Galería de fotos Tratamiento digital básico: Página principal PixInsightLE Instrumental Enlaces Introducción Este artículo ha sido diseñado con la intención de que el lector lleve a cabo con el software PixInsightLE un tratamiento digital básico paso a paso en sus imágenes de cielo profundo. Cada una de las partes de las que consta el presente artículo implica un proceso y finalidad distintos. Para ayudar a su entendimiento se han realizado capturas de pantalla del programa a cada uno de los procesos. Estas son cada una de las partes de las que consta nuestro tratamiento: Recorte de los bordes del fotograma (Crop/Expand) Ajuste previo del histograma (Histograms) Construcción de una máscara (Extract Channels) Creación de un modelo de fondo (DBE) Sustracción del modelo de fondo (Pixel Math) Ajuste de curvas (Transfer Curves) Aunque no es estrictamente necesario llevar a cabo un riguroso orden en todo el tratamiento, se ha pensado en aprovechar al máximo la información disponible después de corregir defectos en la digitalización, enmascarar selectivamente determinados objetos en los procesos más agresivos y corregir diferencias locales de brillo y/o gradientes de color en el fondo del cielo. Recorte de los bordes del fotograma (Crop/Expand) Hemos seleccionado una toma de cielo profundo y gran campo de una película Fuji Provia 400F con una lente de 50mm a f/4 para después digitalizar la diapositiva desde un escáner Microtek FilmScan2700 a máxima resolución y profundidad de color de 36 bits: Como no siempre existe una alineación perfecta entre el chip del escáner y la película a digitalizar, pueden aparecer bordes oscuros en la imagen. Para solucionar esto podemos recortar fácilmente esos bordes que podrían provocar una lectura falsa en el histograma.
Aumentando la imagen se aprecia en el borde de la fotografía una porción de película sin registrar. Abrimos nuestro archivo de imagen identificado como RAW, seleccionamos la herramienta Crop/Expand desde el menú Image>Geometry>Crop/Expand e introducimos un valor negativo para el número de píxeles que queremos recortar: Decidimos introducir desde la ventana Crop/Expand un valor de -25 al borde inferior y -5 al resto. Pueden verse las nuevas dimensiones y tamaño del documento tras realizar esta función. Ajuste previo del histograma (Histograms) La primera transformación que debemos realizar cuando partimos de una imagen CCD es ajustar el rango dinámico. Ahora que hemos recortado convenientemente la imagen, podemos hacer una lectura precisa del histograma desde el menú Process>Transfer Curves>Histograms o bien pinchando con el botón derecho del ratón directamente sobre la imagen y seleccionando View>Histograms: El proceso Histograms posee una función muy útil en este caso llamada Auto-Clip, situada en la zona inferior de la ventana, justo donde hemos resaltado en color rojo. Con los valores por defecto la función Auto-Clip ajusta automáticamente el rango en las sombras y las luces, redistribuyendo correctamente los píxeles a lo largo del histograma y aprovechando al máximo el rango dinámico. Después de aplicar esta función la imagen queda así:
Construcción de una máscara (Extract Channels) Vamos ahora a crear una máscara con nuestra imagen que servirá para proteger los objetos más brillantes de los procesos más agresivos, evitando que se saturen las estrellas y pierdan su gradiente. Usaremos el proceso Extract Channels para extraer la luminancia a nuestra imagen y crear un archivo nuevo que será nuestra máscara. Para ello usamos los comandos de menú Process>Color Spaces>Extract Channels o directamente en el icono correspondiente en la barra de procesos: Aquí puede verse cómo se extrae la luminancia ajustando el espacio de color CIE L 'a'b' y activando el canal L'. Una vez creado el nuevo archivo lo identificamos como MASK desde Image>Set Identifier e invertimos el resultado desde Image>Invert o mediante las teclas Ctrl+I: Para finalizar activamos nuestra máscara "MASK" sobre la imagen a tratar "RAW" desde el menú Mask>Select Mask...
Al seleccionar la máscara se activan las casillas E (enabled) y S (shown) junto al icono de Select Mask. La casilla E indica si está activada o no la máscara para la imagen y la casilla S activada indica la visualización de la protección de la máscara directamente desde la imagen principal. Creación de un modelo de fondo (DBE) Tras ajustar el rango dinámico podemos visualizar los posibles gradientes e identificar fácilmente el fondo del cielo del resto de objetos. Básicamente lo que necesitamos en este ejemplo es corregir las diferencias de iluminación producto del viñeteo de la óptica y algo de polución lumínica. Aunque esto no es muy visible en la imagen con la que trabajamos, sí será patente al aplicar más tarde procesos más agresivos. Lo primero que vamos a hacer es crear con la función DBE (Dynamic Blackground Extraction) un modelo sintético de fondo o flat que luego será restado al original en Pixel Math. Para iniciar DBE podemos acceder desde el menú Image>Mode>Dynamic Blackground Extraction o presionando las teclas Ctrl+B. Solo hay que pinchar sobre la imagen para abrir la ventana DBE e introducir algunas muestras tal y como se puede ver a continuación: Hemos decidido situar el centro de simetría justo en el centro del fotograma. Por defecto DBE proyecta sobre la imagen un eje horizontal y otro vertical que pueden ser desplazados para cambiar de posición la intersección de los ejes y cambiar así el centro de simetría. A la hora de construir un modelo de fondo con precisión, hemos intentado evitar introducir muestras sobre objetos brillantes como nebulosas, estrellas o la propia Vía Láctea que de otra manera falsearían el resultado. El recuadro en la imagen seleccionado en rojo aparece en la ventana de DBE como muestra actual. Las estrellas y objetos aparecen en negro y el fondo del cielo en blanco. Los píxeles negros son ignorados por DBE a la hora de calcular el modelo y los blancos son interpretados como píxeles de fondo.
En los ajustes globales podemos definir el tamaño y número de muestras para después arrastrar cada una allí donde nos interese en nuestra fotografía. Es crucial aquí tener en cuenta el parámetro Tolerance que es el que básicamente define la agresividad del modelo a crear. En este ejemplo hemos decidido un valor de 0.350 para este parámetro. Una vez concluida esta tarea, aceptamos el modelo pinchando en Generate. Por defecto PixInsight crea un nuevo archivo con la extensión blackground como identificador de imagen y que contiene el modelo de fondo que hemos creado: El resultado es una imagen o flat que representa de forma precisa el perfil de iluminación originado por el viñeteo y la polución lumínica. Sustracción del modelo de fondo (Pixel Math) Pixel Math es el proceso que nos va a permitir ahora restar nuestro modelo DBE a la imagen original. Para realizar la siguiente operación en Pixel Math basta con seleccionar nuestra imagen principal e ir al menú Process>General>Pixel Math o pinchando en el icono de proceso correspondiente. Aquí se puede ver la ventana de Pixel Math lista para restar el modelo de fondo a nuestra imagen. Para esta operación es necesario reescalar el resultado activando la casilla que hemos remarcado con un círculo rojo.
Ajuste de curvas (Transfer Curves) Una vez hemos tratado la imagen para corregir deficiencias, llegamos al final del proceso con la intención de aprovechar al máximo la información disponible y resaltar los objetos más débiles mediante transferencias de curvas concretas en diversos espacios de color. Para abrir este proceso accedemos desde el menú Process>Transfer Curves>Curves o pinchando el propio icono de proceso. Recordar que durante este paso es útil tener nuestra máscara de protección activada (Mask>Select Mask...) y evitar que los objetos brillantes se saturen. Las funciones de curvas aplicadas a nuestra imagen en distintos espacios de color: a la izquierda el espacio RGB/K se emplea para ajustes globales sobre la imagen, el espacio L ajusta la luminancia y el espacio S la saturación. Aunque aquí se han aplicado las curvas en una única operación, se pueden trazar curvas más suaves y realizar procesos iterativos sobre la imagen, es decir, sumando una función concreta en la misma imagen de forma acumulativa hasta alcanzar el efecto deseado. Una vez trazadas las curvas y aplicadas dichas funciones, el resultado comparado con la imagen previa queda así:
Lógicamente podemos aplicar funciones más agresivas y elevar aún más el contraste. Sin embargo, existe un límite que lo impone el ruido; a medida que elevamos la señal el ruido aumenta también y la imagen comienza a perder resolución. Aquí hemos intentado obtener un buen compromiso entre estos dos aspectos. Sin embargo es posible llegar más lejos y reducir el ruido en PixInsightLE con algoritmos eficientes para este propósito como pueden ser las herramientas SGBNR y À Trous Wavelets, tema que será abordado en otro artículo.