Pré-traitement Pixinsight

Merci à Philippe BERHNARD :

1 : Génération des master :

  • Génération du master bias (ou offset) = dark très court
  • Génération des master dark pour chaque série de dark (suivant temps de prise de vue)
  • Génération des master dark de Flat (si les flat dépassent 10s)
  • Calibraiton des flat avec les bias
  • Génération des master flat (seuil entre 1/2 et 2/3 du max)

2 : Calibration des images brut

3 : Script de correction des pixels chauds et/ou morts :

Cosmetic Correction ou Defect Map

http://pixinsight.com/forum/index.php?topic=3483.0

Il faut installer cette DLL (ah merde, maintenant faut que je te dise comment) :

Win32 : http://pixinsight.com/forum/index.php?a … ttach=3246
Win64 : http://pixinsight.com/forum/index.php?a … ttach=3247

tu sauves la DLL qq part
tu vas dans PROCESS -> MODULES -> INSTALL MODULES. Dans search directory, tu mets celui ou tu as sauvé ta DLL et tu appuies sur SEARCH. Normalement il trouve 1 module. Tu fais « install »

Voilà…
Ensuite le Process se trouve dans PROCESS EXPLORER et PREPROCESSING (tu trouveras CosmeticCorrection, mais pas celui des scripts)
Tu charges 1 image prétraitée des bias dark flat dans « target frame »
Tu charges ton master dark
tu double cliques sur le nom de l’image, elle s’affiche. Tu utilise ScreeTransferFunction en mode « A » pour visualiser l’image, tu fais une petite fenêtre PREVIEW sur une zone ou il y a encore des pixels chauds, tu sélectionnes la preview, tu reviens sur le menu CosmeticCorrection, tu appuies sur la « preview » (3eme icone en bas à gauche de la fenetre CosmCorr), tu vois alors la preview s’afficher (tu mets sur MAXIMUM la qualité d’affichage), tu joues alors sur les curseurs pour voir apparaitre ou disparaitre les pixels chauds ou noirs.
Une fois que tu as trouvé les bons réglages, tu reprends du début et tu charges toutes tes images et tu gardes le réglage que tu as choisi…

4 : alignement des images calibrées.

Utiliser le profil StarAlignment.

5 : préparation à l’empilement.

vérification du sigma clipping:

Gaussian noise estimates: σs = 5.003e-004
Reference SNR increments: Δσs0 = 1.5990
Average SNR increments: Δσs = 1.6533

6 : crop sur toutes les images pour supprimer les bords noirs

 

7 : empilement des images

  • entre 3 à 5 images: Percentile Clippling
  • entre 3 à 10 images : Averaged Sigma Clipping
  • entre 10 et 15 images : Winsorized Sigma Clipping
  • entre 10 et 15 images avec pollution lumineuse : Linear Fit Clipping

Puis on compare avec les résultats que l’on a eu lors de la préparation pour réduire σs et augmenter le rapport SNR Δσs :

Gaussian noise estimates: σs = 4.869e-004
Reference SNR increments: Δσs0 = 1.5955
Average SNR increments: Δσs = 1.6497

 

 

Laisser un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.