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.
Archivos de imagen Light
del Grupo Principal
solo pueden asociarse con archivos de imagen Dark, Flat y
Offset/Bias desde el Grupo
Principal.
Este es el comportamiento de DeepSkyStacker
previo a la introducción de Grupos
de archivos.
Archivos de imagen Dark, Flat y Offset/Bias del Grupo Principal pueden asociarse a archivos de imagen Light de cualquier grupo.
Archivos de imagen Dark, Flat y Offset/Bias de otros grupos pueden asociarse solo con archivos de imagen Light del mismo grupo.
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.
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. |
|
Qué (y
cuando) es necesario usar la
opción
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 para Cometa : trazas de estrellas
|
![]() |
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:
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. |
![]() |
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).
Este método es muy sencillo y tiene la desventaja (o
es una ventaja?) de dividir el tamaño de la imagen
resultante por 4. |
![]() |
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. |
![]() |