PixInsight – Exemple 1 – Prétraitement
Au moment de l’écriture de cet article je ne dispose pas d’images personnelles à traiter, n’ayant pas encore mis en œuvre mon setup photo.
Afin de pouvoir m’initier au traitement photo avec le logiciel PixInsight, j’ai donc demandé à Nicolas (du club Neptunion31, alias nicoairbus sur Webastro) de mettre à ma disposition un ensemble de ses images brutes, ce qu’il a fait, et je l’en remercie : il s’agit de la nébuleuse Trifide M20 et de la nébuleuse de la Lagune M8 deux nébuleuses diffuses situées dans la constellation du Sagittaire, images issues d’un Canon EOS 1000D défiltré.
Ce premier exemple est ma première approche de ce logiciel, je suis donc loin d’en maîtriser tous les paramètres et aspects, certains choix seront donc par défaut, le but étant de montrer les potentialités de PixInsight.
Il ne s’agit pas non plus de réaliser un tutorial sur PixInsight, d’autres l’on fait, entre autres voir le site de Dominik (alias sur Webastro) qui a écrit une suite d’articles qui m’ont beaucoup aidé, je m’en suis inspiré pour écrire cet article, beaucoup de paramètres correspondent à ceux qu’il a choisi
PixInsight est un logiciel qui comporte un très grand nombre de fonctionnalités et de paramètres, comme cet article est ma première approche de PixInsight je suis loin d’en comprendre toutes ses facettes, aussi beaucoup de paramètres seront laissés par défaut et sans explication, cela viendra ultérieurement au fur et à mesure de la maîtrise du produit
Il y a deux étapes distinctes afin d’obtenir l’image finale à partir des différents types d’images réalisées
- Le prétraitement : il s’agit d’obtenir une image brute la plus propre possible, divers bruits minimisés, divers signaux parasites supprimés ainsi que toute autre dégradation de l’image (poussière, sensibilité photosite, …), c’est ici qu’interviennent les images flat, dark et bias. On obtient alors une image brute prête pour le traitement
- Le traitement : tous les traitements nécessaires pour obtenir la meilleure image possible
Le dessin suivant montre le workflow du prétraitement
J’ai affiné ce workflow par rapport à celui présenté avec ImagesPlus, car PixInsight donne accès directement aux traitements individuel de chaque type d’images :
- Création du Master Bias à partir des images Bias
- On soustrait le Master Bias à chaque image Dark : pour supprimer le signal de lecture
- Création du Master Dark à partir des images Dark corrigées
- On soustrait le Master Bias à chaque image Flat
- Création du Master Flat à partir des images Flat corrigées
- Calibration des images Light avec les Master Bias, Dark et Flat
- Création des Light brutes colorées à partir des Light calibrées
- Création du Master Light à partir des Light brutes colorées
On va d’abord faire quelques réglages spécifiques à l’utilisation d’images issues d’un APN
Onglet Format Explorer -> DSLR_RAW : double-clic sur DSLR_RAW, la fenêtre <RAW Format Preferences> s’affiche
- Use Camera White Balance : coché pour tenir compte de la balance des blancs positionnée au moment de la capture. C’est le choix fait ici, les images ayant été prises avec une balance des blancs manuelle réalisée sur une feuille blanche
- Create raw Bayer image : coché pour créer une image RAW à partir de la matrice de Bayer, produit une image couleur
- No black point correction : coché pour ne pas supprimer un éventuel offset correspondant au point noir
Création du Master Bias
Onglet Process Explorer -> ImageIntegration -> ImageIntegration : on déplace l’icône sur l’espace de travail, je l’ai renommé « Creation_Master_Bias »
Double-clic sur le Process Icône « Creation_Master_Bias », la fenêtre <ImageIntegration> s’affiche
On clique sur le bouton [Add Files] pour ajouter les fichiers Bias
La fenêtre est constituée de plusieurs parties
- Combination : mode de combinaison des images
- Average : donne le meilleur rapport signal sur bruit
- Median : la meilleure pour rejeter les valeurs aberrantes, au détriment du bruit
- Normalization : pour normaliser et mettre à l’échelle toutes les images avant de les combiner, la normalisation ajuste les valeurs des fonds du ciel à une valeur moyenne, le mise à l’échelle ajuste les image à une illumination homogène, le mode multiplicative sera utilisé pour intégrer des images qui seront ensuite combinées par multiplication ou division comme les Flat
- Weights : critère de pondération des images
- Scale estimator : on laisse la valeur par défaut
- Rejection algorithm : algorithme de rejet des pixels aberrants
- Normalization : pas besoin de normaliser pour des images Bias
- Sigma low : paramètre de rejet des pixels bas
- Sigma high : paramètre de rejet des pixels hauts
On lance le processus en cliquant sur
en bas de la fenêtre : la fenêtre Process Console <Processing: ImageIntegration> affiche le déroulement des opération.
A la fin du traitement il s’affiche trois fenêtres :
- integration : image issue de la combinaison, c’est ici le Master Bias
- rejection_low : image des pixels bas rejetés
- rejection_high : image des pixels hauts rejetés
En passant la souris sur l’onglet <Process Console> la fenêtre <Process Console> s’affiche, on peut y voir entre autre le temps qu’a duré le processus
Les valeurs de « Sigma low » et « Sigma high » déterminent le nombre de pixels qui seront rejetés, plus elles sont élevées moins de pixels seront rejetés. Dans notre exemple on a pour la couche 1 (R)
Pour la couche 2 (V)
Pour la couche 3 (B)
La ligne « Total » précise le nombre de pixels rejetés dans chaque couche, un peu plus important pour les pixels hauts dans la couche 2, mais cela reste suffisant pour l’image finale
L’objectif du rejet des pixels bas et haut est d’obtenir une image avec une répartition uniforme des pixels, en ayant éliminé les pixels de trop bas niveau et de trop haut niveau
L’image Master Bias obtenue est noire, ce qui est normale pour une image Bias, cependant toute image issue de l’intégration par PixInsight est une image linéaire, c’est-à-dire une image dont la valeur du pixel est proportionnelle à la lumière reçue (rappelons que les capteurs numériques sont linéaires, c’est-à-dire qu’ils produisent un nombre d’électrons proportionnel à la lumière reçue), aussi en général de telles images sont assez sombres.
Pour visualiser une telle image il faut ajuster les niveaux.
Onglet Process Explorer -> IntensityTranformations -> ScreenTransferFunction : on déplace l’icône sur l’espace de travail que j’ai renommé « Voir_Image_Lineaire«
On double-clic sur le process icône, la fenêtre <ScreenTransferFunction> s’affiche
On clique sur
pour ajuster les niveaux de l’image pour qu’elle devienne visible : le process agit sur l’image courante <rejection_high>, les niveaux ont été ajustés
l’image devient visible (l’image d’origine n’est pas modifiée, c’est juste une méthode pour la rendre visible)
On a une image RVB qui affiche les pixels hauts rejetés du capteur de l’APN correspondant à la matrice de Bayer
Un clic sur une zone de l’image affiche un zoom qui permet de distinguer les pixels R, V et B de la matrice de Bayer
On sélectionne l’image <rejection_low> pour lui appliquer le même process icône, un clic sur une zone de l’image montre que moins de pixels bas ont été rejetés
Ce qui est conforme avec la valeur « Sigma low » plus grande que la valeur « Sigma high« .
On applique enfin le process icône sur l’image <integration> qui représente le Master Bias, on obtient une image grise comme le montre l’ajustement des niveaux
Un zoom montre une répartition uniforme et moyennement lumineuse des pixels R, V et B de la matrice de Bayer
Pour voir l’image finale en couleur il faut dématricer l’image RAW, c’est-à-dire regrouper les pixels R, V et B suivant la matrice de Bayer
Onglet Process Explorer -> Preprocessing -> Debayer : on déplace l’icône sur l’espace de travail que j’ai renommé « Dematricer_Image_RAW«
On double-clique sur le process icône, la fenêtre <Debayer> s’affiche
- Bayer/mosaic pattern : organisation de la matrice de Bayer, pour l’APN c’est RGGB
- Debayer method : VNG
On applique le process à l’image <integration> en cliquant sur
Une nouvelle image est créée <integration_RGB_VNG> : c’est une image linéaire, pour la visualiser il ajuster les niveaux, pour cela on clique sur
du process icône <Voir_Image_Lineaire>, l’image s’affiche alors
Il semblerait que la trame verticale que l’on voit soit caractéristique d’une image Bias
On va sauvegarder cette image : je l’ai nommée « Master_Bias »
Menu FILE -> Save as : la fenêtre <FITS Options> s’affiche
On laisse les paramètres par défaut
Si les paramètres du process icône <Creation_Master_Bias> conviennent on peut les sauvegarder en cliquant sur
en bas de la fenêtre <ImageIntegration> et sans relâcher la souris on le déplace sur le process icône <Creation_Master_Bias>
Une fenêtre de confirmation s’affiche
On clique sur [Yes] pour confirmer la sauvegarde
Calibration des images Dark
C’est l’opération qui consiste à soustraire le Master Bias de chaque image Dark
Onglet Process Explorer -> ImageCalibration -> ImageCalibration : on dépose le process icône sur l’espace de travail, je l’ai renommé « Dark_Moins_Bias »
On double-clique sur le process icône pour ouvrir la fenêtre <ImageCalibration>
On clique le bouton [Add Files] pour ajouter les fichiers Dark
- Output directory : on indique le répertoire où l’on a sauvegardé l’image Master Bias
On laisse les autres paramètres à leur valeur par défaut : l’extension « _c » permet de distinguer les fichiers calibrés.
On précise le Master Bias utilisé pour la calibration
Les cases « Master Dark » et « Master Flat » doivent être décochées
On lance le processus en cliquant sur
en bas de la fenêtre
Les différentes opérations s’affichent dans la fenêtre <Process Console> qui affiche le résultat une fois le processus terminé
On peut sauvegarder les paramètres de process icône <Dark_Moins_Bias> comme indiqué précédemment
Création du Master Dark
Onglet Process Explorer -> ImageIntegration -> ImageIntegration : on déplace l’icône sur l’espace de travail, je l’ai renommé « Creation_Master_Dark »
Double-clic sur le Process Icône « Creation_Master_Dark », la fenêtre <ImageIntegration> s’affiche
On clique sur le bouton [Add Files] pour ajouter les fichiers Dark : bien sélectionner les images Dark calibrées à l’étape précédente
On utilise les mêmes paramètres que pour la création du Master Bias pour les zones « Image Integration » et « Pixel Rejection (1) »
Dans la zone « Pixel Rejection (2) » on choisit
On lance le processus en cliquant sur
en bas de la fenêtre
S’affiche les trois images <integration>, <rejection_low> et <rejection_high>
En visualisant les images avec le process icône <Voir_Image_Lineaire> on pourra constater qu’il y a plus de pixels rejetés dans l’image <rejection_high> que dans l’image <rejection_low> (bien que « Sigma high » soit supérieur à « Sigma low« ) ce qui est normal une image Dark contenant beaucoup de pixels chauds
On pourra aussi voir à quoi ressemble l’image <integration> qui correspond au Master Dark, avec le process icône <Dematricer_Image_RAW>, puis le process <Voir_Image_Lineaire>
Pour une image prise en l’absence de lumière on y trouve beaucoup de pixels, n’oubliez pas que l’image Dark est fait pour supprimer le signal thermique, c’est lui que l’on visualise en majorité.
On sauvegarde les paramètres du process icône <Creation_Master_Dark>
On sauvegarde l’image que j’ai nommée « Master_Dark« , dans le même dossier que le Master Bias
Calibration des images Flat
C’est l’opération qui consiste à soustraire le Master Bias de chaque image Flat
Onglet Process Explorer -> ImageCalibration -> ImageCalibration : on dépose le process icône sur l’espace de travail, je l’ai renommé « Flat_Moins_Bias »
On réalise le même traitement que pour les images Dark, même répertoire pour le fichier créé, seul « Master Bias » est coché et on a indiqué l’emplacement du Master Bias
On lance le processus en cliquant sur
en bas de la fenêtre
Les différentes opérations s’affichent dans la fenêtre <Process Console> qui affiche le résultat une fois le processus terminé
On peut sauvegarder les paramètres de process icône <Flat_Moins_Bias> comme indiqué précédemment
Création du Master Flat
Onglet Process Explorer -> ImageIntegration -> ImageIntegration : on déplace l’icône sur l’espace de travail, je l’ai renommé « Creation_Master_Flat »
Double-clic sur le Process Icône « Creation_Master_Flat », la fenêtre <ImageIntegration> s’affiche
On clique sur le bouton [Add Files] pour ajouter les fichiers Flat : bien sélectionner les images Flat calibrées à l’étape précédente
On choisit les paramètres suivant
On lance le processus en cliquant sur
en bas de la fenêtre
S’affiche les trois images <integration>, <rejection_low> et <rejection_high>
On peuti voir à quoi ressemble l’image <integration> qui correspond au Master Flat, avec le process icône <Dematricer_Image_RAW>, puis le process <Voir_Image_Lineaire>
On est en présence d’un Flat assez propre
On sauvegarde les paramètres du process icône <Creation_Master_Flat>
On sauvegarde l’image que j’ai nommée « Master_Flat », dans le même dossier que le Master Bias
Calibration des Light
Les images Light (appelées aussi Brutes) représentent les images de l’objet que l’on a photographié
Par curiosité il peut être intéressant de visualiser une image Light
Menu FILE -> Open : on choisit un des fichiers représentant une image Light
Pour voir l’image on applique le process icône <Dematricer_Image_RAW> puis le process icône <Voir_Image_Lineaire>
Le calibrage des images Light va consister pour chaque image à lui soustraire le Master Bias et le Master Dark, puis a la diviser par le Master Flat
Onglet Process Explorer -> ImageCalibration -> ImageCalibration : on dépose le process icône sur l’espace de travail, je l’ai renommé « Calibration_Light »
On double-clique sur le process icône pour ouvrir la fenêtre <ImageCalibration>
On clique le bouton [Add Files] pour ajouter les fichiers Light
On a précisé le répertoire où seront sauvegardées les images calibrées, ainsi que les Master Bias, Master Dark et Master Flat
On lance le processus en cliquant sur
en bas de la fenêtre
Les différentes opérations s’affichent dans la fenêtre <Process Console> qui affiche le résultat une fois le processus terminé
On peut visualiser l’image Light que l’on a vue avant la calibration
Menu FILE -> Open : on choisit le fichier .fit correspondant à l’image Light calibrée
Pour voir l’image on applique le process icône <Dematricer_Image_RAW> puis le process icône <Voir_Image_Lineaire>
La différence avec l’image non calibrée n’est pas flagrante, cette dernière étant assez propre
Avec un zoom sur un même endroit on constate une différence
A gauche avant calibration, à droite après calibration : la différence ici est surtout dûe à la suppression du signal thermique
Dématriçage des images Light
Avant d’additionner les images Light afin d’obtenir l’image Master Light qui sera utilisée pour le traitement on doit dématricer toutes les images Light, c’est-à-dire grouper les pixels R, V et B en fonction de la matrice de Bayer afin d’obtenir une image couleur
On ne va pas s’amuser à appliquer le process icône <Dematricer_Image_RAW> à la main sur chaque image Light calibrée (il y en a 23, mais il pourrait y en avoir plus), on va donc mettre en place un traitement automatique en utilisant le process icône <Script>
Onglet Process Explorer -> <Etc> -> Script : on déplace l’icône sur l’espace de travail, je l’ai renommé <Dematricer_Light>
On double-clique le process icône, la fenêtre <Script> s’affiche
- File path : on indique ici le chemin du script « BatchDebayer » (dans le répertoire C:/Program Files/PixInsight/src/scripts/)
- MD5 checksum : on efface la zone
On clique sur
en bas de la fenêtre, la fenêtre <Batch Debayer Script> s’affiche
On clique le bouton [Add] pour ajouter les images Light calibrées
- Debayer Method : VNG
- Bayer / Mosaic Pattern : RGGB
- Evaluate noise : coché
- Output Directory : celui des images calibrées précédentes
On clique le bouton [Execute] pour exécuter le script, la fenêtre <Process Control> affiche les opérations qui se déroulent, au final
On trouvera dans le répertoire de sortie les fichiers correspondant dont le nom commence par « debayer_ »
On peut visualiser une de ces images avec le process icône <Voir_Image_Lineaire>
Correction cosmétique des images Light
PixInsight permet de réaliser un traitement qui va permettre de supprimer des pixels chauds et froids ayant résisté à la calibration et de rendre l’image plus propre, aussi pourquoi s’en priver
Onglet Process Explorer -> ImageCalibration -> CosmeticCorrection : on dépose le process icône sur l’espace de travail, je l’ai renommé « Correction_Cosmetique » (je sais, c’est original)
On double-clique sur le process icône, la fenêtre <CosmeticCorrection> s’affiche
On clique le bouton [Add Files] pour ajouter les fichiers dématricés (dont le nom commence par « debayer_« )
On précise le répertoire de sortie et on coche « Use Auto detect » en laissant les valeurs par défaut
On va ouvrir l’une des images pour voir ce qu’effectue ce process : on applique le process icône <Voir_Image_Lineaire » pour voir l’image (j’ai de nouveau pris l’image précédente)
Dans la barre d’outil on sélectionne
On sélectionne une zone de l’image
Un onglet <Preview01> apparaît à gauche de l’image, on clique sur cet onglet pour afficher un zoom de la zone sélectionnée
On clique sur
en bas de la fenêtre <CosmeticCorrection> pour avoir un aperçu en temps réel des modifications sur la zone sélectionnée, la fenêtre <Real-Time Preview> s’affiche
Le bouton
permet d’afficher alternativement l’image avant/après transformation
La zone
de la fenêtre <CosmeticCorrection> affiche le nombre de pixels chauds et froids supprimés
Si on coche « Show map » on affiche une image des pixels supprimés
On peut ajuster les paramètres « Hot Sigma » et « Cold Sigma« , plus ils augmentent moins de pixels sont supprimés, une fois satisfait du résultat on ferme la fenêtre <Real-Time Preview>, on clique sur l’onglet de l’image complète, on clique de nouveau sur
en bas de la fenêtre <CosmeticCorrection> pour avoir un aperçu en temps réel des modifications sur la totalité de l’image
Image avant transformation
Image après transformation
On ferme la fenêtre <Real-Time Preview> et on exécute le processus en cliquant sur
en bas de la fenêtre, les opérations s’affichent dans la fenêtre <Process Console> qui a la fin précise la réussite du traitement
On trouve alors dans le répertoire de sortie des fichiers dont le nom se termine par « _cc »
Pour conserver les différentes étapes du prétraitement on sauvegarde les process icônes le constituant
J’ai ajouté le process icône <NoOperation> en tête pour donner un nom à l’ensemble du processus, j’ai conservé les process icônes <Voir_Image_Lineaire> et <Dematricer_Image_RAW> par commodité
Menu PROCESS -> Process Icons -> Save Process Icons : j’ai nommé la sauvegarde « Process_APN_CP »
Création du Master Light
A partir des images Light dématricées et corrigées on va créer un Master Light qui sera utilisé pour le traitement qui donnera l’image finale
On va d’abord aligner toutes les images, pour cela on a besoin de choisir une image de référence, on va donc visualiser les images pour choisir celle qui nous convient
Onglet Process Explorer -> ImageInspection -> Blink : double-clic sur l’icône, la fenêtre <Blink> s’ouvre, on sélectionne
Pour ajouter les fichiers « debayer_…_cc.fit »
On fait défiler les images avec
Après inspection de l’ensemble des images j’ai décidé de ne pas tenir compte des trois premières images, je les ai donc supprimées de la liste avec le bouton
Pour déterminer l’image de référence
Onglet Process Explorer -> <Scripts> -> Batch Processing -> SubframeSelector : on dépose l’icône sur l’espace de travail, je l’ai renommé « Choisir_Image_Reference »
On double-clic sur l’icône, la fenêtre <Script> s’affiche
On clique sur
en bas de la fenêtre, la fenêtre <SubframeSelector> s’affiche, on clique sur le bouton [Add Files] pour ajouter les images retenues, puis sur le bouton [Measure] en bas de la fenêtre, une fois le processus terminé, les fichiers apparaissent dans la zone « Table »
On ouvre la zone « Plots » où l’on affiche un graphique des valeurs de « FWHM » pour chaque image
On choisit alors comme image de référence celle qui a la plus petite valeur « FWHM », soit ici l’image numéro 5 nommée « debayer_IMG_4270_c_cc », on peut maintenant passer à l’alignement des images
Onglet Process Explorer -> ImageRegistration -> StarAlignment : on dépose l’icône sur l’espace de travail, je l’ai renommé « Alignement_Des_Light »
On double-clic sur l’icône, la fenêtre <StarAlignment> s’affiche, on saisit d’abord le nom de l’image de référence
Dans la zone « Target Images » on clique le bouton [Add Files] pour ajouter les images retenues
On précise le répertoire de sortie
On clique sur
en bas de la fenêtre pour exécuter le processus
Des fichiers dont le nom se termine par « _r » sont créés qui correspondent à des images alignées entre elles.
Dans ce processus d’alignement des bandes noires peuvent apparaître sur certaines images, il faut les éliminer car elles peuvent avoir une influence sur le rapport signal sur bruit
Onglet Process Explorer -> ImageIntegration -> ImageIntegration : on déplace l’icône sur le plan de travail, je l’ai renommé « Addition_Images_Pour_Suppression_Bordures_Noires »
On double-clic sur l’icône et on clique le bouton [Add Files] pour ajouter les fichiers dont le nom se termine par « _r« , on ajuste les paramètres
On clique sur
en bas de la fenêtre pour exécuter le processus, une image nommée <integration> s’affiche que l’on peut visualiser avec la fonction
du process icône <Voir_Image_Lineaire>
L’aspect jaune-verdâtre de l’image est du au fait que la fonction d’ajustement des niveaux s’applique d’une manière égale aux trois couches couleurs qui sont liées entre elles, pour avoir un affichage plus réaliste des couleurs de l’image on désolidarise les trois couches avec
et on applique de nouveau la fonction
du process icône <Voir_Image_Lineaire>, l’image s’affiche alors avec des couleurs plus réalistes
En revenant à l’image vue avec les trois couches couleurs liées on distingue à gauche et en haut de l’image la présence d’une fine bordure noire, ainsi qu’en bas à droite, on va alors découper l’image pour supprimer ces bordures
Onglet Process Explorer -> Geometry -> DynamicCrop : on déplace l’icône sur l’espace de travail, je l’ai renommé « Decouper_Image »
On double-clic sur l’icône, la fenêtre <DynamicCrop> s’affiche
Un cadre bleu apparaît dans l’image
Avec la souris on redimensionne ce cadre pour qu’il ne contienne que l’image sans les bords noirs, on utilise
pour zoomer l’image afin de positionner le cadre précisément
Bien parcourir les quatre bords pour être sûr d’éliminer entièrement les bords noirs
La fenêtre <DynamicCrop> a été mis-à-jour avec les nouvelles valeurs du cadre
Pour sauvegarder ces valeurs et pouvoir ainsi l’appliquer aux autres images on clique sur
en bas de la fenêtre <DynamicCrop> et sans relâcher la souris on le déplace sur le process icône <Decouper_Image>
On va maintenant supprimer les bandes noires sur toutes les images nommées « debayer-…_r »
Menu PROCESS -> Image Container : la fenêtre <ImageContainer> s’affiche, on clique sur
en bas de la fenêtre <ImageContainer> et sans relâcher la souris on le déplace sur l’espace de travail, et on renomme le process icône « Decouper_Toutes_Les_Images »
On clique sur
pour ajouter les images dont on veut supprimer les bandes noires
- Output Directory : on précise le répertoire où seront créés les fichiers des images dont on aura supprimé les bords noirs
- Output Template : format des noms de fichiers créés
Pour réaliser l’opération de découpage on clique sur
en bas de la fenêtre <ImageContainer> et sans relâcher la souris on le déplace sur le process icône <Decouper_Image>, tous les paramètres sauvegardés pour ce dernier sont alors appliqués aux images sélectionnées
Des fichiers nommés comme « debayer_…_r_20140114094634.fit » sont créés
A ce niveau il est intéressant d’évaluer le rapport signal sur bruit maximum que l’on peut espérer obtenir
Onglet Process Explorer -> ImageIntegration -> ImageIntegration : on déplace le process icône sur l’espace de travail, je l’ai renommé « Evaluer_Rapport_Signal_Sur_Bruit »
On double-clic sur le process icône, on clique sur [Add Files] pour ajouter les images dont on a supprimé les bords noirs, on positionne les paramètres suivant, l’objectif étant d’évaluer le rapport signal sur bruit
On clique sur
en bas de la fenêtre pour exécuter le processus, une fois terminé la fenêtre <Process Console> affiche les résultats
La ligne « Median noise reduction » affiche : 202428 2.0810 1.5252, valeurs dont on essaiera de se rapprocher le plus possible lors de la combinaison finale des images
Une image <integration> s’est affichée que l’on peut visualiser avec la fonction
du process icône <Voir_Image_Lineaire>
et voir une image aux couleurs réalistes en désolidarisant les trois couches couleurs avec
et on applique de nouveau la fonction
On peut également vérifier que les bords noirs ont disparus
On va maintenant obtenir l’image finale avant traitement
Onglet Process Explorer -> ImageIntegration -> ImageIntegration : on déplace le process icône sur l’espace de travail, je l’ai renommé « Creation_Image_Finale »
On double-clic sur le process icône, on clique sur [Add Files] pour ajouter les images dont on a supprimé les bords noirs, on positionne les paramètres suivant
- Rejection algorithm : le choix de l’algorithme dépend du nombre d’images à combiner
- Percentile Clipping : moins de 6 images
- Averaged Sigma Clipping : entre 7 et 10 images
Winsorized Sigma Clipping : entre 10 et 25 images - Linear Fit Clipping : plus de 25 images
On clique sur
en bas de la fenêtre pour exécuter le processus, on obtient les résultats suivant
J’ai également essayé ces paramètres
Avec les résultats suivant
Le premier jeu de paramètres semble donner les meilleurs résultats, c’est celui que j’ai retenu (on peut bien entendu essayer d’autres jeux de paramètres, le but ici n’est pas d’obtenir la meilleure image possible, mais d’avoir une première approche de PixInsight), on obtient les trois images <rejection_low>, <rejection_high> et <integration>, cette dernière correspond à notre image finale Master Light avant traitement, que l’on peut visualiser avec la fonction
du process icône <Voir_Image_Lineaire>
et voir une image aux couleurs réalistes en désolidarisant les trois couches couleurs avec
et on applique de nouveau la fonction
Il ne reste plus qu’à sauvegarder cette image, je l’ai nommée « Master_Light_M8_M20 »
Menu File -Save As
J’ai également sauvegardé l’ensemble des process icônes avec le nom « Process_APN_CP »
Le traitement sera décrit dans l’article qui suit