PixInsight 反卷积半官方操作指南以及“这卷出来的是啥玩意儿”

注1:本文的演示效果仅代表本人的渣水平,不代表其他人照着标准流程就不能获得非常好的效果;

注2:为了作更好的对比,本文演示的“开心流”反卷积效果图可能口味更重;

注3:“开心流”仅仅是对一系列操作合集的戏称。

很多新入门的 PixInsight 用户都会吐槽为什么这软件那么难用,跟着好多大佬的教程一步一步走,到头来还是没搞懂反卷积是什么,到底应该怎么做反卷积。这可太正常了,因为 PixInsight 的反卷积进程 Deconvolution 既没有官方指南,官网里的反卷积处理教程也没有说得很详细,就其效果而言甚至我觉得可以算是反面教材了。

PixInsight 官网的反卷积处理教程效果演示,可以看到已经挤出了经典的伪信号。

“开心反卷积”流程效果演示,仅作反卷积与拉伸。可忽略星点 ringring,以后会提供解决方法。素材由王辰拍摄,天虎102apo pro + qhy268 L滤镜曝光共 25 小时。

这里只做一个简单的对比。官网教程的效果并不是我们想要的反卷积!

但尽管如此,我们还是需要重头到尾把经典的图像反卷积概念以及流程过一遍,这样才能透彻地理解好本系列的全部内容。在此我主要参考 PI 官网和 RBA 编写的名著《Mastering PixInsight and the art of Astroimage Processing》。

反卷积,是通过对图像受到的大气模糊和光学失真的影响进行分析,逆向其模糊和失真过程从而对原图像进行重新构建,将图像的细节还原为其本该有的样子。

—— 鲁迅

用来描述点光源受到的大气模糊和光学失真的影响的工具,叫做“点扩散函数” Point Spread Function,简称 PSF。复杂物体的图像可以看作是真实物体和 PSF 的卷积,而 PI 里面的反卷积进程,就是通过对一个计算好的 PSF 使用某种算法,反向消除这种卷积,所以就叫做反卷积。

PI 就有一个卷积工具叫做 Convolution,你可以试试对一张图像做卷积是什么效果。而反卷积就是一种把这效果倒退回去的工具。需要留意的是,反卷积后的图像虽然看着清晰了,但事实上清晰跟锐利不是一回事,所以不能把反卷积与锐化混为一谈。

我们有必要花时间去做反卷积吗?如果原图像同时满足以下三个条件的话,我觉得还是挺有必要的:

  1. 图像有足够的信噪比;
  2. 主镜为 700mm 或以上焦距以及相机靶面较小,简而言之 fov 要足够小;
  3. 图像采样率良好或过采样。

所以如果你的原图像信噪比很差,又或者拍的是大广域的话,那真的大可不必大费周章捣鼓反卷积了,除非你大幅度裁切吧。如果原图欠采样或已经非常锐利,可以考虑做 Drizzle,不过这对信噪比要求有了更高的要求。

官网和 RBA 都指出反卷积要在线性状态下操作,大致流程如下:

a,用 DynamicPSF 工具对原图像的星点进行采样,计算出 PSF 模型;

b,对原图像不需要反卷积的地方用蒙版保护住;

c,制作星点蒙版来避免出现 ringring;

d,调整反卷积 Deconvolution 界面的参数,并应用到图像上。

我曾经也是严格按照这个流程来做反卷积的,相信这是唯一正确的方法。然而一次次面对实际操作得来的图像,我一次次陷入了沉思:

这都是啥玩意儿啊?

标准反卷积流程效果演示一,我看不到有任何细节的提升。相反,星点变得莫名刺眼。

典型的没有设置好 Deringring 的 Global White 数值的效果,辣眼睛。素材合拍自智利台T1。

设置好了 Global White,没有了辣眼睛的亮纹,但是星点黑圈又不好压。细节提升有限。

再回头看看本文开头的官网教程效果图,是不是觉得很眼熟?

在我看来,这套“标准”反卷积的效果,主要存在两个严重的问题:

1,细节并没有很好地重新构建出来;

2,Deringing 的两排数值十分难以把握,输出的图像在星点黑圈和伪亮纹之间摇摆。

因此我有相当长一段时间内在星系后期中排除了反卷积流程,只使用 mmt 和 usm 等工具进行锐化。那时候觉得反卷积全套操作下来先不说累不累,关键是效果不好。

后来经过挂王 Abner 的指点和实际操作试验之后,我大致总结了一套可以获得更好效果的反卷积流程,这里戏称为“开心流”。与 PI 半官方的反卷积教程的效果对比如下:

“开心流”反卷积与标准流反卷积效果对比

“开心流”与“标准流”反卷积效果放大对比

要做出好的反卷积,首先我们要明白何谓“好”的反卷积。在下一篇文章中,我将会给大家详细演示“开心流”反卷积的效果,敬请期待。

点击此处转跳反卷积系列文章目录

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注