Prétraitement avec PixInsight (1/6)

Ecrit le 26/10/13.

Le prétraitement consiste à créer les images d’offset, de dark et de flat puis à calibrer les brutes à l’aide de ces images.

On va utiliser pour cet exemple les images suivantes réalisées avec mon 350D et mon Newton 200/800 :
– 31 poses brutes de 180 s de la galaxie M51
– 10 images de dark
– 11 images d’offset
– 11 images de flat.

Pour effectuer les opérations décrites dans ces pages, je vous propose deux méthodes :

1ère méthode : utiliser tout simplement les process les uns à la suite des autres

2ème méthode : utiliser mes process icons personnels.
Dans ce cas-là, vous pouvez les télécharger ici : Prétraitement APN.

Pour charger les process icons, on cliquera sur ce bouton de la barre des tâches :

ou on ira dans le menu PROCESS/Process Icons/Load Process Icons…

La 1ère méthode vous apprendra à créer vous-même vos propres Process icons et vous permettra de mieux comprendre le fonctionnement général de Pixinsight, tandis que la seconde méthode vous permettra de traiter plus rapidement vos images si vous ne souhaitez pas pour l’instant trop entrer dans les détails de fonctionnement du logiciel.

Concrètement, le prétraitement va consister à :

  1. Créer l’offset.
  2. Retirer l’offset des images de dark.
  3. Créer le dark.
  4. Retirer l’offset des images de flat.
  5. Créer le flat.
  6. Calibrer les brutes à l’aide de l’offset, du dark et du flat.
  7. Debayeriser les brutes calibrées.
  8. Faire une dernière correction cosmétique des brutes.

1-Créer l'offset

Pour créer l’offset, on utilise le process ImageIntegration.

Avec la 1ère méthode : on va dans l’onglet Process Explorer, et soit on dépose le process sur le bureau (ce qui vous permettra de sauvegarder le process dans une liste de process icons) puis on double-clique sur l’icône, soit on double-clique directement dans l’onglet du Process Explorer.

Avec la 2ème méthode : on fait un double-clic sur l'icône intitulé Offset.

La fenêtre du process apparaît :

On va cliquer sur Add Files pour ajouter nos images d'offset dans le process : dans mon exemple j'ai 11 images d'offset nommées offsetM510001.cr2 jusqu'à offsetM510011.cr2.

La fenêtre comprend plusieurs parties qui s’ouvrent ou se ferment en cliquant sur les doubles-flèches.

Dans Image Integration, plusieurs paramètres sont à régler :
– dans Combination, on va choisir Average
– dans Normalization, on choisit No normalization
– dans Weights, on choisit Don’t care (all weights = 1).

Normalement les options suivantes sont sélectionnées par défaut, on va les laisser :
– dans Scale estimator, on a iterative k-sigma/biweight midvariance
– les cases Generated integrated image et Evaluate noise sont cochées.

Il va peut-être vous falloir modifier les options de Buffer size et de Stack size, qui par défaut sont à 32 et 2048. Il faut savoir que les auteurs de Pixinsight recommandent l’utilisation d’un ordinateur possédant 8 Go de Ram. Le prétraitement est la partie du traitement qui consomme le plus de mémoire vive, et si vous ne possédez pas 8 Go de Ram, il se peut que le process se plante avec un message Out of memory.
Dans ce cas-là, il va falloir diminuer les valeurs de Buffer size et de Stack size en les divisant par 2. Je fais mon prétraitement sur un ordinateur qui ne possède que 4 Go de Ram, j’ai donc dû diminuer mon Buffer size à 16 et mon Stack size à 1024 pour que cela fonctionne.

On ouvre maintenant Pixel Rejection (1), et on choisit les paramètres suivants :
– dans Rejection algorithm, on prend Winsorized Sigma Clipping
– dans Normalization, No normalization
– on coche les cases Generate rejection maps, Clip low pixels et Clip high pixels.

Enfin, dans Pixel Rejection (2), on a accès à deux paramètres : Sigma low et Sigma high. Dans mon exemple, j’ai choisi de mettre Sigma low à 4 et Sigma high à 3. On y reviendra plus loin.

Voilà, il ne reste plus qu’à lancer le process en cliquant sur le petit disque bleu en bas de la fenêtre (Apply Global) que l’on retrouve sur plusieurs fenêtres de process.

La console s’ouvre, le process travaille, ce qui peut prendre un certain temps, et à la fin on va se retrouver avec trois images, nommées integration, rejection_low et rejection_high.

 

Si on repasse la souris sur l'onglet Process Console, la console s'affiche et on peut constater que mon process a mis 66,47 s pour additionner mes 11 images.

Alors pour en revenir à mes trois images, le résultat de mon process, qui est l’image d’offset que l’on veut créer, correspondant à l’image nommée integration.

Les images rejection_low et rejection_high correspondent aux pixels qui ont été rejetés par l’algorithme de réjection utilisé.

Pour faire simple (et je dis ça d’autant plus que je ne suis pas sûr de maitriser totalement la théorie…), nos images d’APN contiennent des défauts dus aux faits que les nombreux pixels du capteur de l’appareil photo ne fonctionnent pas tous correctement, ni de manière similaire (cela est inévitable, inutile de renvoyer votre APN au magasin !). Il y a les fameux pixels chauds (bien que dans le cas de l’offset en particulier, de tels pixels n’apparaissent pas en théorie étant donné que ces images ne sont normalement pas sensibles à la température à cause de la brièveté des poses effectuées…), des pixels froids (ou morts ?), des pixels déviants qui n’affichent pas la valeur escomptée… Dans Pixinsight, on peut régler les paramètres à partir desquels on rejette les pixels dont les valeurs sont trop extrêmes, ces paramètres sont le sigma low et sigma high utilisés précédemment. Le sigma low correspond à la limite en-dessous de laquelle les valeurs des pixels sont rejetées, tandis que le sigma high correspond à la limite au-dessus de laquelle les valeurs sont rejetées.

Il y a deux choses simples à retenir :
– plus on augmente la valeur des sigma low et high, moins on rejette de pixels
– en général, les valeurs de départ des deux sigma sont mises à 3 ou 4, et on peut ensuite les ajuster, on va voir plus loin comment.

Si on observe la ligne Total dans la console, on peut observer le nombre de pixels rejetés sur chacune des couches.

Par exemple, sur la couche bleue, on voit que l’algorithme a rejeté 0,250 % du total des pixels (moins de 1 % du total de l’image, donc on peut se rassurer, il reste suffisamment de pixels pour faire une image !), dont 0,053 % sur les valeurs basses (déterminées par le paramètre sigma low) et 0,197 % sur les valeurs hautes (déterminées par le paramètre sigma high).

On peut constater ce qu’on disait plus haut, le paramètre sigma low étant à 4, il y a eu moins de rejet dans les valeurs basses et plus dans les valeurs hautes, où le sigma high était à trois.

Observons maintenant nos images. Elles sont toutes noires ! Et c’est normal ! Dans Pixinsight, les images qui sortent de l’intégration sont des images linéaires, c’est-à-dire que la valeur des pixels affichés est proportionnelle à la quantité de lumière reçue. Que ce soit des images de l’objet photographié ou encore pire, des images d’offset qui sont donc faites dans le noir, chaque pixel contient très peu de lumière donc les images sont noires…

Retour en haut