Vom Summenbild zum fertigen Astrofoto
Neben dem abendlichen Setup der Ausrüstung und der nächtlichen Aufnahme, ist die Bildentwicklung eine der wichtigen Säulen der Astrofotografie. Heute will ich nun die Gelegenheit nutzen euch durch diesen Prozess zu führen.
Ich habe überlegt ob ich das Ganze eher einsteigerfreundlich gestalten soll und eine Software wie Siril oder Photoshop nutze. Aber in beiden bin ich nicht mehr ganz so sicher und könnte euch nicht, das für mich bestmögliche Ergebnis aus den gegebenen Rohdaten bitte. Aber ich verspreche, es wird auch noch mindestens ein Basis Tutorial zu Siril folgen.
Lasst euch von den Menüs von PixInsight oder PI, wie ich es in diesem Text abkürzen werde, nicht erschrecken, es sieht schlimmer aus als es ist. Ich beschränke mich bei den Bildern bewusst auf das zu bearbeitende Bild und zeigen PI Fenster nur dann wenn Einstellung relevant werden. Wichtig ist zu verstehen, was mache ich gerade mit den Bilddaten und warum. Also auf gehts.
Heute widmen wir uns Aufnahmedaten aus dem Jahr 2022. Über 10 Stunden Daten von M51 wurden mit einer Canon 600Da aufgenommen und zusammen mit den Kalibrierbildern zu diesem Summenbild verarbeitet:
Stimmt da war ja was, die Bilder liegen am Anfang immer noch im linearen Zustand vor, sprich die meisten Daten verbergen sich im linken, dunklen Bereich des Histogramms. Bis zum Prozesschritt des Streckens werde ich die Bilder hier in einer Art Vorschau darstellen, also quasi vorgestreckt, damit man überhaupt erkennt was ich tue.
Basisbearbeitung
Und hier sehen wir eine schöne Sammlung an Bildproblemen, die trotz Darks, Flats etc. im Summenbild übrig geblieben sind. Die Ränder entstehen durch die leicht verschobenen Positionen der 126 Rohbildern. Der Regenbogen im Hintergrund ist unter anderem dem ungekühlten Sensor der 600D geschuldet. Alles in allem, nicht der schönste Anblick, aber wir werden die Probleme Schritt für Schritt angehen.
Zu erst nehmen wir uns die unschönen Ränder vor. Erstens weil sie schlicht hässlich sind und zweitens analysieren einige der folgenden Prozess Daten und Pixelstatistiken über das komplette Bild. Diese abrupten Helligkeits- und Farbwechsel können dort dann zu weiteren Problemen führen. In PI gibt es dafür den Prozess Dynamic Crop, der es ermöglicht das Bild zu zuschneiden und die kritischen Bereich zu entfernen.
Im aktuellen Fall ist der Crop recht drastisch um auch einiges vom Gradienten mit zu entfernen. Bildmittelpunkt soll ohnehin M51 werden, da ist es nicht so tragisch.
Nachdem das Bild seine unschönen Ränder verloren hat, ist es Zeit sich um den Helligkeits- und Farbverlauf, den Gradienten, zu kümmern.
Hier bietet PI zwei Möglichkeiten, einmal ABE (Automatic Background Extraction) und zum zweiten DBE (Dynamic Background Extraction). ABE analysiert hierbei den Hintergrund nach Eingabe einiger Parameter und zieht den ermittelten Gradienten ab. Da ich üblicherweise relativ wenig Probleme mit dem Hintergrund habe, bin ich dazu übergegangen immer erst einmal ABE einzusetzen um zu schauen ob dies bereits ausreicht. Und auch wenn der Gradient hier ziemlich heftig ist, wende ich ABE trotz allem an.
Die relevanten Parameter sind für mich hierbei die Box size, Function degree und die Correction Methode.
Die Box Size definiert hierbei die Größe der Proben die analysiert werden. Je nach Bildgröße wähle ich hier Werte zwischen 25 und 50 Pixeln. Je größer meine Bildauflösung um so größer der Wert.
Function degree definiert die Form der Korrektur. Eine 1 steht für eine Funktion ersten Grades und wird einen linearen Gradienten suchen und entfernen. 2 steht für Funktionen zweiten Grade und wird runde oder Kreisförmige Gradienten angehen. Man muss das Bild also "lesen" können um zu entscheiden welche Einstellung besser wäre.
Und zu guter Letzt ist die Methode zu wählen, mit der der Gradient am Ende entfernt werden soll. Ich wähle hier grundsätzlich Subtraktion.
Im aktuellen Bild zieht man schön, dass wir einen Gradienten von oben bläulich zu grün in der Mitte weiter zu rot am unteren Rand haben. Also ist eine Funktion ersten Grades die richtige Wahl.
Das ist nun der ermittelte Gradient, der sich im Hintergrund verbirgt und abgezogen werden kann.
Wie man sieht, kann die Software auch keine Wunder vollbringen und es bedarf häufig mehr als nur einen Durchlauf von ABE oder DBE.
Bevor ich aber nun versuche mit DBE etwas gezielter am restlichen Gradienten zu arbeiten, füge ich noch einen Schritt hinzu, der bei extremen Gradienten und starken, farbigen Bereichen hilfreich sein kann.
Wir entfernen einfach die Sterne und bearbeiten nur das sternenlose Bild.
Mittlerweile gibt es zwei Tools, die nicht nur in PI dazu dienen Sterne aus einem Bild zu entfernen. Einerseits Starnet, welches es kostenlos als Standalone Version oder als PlugIn für PI und auch Siril gibt, andererseits StarXTerminator, welches hier zum Einsatz kommt.
Die Option "unscreen Stars" sollte deaktiviert sein um die Sterne nach der Gradienten Entfernung einfacher wieder einzufügen.
Und wie man sieht, ist da noch einiges los, was man nicht einfach mit der ABE wegbekommt. Also auf zur DBE, die es ermöglicht selbst Felder zu definieren, die zur Analyse des Gradienten dienen. Das kostenlose Tool Graxpert bietet übrigens eine fantastische; kostenlose Alternative für diesen Prozess.
Hier sind nun großzügig Punkte über das komplette Bild verteilt, dabei ist man bemüht nur den Hintergrund und kein Objekt oder Sterne zu treffen. In sehr dichten Sternenfeldern bietet sich diese Methode, das sternenlosen Bild mit DBE zu bearbeiten, also eher an als im aktuellen Beispiel.
In den Einstellungen für DBE bin ich mit einer relativ hohen Tolerenz von 8 und einem Smoothing factor von 0.7 ran gegangen. Allerdings sind diese Werte immer vom der Ausbildung und Stärke des Gradienten abhängig, so dass es manchmal mehrere Versuche bedarf bevor man ein passendes Ergebnis erhält.
Gut zu erkennen wie DBE auf die verbliebenen Gradienten losgeht. Nachdem der Prozess auf das sternenlose Bild angewendet wurde, können die Sterne mit einer simplen Addition der beiden Bilder zurück gerechnet werden. Das Ergebnis zeigt nun deutlich weniger farbige Flecken im Hintergrund.
Der Hintergrund hat nun vorerst genug Aufmerksamkeit erfahren. Als nächstes widmen wir uns einem Problem, das auf den ersten Blick minimal erscheint aber im finalen Bild einen deutlichen Unterschied machen kann. Die hellen Kerne der Sterne können während der Belichtung sehr schnell überbelichtet werden oder ausbrennen. Das bedeutet sie enthalten keinerlei Farbinformationen mehr und wären nur weiß, auch wenn der Stern eigentlich eine andere Farbe hätte. In PI gibt es dafür ein Script, welches über mehrere Schritte die erhaltenen Farbe im Randbereich der Sterne ermittelt und dann auf die ausgebrannte Mitte überträgt.
Im ungestreckten Bild machen sich diese Kerne häufig durch eine Rosa oder Magentafärbung bemerkbar.
Das entsprechende Script nennt sich Repaired HSV Separation Script und kann fast ohne Anpassung auf das Bild angewendet werden. Ich setze bei drizzled Bildern lediglich den Radius auf 40 hoch, um der gestiegenen Auflösung Rechnung zu tragen.
Lässt man alle Einstellungen im Output Bereich des Scripts unverändert, erstellt es die gezeigten 4 separaten Bilddateien. Über die Funktion Channel Combination im Farbraum HSV werden die generierten Daten den gezeigten Kanälen zugeordnet und auf des Bild angewendet. Und auch wenn es kompliziert aussieht aber im Prinzip werden dabei einfach die Randbereiche über Masken in die Mitte der Sterne kopiert.
Und wie deutlich zu sehen ist, sehen die Sterne danach deutlich homogener aus und behalten ihre Farbe auch im Kern.
Nun haben wir schöne homogene Sternenkerne aber eines fehlt noch damit die Wiedergabe der Farben korrekt erfolgt. Wie bei der Tageslichtfotografie muss man die Farbwiedergabe ein wenig kalibrieren und ist dort als Weißabgleich bekannt. Bei Astrofotos bedienen wir uns dabei Katalogen wie Gaia in denen die Daten von vielen Tausend Sternen verzeichnet sind. Nach einer entsprechenden Analyse des Bildes und der enthaltenen Sterne, werden dann die Farbkurven für das gesamte Bild angepasst, um einer realistischen Darstellung so nah wie möglich zu kommen.
Auch hier sieht das Menü schlimmer aus als es ist und wie so häufig bietet PI viele Optionen, die man aber nicht immer nutzen muss. Als Basis muss man die "White Reference" wählen, hierbei ist die Referenz gemeint, nach der der Prozess im Bild sucht und versucht diese mit seinen Datenbanken abzugleichen.
Ich wähle hier häufig G2V Stern, dies ist die selbe Klasse Sterne, die unsere Sonne angehört und recht häufig am Nachthimmel und somit auch in fast allen Bildern zu finden. Des weiteren muss der Filter bzw Kamerasensor gewählt werden, so dass die Software weiß mit welchen Empfindlichkeiten auf den einzelnen Kanälen das Bild aufgenommen wurde. Über "Region of interest" kann ein Bereich markiert werden, der nur Hintergrund zeigt, so dass die Software auch eine Basis für den Schwarzpunkt hat und diesen ebenfalls neutral darstellen kann.
Auf das Bild angewendet, werden nun alle Farbwerte angepasst und korrigiert. Wie gesagt dies geschieht nicht für einzelne Sterne nach dem Prinzip des Ausmalens sondern die Farbwerte werden einheitlich über das ganze Bild verschoben.
Nun, da wir die Farben im Bild im Griff haben, kümmern wir uns um die letzten Punkte bevor wir beginnen die Daten zu strecken.
Als erstes geht es an eine Form der Deconvolution. Bei diesem Prozess werden die Sternenform analysiert und an Hand dieser Daten versucht, ein gewisses Maß an Unschärfe heraus oder rück zu rechnen. Mittlerweile gibt es dafür AddOns für PI, die auf Neuronalennetzwerken oder KI basieren.
Um dieses BlurXTerminator genannte Tool bestmöglich nutzen zu können, sollten wir die Sterne mit Hilfe des Scripts FWHMEccentricity analysieren. Dies funktioniert allerdings nur in einem Schwarzweißbild, welches die Helligkeitsverteilung im Bild zeigt oder kurz Luminanz.
Interessant hierbei ist der Median-Wert also 5.361 in diesem Fall. Dieser Wert wird für den BlurXterminator Prozess im Feld PSF Diameter verwendet. Mit Hilfe der Parameter Sharpen Stars und Adjust Star Halos können die Sterne ein wenig in den Hintergrund gerückt werden. Sharpen Nonstellar legt dann fest, wie stark der Prozess angewendet wird.
Der Unterschied ist dezent und dennoch deutlich sichtbar, Strukturen sind besser erkennbar und gerade die Staubbänder zeigen nun mehr Details als vorher.
Im anschließenden Schritt kümmern wir uns noch um das Rauschen, welches gerade in den dunklen Bereichen sehr stark hervortritt. Auch dieser Prozess wirkt deutlich besser, wenn er auf das lineare Bild angewendet wird also vor dem Stretch.
Und wie in so vielen Bereichen hat uns auch hier die KI eingeholt. Ja man kann diesen Schritt auch "zu Fuß" mit Bordmitteln von PI erledigen. Allerdings ist das AddOn NoiseXTerminator deutlich schneller und simpler in der Handhabung.
Hier gilt es nun lediglich die Stärk über den Regler Denoise einzustellen. Der Regler Details kann normalerweise in der 0.15 Einstellung verbleiben.
Das Rauschen ist nach dem Prozess deutlich reduziert, allerdings sollte man es nicht übertreiben. Wenn der Hintergrund glatt ist wie ein Babypopo dann wirkt das Bild am Ende künstlich.
Und wenn wir überlegen, mit welchem Farbbrei im Hintergrund die ganze Bildentwicklung begonnen hat, dann sind wir schon ein gutes Stück weiter.
So nun haben wir alle Basisschritte vor der Streckung, dem Stretch, des Bildes ausgeführt. Bevor wir nun an eben jenen Prozess gehen, biete es sich an nochmals Sterne und Objekt/Hintergrund zu trennen. Dies ermöglicht die Daten getrennt zu strecken und zarte Detail stärker heraus zu arbeiten, ohne die Sterne in Mitleidenschaft zu ziehen.
Bildstreckung
Noch einmal zur Erinnerung, bisher haben wir uns immer mit dem linearen Bild befasst. Konkret sieht das Bild immer noch so aus:
Ziel des Streckens ist es nun die Daten, die sich im Dunklen oder ganz links im Histogramm befinden, langsam in den hellen, sichtbaren Bereich zu verschieben. Auch dafür gibt es diverse Prozesse in PI und kann auch in Photoshop oder anderen Bildbearbeitungssoftware durchgeführt werden. Ich bediene mich in PI dem Prozess GHS, der alle Streckungsmethode in PI in sich vereint. Gerade diese Schritte sind extrem abhängig vom Bild und den Daten.
Im folgenden werde ich die 4 Schritte in denen ich den Stretch vollziehe abbilden, links dabei jeweils der GHS Prozess mit Parametern und dem Histogramm und rechts das jeweilige Ergebnis am Bild.
Begonnen wird grundsätzlich mit einem relativ aggressiven Stretch (Intensity 15, Factor 2,4) bis die ersten Details sichtbar werden.
Gefolgt von einer etwas sanfteren Variant (Intensity 7, Factor 0,5) , die mehr Details in den dunkleren Bereich aufhellt und hervorhebt. Schön im Histogram zu sehen, wie sich der Berg langsam nach rechts verschiebt.
An diesem Punkt hebe ich nun nicht die Helligkeit an sondern die Sättigung, um die Farben, die grundsätzlich unter der Streckung leiden und verblassen, wieder hervorzubringen.
Allerdings zeigt sich nun auch ein kleiner Grünstich, den wir durch all die vorhergegangenen Prozess nicht erwischt haben. Das ist nicht ungewöhnlich und der Prozess SCNR oder auch liebevoll "hasta la vista green" genannt, macht damit kurzen Prozess.
Noch ein letzter Stretch und die Galaxie erstrahlt in ihrer vollen Pracht. Auch hier gilt, wie weit und oft man Strecken kann, hängt sehr stark von den Rohdaten und der vorhergehenden Bearbeitung ab.
Im Fall von M51 haben wir gesehen, wieviel sich im Hintergrund an Farbe und Rauschen tat, es ist also nicht angebracht, hier zu weit zu strecken, ansonsten holt man all diese Flecke und all das andere Grauen wieder hervor.
An dieser Stelle könnten wir nun die Sterne ebenfalls strecken, beide Bilder zusammen rechnen und das Bild wäre fertig. Allerdings kann man im gestreckten Bild noch etwas Feinschliff vornehmen und dies soll Gegenstand des letzten Abschnitts sein.
Nachbearbeitung
Um noch ein paar mehr Details aus der Galaxie heraus zu kitzeln, erstelle ich zuerst erneut ein Bild der Luminanz und eine Maske um in den folgenden Schritten nur die helleren Bereiche zu beeinflussen.
Es folgen mehrere Schritte des Prozesses LocalHistogramEqualization der uns hilft Kontraste, also Helligkeitsunterschiede, zu betonen und hervorzuheben.
Auch dieser Prozess und seine Werte sind stark vom Bild abhängig, die folgenden Schritte können also nur als grobe Orientierung dienen.
Nach dem zweiten Durchlauf erkennt man bereits deutlich, wie die Strukturen in den Galaxie-Armen hervortreten.
Sobald man mit dem Ergebnis zufrieden ist, kann die Luminanz mit LRGBCombination wieder mit dem RGB Bild vereint werden. Schon kleine Veränderungen an den Parametern Lightness und Saturation können starken Einfluss auf das Ergebnis haben, ein wenig spielen bietet sich also an.
Am Ende zeigt M51 nun deutlich mehr Details und Kontrast.
Eine letzte kleine Anpassung der Helligkeit mit einer S-Kurve bringt noch einmal etwas mehr Kontrast. Ein leichtes Anheben der "C" Kurve wirkt sich ähnlich wie der Dynamic oder Vibrance Wert in Lightroom aus. Dabei wird die Sättigung nicht pauschal, sondern nur in den weniger gesättigten Farben angehoben.
Zu guter Letzt werden die Sterne zurück ins Bild gerechnet und fertig ist das Bild von M51
Ich hoffe dieser kleine Überblick war hilfreich und konnte sowohl dem PI Einsteiger ein paar Tricks nahe bringen, als auch all jenen, die diese Bilder nur bestaunen, zeigen was unter Bildentwicklung bei DeepSky-Aufnahmen zu verstehen ist.
Clear Skies
Andreas
Kommentare