vom Prinzip hat David schon alles gesagt, aber ich habe noch ein paar Hinweise zu Schmalband als Falschfarbenbild:
Die „traditionellen“ Prozesse sind darauf ausgerichtet, die Farben über die Helligkeit der Sterne abzugleichen.
PCC und LinearFit arbeiten beide linear und berechnen einen Multiplikator für den ganzen Kanal und verschieben hinterher einen Offset um den Hintergrund zu neutralisieren (Ziel: Hintergrund neutral grau)
y = a + b * x
Ziel dieser Vereinfachung ist, dass der nachträgliche Offset nur einen geringfügigen Einfluss auf die Farbe der hellen Sterne hat.
GHS unterstützt durch heftige Gradationskurve im unteren Bereich das Problem das Ausbrennen heller Bereiche im Nebel.
Seit wir mit Starnet etc Nebel und Sterne getrennt entwickeln gehe ich im Schmalband oft einen anderen Weg in PI:
Ich stimme die Farb-Komposition der Kanäle nicht auf die Helligkeit der Sterne sondern auf die maximale Helligkeit der Nebel und des Hintergrundes ab.
——
Folgendes soll den Ansatz nur in Stichpunkten erklären:
-Kanäle HSO normal entwickeln
-Kanäle sind noch linear
-füge HSO zu einem RGB zusammen
-entferne Gradiente (zB GradXpert)
-entferne mit Starnet die Sterne!!
soweit der normale Weg, jetzt wird es spannend
(a) ich messe an einem neutralen Bildausschnitt (ein crop auf eine Fläche ohne Nebel) den Hintergrund des Bildes in PI Statistics (median)
(b) ich prüfe am gesamten Bild in PI Statistics die maximale Helligkeit der Kanäle (maximum)
In Statistics [ ] unclipped deaktiviert lassen, wenn noch Hotpixel etc im Bild sind!
Jetzt wird man auch bei gleicher Belichtungszeit der Schmalbandfilter deutlich verschiedene Werte erhalten.
Und darauf stimme ich mit Augenmaß (!) die lineare Funktion in PixelMath so ab, dass der Hintergrund neutral grau ist.
Danach können die üblichen Streckungen für das nichtlineare Bild ausgeführt werden.
———
Ein folgendes fiktives Beispiel für 2 Kanäle H und S soll das verdeutlichen:
Wertebereich sei 0…65535 (2^16-1)
Kanal H med=300 (im o.g. crop), max=5000 (ganzes Bild)
Kanal S med=150 (im o.g. crop), max=1000 (ganzes Bild)
jetzt gibt es zwei Möglichkeiten, je nachdem wo man hin will
Variante A:
Man könnte einfach S verdoppeln auf den gleiche Background-Wert und damit das schwächere Signal S gegenüber H stehen lassen
Kanal H in PixelMath: $T
Kanal S in PixelMath: $T*2
Variante B
Man möchte das schwächere Signal S stärker betonen und auf den Level von H hochziehen:
Kanal H in PixelMath: $T
Kanal S in PixelMath: $T*5 - 450
für Variante A und B gilt jetzt:
Wenn man jetzt in STF die Kanäle verknüpft ist der Hintergrund neutral grau (auf 300 Digits).
Man kann in PI HistogramTransformation die Highlights aller Kanäle beschneiden auf hier max H=5000 (von 2^16) - ohne dabei Informationen zu beschneiden!
Das lineare Bild kann jetzt gestreckt werden.
Da jetzt alle Kanäle die gleiche Streckung erhalten, kann man das Ergebnis fein justieren.
Hat man mit HistogramTransformation bereits auf die Highlights beschnitten reicht jetzt oft ein einfaches CurvesTransformation mit 2-3 Zwischenpunkten aus (anstatt zB GHS).
Hinweis:
Ich habe das hier bewusst stark vereinfacht formuliert. Auf Grund des SNR kann es schwierig sein, einen sehr schwachen Kanal (zB S) mit einem zu starken Multiplikator auf H zu pushen.
Wenn im fertigen Bild dass Farbrauschen der Kanäle sich zu stark unterscheidet muss dieses ggf maßvoll getrennt bekämpft werden.
Es kann bei kurz belichteten Schmalband mit wenig Signal auch sinnvoll sein, dem nichtlinearen Bild zum Schluss ein kleines Offset hinzuzuaddieren, damit der Hintergrund nicht im Schwarz absäuft.
Zum Schluss etwas Photoshop nach Geschmack..
Ich wollte mit der langatmigen Erklärung hier nur das Bewusstsein für die altbewährte AstroEntwicklungsTheorie
y = a + b * x
schärfen.
Wir diskutieren oft über die Frage welches Werkzeug ist geeignet und verlieren die Basics von Pixelmath aus den Augen.
tl;dr
Bleibe so lange wie möglich im linearen Bereich und Strecke das Signal der Nebel linear zwischen den Grenzen min/max. So behältst du bis zum Schluss die volle Kontrolle über dein Signal ohne etwas zu verquetschen.
Sorry, falls meine Erklärung zu langatmig war
