-Field ne peut pas fonctionner correctement.


   - si vous associez une BPM à un light / flat qui n'a pas le même nom d'instrument / caméra dans son en-tête de métadonnées / fichier.

(10) Cliquer ici pour créer une nouvelle calibration de masters et/ ou une nouvelle BPM, et les assigner les aux bons lights.

(11) Cliquer ici pour ré assigner une nouvelle calibration de masters et/ ou une nouvelle BPM aux bons lights.

(12) Cliquer ici vous avez des aberrations chromatiques dans vos images couleurs

(13) Cliquer pour séparer vos images rvb en 3 canaux 

(14) Cliquer pour corriger manuellement la pollution lumineuse de chaque image

(15) Sauvegarder toutes les images calibrées

3) ANALYSE STARS

Activer / désactiver automatic stars target


Ce paramètre fixera une limite supérieure à la quantité d'étoiles détectées dans vos images.

Ce paramètre est très utile pour limiter la quantité d'étoiles détectées dans vos images et rendra donc l'enregistrement plus robuste et plus rapide.

 

Seules les étoiles les plus brillantes survivront à cette limitation qui est également vitale pour un enregistrement robuste.


Pour les intégrations régulières (non mosaïques), un nombre de 500 à 1000 étoiles par image est souhaité. Pour les mosaïques, il est préférable d'augmenter la quantité d'étoiles détectées souhaitée à au moins 2500, surtout si vos cadres de mosaïques ont peu de chevauchement, c'est-à-dire moins de 10%.


Ne désactivez ce paramètre que si l'enregistrement échoue et que vous avez déjà essayé d'augmenter la cible #stars à une valeur plus élevée.

ACCÉDER À LA DEUXIÈME PARTIE