Duża różnorodność oferty i innowacyjność
Własne projektowanie oraz produkcja urządzeń optycznych
🎄 Możliwość zwrotu do 31.01.2025
Magazyn > Praktyka > Porady techniczne Weiganda > Lucky Imaging: szczegółowe zdjęcia Księżyca i spółki
Praktyka

Lucky Imaging: szczegółowe zdjęcia Księżyca i spółki

Obróbka klipów wideo z AutoStakkert!3

Jak robić najlepsze zdjęcia Księżyca? Wykonać bardzo dużo zdjęć i wybrać te najostrzejsze! Pomoże w tym AutoStakkert!.

Powierzchnia Księżyca zawsze oferuje jakiś fascynujący motyw, a dzięki odpowiedniemu oprogramowaniu można wydobyć z klipu wideo najdrobniejsze szczegóły. M. Weigand Powierzchnia Księżyca zawsze oferuje jakiś fascynujący motyw, a dzięki odpowiedniemu oprogramowaniu można wydobyć z klipu wideo najdrobniejsze szczegóły. M. Weigand

Wiosna oferuje bardzo dobre możliwości fotografowania Księżyca. Nasz satelita, wraz z rosnącą fazą, osiąga dogodną wysokość nad horyzontem, więc szanse na dobre warunki obserwacyjne są wysokie. Najlepsze zdjęcia uzyskuje się dzięki metodzie Lucky Imaging, która polega na wykonaniu bardzo dużej liczby zdjęć, a następnie wybraniu tych najostrzejszych. Do tego zadania niektórzy entuzjaści programowania wśród miłośników astronomii opracowali w ostatnich latach coraz lepsze rozwiązania programowe.

Jednym z popularnych programów wśród fotografów Układu Słonecznego jest AutoStakkert! autorstwa Emila Kraaikampa. Program efektywnie wykorzystuje nowoczesne procesory wielordzeniowe i działa bardzo szybko, dzięki czemu analiza materiału wideo trwa jedynie kilka minut. Poniżej przedstawiono proces obróbki w Autostakkert! na przykładzie klipu wideo Księżyca. Proces rozpoczynamy od załadowania klipu wideo.

Stabilizacja obrazu i analiza jakości

Przed rozpoczęciem wyszukiwania najostrzejszych klatek konieczne jest wyśrodkowanie obiektu, w celu porównania jakości wszystkich klatek. Pierwsze ustawienia zależą od obiektu. Planety są centrowane jako obiekty zamknięte na postawie środka jasności (COG), a wypełniające kadr obszary księżycowe za pomocą opcji "Surface". Pole wyrównania ustawiane jest na wyraźną strukturę powierzchni, a jego rozmiar jest dopasowywany. Następnie konfigurowana jest analiza jakości. Na każdej klatce AutoStakkert! analizuje gradienty jasności – są one bardziej strome na ostrych klatkach. Oczywiście szum również tworzy gradienty jasności, dlatego parametr "Noise robust" ustawiony jest już domyślnie na 4. W przypadku bardzo zaszumionych obrazów należy go zwiększyć. Opcję "Laplace Δ" wybiera się w zależności od samplingu. Jeśli ogniskowa jest w praktyce zbyt długa (oversampling), analiza jakości musi zostać przeprowadzona na dość dużych strukturach, a funkcja odhaczona. Z drugiej strony, jeśli najdrobniejsze rozpoznawalne struktury są bardzo małe, opcja "Laplace Δ" jest użyteczna, ewentualnie w kombinacji z wyższym "Noise robust". Co więcej, lepsze rezultaty można osiągnąć dzięki lokalnej analizie jakości "Local (AP)". Tylko w trudnych przypadkach z wahaniami jasności obrazu zalecana jest opcja "Global (Frame)". Kluczowy krok Lucky Imaging rozpoczyna się od "2) Analyse", a wynikiem analizy jakości jest zestawienie klatek posortowanych zgodnie z ich jakością.

Główne okno Autostakkert!. Proces rozłożony jest na trzy sekcje po lewej i po prawej stronie paska postępu widocznego pośrodku. Po analizie pojawia się tam również wykres jakości. W tym przykładzie seeing był bardzo zróżnicowany, ok. 30% materiału miało najlepszy wskaźnik wykorzystania. M. Weigand Główne okno Autostakkert!. Proces rozłożony jest na trzy sekcje po lewej i po prawej stronie paska postępu widocznego pośrodku. Po analizie pojawia się tam również wykres jakości. W tym przykładzie seeing był bardzo zróżnicowany, ok. 30% materiału miało najlepszy wskaźnik wykorzystania. M. Weigand

Eksperymenty z wielkością stacku

Krzywa jakości daje wskazówki dotyczące sensownego wskaźnika wykorzystania klatek. Słaby seeing sprawia, że konieczne jest rygorystyczne wykluczenie zbyt zdeformowanych lub rozmytych klatek. W noce z przeciętnymi warunkami rozsądnym wskaźnikiem wykorzytania są wartości od 40% do 60%. Jeśli dostępnych jest bardzo dużo klatek lub klatki o bardzo niskim szumie, można wypróbować niższe wartości, a zdjęcie wynikowe może być ostrzejsze. Z czasem można wypracować odpowiedni współczynnik wykorzystania. Znalezienie optymalnego rezultatu jest jednak często możliwe jedynie metodą prób i błędów. Pomocne może być przejrzenie klatek posortowanych według ich jakości i ich wizualna weryfikacja. AutoStakkert! ułatwia ten proces, generując stosunkowo oszczędne czasowo zdjęcia wynikowe dla kilku dowolnie wybranych wielkości stacku. Aby lepiej porównać różne wyniki, zaleca się wykorzystanie opcji "Sharpened", ponieważ w ten sposób różnice między zdjęciami wynikowymi stają się bardziej dostrzegalne.

Przed wygenerowaniem pierwszego zdjęcia wynikowego przeprowadzane jest teraz dostrajanie wyrównania poszczególnych małych segmentów obrazu. Wszystkie niezbędne ustawienia można znaleźć na pasku menu po lewej stronie okna podglądu. Opcja "AP Size" pozwala wybrać spośród różnych wielkości obszaru, a "Place APs in Grid" rozmieszcza punkty wyrównania automatycznie i równomiernie na całym polu obrazu. Im drobniejsza jest struktura motywu, tym mniejsze obszary mogą być wykorzystane. "Min Bright" określa limit jasności punktów. W razie potrzeby, poszczególne punkty można również ustawić lub usunąć ręcznie. Wszystkie pozostałe opcje można pozostawić bez zmian i wystartować stackowanie za pomocą "3) Stack".

Po lewej: okno podglądu z punktem stabilizacji na wzniesieniu centralnym Pitagorasa. Po prawej: siatka punktów wyrównania. M. Weigand Po lewej: okno podglądu z punktem stabilizacji na wzniesieniu centralnym Pitagorasa. Po prawej: siatka punktów wyrównania. M. Weigand

Zdjęcie wynikowe

Analiza zamykana jest w kilka minut. Zdjęcia wynikowe nie wyglądają na pierwszy rzut oka na szczególnie ostre, więc drobne szczegóły wciąż wymagają dopracowania w dalszej obróbce. Nadają się do tego algorytmy wyostrzania różnych programów. Warto na przykład poeksperymentować z funkcją "Deconvolution" oraz "Iterative Gaussian Sharpening" w Fitswork, czy "Wavelet Sharpening" w RegiStax6.

Podsumowanie

Dzięki pracy rozwojowej zagorzałych miłośników w dziedzinie oprogramowania, metoda Lucky Imaging jest obecnie łatwiejsza, szybsza i bardziej precyzyjna niż kiedykolwiek! AutoStakkert! to doskonałe narzędzie do analizy klipów wideo – nie tylko Księżyca. Można go również wykorzystać do optymalnego wykorzystania warunków opozycji planet, w tym także tych nisko nad horyzontem.

Autor: Mario Weigand / Licencja: Oculum-Verlag GmbH