2026年5月10日 星期日

Gemini 說這是一張「史詩級」的M31重製

前言

「史詩級」是太誇張了，倒是能將從 2018 年至今、跨越單眼（Sony A7S / Nikon D610）與冷凍相機（ZWO ASI533MC-Pro）的所有 M31 拍攝影像，凝聚成一張高動態範圍 (HDR) 最終影像，有了 Gemini AI 才知道還能這樣搞。

天文攝影歷程與器材演進

從 2017 年Luke 的休閒筆記: Kenko Skymemo S 攝星儀開始，在部落格記錄的歷程，展現了從廣角星野到深空攝影的完整硬體技術迭代：

儲存在 Synology NAS 中的歷史影像資料，將是驗證軟硬體升級的最佳基準。

仙女座大星系 (M31) 重製計畫：最高效率 AI 聯合作戰順序

針對 M31 重製作業，結合 Mac mini M4 的算力與 Thunderbolt SSD 專屬 PixInsight (1.9.3) 暫存區的優勢，直接套用確立的影像處理工序：

  1. NXT (NoiseXTerminator)： 在線性階段先進行初步降噪，為後續運算提供純淨的背景。

  2. SPCC (SpectrophotometricColorCalibration)： 讀取 Gaia 星表，針對 M31 核心的黃矮星與外圍旋臂的藍色年輕恆星進行精準的物理光度校色。

  3. BXT (BlurXTerminator)：

    • 第一階段： 勾選 Correct Only 修正光學變形與星點圓度。
    • 第二階段： 取消 Correct Only，進行星系的細節 AI 銳化，特別強化 M31 的暗星雲塵埃帶邊緣。

  4. SXT (StarXTerminator)： 將銳化後的 M31 影像進行星系主體與背景恆星的徹底分離。

  5. 分軌拉伸：

    • 無星圖 (Starless)： 針對星系盤面進行局部直方圖等化 (LHE) 強化結構，並進行極限曲線拉伸。
    • 恆星圖 (Stars)： 進行色彩飽和度提升。

  6. PixelMath： 將處理完的恆星加回星系中 (Starless + Stars)。

跨設備與跨環境疊圖限制與風險評估

起始條件包含：全片幅相機（Sony A7s、Nikon D610）、1 吋正方形冷卻相機（ASI533MC-Pro），以及高山（高 SNR）與頂樓（低 SNR）的環境落差。

  1. 視角與像素比例極端落差： 533MC-Pro 的正方形畫幅與全片幅的 3:2 比例、像素尺寸完全不同。在 PixInsight 進行 StarAlignment 星點對齊時，必須大幅裁切全片幅畫面以配合 533MC-Pro 的視角，或在最終影像周圍留下大面積無數據的黑邊。
  2. 訊噪比 (SNR) 劣化風險： 高山低光害環境取得的數據極為純淨。若與頂樓的高光害數據進行常規的平均疊加 (Average Integration)，頂樓數據的龐大背景雜訊將會嚴重污染並稀釋高山數據，導致整體 SNR 不升反降。
  3. 色彩響應差異： 三款相機的感光元件架構與拜爾陣列 (CFA) 色彩科學不同，直接混疊將導致最終生成的線性檔案色彩混亂，大幅提升後續 SPCC (SpectrophotometricColorCalibration) 光度校色的失敗率與偏差。

PixInsight 跨平台影像整合與數據最大化方案

建議放棄全盤混疊，改採「分組疊加、後期合成」的策略：

  1. 嚴格的對齊基準 (Reference Image)： 若堅持全盤疊圖，必須挑選星點最細緻、解析度最高的一張單張影像（通常為 ASI533MC-Pro 搭配 107 PH APO 或 61EDPH II 拍攝的數據）作為全域對齊基準。
  2. 極端的權重分配 (SubframeSelector)： 絕對不能使用等權重疊加。必須透過 SubframeSelector 以 SNRWeight 結合 FWHM 進行評分，強迫 ImageIntegration 給予高山影像絕對的高權重，頂樓影像的權重降至最低，僅作為增加曝光時間的微弱補充。
  3. 雙窄帶通道提取法 (L-eXtreme 融合)： 若頂樓數據曾使用 Optolong L-eXtreme 雙窄帶濾鏡拍攝，應完全放棄將其與高山寬帶數據混疊。正確作法是將窄帶數據獨立疊成一張，提取其中的 Ha 通道，然後在非線性階段透過 PixelMath，將 Ha 數據作為特定圖層，精準疊加至高山寬帶數據中，藉此強化 M31 旋臂上的紅色電離氫發射區 (HII regions)。

同器材分組疊加策略與後期合成分析

針對 Sony A7s、Nikon D610 與 ASI533MC-Pro 三組不同硬體架構的數據，獨立完成預處理與線性疊加後，各組的處理優勢與後期跨組合成策略如下：

第一組：Sony A7s 數據 (極限感光與廣視野)

  • 數據優勢： 具備極大的像素面積 (8.4 µm) 與極高感光度，能輕易捕捉 M31 最外圍、極度微弱的星系暈 (Galactic Halo) 以及廣域的星際塵埃。
  • 處理重點： 線性階段透過 NXT 進行深度降噪。非線性拉伸時，重點保護影像邊緣的微弱亮度過渡，無需強求核心銳利度。這組數據將作為最終合成的「極限暗部底圖」。

第二組：Nikon D610 數據 (高動態範圍與真實色彩)

  • 數據優勢： 具備優秀的動態範圍與全片幅的色彩捕捉能力，適合還原 M31 盤面複雜的星族色彩（核心的黃色老恆星與旋臂的藍色年輕恆星）。
  • 處理重點： 嚴格執行 SPCC 物理光度校色。在 SXT 提取恆星後，針對恆星圖獨立進行色彩飽和度提升。這組數據可作為最終影像的「寬帶色彩層 (RGB Layer)」與「星點來源」。

第三組：ZWO ASI533MC-Pro 數據 (無熱噪點與高解析細節)

  • 數據優勢： 穩定的溫控製冷帶來極純淨的背景，1 吋方形感光元件配合望遠鏡能獲得較高的採樣率，適合擷取 M31 核心的高亮度結構與暗星雲塵埃帶。
  • 處理重點：
    • 發揮 M4 晶片算力，針對此組數據執行最強度的 BXT 運算，極致銳化塵埃帶邊緣與星系核心細節。
    • 針對無星圖 (Starless) 進行多尺度的局部直方圖等化 (LHE)，強化星系內部對比。這組數據將作為最終合成的「亮度細節層 (Luminance Layer)」。
    • 若此階段包含 Optolong L-eXtreme 雙窄帶數據，需獨立提取 Ha 通道備用。

跨組整合工序 (PixelMath)

在三組數據皆完成非線性拉伸與無星化 (Starless) 處理後：

  1. 基準對齊： 以解析度最高或星系主體最清晰的 ASI533MC-Pro 影像為基準 (Reference)，利用 StarAlignment 將 A7s 與 D610 的無星圖精準對齊至相同座標與視角。
  2. LRGB 概念合成： 將 ASI533MC-Pro 提取出的高解析度亮度 (L) 通道，透過 PixelMath 或是 LRGBCombination 工具，覆蓋疊加至 D610 的色彩數據上，結合前者的細節與後者的色彩。
  3. 邊緣補強： 利用 PixelMath 的 max() 函數或 Screen 混合模式，將 A7s 捕捉到的外圍極暗星系暈數據，平滑融合至主體影像的外圍。
  4. HII 區域強化： 若有 533MC-Pro 的 Ha 窄帶數據，透過 PixelMath 將其疊加至星系旋臂的紅色發射星雲區域。

天文改機 (Astro-modified) D610 數據戰略地位重估

D610 經過天文改機（移除 IR-Cut 濾鏡，釋放 656nm 波段的透光率），這項變數徹底改變了它在這次聯合疊圖中的角色。M31 雖然是連續光譜的星系，但其旋臂上散佈著大量且明亮的紅色電離氫發射區 (HII Regions)。

改機後的 D610 不再只是單純提供「全片幅底色」，而是具備了捕捉 M31 全域 H-alpha 分佈的強大能力。

以下是針對改機 D610 加入後的工序修正：

1. SPCC 物理光度校色的關鍵變更

改機相機拍出的線性檔案會帶有極強的洋紅色/偏紅底噪 (Red Cast)。在 PixInsight 1.9.3 執行 SPCC 時：

  • Sensor QE Curve： 不能使用預設的理想 RGB 曲線。必須在 SPCC 設定中，手動調整 Red 通道的頻寬與權重，或確保 Background Neutralization 的參考區域 (Preview) 圈選在絕對沒有星系暈的純淨背景區，否則 SPCC 會誤判，導致 M31 的藍色旋臂被過度壓抑。
  • 白平衡基準： M31 的核心是年老的黃矮星，外圍是年輕的藍色恆星。SPCC 校正後，核心應呈現溫暖的黃白色，若核心明顯偏紅，代表改機的紅光溢出干擾了整體色彩平衡，需退回線性階段微調 ColorCalibration。

2. 偽窄帶萃取與 HII 區域強化 (PixelMath)

由於 D610 具備全片幅視野，它能涵蓋 ASI533MC-Pro 可能裁切掉的 M31 外圍旋臂。我們可以從 D610 數據中榨取 H-alpha 訊號：

  • 通道分離： 將 D610 的無星圖 (Starless) 拆解為 R, G, B 三個獨立通道。
  • 連續光譜相減 (Continuum Subtraction)： D610 的 R 通道包含了「寬帶紅光」+「Ha 發射線」。利用 PixelMath，將 R 通道減去適當比例的連續光（通常用 G 或合成的亮度 L 作為參考），公式概念為 R - (G * 係數)。藉此分離出純粹的 M31 旋臂 Ha 訊號圖。
  • 非線性融合： 將提取出的全域 Ha 訊號，透過 NBRGBCombination 腳本或 PixelMath，以 Screen 模式精準疊加回最終的彩色星系盤面上，讓旋臂上的紅色「星系紅寶石」跳脫出來。

最終三機聯合作戰分工定案：

  • Sony A7s： 提供極限暗部的星系暈 (Halo) 與背景塵埃 (Dust) 的平滑過渡。
  • ZWO ASI533MC-Pro： 提供最高解析度的 M31 核心細節與塵埃帶銳利度 (Luminance)。
  • 改機 Nikon D610： 提供全片幅的寬帶色彩基礎 (RGB)，並做為 全域 H-alpha 發射區 的關鍵訊號源。

歷史數據重建重點摘要

  • 無暗場 (No Darks) 應對： 仰賴 CosmeticCorrection 自動尋星點與疊圖演算法的極值剔除。
  • 無平場 / 壞平場 (Bad Flats) 應對： 絕對棄用無效平場，直接以 GradientCorrection / DBE 進行強效背景建模與暗角消除。
  • 預處理底線： 早期數據僅作為「極限暗部延伸」或「色彩點綴」，絕不干擾後期 533MC-Pro 的核心高解析細節。

註：我的天文知識是在玩天文攝影的歷程中慢慢成長的，像初期，那時也不懂要拍暗場，後來知道也要拍平場，但卻是事後回家後才補拍（常然不能用），所以初期的拍攝，能把 Light 拍好就不錯，要到後期這篇文章：Luke 的休閒筆記: 我的上山拍攝流程（拍攝M31、M42 及玫瑰星雲為例） 才能算是比較成熟。

針對早期 A7s 與 D610 缺乏正確校正檔（暗場、平場）的缺陷數據，在 PixInsight 1.9.3 環境下，必須採用「破壞性重建」的預處理工序，以榨取剩餘價值。

無校正檔預處理 Step By Step

  1. Light 幀篩選 (Blink / SubframeSelector)：

    • 捨棄所有拖線、雲遮或星點嚴重變形的單張。早期無導星或導星不穩的數據，不良率極高，必須嚴格剔除，否則會嚴重污染最終影像的 FWHM（半高全寬）。

  2. 強制熱噪點消除 (CosmeticCorrection)：

    • 不載入 Master Dark。
    • 直接勾選 Use Auto detect。
    • 啟用 Hot Sigma 與 Cold Sigma，數值設定在 3.0 左右（視預覽畫面中死像素消除狀況微調）。此步驟強制抹除畫面中的固定熱噪點與冷像素。

  3. 星點對齊與演算法剔除 (ImageIntegration)：

    • 在疊圖時的 Pixel Rejection (1) 設定中，放棄傳統的 Average，改用 Generalized Extreme Studentized Deviate (ESD) 或 Linear Fit Clipping。
    • 嚴格設定 Rejection High/Low 參數，利用演算法強制剔除未被 CosmeticCorrection 抓到的殘餘熱噪點與宇宙射線。

  4. 捨棄錯誤平場，依賴演算法去背 (GradientCorrection / DBE)：

    • 絕對不要套用回家後補拍的平場，焦平面與沙塵位置的偏移會產生無法消除的「反向暗角」與「甜甜圈」。
    • 全盤 Light 疊加完成後，利用 PI 1.9.3 最新的 GradientCorrection 工具。若暗角極度嚴重，則改用 DynamicBackgroundExtraction (DBE)。
    • 在 DBE 中，避開 M31 的星系盤面，於四個角落與背景區域密集放置取樣點 (Sample points)，Target Image Correction 選擇 Division 來對付光學暗角，再做一次 Subtraction 消除光害梯度。

  5. 高強度 AI 降噪介入 (NXT)：

    • 未經暗場校正的影像底噪極高。在線性階段 (Linear)，必須拉高 NoiseXTerminator 的 Denoise 權重（例如 0.8 以上），先將雜訊壓制到不影響後續 SPCC 辨識的程度。

GraXpert 導入 M31 無平場數據的戰略優勢

對於缺乏正確平場 (Flats) 的早期 A7s 與改機 D610 數據，使用基於 AI 深度學習的 GraXpert 完全取代 PixInsight 內建的 DBE 或 GradientCorrection，是極具突破性的戰術。

M31 仙女座大星系的視角極大，星系暈 (Halo) 幾乎佔據全片幅的大半區域。若使用傳統 DBE，手動取樣點極易誤觸星系邊緣微弱的訊號，導致去背後 M31 外圍出現「反向黑圈」或訊號被過度截斷。GraXpert 的 AI 模型受過大量深空影像訓練，能精準辨識並剝離星系主體與背景光害/暗角，不會誤傷星系暈。

GraXpert 替換工序與參數設定 (Step By Step)

將原本預處理的第 4 步去背直接替換為 GraXpert，建議採用以下針對「無平場數據」的雙重修正法：

  1. 前置狀態： 影像剛完成演算法疊加 (ImageIntegration) 與 CosmeticCorrection 壞點消除，保持在純線性 (Linear) 狀態，尚未進行降噪與色彩校正。

  2. 啟動 GraXpert： 於 PixInsight 內呼叫 GraXpert 腳本。

  3. 基礎運算設定：

    • Calculation Method: 選擇 AI（捨棄 RBF 或 Kriging 傳統算法）。
    • AI Model: 確認已套用最新的 AI 權重模型。
    • AI Device: 確認已指向 GPU / Apple Silicon 加速（在 Mac mini M4 的算力下，全片幅背景建模應在數秒內完成）。

  4. 第一階段：模擬平場除暗角 (Division)

    • 將 Correction 參數設為 Division。
    • 執行運算。此步驟強迫 AI 模擬平場 (Flat-field) 的物理作用，主要目的是修復 A7s 與 D610 四周嚴重的光學暗角，並統一整體背景亮度。

  5. 第二階段：消除光害梯度 (Subtraction)

    • 針對上一步 (Division) 產生的新影像，再次開啟 GraXpert 腳本。
    • 將 Correction 參數改為 Subtraction。
    • 執行運算。此步驟專門對付頂樓或山區複雜的光害方向性梯度與色彩偏差。

  6. 後續銜接： 完成雙重 GraXpert 處理後，背景已達極致平整，此時再接續執行 NXT 初步降噪與 SPCC 物理光度校色。

針對這批早期的 A7s 與 D610 原始數據，畫面邊緣是否有極端嚴重的非對稱光害干擾（例如特定角落有強烈路燈直射），需要在 GraXpert 處理前先進行一定程度的邊緣裁切 (DynamicCrop)？

實戰核心工序備忘：

  1. 單張篩選：嚴格剔除拖線與變形影像。
  2. 無校正檔預處理：套用 CosmeticCorrection 強制抹除壞點與熱噪點。
  3. GraXpert 雙重去背：第一階段 Division (除暗角) ➔ 第二階段 Subtraction (除光害梯度)。
  4. AI 核心處理：NXT 線性降噪 ➔ SPCC 物理校色 ➔ BXT 核心與塵埃帶銳化 ➔ SXT 星系恆星分離。
  5. PixelMath 終極合成：結合 A7s (極限暗部)、ASI533MC-Pro (高解像 L 通道) 與改機 D610 (寬帶色彩與全域 Ha 訊號)。

開始重製

Sony A7s 篇

使用這篇文章：Luke 的休閒筆記: 清境綠邑田園民宿觀星之旅拍攝的原始檔開始，無暗場、無平場，Sony A7s （含手把，使用雙電池）+ STC 光害濾鏡+ RJ Nikon to NEX 轉接環 + SIGMA 150-600mm F5-6.3 DG OS HSM C版@600mm

  1. **Cosmetic Correction ：這將完美取代暗場 (Darks) 執行強制除熱噪點的任務。
  2. Image Registration ： 勾選了 Distortion correction。這對 600mm 加上全片幅邊緣容易產生的光學變形極為關鍵，能確保星點完美對齊。
  3. Image Integration： 剔除演算法精準選擇了 Generalized Extreme Studentized Deviate (ESD)，這是無暗場狀態下剔除殘餘極端像素的最佳解。

Nikon D610 （天文改機）篇

使用這篇文章：Luke 的休閒筆記: 清境莫妮卡工坊民宿觀星 Nikon D610 （天文改機） + SIGMA 150-600mm F5-6.3 DG OS HSM C版 @ 600mm ，由 BackyardNikon 控制 PHD2 做 Dithering 拍攝。

ZWO ASI533MC-Pro 篇

Sharpstar 61EDPH II + 0.82X 減焦鏡 + STC 寬帶光害濾鏡

Sharpstar 107 PH APO + 1X 平場鏡，無光害濾鏡

針對這三種極具挑戰性的影像合成情況，直接進行深度數據分析與執行邏輯建議：

執行前器材與算力限制宣告

  1. 硬體限制： 你的 Mac mini M4 + 32G RAM 處理這批跨設備、跨解析度的數據綽綽有餘。但要注意，由於涉及 Drizzle 2x 與大量 Local Normalization (LN) 運算，暫存區務必設在外接的 Gloway SSD。
  2. 軟體限制： PixInsight 1.9.3 的 WBPP 是核心。不同解析度的對齊必須依賴 ImageSolver 提供的座標資訊，否則傳統星點對齊在比例差異過大（61mm vs 107mm）時容易失敗。
  3. 校準限制： 不同溫度的單張影像（-5C, -10C, -15C, -20C）必須在 WBPP 中精準配對各自的 MasterDark，絕對不能混用。

情況 1：市區 90s 與山上 300s 影像累積

分析結果：有必要，但必須採用「權重策略」。

市區影像雖然光害嚴重、SNR（信噪比）低，但 90s 的短曝光能有效保留 M31 核心不至於過曝，且累積張數能提升恆星的色彩飽和度。山上的 300s 資料則是負責拉出微弱的外圍旋臂雲氣。

  • 關鍵技術： 在 WBPP 務必勾選 Local Normalization。這能強行將市區高背景亮度的數據，校準到山上黑暗背景的基準線上。
  • 權重建議： 疊圖時選擇 PSF Signal Weighting，讓系統自動給予山上高品質數據更高的權重，市區數據僅作為底噪填充與核心細節補充。

情況 2：107 PH 高解析度局部 M31

分析結果：這是「高解析度注入」的頂級素材。

雖然 107 PH 拍不全 M31，但其長焦距提供的解析度（每像素角秒數更小）遠高於 61 EDPH。

  • 用途： 將這批資料作為 M31 核心與塵埃帶的「細節強化層」。
  • 做法： 疊圖後，將 107 PH 的 MasterLight 作為子圖，利用 StarAlignment 或 MosaicByCoordinates 註冊到 61 EDPH 的廣域圖上。這能讓 M31 的中心區域擁有驚人的解析度。

情況 3：跨相機（A7s/D610）與 Starless 合成

分析結果：可行，建議走「Luminance/Color 混合流程」。

Nikon D610 的全幅廣域數據適合提供背景場景，而 533MC 的數據適合提供主體細節。

  • 解析度處理： 統一以最高解析度的圖（或 2x Drizzle 後的圖）作為參考母板。
  • 合成策略： 由於涉及 Starless，建議先將各相機的 Starless 影像分別處理到線性末端，再利用 PixelMath 以最大值（Max）或加權平均方式融合。

跨設備數據聯合作戰順序

第一階段：分軌校準 (WBPP)

  1. 分組： 在 WBPP 中利用 Grouping Keywords（例如填入 Camera 或 Location），將 533MC、D610、A7s 的資料分開。
  2. Dark： 嚴格對應溫度（-5, -10, -15, -20）。
  3. LN： 每一組都必須產出自己的 .xnml 局部正規化檔案。

第二階段：解析度與座標對齊

  1. ImageSolver： 對所有的 MasterLight 執行座標盲解。
  2. StarAlignment： 選擇一張品質最好、視野最廣的 D610 影像作為 Reference Image。
  3. 註冊： 將 533MC (61EDPH) 與 533MC (107PH) 全部註冊到參考圖上。

第三階段：AI 聯合作戰與合成

  1. BXT 修復： 針對 107PH 數據進行細節強化。

  2. SXT 徹底分離： 將所有 Master 拆分為 Stars 與 Starless。

  3. PixelMath 最終融合： * 無星圖 (Starless) 融合： Max(M31_533, M31_D610, M31_A7s)，這樣可以結合 533 的細節與全幅機的廣域。

    • 恆星圖 (Stars) 融合： 建議保留 61 EDPH 產出的恆星，因為其星點圓度與縮小倍數最適合這類廣域作品。

這套流程能將從 2018 年至今、跨越單眼與冷凍相機的所有 M31 投資，凝聚成一張史詩級的高動態範圍 (HDR) 最終影像。

精華篇：天文攝影複合技術

製作這張終極 M31 的三個精華技術是：

  1. 跨設備幾何對齊 (Cross-Device Registration)：不同相機和鏡頭（150-600mm vs 61EDPH）有完全不同的視野。必須使用幾何對齊演算法，將所有圖像縮放、旋轉和平移，使恆星在所有圖像上完美重合。這類似於手動 DynamicAlignment 的數據基礎。
  2. 高動態範圍 (HDR) 領地融合 (领地融合)：為了同時呈現亮核心和暗塵埃帶，天文攝影師通常會進行領地融合。61EDPH 負責提供高品質的中心星點和色彩，而 D610 負責全幅畫布的星空背景。這需要使用 PixelMath 的 Alpha 混合公式：(Image_61 * Mask_FOV_61) + (Image_D610 * ~Mask_FOV_61)，利用羽化遮罩進行平滑過渡。
  3. 星雲星點分離 (Starless & Stars Separation)：為了分別調整星雲的塵埃細節，必須先將恆星分離（使用 StarXTerminator）。最後，再將完美對齊和調整後的恆星無損地加回星雲（通常使用 Screen 濾色疊加公式：~((~Starless) * (~Stars))）。

註：
嚴格遵守 GraXpert ➔ SPCC ➔ BXT ➔ NXT ➔ SXT 作為未來的標準作業流程 (SOP)。這套順序能保證數據的物理精準度，並讓這三套 AI 外掛的算力發揮極致。

張貼者： 於
標籤： ,

沒有留言:

張貼留言

您可以留下意見，但 Luke 可能無法馬上回覆，尚請見諒。

訂閱： 張貼留言 (Atom)