disponibile sul canale.<\/a><\/figcaption><\/figure>\n\n\n\nRiduzione gradienti: quando farla?<\/h2>\n\n\n\n Questo step di elaborazione viene fatto subito dopo la somma<\/strong> delle immagini, sia che voi siate in monocromatico o con una camera a colori. Infatti anche in mono \u00e8 preferibile eliminare i gradienti sui vari canali prima di sommarli. \ud83d\ude09<\/p>\n\n\n\nAutomaticBackgroundExtractor (ABE)<\/h2>\n\n\n\n Il primo dei due processi che ci viene in soccorso nella riduzione dei gradienti \u00e8 ABE o AutomaticBackgroundExtractor. Questo processo \u00e8 molto potente e come dice la parola stessa, funziona in modalit\u00e0 “automatica”. Dati alcuni parametri \u00e8 lui che determina i sample del fondo cielo<\/strong> per poter scartare ci\u00f2 che \u00e8 un gradiente e ci\u00f2 che non lo \u00e8. \ud83d\ude42<\/p>\n\n\n\nIl processo di riduzione di gradienti funziona creando un modello matematico del fondo cielo, chiamato anche background sintetico<\/strong>. Questo modello viene applicato all’immagine da elaborare in modo tale da rimuovere segnale indesiderato.<\/p>\n\n\n\nI processi automatici sono fantastici quando funzionano bene, ma per far s\u00ec che la riduzione dei gradienti fornisca un buon risultato, questo va configurato come si deve.<\/p>\n\n\n\n
Il processo ABE in PixInsight.<\/figcaption><\/figure><\/div>\n\n\n\nI parametri fondamentali da prendere in considerazione quando si usa ABE sono:<\/p>\n\n\n\n
Box size e separation<\/strong>: questi rappresentano la dimensione e la separazione dei sample piazzati sull’immagine. Sample troppo grandi restituiscono risultati inadeguati per una corretta creazione del modello. Quelli troppo piccoli invece possono includere piccole variazioni come rumore a bassa scala e stelle. Il valore di default 5 \u00e8 un buon valore di partenza.<\/li>Tolerance<\/strong>: il valore di tolleranza determina quanto inclusivo o meno il processo deve comportarsi rispetto ai sample utilizzati. Un valore basso vuol dire meno inclusivo e quindi meno rumore e stelle, ma potrebbe lasciare qualche residuo. Un valore troppo alto invece potrebbe erodere anche segnale buono e degradare comunque l’immagine!<\/li>Function degree<\/strong>: il grado della funzione utilizzato per generare il modello. Utilizzando uno verr\u00e0 usata una funzione lineare e ci\u00f2 \u00e8 ottimo per rimuovere gradienti che seguono un pattern lineare. Per gradienti pi\u00f9 complessi, soprattutto in ambito urbano, spesso \u00e8 necessario usare esponenti da 2 in su. Solamente provando i vari valori di esponente \u00e8 possibile determinare il valore ideale.<\/li>Correction<\/strong>: il tipo di correzione. None genera solo il modello, ma non applica alcuna correzione, Subtraction sottrae il modello dall’immagine, Divisione invece lo divide. Quest’ultimo \u00e8 utile in caso di vignettature residue, ma \u00e8 un altro argomento che esula da questo articolo. \ud83d\ude42<\/li><\/ul>\n\n\n\nDynamicBackgroundExtractor (DBE)<\/h2>\n\n\n\n Il DBE \u00e8 il fratello maggiore di ABE ed \u00e8 sicuramente un processo molto pi\u00f9 potente e complesso<\/strong> del primo. Spiegarne il funzionamento a fondo richiederebbe probabilmente un blog intero. \ud83d\ude00<\/p>\n\n\n\nTuttavia cercher\u00f2 di soffermarmi sulla differenza principale rispetto ad ABE. Sto parlando del piazzamento dei sample sull’immagine che viene fatto manualmente, anche se una generazione automatica \u00e8 possibile, ma non l’ho mai trovata molto comoda…<\/p>\n\n\n\n
Il DBE rispetto ad ABE crea il modello sintetico a partire dai sample che noi andremo a mettere sull’immagine, quindi \u00e8 ovvio che \u00e8 fondamentale mettere tali sample con criterio!<\/p>\n\n\n\n
Come generare i sample correttamente per il DBE?<\/h3>\n\n\n\n Io uso questo approccio: parto dai quattro angoli dell’immagine e comincio pian piano ad aggiungerne altri.<\/p>\n\n\n\n
Prima seguo i bordi, poi procedo verso l’interno con un pattern a spirale. Quanti sample? Difficile dirlo con un numero esatto, ma sicuramente non 10 e nemmeno 200. Pochi sample correggono poco, troppi creano un fenomeno chiamato in statistica “overfitting<\/strong>” per cui il modello generato funziona bene per i punti selezionati, ma male per le zone di fondo cielo dove non \u00e8 stato messo un quadratino.<\/p>\n\n\n\nPer quanto riguarda la tolleranza e la dimensione dei sample, vale lo stesso discorso di ABE.<\/p>\n\n\n\n
DBE vs ABE: quando usare l’uno e quando l’altro?<\/h2>\n\n\n\n In questi anni di elaborazione con PixInsight mi sono chiesto a lungo quale dei due processi dovessi utilizzare<\/strong> nelle mie foto. Non c’\u00e8 un processo che sia migliore dell’altro, anche se DBE permette di replicare esattamente il risultato di ABE, ma non il contrario.<\/p>\n\n\n\nQuello che ho imparato per\u00f2 \u00e8 che in immagini che hanno una nebulosit\u00e0 sparsa e fitta<\/strong> in tutto il campo, ABE \u00e8 migliore<\/strong> e sicuramente pi\u00f9 veloce. Piazzare i sample con DBE quando ci si trova nelle regioni nebulari del Cigno pu\u00f2 essere un vera sfida che richiede molta, molta pazienza. \ud83d\ude42<\/p>\n\n\n\nIn questi casi quindi meglio usare ABE e giocare con i suoi valori. L’algoritmo che genera il modello \u00e8 molto avanzato e difficilmente fa davvero cilecca! In situazioni invece di gradienti molto complessi<\/strong> e di situazioni pi\u00f9 gestibili a livello di segnale nel fondo cielo, allora il DBE \u00e8 il vostro migliore amico<\/strong>!<\/p>\n\n\n\nArmatevi di pazienza e non mettetevi fretta<\/strong>, \u00e8 un processo lungo, ma che se fatto bene pu\u00f2 salvarvi immagini che sembravano compromesse.<\/p>\n\n\n\nConclusione<\/h2>\n\n\n\n La riduzione gradienti la conosciamo bene noi che viviamo nelle citt\u00e0 e dobbiamo combattere l’inquinamento luminoso urbano. PixInsight ci mette a disposizione due strumenti potentissimi e non c’\u00e8 uno migliore dell’altro, esiste solamente lo strumento giusto per il lavoro giusto!<\/p>\n\n\n\n
Al prossimo articolo, cieli sereni!<\/p>\n","protected":false},"excerpt":{"rendered":"
Nell’elaborazione con PixInsight, il primo passaggio fondamentale dopo la somma \u00e8 la riduzione dei gradienti e gli strumenti pi\u00f9 potenti a disposizione sono AutomaticBackgroundExtractor e DynamicBackgroundExtractor. Quando utilizzare l’uno e quando l’altro?<\/p>\n","protected":false},"author":1,"featured_media":446,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[29],"tags":[21,30,19],"yoast_head":"\n
Riduzione gradienti con PixInsight: ABE vs DBE - AstroPills<\/title>\n \n \n \n \n \n \n \n \n \n \n \n \n \n\t \n\t \n\t \n \n \n \n\t \n\t \n\t \n