{"id":387,"date":"2021-02-26T13:17:10","date_gmt":"2021-02-26T11:17:10","guid":{"rendered":"https:\/\/astropills.it\/?p=387"},"modified":"2021-02-26T13:22:21","modified_gmt":"2021-02-26T11:22:21","slug":"pixinsight-utilizzare-il-processo-drizzleintegration","status":"publish","type":"post","link":"https:\/\/astropills.it\/pixinsight-utilizzare-il-processo-drizzleintegration\/","title":{"rendered":"PixInsight: utilizzare il processo DrizzleIntegration"},"content":{"rendered":"\n

In questo articolo vi propongo un tutorial di PixInsight che trovate anche sul mio canale YouTube<\/a>: utilizzare il processo DrizzleIntegration per recuperare immagini sottocampionate.<\/p>\n\n\n\n\n\n\n\n

Il processo di drizzling<\/strong>, o meglio l’implementazione dell’algoritmo di drizzle come spiegato nel dettaglio in questo articolo<\/a> dello Space Telescope Science Institute, consiste nel recuperare da un set di dati sottocampionato e ben ditherato<\/strong>, dettagli che altrimenti sarebbero andati persi.<\/p>\n\n\n\n

Sembra quasi magia a leggere queste parole, ma in realt\u00e0 il metodo usato \u00e8 relativamente semplice, ma altrettanto geniale. \ud83d\ude42<\/p>\n\n\n\n

In pratica i pixel delle immagini del set di dati in input viene rimappato su una immagine di output tenendo in considerazione il movimento e la rotazione dei singoli pixel<\/strong> presenti in ciascuna immagine e ricalcolando il pixel di output dell’immagine generata. Ecco perch\u00e9 \u00e8 fondamentale che i dati di input siano stati acquisiti usando un dithering<\/a> molto aggressivo!<\/p>\n\n\n\n

\"\"\/
In questa immagine \u00e8 visibile l’algoritmo spiegato sopra. I pixel dell’immagine di input (sottocampionata) vengono proiettati nell’immagine di output tenendo conto della rotazione e shift rispetto ad una immagine di riferimento del set di input. La scelta di tale immagine \u00e8 solitamente quella con il peso pi\u00f9 alto calcolato in PixInsight tramite SubframeSelector.<\/figcaption><\/figure>\n\n\n\n

Quando deve essere utilizzato DrizzleIntegration in PixInsight?<\/h2>\n\n\n\n

L’applicazione del processo DrizzleIntegration<\/strong> \u00e8 opportuno farla solo nel caso in cui si abbiano dei dati che rispettino tutti i seguenti criteri<\/strong>:<\/p>\n\n\n\n

  1. L’immagine deve essere sottocampionata<\/strong>. Ad esempio se state utilizzando una camera con pixel pitch di 3.8um e una focale inferiore ai 400mm sarete sicuramente eligibili per l’applicazione del drizzle.<\/li>
  2. Il set di dati deve essere ditherato a dovere<\/strong>. Il dithering \u00e8 fondamentale perch\u00e9 l’algoritmo funzioni bene, perch\u00e9 avendo un movimento ed una rotazione sostanziale dei pixel, questa permetter\u00e0 di ricostruire meglio il dettaglio perso in fase di acquisizione.<\/li>
  3. Il set di dati deve essere abbondante<\/strong>, nel senso che dovete avere almeno una trentina di frame a disposizione, ma pi\u00f9 ne avete e meglio \u00e8. Con i sensori CMOS che sfruttano le pose brevi vi consiglio di stare sopra alle 50-60 pose<\/strong> almeno. \ud83d\ude42<\/li><\/ol>\n\n\n\n

    Come applicare il processo DrizzleIntegration in PixInsight?<\/h2>\n\n\n\n

    In questo video trovate tutto il procedimento passo dopo passo.<\/p>\n\n\n\n

    \n