Riche gamme de produits & innovation
Développement & fabrication en interne
🎄 Retour possible jusqu'au 31.01.2025
Magazine > Astuces pratiques > Conseils techniques de Weigand > Comment sauver les images à l’aide du Sigma Stacking
Astuces pratiques

Comment sauver les images à l’aide du Sigma Stacking

Fini les traces de satellites !

Les avions et les satellites sont une gêne pour les astrophotographes. Toutefois, faut-il vraiment jeter les images ?

Que c’est agaçant ! Pendant ces 15 minutes de prise de vues de NGC 1501, un avion a traversé le champ de vision. L’image est-elle encore utilisable ? M. Weigand Que c’est agaçant ! Pendant ces 15 minutes de prise de vues de NGC 1501, un avion a traversé le champ de vision. L’image est-elle encore utilisable ? M. Weigand

Quiconque se lance dans la photographie du ciel profond sera rapidement confronté à un problème : une partie parfois non négligeable des images est « ornée » de filés d’étoiles inesthétiques. Les avions et les satellites sont une gêne pour les astrophotographes lorsqu’ils traversent le champ de vision et rendent inexploitable les données d’images laborieusement collectées. Mais faut-il pour autant jeter ces images ?

Les programmes de traitement des données d’images astronomiques proposent différentes méthodes d’empilement pour combiner une série d’images en un empilement d’images. La variante la plus simple est la valeur moyenne où les valeurs de luminosité des pixels issus de toutes les images individuelles entrent pour des parts égales dans la valeur finale. Si, donc, on moyenne plusieurs images, la luminosité d’une trace de satellite diminue, mais il faudrait combiner un nombre énorme d’images pour que la trace n’apparaisse plus.

La méthode d’empilement adaptée

Une autre possibilité est la valeur médiane. Cette méthode consiste à trier, pour chaque pixel, toutes les valeurs de luminosité par taille et à sélectionner la valeur moyenne. Si l’on a par exemple cinq images avec des valeurs de luminosité d’un pixel 9, 201, 7, 5 et 11. Dans un premier temps il faut ordonner les valeurs dans le sens croissant 5,7,9,11,201. La valeur médiane est celle du milieu : dans notre cas 9. Dans la deuxième image, le satellite se déplaçait au-dessus du pixel et il a donc été éliminé des données avec succès. Ainsi, on aurait donc déjà une possibilité d’utiliser également les images comportant des traces de satellites.
Cependant, la valeur médiane conduit à des résultats plus mauvais que la valeur moyenne. On peut le constater facilement avec les valeurs suivantes tirées de cinq images fictives : 9, 9, 9, 9, 10. Ce scénario pourrait correspondre à un jet de nébuleuse faible ou à la queue de marée d’une galaxie où l’on n’enregistre un photon que très rarement (dans cas, un seul photon dans la dernière image). Le reste, de valeur 9, est la luminosité constante du ciel. Ici, la valeur moyenne de 9,2 montrerait cependant un léger éclaircissement, la valeur médiane étant 9. Les zones d’objets faibles « souffrent » donc lors de la méthode d’empilement médian. Ce n’est qu’avec de très nombreuses images que sa qualité se rapproche de la valeur moyenne, sans toutefois l’atteindre entièrement.
a

Pour l’atteindre, on commence par redéterminer la valeur médiane m. Celle-ci convient mieux en tant que valeur de référence car, par rapport à la valeur moyenne, elle est moins sensible aux perturbations. La valeur seuil dont on a alors besoin et que l’on utilise est l’écart standard σ de la répartition des valeurs. Plus précisément, on utilise un multiple κσ (κ ≈ 2, en général) de cette valeur, qui est également paramétrable dans certains programmes car la plage [m - σ, m + σ] ne contient qu’environ 68 % des valeurs. La condition serait alors trop sévère et l’on éliminerait trop de valeurs parmi celles collectées. Toutes les valeurs de pixels se situant alors en dehors de l’intervalle ne seront pas réutilisées. On calcule enfin la valeur moyenne à partir des valeurs de pixels restantes. Ainsi, les traces de satellites disparaissent et l’on obtient de très bons résultats.

Attention à ne pas avoir trop peu d’images

Attention à ne pas avoir trop peu d’images

Il y a toutefois un point auquel il faut veiller : le nombre d’images à moyenner ne doit pas être trop faible. Si l’on n’a par exemple que trois images, l’écart standard sera trop grand et la trace ne sera pas correctement éliminée, elle ne le sera qu’à partir de cinq images. Il faut également noter qu’une trace de satellite n’est pas un trait parfaitement net, mais qu’elle comporte un bord flou. On n’obtient parfois des résultats vraiment bons qu’en empilant plus de cinq images. Dans les cas difficiles, il est judicieux de faire varier le facteur d’échelle κ.

Il s’avère donc que les images présentant des traces de satellites ou d’autres anomalies similaires restent parfaitement utilisables. Si l’empilement comporte cinq images au moins, ces anomalies peuvent être éliminées avec succès à l’aide du Sigma Stacking. Outre les satellites et les avions, on élimine ainsi également les rayons cosmiques. Deux programmes gratuits proposent le Sigma Stacking : Fitswork et Regim.

Auteur : Mario Weigand / Licence : Oculum-Verlag GmbH