锋芒拍摄关于风景、人像、纪实、建筑、星野、深空天体的摄影作品都会在这里展示给大家欣赏!

教程(PixInsight):LRGB与窄带的结合(机器翻译版)

18 05月
作者: Stephen Wilson |分类:天文资料 | 转载时间:2020年05月18日
【特别声明】 本文摘自网络,原文 作者/网站: Stephen Wilson


本文是经常在线翻译软件翻译后的译文,如果想看英文原版请点击下面链接:

https://www.lightvortexastronomy.com/tutorial-combining-lrgb-with-narrowband.html



用LRGB和窄带成像深空目标往往会产生两种截然不同的图像。在LRGB中,我们确定目标的真彩色,而在窄带中,假彩色图像会产生大量与特定元素相关的精细细节。不过,毫无疑问,总会有一天,你想把宽带(LRGB)和窄带数据结合在一起,以获得两个世界的最佳结果。一些令人惊叹的图片已经由天文摄影师制作完成。通常,由于Ha的波长,Ha用于增强LRGB图像的红色通道,而由于OⅢ介于绿色和蓝色之间,Ha用于增强LRGB图像的绿色和蓝色通道。然而,我们可以简单地用Ha来增强红色通道,这对于银河系的图像来说是正常的(以进一步显示沿旋臂的恒星形成区域)。通过除Ha和OⅢ以外的过滤器捕获的窄带数据通常不用于与LRGB数据结合。例如,有些人还选择将常规亮度与Ha等结合起来。


PixInsight 能够将宽带(LRGB)和窄带数据结合在一起,生成增强图像,增强通道的选择完全取决于用户。本教程介绍了使用窄带数据增强LRGB图像的常见方法,Ha表示红色,OⅢ表示绿色和蓝色,Ha表示亮度。所有这些组合的方法都基于 Vicent Peris 的 PixInsight团队。



教程假定

操作PixInsight知识,与处理图像和进程相关(请阅读第3节和第4节)。

您的图像已经被完全预处理(请阅读本文)。

您的图像都已相互注册(星点对齐StarAlignment),被裁剪了相同的数量(DynamicCrop),并删除了背景渐变(DynamicBackgroundExtractionDBE)(请阅读第1、2和3节)。



教程章节目录

1. 图像的初步准备

2. 用Ha增强红色

3. 用OⅢ增强绿色和蓝色

4. 亮度与Ha的结合




1.图像的初步准备


教程中使用的图像已经过完全预处理,已经互相注册(星点对齐StarAlignment了,使用DynamicCrop裁剪了它们的黑色边缘,并使用 DynamicBackgroundExtraction 移除了背景渐变。单色LRGB图像在亮度上也与绿色图像进行了匹配,作为使用 LinearFit 的参考。所有这些都是在颜色组合和进一步后处理之前对图像所做的准备工作,强烈建议在继续之前。图像仍处于线性状态,如下所示。



教程(PixInsight):LRGB与窄带的结合(机器翻译版)


我们首先将红色、绿色和蓝色图像组合成彩色RGB图像。然后对彩色RGB图像进行颜色校准,使其代表目标的真实颜色。此过程超出了本教程的范围,因为还有其他基于这些主题的教程(颜色组合和颜色校准图像)。然而,在尝试用窄带数据增强彩色RGB图像之前,我们对其进行颜色校准是非常重要的。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


以上,新的彩色RGB图像已自动进行了演示。单色的红色、绿色和蓝色图像已经关闭,因为我们不再需要它们(让颜色组合它们并对结果进行颜色校准)。我们现在有一切需要继续。

 

2.用Ha增强红色


假设Ha发射线位于光谱的红色部分,Ha总是被用来增强红色通道。我们首先打开之前创建的彩色校准彩色RGB图像以及Ha图像。下面显示为了达到演示的目的,已进行了自动拉伸处理。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


为了用Ha增强彩色图像的红色通道,我们首先需要将红色通道提取为单色图像。这是必要的,因为颜色校准后,各个颜色通道在强度上相互改变(与原始的单色红色、绿色和蓝色图像相比)。为此,我们使用 ChannelExtraction 进程。在 Color Space 下选择的默认RGB模式下,仅在 Channels / Target Images 下保持 R选定,并将该过程应用于彩色RGB图像。



教程(PixInsight):LRGB与窄带的结合(机器翻译版)


由于我的彩色RGB图像被简单地命名为RGB,所以出现的新单色图像被称为RGB_R,这是彩色RGB图像的红色通道。由于图像都处于线性状态,默认情况下,提取的红色通道也显示为线性状态。我们现在打开了 PixelMath 进程,我们将使用它来进行Ha的红色通道增强。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


在上面,提取的红色通道图像显示在自动拉伸的Ha图像下方的自动拉伸。为了将这些结合在一起,我们首先需要创建一个单独对应于星云的图像 —— 一个在结合之后移除恒星和其他连续体的图像。因此,我们在 PixelMathDestination 下选择 Create new image,在 Color space 下选择 Grayscale。我们在 RGB/KSymbols 文本框中输入以下表达式以开始:


RGB/K:( ( HA * R_bandwidth ) - ( R * HA_bandwidth ) ) / ( R_bandwidth - HA_bandwidth ) 

Symbols:R_bandwidth=100,HA_bandwidth=7



教程(PixInsight):LRGB与窄带的结合(机器翻译版)


因为我的Ha图像简单的叫做HA,所以我把它留在 RGB/K 文本框中。但是,我更改了RGB的R,因为这是我提取的红色通道图像的名称。数字100和7对应于该目标成像期间使用的红色和Ha滤光片的滤光片带宽(以纳米为单位)。实际上,大多数红、绿、蓝三色滤光片的带宽约为100nm,而窄带滤光片则有所不同。这张照片是用 Baader Ha 7nm 滤光片拍摄的,因此 7 是输入 HA_bandwidth 的正确值。单击在 PixelMath 上的 Apply 按钮将创建一个新图像,如下所示为已自动拉伸后的图像。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


的确,在这张新的图片中,出现的恒星较少,但仍有相当多的恒星出现。为了更积极地去除它们(实际上,其他与组合无关的连续体),我们只是简单地减少输入的值 R_bandwidth。目前,它是100。把这个降到40最终结果要好得多。我们可以关闭早些时候创建的映像,而无需保存并签出新的组合。R_bandwidth 设为40.


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


恒星几乎消失的事实意味着,尽管用Ha增强了红色通道,它们仍将保留其自然颜色。对于一个星系的图像,调整 R_bandwidth 不仅可以有效地去除恒星,还可以有效地去除星系结构其余部分的连续体,只留下那些实际上会被Ha增强的区域。


创在创建新的组合图像后,我们将使用该图像来增强彩色RGB图像的红色通道。在继续之前,我们在 PixelMath 上单击 Reset 并关闭提取的红色通道图像以及原始的Ha图像。因此,我们只保持彩色RGB图像和新创建的图像打开。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


PixelMath 再次打开。这一次,在单击重置之后,我们所做的就是禁用使用单个 RGB/K 表达式,以便我们可以为 R/KGB(每个颜色通道)输入单个表达式。然后在 R/KGBSymbols 文本框中输入以下内容:


R/K:$T + ( ( CombImg - Med( CombImg ) ) * BoostFactor )

G:$T

B:$T

SymbolsBoostFactor=1.0



教程(PixInsight):LRGB与窄带的结合(机器翻译版)


上面,我用我的合成图像 Image24 的实际名称替换了 CombImgR/K 文本框上的表达式基本上将组合的数据添加到彩色RGB图像的红色通道中。在 和 文本框中都有 $T 可以确保绿色和蓝色通道保持原样,而不会发生更改。BoostFactor 参数只是通过Ha数据来衡量增强红色通道的强度。1.0将自然地添加已经存在的内容,而低于1.0的值将较少增强红色通道,高于1.0的值将更多地增强红色通道。为了执行增强,只需选择彩色RGB图像并单击 PixelMath 中 的 Apply 按钮,或者将 PixelMathNew Instance 按钮拖放到彩色RGB图像上。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


很明显,这种增强已经起作用了,因为红色更生动,而且在外围区域可以看到更多的模糊。然而,为了完成增强,我们需要中和增强图像中的背景。为此,我们只在背景空间(没有星云或星星)上创建一个小的预览框(preview box ),打开 BackgroundNeutralization 进程,从 Reference image 的列表中选择预览框并将其应用于彩色 RGB图像。重新应用自动拉伸会产生更改的结果。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


结果现在看来好多了。请记住,现在使用 ColorCalibration 进程是没有意义的,因为它会破坏我们用Ha增强红色通道的许多功能。BackgroundNeutralization 是我们所需要的。此时,如果您对结果满意,可以关闭我们先前创建的组合图像(我的称为Image24),删除预览框并保存对颜色RGB图像的更改。如果你想增强红色通道更多(或更少),只需撤消对彩色RGB图像所做的更改,调整 PixelMath 中的 BoostFactor 值,然后简单地重新应用该过程并重做 BackgroundNeutralization

 

3. 用OⅢ增强绿色和蓝色


由于OⅢ发射线位于光谱的绿色和蓝色部分之间,OⅢ通常用于增强彩色图像的绿色和蓝色通道。我们将继续这样做,从我们停止的地方继续(在用Ha增强红色通道之后)。下面我们有我们的Ha增强彩色图像和OⅢ图像,都是自动拉伸后的。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


我们将遵循相同的步骤,但在这种情况下适用于绿色和蓝色通道。因此,我们在 Color Space 下选择的默认 RGB模式 下使用 ChannelExtraction 进程,在 Channels / Target Images 下仅选择 GB 。我们单击 Apply 选定的彩色图像。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


这将绿色和蓝色通道提取为单独的单色图像,在我的例子中称为 HAR_G_B_G_GHAR_G_B_B(因为彩色图像称为HAR_G_B)。上面,这些提取的图像显示为自动拉伸。我们把这些放在一边,打开 PixelMath 进程,确保在开始之前单击它的 Reset 按钮。再次,我们在 Destination 中选择 Create new image, 和在 Color Space(色彩空间) 中选择 Grayscale(灰度) 。在 RGB/KSymbols 文本框中,输入:


RGB/K:( ( OⅢ * G_bandwidth ) - (G * OⅢ_bandwidth ) ) / ( G_bandwidth - OⅢ_bandwidth )

Symbols:G_bandwidth=100,OⅢ_bandwidth=8.5



教程(PixInsight):LRGB与窄带的结合(机器翻译版)


上面,我用提取的绿色通道图像的实际名称 HAR_G_B_G 替换了 G。输入的 G_bandwidthOⅢ_bandwidth 的数字再次对应于以纳米为单位的滤波器带宽。我们可以再次开始说 G_bandwidth 100,而 OⅢ_bandwidth 值设置为 8.5,因为用于捕获此图像的滤波器是 Baader Oxygen Ⅲ 8.5nm滤波器。准备好后,我们单击 Apply 按钮应用于 PixelMath 创建一个新的 绿色OⅢ 的组合图像


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


和以前一样,我们可以通过降低 G_bandwidth 的值来移除更多的恒星和连续体。然而,在这个例子中,40 太低了,特别是在图像左边去除了很多模糊。G_bandwidth 值为 60 时,得到了更好的最终结果。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


在得到令人满意的结果后,我们重新命名了这个新的图像 CombG ,将其放在一边,并对提取的蓝色通道图像进行同样的操作。同样,我们在 RGB/KSymbols 文本框中输入以下内容:


RGB/K:( ( OⅢ*B_bandwidth ) - ( B * OⅢ_bandwidth ) ) / ( B_bandwidth - OIII_bandwidth )

Symbols:B_bandwidth=100,OⅢ_bandwidth=8.5


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


在上面,我更改了 HAR_G_B_B —— 我提取的蓝色通道图像的名称。再次,对 B_bandwidth 的值集进行的一些实验得出了值为 70 的最佳结果。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


在创建了另一个令人满意的结果后,我们将这个新的图像组合重命名,将其放在一边并关闭提取的绿色和蓝色通道图像,关闭原始的 OⅢ 图像并单击 PixelMath 中的 Reset 按钮。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


为了将增强功能应用于彩色图像,我们需要禁用 PixelMath 中的 RGB/K expression option 。我们现在在 R/KGBSymbols 文本框中输入以下内容:


R/K:$T

G:$T + ( ( CombG - Med( CombG ) ) * BoostFactor )

B:$T + ( ( CombB - Med( CombB ) ) * BoostFactor )

SymbolsBoostFactor=1.0


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


CombG 和 CombB 对应于我组合的绿色和蓝色图像名称。你的可能不同,所以相应地改变 PixelMath 数学表达式。与之前一样,我们只需要先选择图像,然后单击应用(或将 PixelMath 的新实例按钮拖放到彩色图像上),将 PixelMath 过程应用到彩色图像。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


随着OⅢ增强应用于绿色和蓝色通道,我们现在再次中和背景。为此,我们只在背景空间(没有星云或星星)上创建一个小的预览框,打开 BackgroundNeutralization 进程,从 Reference image 列表中选择预览框并将其应用于彩色RGB图像。重新应用自动拉伸会产生更改的结果。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


结果现在看来好多了。再次,请记住,现在使用颜色校准 ColorCalibration 进程是毫无意义,因为它将撤消我们迄今为止所做的许多增强。BackgroundNeutralization 是我们所需要的。在这一点上,如果您对您的结果满意,您可以关闭我们之前创建的组合图像(我的称为组合和组合),删除预览框并保存对颜色RGB图像的更改。如果您想增强更多(或更少)绿色和蓝色通道,只需撤消对彩色RGB图像所做的更改,调整 PixelMath 中的 BoostFactor 值,然后重新应用该过程并重做 BackgroundNeutralization


下面显示彩色图像的前后比较。左图为修改前,右图为增强修改后(Ha 和 OⅢ 增强)。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


记住,在每个步骤中,可以使用 BoostFactor 参数调整所提供的增强量。在这个阶段,彩色图像仍然是线性的,允许用户继续像正常情况下那样进行后期处理。彩色图像可以单独处理,也可以稍后与亮度图像结合后处理。

 

4. 亮度与Ha的结合


有时,我们想确保亮度也有来自窄带数据的贡献。即使我们不费心用 Ha 增强红色通道,结合亮度和 Ha 提供了 Ha 星云区域额外的发光贡献。这意味着,在后期处理中将增强亮度图像与彩色图像结合时,Ha 发射会进一步被带出并变亮。仅仅用 Ha 做这件事的主要原因是,可见宇宙的大部分是氢,这意味着 Ha 过滤器几乎总是产生最大数量的数据,从而提供最大的贡献。


由于亮度图像本身是单色的,我们不需要提取任何东西。我们只需打开亮度和Ha图像,如下图所示。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


我们再次使用 PixelMath 进程来执行组合。首先单击 Reset 按钮,然后在 Destination (目标) 下选择 Create new image (创建新图像),在 Color space (色彩空间) 下选择 Grayscale(灰度) 。在 RGB/KSymbols 文本框中,输入以下内容:


RGB/K:( ( HA * L_bandwidth ) - ( L * HA_bandwidth ) ) / ( L_bandwidth - HA_bandwidth )

Symbols:L_bandwidth=300,HA_bandwidth=7



教程(PixInsight):LRGB与窄带的结合(机器翻译版)


因为我的亮度和Ha图像分别被称为 LHA ,所以我把它们保持原样。注意,由于红色、绿色或蓝色滤光片的带宽约为100nm,因此亮度滤光片的带宽约为 300nm,因此我们输入 300 作为 L_bandwidth 。同样,由于这张图片是用 Baader Hydrogen-Alpha 7nm 滤光片拍摄的,我们输入 7 作为 HA_bandwidth。我们在 PixelMath 中单击 Apply 按钮,我们的新图像就会显示出来,如下所示为自动拉伸后的效果。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


我们再次希望在这个阶段产生一个图像,去掉大多数恒星和连续体。如您所料,我们只需调整 L_bandwidth 的值,直到获得一个好的结果。在我的情况下,40 实际上是一个理想的数值。不要担心设置这么低的亮度值 —— 只要你得到一个像下面这样的结果,它就会工作得很好。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


我们现在可以关闭原始的 Ha 图像,然后在 PixelMath 中单击 Reset(重置)。由于亮度图像是单色的,因此我们保留 PixelMath 中的所有默认设置,但在 RGB/KSymbols 文本框中输入以下内容除外:


RGB/K:$T + ( ( CombImg - Med( CombImg ) ) * BoostFactor )

Symbols:BoostFactor=1.0



教程(PixInsight):LRGB与窄带的结合(机器翻译版)


上面,我将 CombImg 改为 Image10 ,这是我新创建的图像的名称。为了执行增强,我们只需在选择亮度图像时单击在 PixelMathApply 按钮,或者将 PixelMath 的新实例按钮拖放到亮度图像上。重新应用自动拉伸将是必要的,以查看增强亮度图像的实际情况。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


由于周围有许多模糊的星云被带出并照亮,因此得到的增强非常清晰。明亮的星云也进一步增强了对比度。同样,参数 BoostFactor 在应用增强的程度上起主要作用。在这一点上,如果您对您的结果满意,您可以关闭我们之前创建的组合图像(我的称为 Image10 )并保存对亮度图像的更改。如果您想增强亮度图像更多(或更少),只需撤消所做的更改,调整 PixelMath 中的 BoostFactor 值,然后简单地重新应用该过程。


下面显示亮度图像的前后比较。左图像是修改前,右图像是增强修改后(Ha增强,BoostFactor 值为 0.75 )。


教程(PixInsight):LRGB与窄带的结合(机器翻译版)


显然,在没有像这个星云核心这样明亮区域的目标中,这种效应更加明显和有益。然而,我们可以清楚地看到周边地区的好处。增强的亮度图像可以单独进行后处理,以便以后与彩色图像结合,无论该彩色图像是否也用窄带数据增强。


浏览92 评论0
返回
目录
返回
首页
标签:PixInsight PI 后期 窄带 PixelMath
你的生日查看那天哈勃拍到了什么 Siril 0.9.12 中文版快餐式操作实录

发表评论

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。