05 Giu Superbias SI o Superbias NO?
Il programma pixinsight è talmente vasto e vario che non permette una visione univoca del suo utilizzo, molti process e molti script sono ormai entrati nella norma delle nostre elaborazioni, mentre altri sono spesso motivo di discussione. Su tutti il process “Superbias”. Infatti tale process spacca in due il mondo dell’astroimaging: una buona fetta, tra cui il sottoscritto, lo usa e lo difende, mentre un’altra grossa fetta non lo usa e lo condanna come dannoso e deleterio per le immagini. quindi, Superbias Si o NO? Ho cercato di fare un po’ di chiarezza a riguardo.
Prima cosa cerchiamo di capire quale sarebbe lo scopo del process superbias. Esso ha il compito di rendere il nostro masterBias completamente privo di rumore, ovvero un’immagine contenente solo “l’architettura”, la “geometria” del sensore, comprese le zone dove si ha una risposta maggiore (offset) ed una risposta minore, bad pixel singoli o in colonne. Il ruolo del bias in fase di calibrazione è quindi fondamentale per uniformare la risposta del sensore e eliminare i bad pixel presenti, specialmente per i sensori che hanno già alcuni anni di attività. La calibrazione dei vari frames è descritta su questo tutorial. Dato che il Superbias ha il solo compito di rimuovere rumore dal masterBias, avrà un impatto maggiore sul nostro master maggiore sarà il rumore contenuto in esso. Se ad esempio il nostro masterBias è frutto dell’integrazione di 20/30 bias avremo un grosso aiuto dal Superbias, se invece il nostro masterBias deriva dall’integrazione di 500 bias allora sarà già di per sè ottimo e con pochissimo rumore residuo, andando a rendere quasi superfluo il process Superbias.
Vediamo subito il primo esempio partendo da un sensore CCD, per poi complicarci la vita con i sensori CMOS.
L’immagine che segue è il masterBias generato con 99 bias frames con il mio sensore CCD Kodak Kaf 8300 monocromatico
Come potete vedere dalla quantità di colonne di bad pixel si tratta di un sensore molto usato, inoltre si nota come la zona di sinistra presenta una grande disomogeneità. Sta proprio qui l’importanza dei bias, nel rendere uniforme la risposta di un sensore che uniforme non è. Ma come si vede il masterBias presenta anche rumore nonostante sia frutto dell’integrazione di 99 bias frames. Per rendere il masterBias privo di rumore bisognerebbe integrare migliaia di frames, oppure usare il process superbias! Applicandolo a questo masterBias otteniamo questo risultato
Il superbias si presenta molto pulito e assolutamente privo di rumore, eccone un confronto
Il process è stato applicato con 6 layers e con orientamento verticale (colonne)
Il numero di layers dipende dal numero di frames che abbiamo integrato per il masterBias, infatti maggiore saranno i frames, minore sarà il rumore finale del masterBias e più bassi saranno i layers necessari per togliere questo rumore residuo. Uno degli sviluppatore di Pixinsight, Juan Conejero, raccomanda dal forum ufficiale di usare un valore di layers di 7 se si hanno pochi bias iniziali, fino a 40/50, e di scendere a 6 layers se i bias integrati sono più di 50, come nel mio caso (99).
Prima di valutare se usare o no tale Superbias è il caso di guardare cosa accade con i sensori CMOS.
Per i sensori CMOS la cosa si complica e non poco. Infatti il process Superbias è progettato per lavorare bene con sensori con orientamento o verticale, come il mio, o solo orizzontale, mentre i sensori cmos presentano entrambe le componenti. Si potrebbe pensare di selezionare “colonne e righe” come orientamento per il process, ma ciò peggiora ancora di più la situazione perché va ad amplificare i gradienti del sensore. Per tale motivo molti invitano a non usare mai il process Superbias con i sensori CMOS. Ma vediamo gli esempi.
L’immagine che segue è il masterBias generato con 39 bias frames con il sensore CMOS di una reflex Canon 6d
Applicando il process superbias con 7 layers otteniamo questo superbias
Beh a dire il vero non è proprio questo, questo è quello che ci fa vedere lo Screen Transfer Function, ma è una visione non corretta del nostro Superbias perché non corrispondono i bit di visualizzazione con quelli effettivi dell’immagine, problema ricorrente con i cmos dato che sono file nativi a 14bit. Il reale Superbias è il seguente
Si vede che oltre alla componente verticale è presente anche una componente orizzontale, infatti si notano delle bande più chiare e più scure, in particolare nella metà più bassa del frame, orizzontali. Paragoniamolo al
Apparentemente la geometria del sensore sembra rispettata, quindi questo Superbias potrebbe andare bene per la calibrazione, ma come esserne sicuri? Ecco un metodo per valutare la bontà del Superbias!
Riporto sia l’esempio del sensore CCD che di quello CMOS per mostrarvi le differenze. Per prima cosa dobbiamo sottrarre al masterBias il Superbias creato, farlo è semplice col process PixelMath. Con tale operazione noi andiamo a sottrarre le componenti che si ripetono in entrambi i frames, ovvero la geometria e la struttura del sensore, ottenendo un’immagine contenete solo rumore casuale, quello contenuto nel masterbias e che è stato tolto col Superbias.
Già da qui possiamo vedere se il superBias è buono o no, se infatti contiene solo rumore e bad pixel significa che siamo sulla giusta strada, se invece contiene ancora delle immagini riconducibili alla struttura del sensore è segno che non va bene, in questi casi è preferibile rifare il superbias, magari variando i layers oppure integrando più bias frames. Ma anche se il frame ottenuto appare di solo rumore non è detto che sia buono, infatti il test ultimo è quello di applicare il process superbias proprio a questa immagine di puro rumore che ricordiamo essere data dalla differenza tra masterbias e superbias. Il process superbias andrà a eliminare il rumore presente, così se esso non contiene affatto alcuna struttura il risultato sarà un’immagine semplicemente uniforme.
Ecco ad esempio quella ottenuta dal sensore kaf 8330
Come si vede essa è per buona parte uniforme, tranne una banda più scura nella parte sinistra del sensore, attribuibile alla presenza di una certa struttura e non di solo rumore casuale.
Ciò significa che il mio superbias per il mio sensore Kaf può essere migliorato. In pratica però tale margine di errore è quasi irrilevante, infatti da mesi utilizzo questo superbias con successo, osservando un miglioramento nella fase di calibrazione dei miei frames.
Diversa è la storia per il sensore CMOS, infatti esso dopo la sottrazione e l’applicazione del process superbias mi consegna questa immagine
È evidente la presenza di troppe strutture in questa immagine! Questo perché come avevamo detto la doppia componente, orizzontale e verticale, del sensore cmos ci porta a risultati errati. Quindi non esiste modo di usare il process Superbias in modo corretto con i sensori CMOS? Ovviamente esiste, ma richiede alcuni passaggi in più:
prendiamo il nostro masterBias proveniente da un sensore cmos, applichiamo ad esso il process Superbias con il numero di layers più opportuno ed orientato per colonne. Il risultato salviamo ad esempio col nome “superbias_colonne”. Apriamo PixelMath e eseguiamo la seguente operazione
masterBias – superbias_colonne + 0.1
salviamo l’immagine ottenuta, ad esempio come “superbias_pm” ed applichiamo il process Superbias orientato per righe a questa nuova immagine, ottenendo un superbias con orientamento orizzontale che chiamiamo “superbias_righe”
Torniamo su PixelMath ed eseguiamo la seguente operazione
Superbias_righe + superbias_colonne– 0.1
L’immagine risultante sarà il nostro Superbias finale, con le strutture correttamente preservate sia in verticale che in orizzontale e privo di rumore, pronto per la calibrazione dei vari Dark, Flat e Light frames.
In CONCLUSIONE
Se il Superbias è creato in modo corretto non può essere dannoso e deleterio per l’immagine finale, è un masterbias senza rumore e nulla più, anzi si può solo trarne vantaggio per una più corretta calibrazione dei vari frames. Esso è dannoso quando l’applicazione del process altera la geometria e l’architettura del sensore, dando un Superbias con delle geometrie diverse dalla realtà del sensore. Ciò può accadere quando si usa un numero errato di layers, oppure quando la componente casuale del rumore nel masterBias simula una qualche architettura, problema risolvibile integrando un numero maggiore di Bias.
Per i possessori di CCD o CMOS con controllo della temperatura mi sento di consigliare di usare il Superbias, si tratta solo di perdere tempo una prima volta per creare il corretto Superbias, che sarà poi usato per diversi mesi successivi. Diventa più difficile quando non si ha il controllo della temperatura, ad esempio nelle normali raflex, infatti ad ogni serata fotografica si deve catturare i bias frames, spesso in un numero che non supera mai i 50, quindi si avrà un masterbias per ogni serata ed anche piuttosto rumoroso (relativamente rumoroso!) in questi casi il superbias aiuta molto a compensare il tanto rumore del masterbias ma la procedura può scoraggiare la maggior parte dei possessori di reflex.
Il mio superbias, che come abbiamo visto non è perfetto, mi ha portato ad oggi alcuni piccoli vantaggi, continuerò pertanto ad usare questo process. Ovvio è che usare il superbias o usare un masterBias non trasformerà una foto fatta male in un capolavoro. Quindi se siete dubbiosi o insicuri sulla bontà del vostro superbias potete tranquillamente non usarlo, ma cercate di creare un masterBias con un discreto numero di Bias. Ad esempio io ho appena catturato col mio CCD 500 bias frames, dai quali ottenere un superbias per le future calibrazioni, ma avendo il controllo della temperatura mi risulta facile anche in pausa pranzo!