Detalles Técnicos

Registrando
Alineación
Grupos de archivos
Apilando
Métodos de Apilamiento
Drizzle
Apilado de Cometas
Proceso de desarrollo de imágenes RAW

Registrando
Detección de estrellas
Para cada imagen DeepSkyStacker detecta automáticamente las estrellas.
Para decirlo simple, cada estrella es un objeto redondo cuya luminancia disminuye regularmente en todas las direcciones.
Una vez que la estrella es detectada, su centro exacto es obtenido utilizando una curva Gausiana en la luminancia.

Aplicación de darks, flats y offsets antes de registrar
Si los archivos de imagen dark, flat y/u offset son verificados, entonces son automáticamente aplicados antes del proceso del registro.
En caso que los archivos de imagen light contengan muchos hot pixels es altamente recomendable chequear los archivos de imagen dark para evitar detectar estrellas que no son tales, lo que perturbaría notablemente el alineamiento.

Detección automática de hot pixels
Opcionalmente DeepSkyStacker intenta detectar hot pixels durante el proceso de registración para evitar la identificación falsa de estrellas.
Puede notar que esta opción solamente funciona para trabajos con imágenes monocromáticas o del tipo RAW en los modos de  interpolación  Super-pixels, Bayer.Drizzle, bilinear y AHD.

Ajustando el umbral de detección de estrellas
El umbral de detección de estrellas es por defecto del 10% (de la máxima luminancia).
Puede modificar este umbral en la pestaña Avanzada del cuadro de diálogo Configuración del Registro. Si disminuye el umbral DeepSkyStacker detectará estrellas más débiles. De manera inversa, si incrementa el umbral, sólo las estrellas más brillantes serán detectadas.

Para ayudarlo a encontrar el umbral más adecuado para sus archivos de imagen light puede evaluar el número de estrellas que serán detectadas. Para hacer esto, DeepSkyStacker el primer archivo de imagen light registrado y activa temporalmente la detección de hot pixels.

Puede notar que este número es sólo una sugerencia y el número real de estrellas detectadas puede variar si tiene verificados los archivos de imagen dark, offset y flat.

Registrando resultados
El registro de resultados (cantidad de estrellas detectadas, su posición, y su luminancia) se almacenan en un archivo de texto cuyo nombre es el nombre de la imagen, con la extensión .Info.txt.
Debido a esto no es necesario registrar nuevamente la imagen para futuros procesos de apilado.

Registrando resultads y parámetros
El registro de resultados es en extremo dependiente de los parámetros seleccionados (especialmente los parámetros del desarrollo de raw).
Si estos parámetros son modificados, se torna necesario registrar las imágenes nuevamente.

Apilar luego de registrar
 DeepSkyStacker puede encadenar los procesos de apilar y registrar. Sólo tiene que dar el porcentaje de imágenes que desea mantener al final del proceso de registro para comenzar el proceso de apilado. Solamente las mejores imágenes serán utilizadas en el proceso de apilado.
 Por lo tanto es posible comenzar el proceso completo para luego irse a dormir sabiendo que luego de una noche de buen sueño, será posible ver los primeros resultados.

Alineación
Evaluación de desplazamientos y ángulos
 Durante el proceso de alineación la mejor imagen (la que tiene mejor puntuación)será utilizada como archivo de imagen de referencia a menos que usted seleccione  otro archivo de imagen de referencia utilizando el menú contextual.
Todos los desplazamientos y ángulos de rotación se evalúan relativos a este archivo de imagen e referencia.

Los desplazamientos y ángulos de rotación son evaluados identificando patrones de estrellas en los archivos de imagen.
Para decirlo simple, el algoritmo busca los triángulos más grandes cuyas distancias entre sus lados (y por lo tanto los ángulos comprendidos entre estos lados) son más cercanas.
Con un número suficiente de triángulos detectados entre el archivo de imagen de referencia y el archivo de imagen a alinear el desplazamiento y la rotación son evaluados y validados por medio del método de los cuadrados mínimos.
Dependiendo del número de estrellas, se utiliza una transformación bicuadrática o bilineal.

Para más información acerca de los algoritmos que inspiraron el utilizado por DeepSkyStacker pueden consultar los siguientes sitios:
FOCAS Automatic Catalog Matching Algorithms
Pattern Matching with Differential Voting and Median Transformation Derivation

Grupos de archivos
 Los Grupos de archivos pueden usarse para simplificar la administración de múltiples noches de un mismo objeto agrupando lógicamente archivos de cada sesión de imágenes.
Si utiliza sólo el Grupo Principal DeepSkyStacker trabaja de la misma manera que antes de la introducción de Grupos de archivos.

Hay dos clases de Grupos de archivos: el Grupo Principal y todos los otros grupos.

Usted puede crear tantos Grupos de archivos como desee, sabiendo que un archivo puede pertenecer solo a un grupo de archivos.
Al iniciar DeepSkyStacker solo el Grupo Principal está disponible. Tan pronto como usted agregue un archivo al último de los grupos disponibles, se creará una nueva pestaña para un grupo vacío.

Ejemplo:
Usted fotografía dos noches seguidas el mismo objeto.
Para cada noche tiene un conjunto de archivos de imagen Light, Dark y Flat pero la temperatura no es la misma en cada noche por lo que los archivos de imagen Dark no son compatibles y la orientación es ligeramente diferente por lo que los archivos de imagen Flat también son diferentes para cada noche.

Para asociar cada archivo de imagen Light con adecuados archivos de imagen Dark y Flat basta con agrupar los archivos de imagen Light+Dark+Flat de la primera noche en un Grupo de archivos y los archivos de imagen Light+Dark+Flat de la segunda noche en otro Grupo de archivos.
Como los archivos de imagen Offset/Bias son los mismos en cada noche deben ser colocados en el Grupo Principal.

DeepSkyStacker automáticamente asociará los archivos de imagen Light de la primera noche con los archivos de imagen Dark y Flat de esa misma noche y los archivos de imagen Light de la segunda noche con los archivos de imagen Dark y Flat de la segunda noche.
Los archivos de imagen Offset/Bias del Grupo Principal serán asociados con los archivos de imagen Light de la primera y la segunda noche.

Apilando
 Calibración de fondo
La Calibration de fondo consiste en normalizar el valor de fondo para cada imagen antes de apilarla.
El valor de fondo está definido como el valor medio de todos los píxeles de la imagen.

Hay dos opciones disponibles.

Es importante seleccionar una de estas opciones cuando se utilizan los métodos Kappa-Sigma Clipping o el Kappa-Sigma Clipping Median para asegurarse que las imágenes a ser apiladas tienen todas el mismo valor de fondo.

Calibración automática de archivos de imagen flat
El objetivo de la calibración automática de los archivos de imagen flat es ecualizar las diferencias de luminosidad entre los archivos de imagen flat antes de combinarlos en un maestro flat.

El primer archivo de imagen flat se utiliza como referencia. Los otros archivos de imagen flat se normalizan para equiparar el promedio de luminosidad y el rango dinámico del primer archivo de imagen flat.

Detección Automática y Remoción dehot pixels
El objetivo de la detección automática y remoción de hot pixels es reemplazar a éstos con un valor obtenido de los píxeles vecinos.

Primeramente los hot pixels son identificados analizando los archivos de imagen dark (o el archivo de imagen dark maestro si se encuentra disponible). Cada píxel cuyo valor es mayor que [media] + 16 x [desviación standard] (sigma) es marcado como un hot pixel.

Para todos esos píxeles, el valor en la imagen calibrada (luego de la sustracción del offset/bias y el dark subtraction y la división por el flat) es interpolado de los píxeles vecinos.

Detección Automática y Remoción de malas columnas
En algunos chips CCD algunas columnas se encuentran estropeadas o saturadas por completo debido a la aureola creada por los hot píxels.

La detección y remoción de las malas columnas se utiliza en estos casos.
Se detectan automáticamente líneas de 1 píxel de ancho que están saturadas o completamente estropeadas y se las considera como si fueran hot pixels, interpolando el valor de los píxeles vecinos.

Sustracción de archivo de imagen Dark basada en Entropía
La sustracción de archivo de imagen Dark puede optimizarse opcionalmente para que la entropía de la imagen resultante ( archivo de imagen light menos archivo de imagen dark) sea minimizada aplicando un coeficiente entre 0 y 1 al archivo de imagen dark.
EL objetivo principal de esta optimización es posibilitar el uso de archivos de imagen dark que no han sido tomados en condiciones óptimas (especialmente en lo que concierne a temperaturas).

Para más información sobre este método puede consultarse el siguiente documento:
Entropy-Based Dark Frame Subtraction

Proceso de apilado
El proceso de apilado de DeepSkyStacker es clásico.
 Paso 1
Creación de un offset maestro a partir de todos los archivos de imagen offset (con el método seleccionado).
Si más de un archivos de imagen offset es seleccionado, un archivo offset maestro es creado como MasterOffset_ISOxxx.tif (TIFF de 8, 16 o 32 bits) en la carpeta del primer archivo de imagen offset.
Este archivo puede ser usado como el único archivo de imagen offset en la siguiente oportunidad.
 Paso 2
Creación del dark maestro a partir de todos los archivos de imagen dark (con el método seleccionado). El offset maestro es sustraído de cada archivo de imagen dark.
Si más de un archivo de imagen dark es seleccionado, un archivo dark maestro es creado como MasterDark_ISOxxx_yyys.tif (TIFF de 8, 16 o 32 bits) en la carpeta del primer archivo de imagen dark.
Este archivo puede ser usado como el único archivo de imagen dark en la siguiente oportunidad.
 Paso 3
Creación del flat maestro a partir de todos los archivos de imagen flat (con el método seleccionado). El offset maestro es sustraído de cada archivos de imagen flat. El flat maestro es calibrado automáticamente.
Si más de un archivo de imagen flat es seleccionado, un archivo flat maestro es creado como MasterFlat_ISOxxx.tif (TIFF de 8, 16 o 32 bits)  en la carpeta del primer archivo de imagen flat.
Este archivo puede ser usado como el único archivo de imagen flat en la siguiente oportunidad.
 Paso 4
Evaluación de todos los desplazamientos y rotaciones para todos los archivos de imagen light que serán apilados.
 Paso 5
Creación de la imagen final sumando todos los archivos de imagen light con el método seleccionado.
El offset maestro y el dark maestro son automáticamente sustraídos de cada archivo de imagen light y el resultado es dividido por el flat maestro calibrado, entonces, si se encuentra la opción habilitada, los hot pixels detectados son removidos y el valor es interpolado de los píxeles vecinos.
 Paso 6
Cuando Bayer drizzle está habilitado, las tres componentes RGB son normalizadas para evitar falta de información.
 Paso 7
La imagen resultante es automáticamente guardada en un archivo AutoSave.tif que es creado en la carpeta del primer archivo de imagen light.

Alineado de Canales RGB
Cuando esta opción se encuentra habilitada el DeepSkyStacker intenta alinear los tres canales para reducir el corrimiento de color entre los canales de la imagen resultante.

El efecto principal visible es que las estrellas no estan mas rojas de un lado y azules del otro lado.

Cada canal es registrado (las estrellas son detectadas) y la transformación es calculada entre el mejor canal y los otro dos.
La transformación es luego aplicada a los dos canales lo que los alinea con el mejor canal.

Uso automático de archivos maestro creados previamente
 Los archivos maestro (dark, bias and flat) existentes creados de una lista de archivos son utilizados automáticamente cuando sea posible, si:
- La lista de archivos utilizados para crearlos no ha cambiado.
- La configuración utilizados para crearlos no ha cambiado. Esto incluye la combinación de métodos y parámetros, y la configuración de RAW o FITS DDP cuando archivos RAW o FITS se utilicen.

Un archivo detexto conteniendo los parámetros y la lista de archivos usados para crear la imagen maestra es guardado en la carpeta del archivo maestro .
El archivo será nombrado con la extensión .Description.txt luego del nombre del archivo maestro .

Cuando la descripción no coincide con la nueva configuración estos archivos son re-creados.

Esta propiedad es invisible para los usuarios, que solamente verán un proceso más veloz ya que no es necesario crear los archivos maestro nuevamente.

Uso de un Rectángulo Personalizado
Usted puede indicarle a DeepSkyStacker que utilice un Rectángulo Personalizado que defina la posición y el tamaño de la imagen resultante.

Primeramente, necesita previsualizar una imagen cliqueando sobre ella en la lista. Puede seleccionar cualquier imagen, pero como está definiendo el rectángulo que será visible en la imagen final, debería seleccionar el archivo de imagen light de referencia (aquel con mayor score o el que haya decidido usar como archivo de imagen light de referencia usando el menú contextual).

Luego simplemente seleccione en la imagen el rectángulo que desea usar como Rectángulo Personalizado.
Al iniciar el proceso de apilado, este rectángulo será seleccionado por defecto como el modo de apilado.

Esta opción puede ser realmente útil cuando se utiliza la Dopción Drizzle que duplica o triplica el tamaño de la imagen resultante y por lo tanto requiere mucha más memoria y espacio en disco durante el proceso de apilado.

De hecho, cuando se utiliza un Rectángulo Personalizado, DeepSkyStacker usa únicamente la memoria y espacio en disco necesarios para crear una imagen del tamaño del Rectángulo Personalizado.

Métodos de Apilado
Promedio
 Este es el método más simple. El píxel de valor medio de todos los de la pila es evaluado para cada píxel.

Media
Este es el método utilizado por defecto cuando se crean dark, flat y offset/bias maestros. El valor medio de los píxeles de la pila es evaluado para cada píxel.

Máximo
Este es un método extremadamente simple que debe utilizarse con sumo cuidado. El valor máximo de los píxeles de la pila es evaluado para cada píxel.
Puede ser útil para encontrar errores en la pila, al mostrar todos los defectos de las imágenes calibradas.

Recorte de Kappa-Sigma
Este método se usa para rechazar repetidamente los píxeles desviados. Se usan dos parámetros: el número de iteraciones y el multiplicador utilizado en la desviación standar (Kappa).
Para cada iteración, son evaluadas la media y la desviación standar (Sigma) de los píxeles de la pila.
Se rechazan todos los píxeles cuya valor se encuentra más distanciado de la media que el valor (Kappa * Sigma).
El medio de los píxeles restantes en la pila es evaluado para cada píxel.

Recorte Kappa-Sigma Mediano
Este método es similar al método de Recorte de Kappa-Sigma pero en lugar de descartar los valores de los píxeles, éstos son reemplazados por los valores medios.

Promedio Ponderado auto-adaptativo
Este promedio ponderado está adaptado del trabajo de Stetson (ver Artificial Skepticism - Stetson 1989).
Este método evalúa un promedio robusto obtenido por ponderación iterativa de cada píxel por la desviación de la media respecto de la desviación standard.

Promedio Ponderado de Entropía (Rango Dinñamico Alto)
Este método está basado en el trabajo de German, Jenkin and Lesperance (ver Entropy-Based image merging - 2005) y es usado para apilar la imagen mientras para cada píxel se mantiene su mejor dinámica.
Es particularmente útil cuando se apilan imágenes tomadas con diferentes tiempos de exposición y velocidades ISO, y crea una imagen promediada con la mejor dinámica. En otras palabras, previene de saturar galaxias y centros de nebulosas.
Nota: Este método consume mucho tiempo de proceso en la CPU y también mucha memoria.

Drizzle
Se denomina Drizzle a un método desarrollado por la NASA para las observaciones de espacio profundo del Telescopio espacial Hubble.
 El algoritmo también es conocido como Reconstrucción Lineal Variable de Píxeles.

 Tiene un amplio campo de usos, lo que le permite ser utilizado para mejorar la resolución de una pila de imágenes comparada con la resolución de una única imagen preservando las características de la imagen (color, brillo).

Básicamente cada imagen es super muestreada antes de ser apilada, ampliándola dos o tres veces (puede usarse cualquier valor mayor que 1 pero DeepSkyStacker propone 2 o 3 como valores recomendados), y luego proyectada a una grilla más fina.

El resultado es que el tamaño de la imagen obtenida es el doble (o triple) y los objetos más pequeños que ocupaban apenas unas docenas de píxeles, ocuparán el doble o triple y entonces el post-proceso será más sencillo.

Qué (y cuando) es necesario usar la opción drizzle
Básicamente solo necesita tener varias imágenes que no estén perfectamente alineadas (con una tendencia de unos pocos píxeles es suficiente).
No tiene sentido utilizar este método si cuenta con escasos archivos de imagen light.

 Este método es particularmente bueno para destacar resoluciones por lo que es muy útil cuando fotografía objetos pequeños con una distancia focal reducida.

 A la derecha se observa un ejemplo de M57 casi sin procesar (fotografiada utilizando 10", F/D 4.72 OTA con una cámara Canon DSLR).

Usualmente M57 es muy pequeña, pero usando un multiplicador de 2x drizzle y alrededor de 100 archivos de imagen light la imagen resultante es dos veces mayor y la resolución obtenida es mucho mejor.

 Coloque el mouse sobre el texto para ver
   M57 sin procesar - Sin Drizzle (ampliada 4 veces)
   M57 sin procesar - Drizzle de 2x (ampliada 2 veces)


M57 - Sin Drizzle

Efectos colaterales de la aplicación del método
El principal efecto colateral es que la cantidad de memoria y espacio en disco necesarios para crear y procesar las imágenes se multiplica por el cuadrado del factor multiplicador del proceso. Por supuesto que el tiempo necesario para crear estas imágenes es mucho mayor.

Por ejemplo, usando un Drizzle de 2x con una imagen de  3000x2000 píxeles se crearáuna imagen de 6000x4000 píxeles, y necesitará 4 veces más memoria y espacio en disco, y ocupará un tiempo de proceso mucho mayor.

Cuando se utiliza un factor de 3x, todo será multiplicado por  9 (3 al cuadrado) y a menos que usted tenga un equipo muy potente y mucha memoria y espacio en disco disponibles, no deseará utilizar esta opción con imágenes típicas de cámaras DSLR.

Por lo tanto, en algunas imágenes pequeñas (como las obtenidas con las primeras cámaras DSI y LPI), puede ser razonable utilizar un factor de 3xpara mejorar la resolución.

Una buena manera de limitar el incremento de memoria y espacio en disco necesarios al utilizar esta opción, es usar el Rectángulo Personalizado.

Drizzle y Bayer Drizzle
Aunque hay dos variantes del método Drizzle, no se los recomienda usar juntos.
DeepSkyStacker usualmente le advertirá cuando usted esté a punto de hacerlo.

Apilado para Cometas
Los cometas son objetos de movimiento rápido y cuando las imágenes de cometas son apiladas dos cosas pueden suceder:
- si el alineado entre las imágenes se lleva a cabo utilizando las estrellas, el cometa será borroso
- si el alineado entre las imágenes se lleva a cabo utilizando el cometa, las estrellas mostrarán trazas.

A partir de la versión 3.0, al DeepSkyStacker se le agregan dos opciones para apilados para cometas:
- Crear una imagen alineada respecto al cometa que tendrá trazas de estrellas
- Crear una imagen alineada en el cometa y en las estrellas que no tendrá trazas de estrellas.

Este es un ejemplo de los distintos modos de apilado (desplace el cursor del mouse sobre el texto para ver el resultado)


 Apilado estandar
La posición del cometa es ignorada.
El cometa se ve borroso y las estrellas no tienen trazas.

Apilado para Cometa : trazas de estrellas
Se utiliza la posición del cometa, la imagen es alineada en el cometa.
La posición de las estrellas es utilizada para compensar cualquier rotación de campo.

Apilado para cometa y estrellas : "efecto congelado de estrellas"
Se utiliza la posición del cometa.
Se crea una primera apilada para extraer el cometa respecto al fondo.
Luego una segunda apilada es creada para congelar las estrellas (el cometa es restado de cada archivo de imagen light calibrado y registrado antes de apilarlo).
Por último. la imagen final es obtenida insertando el cometa nuevamente en la imagen.

 

 
Si Ud. planea alinear la imagen con las estrellas, no necesitara hacer lo que se describe en el siguiente párrafo debido a que es el comportamiento por defecto.

Que necesita hacer
Paso 1: Registrar el centro del cometa
El DeepSkyStacker no puede detectar automáticamente el centro del cometa en los archivos de imagen light..

Primero, debe indicar la posición del cometa en todos los archivos de imagen light. Esto se hace solo una vez.

Para llevarlo a cabo, solo seleccione de la lista un archivo de imagen light y utilizando el Modo de Edición para Cometas indique el centro del cometa.
Si el centro del cometa es muy débil o demasiado brillante entonces puede forzar al DeepSkyStacker a aceptar cualquier posición presionando la tecla Shift mientras posiciona el centro del cometa.

Luego guarde el resultado pinchando en el botón Guardar Cambios en la barra de herramientas.
Si no lo hace el DeepSkyStacker le preguntará y tendrá la opción de guardar los cambios automáticamente.

Una vez que la posición del cometa fue indicada y guardada verá una +(C) agregada al conteo de estrellas en la columna #Estrellas de la lista.

Deberá repetir la operación para cada archivo de imagen light.

Pista:
Si la fecha/hora de las imágenes es precisa (como cuando se usa una DSLR y algunas cámaras CCD) puede ordenar las imágenes por fecha y hora y ajustar la posición del cometa solo en el primer y último cuadro y el cuadro de referencia (el que posee el puntaje mayor en el caso que no lo haya forzado otro cuadro con el menu contextual).

El DeepSkyStacker entonces alineará automáticamente (luego de apilar) la posición del centro del cometa en todas las imágenes light en el periódo de tiempo en el cual el centro del cometa no esta indicado.

Para hacer esto utilizará el período de tiempo entre la primera imagen y cada imagen para interpolar la posición del cometa.


Paso 2: Seleccionar el modo de apilado
Esto se lleva a cabo en la Pestaña Cometa disponible en la ventana de parámetros de apilado.
La pestaña Cometa esta disponible solo si al menos dos archivos de imagen light (incluyendo el archivo de imagen light de referencia) tienen un cometa registrado.
Desde esta pestaña puede seleccionar una de tres opciones para Apilado para Cometas disponibles.
 
Mezclando imagenes de Cometas y de no Cometas
El DeepSkyStacker puede utilizar imágenes con un cometa registrado e imágenes sin un cometa registrado en la misma apilada.
Esto puede resultar útil para lograr una mejor relación señal ruido en la imagen resultante especialmente en detalles de fondo débiles (por ejemplo un cometa pasando cerca de una galaxia o nebulosa).

Que métodos de apilado
Si esta buscando lograr imágenes con trazas de estrellas, el mejor método es promedio.
En todos los demás casos deberia utilizar el apilado Media con apiladas chicas y kappa sigma para apiladas grandes.

Que resultados puede esperar
Obviamente el algoritmo mas demandante es el apilado de Cometa y Estrellas en que los da el efecto de congelamiento de estrellas.
Cometas de movimiento lento nos conducen a objetos de gran tamaño dificiles de detectar o grandes estrellas y en este caso el proceso de extracción del cometa puede resultar menos que perfecto.
En todos los casos, si toma un conjunto de imágenes de la misma área sin el cometa (el día anterior o el posterior) mejorará notablemente la calidad de la imagen final.

Proceso de desarrollo de imágenes RAW
 Decodificación de archivos RAW
Los archivos RAW creados por las cámaras DSLRs son decodificados usando DCRAW de Dave Coffin.
La lista de cámaras DSLRs soportadas es bastante amplia y es permanentemente actualizada por Dave Coffin. DeepSkyStacker está siempre usando la última versión disponible de DCRAW y es (y será) actualizada regularmente.

Proceso de desarrollo de archivos RAW
Un archivo es el equivalente digital de un negativo. Por lo tanto, cada archivo RAW necesita un proceso de desarrollo.
Hay dos clases de archivos RAW: la que utiliza una matriz Bayer (la mayoría de los archivos) y la que utiliza NO una matriz Bayer (por ejemplo las cámaras que cuentan con chips Foveon).

A lo largo de la explicación solamente consideraré los archivos RAW creados por cámaras basadas en matrices Bayer.

Matriz Bayer
 Primero, un pequeño recordatorio de que es una matriz Bayer.
Cuando usted está usando una cámara DSLR de 8 mega-píxeles, el chip CMOS o CCD es un chip monocromático de 8 mega-píxeles sobre el cual se adiciona una matriz Bayer, que es de hecho un patrón de filtros RGBG o CYMK delante de cada píxel (también existen otros patrones)

En el caso de los filtros RGBG la cuarta parte de los píxeles captura el color rojo, otro cuarto el color azul y la mitad restante el color verde.
Por lo tanto su cámara DSLR de 8 mega-píxeles está produciendo imágenes con 2 millones de píxeles, la misma cantidad de píxeles azules, y cuatro millones de píxeles verdes.

Entonces, como crean estas cámaras las imágenes de colores "reales"?
Muy simple: interpolando los colores primarios perdidos de los píxeles vecinos.

Reconstrucción del color usando la matriz Bayer - Interpolación

La primera manera de reconstruir los colores desde la matriz Bayer es interpolando los colores primarios perdidos de los píxeles vecinos.

Diferentes métodos de interpolación están disponibles (lineal, gradiente...), produciendo resultados distintos pero todos ellos degradan la calidad de la imagen final, debido a la suposición que hacen respecto de los colores faltantes.

Cuando cada imagen está ligeramente desenfocada por el proceso de interpolación, el apilamiento de varias imágenes produce la pérdida de detalles finos.

Si usted aún piensa usar el método de interpolación debe saber que el software que trae su cámara DSLR es probablemente la peor elección para preservar la calidad de fotografías astronómicas.

Si usara su cámara para transformar sus imágenes RAW a archivos TIFF de 16 bits, instantáneamente notará una mejora utilizando DeepSkyStacker.
 

 Reconstrucción de color usando la matriz Bayer - Super-píxeles

Con DCRaw es posible acceder a la matriz Bayer antes de cualquier interpolación. Debido a esto es posible usar otros métodos de reconstrucción de colores reales sin tener que estimar los colores primarios faltantes por medio de la interpolación.

El mátodo del Super Píxel no interpola, sino que crea un super píxel para cada grupo de cuatro píxeles  (RGBG).


De hecho, cada grupo de de 4 píxeles contiene toda la información necesaria de los colores primarios y de la luminancia.

Este método es muy sencillo y tiene la desventaja (o es una ventaja?) de dividir el tamaño de la imagen resultante por 4.

El método del Super Píxel da muy buenos resultados cuando hay pocas imágenes disponibles para el proceso de apilado.

 

Reconstrucción de color usando la matriz Bayer - Bayer drizzle

El último método sugerido por Dave Coffin utiliza la propiedad del proceso de apilado para evaluar los valores verdaderos de RGB de cada píxel resultante usando la tendencia "natural" existente entre cada imagen.

Cuando hay un número grande de imágenes disponibles, y con sus sub-píxeles alineados, DeepSkyStacker evalúa bit a bit los valores verdaderos de los colores primarios para cada píxel sin utilizar interpolación.
 
Luego del proceso de apilado se utiliza otro algoritmo para normalizar los valores RGB y prevenir falta de información.

El método Bayer Drizzle da excelentes resultados cuando hay disponible una gran cantidad de archivos de imagen light y cuando la precisión del guiado es superior a 1 píxel (esto sucede la mayoría de las veces).