На мой взгляд это очень недооцененный мощный инструмент, который может сильно облегчить обработку протяженных объектов, особенно когда вам нужно сложить серию кадров, снятых в сильно различающихся условиях (с разной прозрачностью, на разной высоте, с Луной/без и т.п.). Основной профит в том, что относительно простые градиенты на одиночных кадрах убирать легче, чем сложные на итоговой сумме.

Стоит отметить, что в случае обработки объекта, занимающего незначительную часть кадра (небольшая галактика или шаровое скопление, например), от использования LN можно в принципе отказаться, убирая градиенты уже на финальной сумме с помощью DynamicBackgroundExtractor (также крайне мощный инструмент, с помощью которого можно творить чудеса). Но в случае протяженных объектов, занимающих значительную часть кадра (туманностей, больших галактик), использование DBE сопряжено с рядом трудностей и обработка LN крайне рекомендована.

Общие замечания

1) Важно помнить, что неправильное применение LocalNormalization может безвозвратно испортить серию. Поэтому перед запуском на весь массив, рекомендуется сначала оттюнинговать параметры на одиночном кадре (предварительно откалиброванном и выровненном; перетягивая на него процесс за «синий треугольник» и предварительно удостоверившись, что опция ApplyNormalization установлена в ViewExecution или Always).

2) В качестве референса стоит использовать лучший по «ровности» кадр, обработанный процессами ABE или DBE (сильно увлекаться DBE, как справедливо указывали выше, действительно не стоит: рекомендуется использовать небольшое количество маркеров и большие значения smoothing factor)

3) Будьте готовы, что вам придется готовить референс под каждый канал и даже время экспозиции (т.е. если вы снимали серии, скажем, L 600 сек, L 300 сек, R, G, B и Ha, то нужно будет 6 опорных кадров)

4) При этом сильно заморачиваться с выбором референса не стоит; лучше потратить время на подбор параметров Local Normalization.

Какие параметры подбирать

Самый важный – Scale. По умолчанию он равен 128, но на моих снимках это всегда слишком мало. Обычно я начинаю подбор с 256.
Второй параметр, который стоит обязательно проверить (с и без) – «No scale component». При включении этого параметра LN будет пытаться компенсировать только аддитивный компонент (по умолчанию используется еще и масштабирование). Нормализация по обоим компонентам в общем случае происходит эффективнее, но бывает и такое, что Scale компонента заметно ухудшает результат (например, вокруг почти всех обрабатываемых мною шаровиков создается небольшой «провал» на фоне). Поэтому я обычно сначала пробую с ней, а затем отключаю и пробую еще раз.
Если ничего не помогает, можно поиграться параметрами Background Limit (обычно нужно увеличить)

Как оценить, подходят ли параметры

Сначала удобно поблинковать аuto stretched кадры до и после (ctrl + a на обоих кадрах, и затем последовательно нажимать ctrl + pgdn), оценив исправленный градиент.

Затем можно переходить к оценке наличия потенциальных дефектов.

Вариант 1. Быстрый, но не всегда самый точный

С ОЧЕНЬ сильно задранной STF (обычно я применяю boosted autostretch, затем еще сдвигаю сильно левее middle point и уже потом двигаю left point подбирая нужный уровень) оцениваете фон.

Если явных дефектов не видно, переходим к шагу 2: с использованием PixelMath вычитаем из первоначального кадра получившийся нормализованный и смотрим, какие зоны и в какой величине процесс исправил. Целевая картина – места исправления должны отражать неровности первоначального снимка и должны по минимуму обнаруживаться небольшие по масштабу исправления; особенно осторожно нужно обследовать зоны, где расположен сам объект – именно там чаще всего образуются ложные «гало» или «провалы».

Вариант 2. Самый точный, но точно не самый быстрый

Обычно SNR одиночного кадра позволяет рассмотреть только самые очевидные градиенты, а небольшие по интенсивности неровности фона тонут в шумах. Поэтому самый точный (но долгий) способ оценки – это обработать процессом LN всю серию, затем ее сложить и уже полученную сумму сравнивать с другими вариантами сумм (с вариантом без нормализации, с вариантом с иными настройками нормализации и т.д.).

Пример нормализации на M74

1)Опорный кадр выбран из группы кадров с высоким SNR визуальным осмотром.

Несмотря на кажущуюся ровность, на выбранном кадре все же присутствуют градиенты, хорошо заметные при сильном растяжении.
Поэтому к нему был применен ABE c последующей «шлифовкой» DBE с небольшим количество сэмплов и smoothing factor на уровне 0.75. Результат до/после приведен на анимации.
Сильно увлекаться исправлением опорного кадра нет смысла, так как градиенты по определению - это крупномасштабные структуры, поэтому мелкие дефекты фона можно оставить без внимания.


2) Для настройки параметров был обработан один кадр, к которому применялись следующие варианты параметров:
а) 128
б) 128 + no scale component
в) 256
г) 256 + no scale component
д) 512
е) 512 + no scale component

Видно, что все варианты параметров градиент кадра исправляют, но по итоговым кадрам трудо определить, какой из наборов параметров подходит лучше.

3) В этом случае как раз прийдет на выручку анализ на основе разниц между оригинальным и обработанным кадром:
а) 128
б) 128 + no scale component
в) 256
г) 256 + no scale component
д) 512
е) 512 + no scale component

Видно, что на масштабе 128 процесс LN пытается исправить множество небольших по масштабу деталей, тем самым вместе с удалением градиента добавляя дополнительные деффекты. Масштба 256 в этом смысле гораздо лучше справляется с основной задачей, но заметно, что в режиме исправления по обоим компонентам в центре галактики разница чуть меньше, чем с включененой опцией no scale component. В данном конкретном случае это не создает проблем, но в некоторых случаях образуется лишнее гало объекта.

Astromania © 2012-2024