天文后期最容易混淆的,不是某个按钮的含义,而是当前处理的究竟是什么数据。在线性阶段成立的颜色比例,经过一次非线性映射后可能已经改变;一个看似压住背景的黑点,也可能同时切掉了最微弱的星云。
这篇笔记把常见宽带 RGB 深空处理拆成几个有明确输入、输出和检查点的阶段。它是一张工作地图,具体顺序仍需结合相机、滤镜与目标调整。
先判断数据,而不是先拉曲线
线性通常指在探测器有效响应范围内,扣除偏置等项之后的信号与入射光子数近似成比例。这里的比例关系不适用于饱和像素,也不能忽略探测器本身的非线性。
FITS 是数据容器,不能仅凭扩展名断言图像是线性的。它可以保存整数、浮点数、多个通道和处理历史;经过拉伸的数据仍然可以保存为 FITS。应结合采集方式、头信息、导出设置和处理记录判断。读取时还要注意 BSCALE、BZERO、无效像素与通道排列。
显示器上“看起来很黑”也不表示没有信号。屏幕显示拉伸可以只作用于预览,而不改变底层像素;把显示拉伸真正应用到数据,才会改变后续运算的输入。
本站原创流程示意。降噪、星点分离等步骤可能跨阶段使用,图示并非唯一合法顺序。
校准:先处理仪器带来的系统项
在忽略温度漂移、暗场缩放差异等复杂因素时,校准的直观模型是:从原始帧减去匹配的暗场,再除以归一化平场。暗场是否已经包含偏置,决定了是否还需要单独减去偏置;不能把同一项减两次。
| 数据 | 主要作用 | 必须检查的条件 |
|---|---|---|
| 偏置或匹配的平场暗场 | 估计读出偏置,辅助平场校准 | 相机读出模式、增益及软件流程 |
| 暗场 | 估计暗电流与固定模式项 | 曝光、温度、增益;是否适合缩放 |
| 平场 | 修正渐晕、灰尘与像素响应差异 | 光路不变、未饱和、正确扣除暗项 |
| 坏点图 | 标记异常像素 | 避免把真实恒星当成坏点 |
对彩色 Bayer 数据,通常先在原始采样域完成校准,再去马赛克。对单色窄带数据,各滤镜分组校准、配准和整合,不能直接把它理解为普通 RGB 的三个通道。
校准的检查对象是固定位置的残留结构:热像素、放大器辉光、平场过校正、暗角和灰尘环。它们没有消失时,后续平滑往往只是把问题隐藏起来。
配准与叠加:让同一个天空位置对齐
配准根据星点或其他结构估计帧间变换,重采样到统一坐标。插值会引入像素间相关性,因此不能再把叠加图的每个像素都当成独立测量。
叠加利用多帧信息降低随机波动,并通过离群值拒绝处理卫星轨迹、宇宙线等异常。理想的独立、同方差噪声下,平均的标准差随帧数平方根下降;现实中的固定模式、相关噪声和天空变化会使这一近似失效。
在整合前检查星点形状和背景水平,避免把严重失焦或拖尾帧等权混入。整合后先裁去低覆盖边缘,并查看拒绝图:大片真实结构被拒绝,通常意味着归一化或阈值设置需要重新审视。
背景与色彩:区分加法和乘法问题
光污染梯度、杂散光和通道背景偏置,主要表现为随位置变化的背景项;相机与滤镜的相对响应,则关系到通道间比例。两者不能靠同一组白平衡增益全部解决。
背景建模要在具有代表性的区域采样,并保护大面积弥漫星云。若目标铺满视场,没有足够的“空白天空”,模型可能把真实信号一起减掉。背景中和让所选背景区域的颜色趋于中性,并不保证恒星颜色正确。
以星表为参考的 SPCC 等方法通常要求在线性、未剪裁数据上测量恒星。应先处理明显梯度,并选择适合仪器和滤镜的响应。具体工具是否把背景中和整合在色彩校准中,应以该工具文档为准,避免重复扣除背景。
拉伸:从测量空间走向显示空间
线性图像动态范围很大,直接显示难以同时看到暗弱结构与明亮核心。非线性拉伸重新分配显示范围,但不创造新信号。
例如,对两个通道分别施加函数 f 后,f(R) / f(G) 通常不等于 R / G。这解释了为什么拉伸后再做基于线性通量比例的校准会出现问题,也说明“所有通道用同一条曲线”仍不等于严格保留色度。
下面只是用于观察映射行为的归一化示例,不是生产流程的推荐参数:
import numpy as np
def asinh_display(linear, black, white, strength=8.0):
# 输入应为浮点数据;black/white 由有效区域确定。
if white <= black or strength <= 0:
raise ValueError("invalid display range")
x = np.maximum((linear - black) / (white - black), 0.0)
y = np.arcsinh(strength * x) / np.arcsinh(strength)
return np.clip(y, 0.0, 1.0) # 剪裁只用于最终显示副本
始终保留未拉伸母版。观察黑点附近直方图,检查星云弱结构和亮星核心。直方图触到左边界时,应分清这是原始空值、裁切边界,还是自己造成的黑点剪裁。
降噪、星点与细节:围绕信噪比做局部决策
线性降噪常结合信号相关噪声模型;非线性阶段则更便于按显示亮度判断背景色斑。两者目的不同,不应把同一个阈值原样搬过去。处理结果至少同时查看原图、结果和差分图。
星点操作需要保护通量、质心、外翼和颜色。缩小星点并不等价于改善光学分辨率;严重饱和、重叠或欠采样星点尤其不适合强行修正。若使用星点分离,合成前还要检查残留星环和被误分到星层的星云结构。
局部细节增强适合在目标尺度上增加已有结构的可见性。暗背景、高亮星核和噪声占优区域应减小增益。增强后出现黑边、亮环或背景“虫纹”,通常是尺度和掩膜设置过强的信号。
最后输出,也保留可回退的过程
最终调整包含整体对比度、饱和度、裁切和输出尺寸。用于网页发布的图像应正确转换到目标色彩空间(通常是 sRGB),嵌入可用的配置,并检查缩图后的星点与锐化效果。不要仅更改色彩空间标签而不转换数值。
推荐保存三个独立结果:校准整合后的线性母版、可继续编辑的高位深成品,以及面向屏幕的输出副本。再附一份处理记录,标明哪些操作改变了数据的线性状态。下次发现颜色或背景问题时,这比记住一串滑块数值更有用。
公开资料与延伸阅读
本文是通用原理笔记,不包含特定设备的实测结论。不同工具对校准组合、颜色管理和处理顺序的约定可能不同,实际使用前应核对对应文档。