réduction des étoiles

intro

De temps en temps, lorsque nous traitons nos données, afin de créer une image visant à communiquer ou à afficher quelque chose de spécifique, nous nous trouvons face à un « problème »: les étoiles sur le terrain sont si visibles que soit nous détournons notre attention des structures derrière elles, soit ne nous permettent tout simplement pas d’afficher clairement de telles structures.

Lorsque cela se produit, l’une des solutions est ce qu’en termes simples on appelle la « réduction de la taille des étoiles ».

Réduire la taille des étoiles dans nos images peut sembler un peu dramatique. Certaines personnes ont même déclaré que de telles procédures sont un moyen sûr de produire de fausses images.

La vérité est que, si nous essayons de produire une image de valeur esthétique et/ou documentaire, tant que nous appliquons cette réduction de la taille des étoiles de manière homogène et en suivant un critère bien établi – c’est-à-dire si nous « assombrons » toutes les étoiles qui partagent certaines caractéristiques, et que cette réduction est appliquée de manière homogène à toutes – ce que nous faisons est parfaitement acceptable. Et bien que ces débats déclenchent souvent des discussions interminables et répétitives, mon but ici n’est pas de justifier ces méthodes, mais de vous montrer une façon de les appliquer. Pour ceux d’entre nous qui trouvent ces méthodes parfaitement acceptables afin d’atteindre les objectifs que nous nous sommes fixés auparavant, il n’y a rien de faux à appliquer des techniques de réduction de la taille des étoiles via le post-traitement, et cela peut parfois être une amélioration de nos images, tout en préservant et parfois même en augmentant la valeur documentaire.

stratégie

Le choix que nous devons faire est de savoir si la réduction de la taille des étoiles est ce que nous voulons pour une image donnée, afin d’atteindre nos objectifs, et si oui, quel type d’étoiles doit être atténué: celles qui présentent une très grande taille dans notre image, les très sombres, les étoiles de taille moyenne…

Habituellement, les très grandes étoiles n’ont pas besoin d’être réduites en taille. Tout au plus, ils créent une grande lueur autour d’eux, et si notre objectif est de montrer ce qui se cache derrière cette lueur, d’autres techniques telles que la compression de plage dynamique peuvent être plus adaptées à la tâche.

Les étoiles de taille moyenne peuvent être une cible, bien que le plus souvent, lorsque « les étoiles gênent », ce sont des étoiles petites à minuscules dans des champs remplis de milliers d’entre elles.

Ce tutoriel vous montrera une façon de réduire la taille des petites étoiles. Malheureusement, j’ai commencé cet exercice avec une image qui, en soi, n’avait vraiment pas besoin de réduction de la taille des étoiles. Bien que cela puisse sembler contre-productif et que cela puisse ne pas montrer très clairement les avantages de ces techniques, les concepts utilisés sont parfaitement acceptables et l’image sert à montrer comment cela peut être fait. Juste pour les besoins de l’argument, à la fin du tutoriel, je présenterai également un exemple avant / après d’une image qui bénéficie de techniques de réduction de la taille des étoiles afin d’atteindre l’objectif de ne pas laisser les étoiles bloquer ce qui se cache derrière elles.
 

Les données

Le tutoriel est basé sur un ensemble de 4 expositions de 30 minutes chacune de la galaxie d’Andromède, à une température de -10C, avec une caméra SBIG STL11k et un télescope Takahashi FSQ106EDX. Les données ont été saisies à l’observatoire DARC en Californie, le 28 août 2011. Nous traiterons ces données avec PixInsight v1.7.

1 – Construire le masque star

La toute première étape de la réduction de la taille des étoiles via les transformations morphologiques (MT en abrégé) est de construire un masque d’étoile approprié. Il s’agit d’éviter que le processus mt soit réellement appliqué aux structures non étoilées. La construction du masque est cruciale, car elle déterminera quelles étoiles – et dans cet exemple particulier, également quelles zones des étoiles – seront affectées.

Voici une capture d’écran d’une partie de l’image M31 avec laquelle nous allons travailler:

Comme mentionné, cette image n’appelle pas vraiment à une réduction de la taille des étoiles, mais elle présente néanmoins une situation intéressante. Nous allons construire notre masque d’étoile avec l’outil StarMask de PixInsight, et la luminosité du cœur de la galaxie et des zones environnantes peut produire un manque de détection d’étoiles autour de ces zones. De plus, nous attaquons des étoiles de taille moyenne à petites sur le terrain, mais nous ne voulons pas que les jeunes étoiles bleues qui scintillent dans le disque de la galaxie soient réduites du tout, mais de telles structures pourraient être supposées être ce qui peut apparaître visuellement comme de « petites étoiles minuscules ».

Pour résoudre le premier problème, nous devons créer un doublon de notre image et « obscurcier » les zones lumineuses de la galaxie sans obscurcir les étoiles. Cela peut être réalisé de différentes manières, et dans ce cas, j’ai choisi une idée que Juan Conejero m’a mentionnée une fois: utiliser l’outil HDRWT dans PixInsight, qui applique efficacement une compression de plage dynamique, pour mieux détecter les étoiles qui pourraient autrement être manquées pendant le processus de création du masque d’étoile. Voici le résultat de l’application d’un HDRWT plutôt agressif à l’image en double:

Maintenant, l’image ci-dessus est mieux préparée pour produire un masque d’étoile approprié. Selon les cas, on peut appliquer un HDRWT encore plus agressif en augmentant le nombre d’itérations ou même en le réappronçant plusieurs fois.

Il est temps d’ajuster tous les paramètres de l’outil StarMask pour produire un masque d’étoile comme nous le souhaitons dans tous les aspects. Dans ce cas, j’ai choisi les paramètres suivants:

Tout d’abord, j’ai affecté une valeur de 0,15 au paramètre Threshold. Le paramètre de seuil est destiné à isoler le bruit des structures valides, mais parce qu’une valeur plus élevée distinguera les structures plus petites, augmenter un peu la valeur par défaut de 0,1 peut nous aider non seulement à éviter le bruit, mais aussi à exclure la plus petite des étoiles de notre masque.

Les paramètres Échelle et Petite nous aident à définir le type d’étoiles que nous recherchons : les étoiles de petite à moyenne taille, mais pas les très petites. Bien que le paramètre de croissance soit souvent très utile – il détermine combien augmenter la zone de masquage – car plus tard, nous avons vérifié l’option Contours, afin d’avoir un contour bien défini (plus à ce sujet dans un peu), il est préférable de ne pas développer la zone de masquage. Même chose avec le paramètre Smoothness. Nous ne voulons pas trop lisser les zones de masquage, juste assez, donc j’ai réduit la valeur par défaut de 16 à 5.

Maintenant, la raison pour laquelle j’ai vérifié l’option Contour est que, dans la mesure du possible, je veux que le masque ne laisse non protégé que le contour des étoiles, qui est effectivement la zone où la « réduction » a vraiment lieu. Bien qu’aller pour un masque standard soit souvent tout aussi bon, j’ai fait l’expérience que le fait d’aller pour le contour exclusivement me donne de meilleurs résultats dans l’ensemble.

Enfin, notez que le paramètre Midtones, dont la valeur par défaut est 0,5, a été réduit à 0,25. Cela aide simplement la détection de la structure à « étirer » l’image – ce qui équivaut à déplacer les tons moyens de l’histogramme vers la gauche – ce qui entraîne généralement la détection de plus d’étoiles et la formation d’un peu plus d’épaisseur, car les structures sont plus lumineuses après avoir poussé les tons moyens vers la gauche.

REMARQUE: Vous ne devriez pas prendre ces paramètres StarMask comme une recette de cuisine! L’outil StarMask utilise un algorithme à plusieurs échelles pour isoler les structures d’image significatives pendant la phase de détection de structure qui dépend fortement des entités à grande échelle de l’image entière. En clair, cela signifie que pour un ensemble donné de paramètres, les résultats que vous pouvez obtenir avec StarMask lorsqu’ils sont appliqués à une image peuvent être très différents de ce que vous pouvez obtenir avec le même ensemble de paramètres sur une image différente. La clé est donc de comprendre les effets que la modification de ces paramètres peut obtenir, et de les ajuster jusqu’à ce que le masque résultant soit ce que vous recherchiez, ou du moins assez proche.

Une fois appliqué, voici le masque d’étoile que nous avons produit:

Comme il est difficile de voir les détails dans l’image ci-dessus, voici un gros plan à une échelle 1:1:

Nous appliquons donc le masque et voici à quoi il ressemble (échelle 3: 1) lorsque vous utilisez la couleur rouge comme superposition pour voir ce qui est protégé (rouge) et ce qui ne l’est pas (transparent):

2 – Définition et application de la transformation morphologique

Avec le masque en place, nous pouvons maintenant appeler et appliquer l’outil MorphologicalTransformation. Voici une capture d’écran avec l’image après l’application de MT, et la boîte de dialogue MT affichant les paramètres que nous avons utilisés (je vais les expliquer juste après l’image):

Dans l’outil MT, j’ai d’abord choisi l’opérateur Sélection morphologique. La plupart des gens utilisent l’opérateur Érosion, et c’est en fait une option appropriée, mais j’aime utiliser la sélection morphologique car elle agit comme un mélange entre les méthodes d’érosion et de dilatation, où, avec le paramètre Sélection, vous pouvez définir la quantité d’érosion et la quantité de dilatation que vous souhaitez appliquer (plus vous vous rapprochez d’une valeur de 0, et plus vous vous rapprochez d’une valeur de 1). Et bien que l’utilisation d’un mélange d’érosion et de dilatation dans les étoiles ne soit généralement pas nécessaire – comme le sont pas non plus d’autres opérations qui les combinent, telles que l’ouverture et la fermeture – j’aime les résultats plus lisses qu’elles génèrent souvent, par rapport à l’application de l’érosion et rien d’autre.

Enfin, un élément structurant rond a beaucoup de sens bien sûr, et dans ce cas, j’ai choisi une taille de noyau 5×5 car les étoiles ciblées s’intègrent bien dans ce noyau.

Une fois appliquées, nos étoiles sont maintenant moins « dans votre visage » qu’elles l’étaient auparavant. Comme mentionné précédemment, cette image particulière ne bénéficie pas vraiment de l’application de cette procédure, mais en laissant cela de côté, j’espère que vous pourrez voir la différence.

Les résultats que nous avons obtenus peuvent être vus plus clairement dans cette animation x5 zoomée avant / après:

Vous pouvez voir que les très petites étoiles ne sont pas aussi discernables qu’elles l’étaient, les étoiles de petite à moyenne taille sont non seulement « réduites » en taille, mais aussi leur profil est plus rond en apparence, et les étoiles très minuscules, presque invisibles, sont intactes.

3 – Affûtage des résultats

Nous pouvons considérer que le processus de transformation morphologique que nous avons appliqué a été couronné de succès et s’arrêter dès maintenant. Cependant, dans la pratique, j’aime souvent ramener une partie de la « vie » dans les étoiles qui sont maintenant plus sombres et réduites, mais bien sûr sans les amener à leur état précédent – sinon je ne peux tout simplement pas faire de MT du tout pour commencer!

Cela peut être réalisé de plusieurs manières différentes, et l’une de celles que j’utilise assez souvent est de définir un autre masque d’étoile qui protège tout sauf les très petites échelles de l’image, puis d’utiliser des ondelettes pour augmenter un peu le biais à ces échelles.

Construire le masque cette fois est très facile. Nous utilisons simplement l’outil ATrousWaveletTransform dans PixInsight, désélectionons toutes les échelles à l’exception de l’échelle 1, augmentons un peu l’écart et l’appliquons à l’image dupliquée à laquelle nous avons appliqué le HDRWT précédemment. Voici une capture d’écran faisant exactement cela:

Et voici le masque que nous venons de créer:

Nous appliquons le masque à notre image, puis nous ne l’aiguisons que dans les minuscules « trous » définis par le masque, à l’aide de l’outil ATWT, en utilisant les valeurs par défaut, à l’exception d’une augmentation du biais à la plus petite échelle:

J’ai utilisé un biais de 3 dans ce cas, ce qui est BEAUCOUP!! Dans ce cas, le masque était agressif, et donc l’effet est considérablement réduit, mais vous devrez composer le biais à une valeur dont vous êtes satisfait via l’expérimentation. Et voici le résultat:

4 – Animations avant/après

L’animation suivante est grande, mais elle montre l’image passant de la version originale, à la version après la MT, à la version après l’ATWT :

Enfin, voici une animation qui montre un grand gros plan d’une seule étoile telle qu’elle était à l’origine, et telle qu’elle s’est finalement terminée après les processus MT et ATWT:

Bien que l’apparence de notre image ait considérablement changé – ok, imaginez cet effet sur une image qui était remplie d’étoiles, plutôt que sur cette photo M31 – je pense qu’il est sûr de dire que la manipulation de données impliquée n’a pas inventé de nouvelles données autour des étoiles. Il a simplement « obscurcissé » les étoiles, et contrairement à ce que certaines personnes font souvent de ces méthodes, sans fabriquer de données artificielles de « nébuleuse » autour d’elles.

5 – Conclusions

Si vous avez lu jusqu’ici… puits.. Vous avez beaucoup lu ! 😉

Comme il arrive souvent, comme je vise à décrire chaque étape en détail (plutôt que de simplement dire « faites ceci, puis cela, puis cela, vous avez terminé »), ce tutoriel peut sembler décrire un processus assez long, mais en réalité, il ne comporte que quelques étapes simples:

1. Créez un masque d’étoile adapté à la traduction automatique, ce qui, dans ce cas, impliquait l’utilisation des outils HDRWT et StarMask
2. Appliquez MT à notre image pour « réduire » nos étoiles
3. Créez un deuxième masque d’étoile, cette fois avec l’outil ATWT
4. Appliquez ATWT pour « affiner » un peu l’image.

C’est tout.

6 – Un exemple plus approprié

Voici une animation rapide avant / après d’une image probablement mieux adaptée à la réduction de la taille des étoiles:

Ce qui précède est une image de quelques nuages de poussière très faibles à Lacerta, et il a accumulé 7 heures d’exposition sous un ciel très sombre (SQMs à 21,7 ou plus, au zénith) avec une portée de 4 « à f / 3,65.

Il n’y a rien de mal avec l’image avant. Il montre un champ rempli d’étoiles au point qu’il est presque impossible de discerner les nuages faibles. C’est juste une réalité. Il se trouve qu’il y a beaucoup d’étoiles dans ce domaine!

Cependant, en appliquant la même technique de « réduction de la taille des étoiles » décrite dans ce tutoriel, nous avons une image qui nous permet de mieux voir les structures poussiéreuses qui auparavant étaient si insaisissables, et nous avons donc une meilleure visualisation de la nébuleuse. L’image précédente raconte une histoire, mais l’image d’après aussi – et les deux histoires sont concordantes avec des faits révélant une réalité .

Non seulement cela, après la procédure MT, nous pouvons, si nous le voulons, continuer le post-traitement de l’image pour visualiser encore mieux les nuages faibles. L’image d’après a non seulement une valeur esthétique, mais aussi une valeur documentaire.