预处理与叠加
预处理(pre-processing)与叠加(stacking,亦称积分 integration)是把一批原始单帧(light frame)与校准帧转换为一张高信噪比线性主图(master light)的标准流程。它包含若干彼此独立、顺序固定的环节:校准(calibration)、去马赛克(debayer,仅彩色相机)、配准(registration)、帧质量筛选、像素级剔除(pixel rejection)与积分。本页逐一说明各环节的原理、参数与典型数值,输出结果是一张待后期拉伸的 32 位线性图。
叠加的统计学依据
Section titled “叠加的统计学依据”单帧图像中的信号叠加了多种随机噪声:读出噪声(read noise)、暗电流噪声(dark current noise)以及光子本身的散粒噪声(shot noise)。随机噪声在帧间不相关,而目标信号在帧间相关。对 N 帧逐像素求平均时,信号线性累加,噪声只按 N 的平方根累加,因此信噪比(signal-to-noise ratio, SNR)随帧数提升:
SNR ∝ √N由此可得若干常用结论:
- 叠 4 帧,SNR 翻倍;叠 16 帧,SNR 提升 4 倍。
- 总积分时间翻倍(帧数翻倍),SNR 约提升 41%(即 √2 − 1 ≈ 0.41)。
- SNR 增益呈递减规律:从 4 帧到 16 帧的收益,远大于从 100 帧到 112 帧。
这条规律是深空摄影曝光策略的基础,详见信噪比。除压制随机噪声外,叠加还借助逐像素统计剔除离群值(飞机、卫星轨迹、宇宙射线击中、未被暗场扣净的热点)。
校准用 bias、dark、flat 三类校准帧扣除传感器与光路引入的固定(非随机)误差。各类校准帧的拍法与原理见校准帧,此处只讨论它们在叠加流程中的数学作用。
| 校准帧 | 修正对象 | 拍摄要求 | 合成方式 |
|---|---|---|---|
| 偏置帧(bias / offset) | 读出电路的固定偏置电平 | 最短曝光、遮光、相同增益 | 平均或 sigma 裁剪合成 master bias |
| 暗场(dark) | 暗电流、热点、放大器辉光 | 与 light 相同曝光、增益、温度,遮光 | sigma 裁剪合成 master dark |
| 平场(flat) | 暗角(vignetting)、灰尘环、像素响应不均 | 相同焦点与光路朝向,均匀照明 | sigma 裁剪合成 master flat |
| 平场暗场(flat-dark) | 平场曝光对应的暗电流与偏置 | 与平场相同曝光、增益 | 用于标定平场,CMOS 尤为重要 |
校准的核心是逐像素运算。在已扣除各自暗/偏置项之后,标准校准公式为:
calibrated = (light − master_dark) / master_flat其中减暗用于消除暗电流与热点等加性误差(它们与曝光时间、温度相关,故暗场需与 light 匹配),除平场用于消除暗角与灰尘环等乘性误差(因此平场必须在不改变焦点与器材朝向的前提下拍摄)。CMOS 传感器的暗场通常已包含偏置,故部分流程不单独使用 master bias,而以平场暗场标定平场。
去马赛克(彩色相机)
Section titled “去马赛克(彩色相机)”彩色单次成像相机(one-shot color, OSC)的传感器覆盖了拜耳滤色阵列(color filter array, CFA / Bayer pattern),每个像素只记录红、绿或蓝其中一个通道。去马赛克(debayer / demosaicing) 通过插值由相邻像素重建出每像素的完整 RGB。
去马赛克在流程中的位置取决于是否使用 Bayer Drizzle:
- 常规流程:校准后立即去马赛克,再以彩色图配准、叠加。
- Bayer Drizzle 流程:校准后不去马赛克(保留 CFA 原始排布),颜色重建由 Drizzle 在积分阶段完成,见下文。
单色相机(mono,经滤镜轮分通道拍摄)不涉及去马赛克,各通道分别叠加后于后期合成。
跟踪误差、周期误差(periodic error)、风扰与有意施加的抖动(dither)会使每帧星点位置在像素级发生平移甚至旋转。配准(registration / 对齐) 通过星点检测与几何匹配,计算各帧相对参考帧的变换(平移、旋转、缩放乃至畸变),再重采样使所有帧逐像素对齐。
- 软件先在每帧探测一组星点,用星点的相对几何(三角形匹配等)建立帧间对应关系。
- 由对应关系拟合几何变换,常用模型从相似变换到带畸变校正的多项式不等。
- 良好的配准会自动补偿抖动产生的整帧位移,使后续逐像素统计落在同一天区上。
参考帧通常选质量最高的一帧;视场旋转、镶嵌拼接(mosaic)或多 session 整合需要更复杂的全局配准。
并非所有单帧都值得保留。云层、阵风、跟踪失锁会产生拖线、失焦或背景骤亮的废帧,把它们纳入叠加会拉低整体质量。帧筛选(frame selection / culling) 依据若干客观指标剔除或降权:
| 指标 | 含义 | 偏好方向 |
|---|---|---|
| 半高全宽(FWHM) | 星点的锐度(像素或角秒) | 越小越好 |
| 偏心率(eccentricity / roundness) | 星点的圆度,反映拖线与像差 | 越接近 0 越好 |
| 背景值(background) | 天空背景亮度,反映云、月光、光污染 | 越低越稳定 |
| SNR / 噪声 | 单帧信噪比 | 越高越好 |
| 星点数量 | 可探测星数,反映透明度 | 越多越好 |
经验上剔除最差的约 10%–30% 单帧,往往比保留全部帧得到更干净的结果。更先进的流程不直接剔帧,而是按质量给每帧赋权(weighting),让锐度高、信噪比高的帧在积分中贡献更大,如 PixInsight 的 PSF Signal Weight。
剔帧解决的是整帧问题;像素剔除(pixel rejection) 解决的是单帧内的局部离群值——飞机/卫星轨迹、宇宙射线击中、未被暗场扣净的热点。它逐像素地在所有帧的同位置像素中做统计,把偏离过大的值排除后再积分,因此只剔除个别像素,不丢弃整帧。
在剔除前通常需要归一化(normalization),即把各帧整体亮度缩放到一致,以补偿透明度变化造成的背景差异,否则统计判据会失真。
常见剔除算法:
| 算法 | 机制 | 适用 |
|---|---|---|
| Sigma / Kappa-Sigma 裁剪 | 迭代计算均值与标准差,剔除偏离超过 κ 倍标准差的像素 | 通用,擅长卫星/飞机轨迹 |
| Winsorized Sigma 裁剪 | 先用 Winsor 方法稳健估计统计量再裁剪,对污染更鲁棒 | 帧数有限时优于普通 sigma |
| 线性拟合裁剪(Linear Fit Clipping) | 对每像素跨帧拟合直线,剔除偏离拟合的值 | 帧数多、存在渐变变化 |
| GESD / 百分位裁剪 | 广义极端学生化偏差或百分位阈值 | 帧数多且画面较干净 |
Kappa-Sigma 裁剪的判据可写为:对某像素位置的一组帧值,保留满足 |xi − mean| ≤ κ · σ 的像素,迭代若干轮直至收敛;κ(kappa)即裁剪阈值,常分设低端 low_sigma 与高端 high_sigma,需依数据调参。
积分(integration)对每个像素位置,把通过剔除后保留下来的所有帧值合成一个最终值。合成方式决定了抗离群能力与信噪比之间的权衡。
| 方法 | 抗离群值 | 信噪比 | 适用场景 |
|---|---|---|---|
| 平均(average) | 差 | 最佳 | 帧数少且画面极干净 |
| 中值(median) | 好 | 略有损失 | 帧数少(<10)但有少量轨迹 |
| Kappa-Sigma 裁剪后平均 | 好 | 接近平均 | 多数常规深空项目(≥15–20 帧) |
| 加权平均(weighted average) | 取决于剔除 | 优于等权 | 各帧质量差异较大时 |
| 熵加权平均(entropy weighted) | — | — | 用于已叠加的高 SNR 图,生成高动态范围 |
实践中,先用 sigma 类算法剔除离群像素,再对剩余像素取(加权)平均,是兼顾抗离群与信噪比的主流做法。中值虽稳健但会损失约 20% 信噪比,通常仅在帧数很少时使用。
Drizzle 与超分辨
Section titled “Drizzle 与超分辨”Drizzle(可变像素线性重建,variable-pixel linear reconstruction)最初为哈勃深空场(Hubble Deep Field)开发,由空间望远镜科学研究所(STScI)提出,用于由欠采样(undersampled) 且经过抖动的多帧重建出更高分辨率的图像。当像元过大、未能充分采样光学系统的分辨能力(欠采样)时,普通插值无法恢复细节,而 Drizzle 在配合抖动的前提下可部分超分辨。
其原理是:把每个输入像素按几何变换”喷洒”(drizzle)到一个比原图更精细的输出网格上,落点由该帧的配准变换决定;有意抖动使不同帧的喷洒落点错开,从而在更细网格上填补信息。关键参数:
| 参数 | 含义 | 取值与影响 |
|---|---|---|
| 缩放因子(scale) | 输出网格相对输入的线性放大倍数 | 2.0 即边长 2 倍、像素数 4 倍;越大每输出像素累积的帧越少,噪声越高 |
| 像素收缩比(pixfrac / drop shrink) | 喷洒前液滴相对原像元的缩小比例 | 0 等价于 interlacing,1 等价于 shift-and-add;经验上约取缩放因子的倒数 |
| 核函数(kernel) | 液滴形状 | square(默认,保通量)、gaussian(保点扩散函数)、point(相关噪声最小但易留空洞)等 |
对 OSC 相机可使用 Bayer Drizzle:校准后保留 CFA 排布(不去马赛克),Drizzle 时按每个像素的滤色把它喷洒到对应输出通道,从而绕开传统去马赛克插值的伪色与分辨率损失。
-
DeepSkyStacker(DSS) — 免费、Windows。可自动完成校准、去马赛克、配准与叠加,内置平均、中值、Kappa-Sigma、Median Kappa-Sigma、自适应加权平均、熵加权平均等多种合成方式;支持 Drizzle。算法较老、批量与脚本能力弱。
-
Siril — 免费、开源、跨平台。算法现代,支持脚本(.ssf) 一键跑完整 OSC/单色预处理流程,内置常规与 Bayer Drizzle、多种核函数;并能在后期做背景提取与光度颜色校准,是当前免费方案的主力。
-
AstroPixelProcessor(APP) — 付费。多 session 整合、镶嵌拼接、渐变去除出色,适合进阶与大画幅项目。
-
PixInsight WBPP — 付费,行业标准。Weighted Batch Preprocessing 自动串联校准、cosmetic 校正、去马赛克、配准、局部归一化、加权、像素剔除、积分、Drizzle 与裁边;默认按 PSF Signal Weight 加权,剔除可选 Winsorized Sigma、Linear Fit、GESD 等,并按帧数自适应选择。
输出:32 位线性图
Section titled “输出:32 位线性图”无论使用哪款软件,积分结果都应保存为 32 位浮点、线性(linear) 的 FITS 或 TIFF,且此阶段不做任何拉伸或调色。原因如下:
- 线性数据保留完整动态范围,避免量化误差在后期被放大。
- 所有提亮(非线性拉伸)、背景渐变去除、颜色校准、降噪都应在线性主图基础上进行,见后期工作流。
- 8/16 位整数格式在叠加多帧后可能不足以表达细微的低位信息,32 位浮点更稳妥。
- 多拍单帧 vs 拉长单帧:在不过曝的前提下,增加帧数比无限拉长单帧更稳妥,既能压制随机噪声又给像素剔除留下统计样本;但单帧也需足够长以使目标信号高于读出噪声。
- 中值并非总是更好:中值抗离群但损失信噪比,帧数充足时应改用 Kappa-Sigma 裁剪后平均。
- 不抖动就用 Drizzle:无抖动时 Drizzle 无法超分辨,反而徒增噪声与文件体积。
- 校准帧数量重于匹配:暗场温度/曝光、平场朝向若不匹配,数量再多也会引入新误差。
- 叠加阶段调色:积分输出必须保持线性,任何拉伸/调色都属于后期。
- 流程顺序固定:校准 → (去马赛克) → 配准 → 帧筛选 → 像素剔除 → 积分。
- 噪声靠帧数压制,
SNR ∝ √N,总积分时间翻倍 SNR 约增 41%。 - 校准扣固定误差(
(light − dark) / flat),像素剔除配合抖动清除离群值。 - 常规项目优先 Kappa-Sigma / Winsorized Sigma 裁剪后平均,兼顾抗离群与信噪比。
- 欠采样且数据充足时,Drizzle 可部分超分辨,代价是噪声与文件体积。
- 输出 32 位线性图,把所有拉伸与美化留给后期。
- Drizzle (image processing) — Wikipedia — Drizzle/可变像素线性重建的起源(哈勃深空场)、原理与特性。
- Drizzle — Siril 文档 — pixfrac、缩放因子、核函数与 Bayer Drizzle 的实现细节。
- DeepSkyStacker Technical / Stacking Methods — 平均、中值、Kappa-Sigma 等各合成方式的定义与适用帧数。
- Mastering Deep-Sky Astrophotography Processing — Optical Mechanics — 校准、配准、剔除、积分的完整流程顺序与参数建议。
- Improve Your Astrophotography with Weighted Batch Preprocessing — Utah Desert Remote — PixInsight WBPP 的步骤、加权与剔除算法。
- Siril Script Files — Siril 文档 — OSC/单色预处理脚本的目录结构与一键流程。