PixInsight入门到精通 第三章 线性处理 第九节 线性降噪 —— ATWT(一)

PI-1_Linear-1-0003-w512
我们重新打开这张NGC4536的线性明度图像,前面我们已经对其进行了反卷积处理。这张图在视频教程的第一章DVD与我们的网站上都可以找到。让我们接着上一节说下去。

当图像的线性明度部分经过反卷积,并且线性RGB部分经过色校准后,就应该进入非线性处理阶段了。但是在用ATrousWavelet或者MultiscaleMedianTransfer进行随意的降噪之前,线性降噪将是一个典型线性处理流程的最后一步。

PI-1_Linear-1-0005-w512
在进入非线性处理之前,我们先执行线性降噪(Linear Noise Reduction)。这需要我们先花时间了解一下基于小波运算的多频率处理(Wavelets-based multiscale Processing)——PixInsight的核心。

PI-1_Linear-1-0006-w512
我们第一次见到Wavelets是在本章的第六节中,当时我们在ColorCalibration的Structure Detection中用它来分离出星点以便分析。

PI-1_Linear-1-0008-w512
简而言之,Wavelets是一个强有力的信号处理工具,可以进行影像的多频率(Multiscale)分析与处理。

PI-1_Linear-1-0010-w512
Wavelets可以通过把影像拆解成含有不同波长(即频率,互为倒数)成分的图层来从图像中提取信息。

PI-1_Linear-1-0011-w512
每个图层各自包含了特定波长范围内的结构。这里所谓的波长大致基于影像结构的半径(以像素数为单位)。有句话说,一张图相当于几千个字。我们举一例来说明。

PI-1_Linear-1-0014-w512
在Image Analysis下找到ExtractWaveletLayers,用这个工具我们可以很方便地拆解图像。

PI-1_Linear-1-0015-w512
以原图为对象,我选择10个图层,外加Residual图层,然后点击OK。

PI-1_Linear-1-0020-w512
可以看见屏幕中出现了所有的可见图层,从波长最小的到波长最大的。(画面中字幕:上面一行图层为典型的小波长成分,下面一行为典型的大波长成分)一旦不同波长的成分被拆解进不同图层中去,锐化、降噪等细节强化工作就可以非常精确地完成,同时避免对其他波长的结构产生影响。

因为Wavelets的拆解是所谓「双向互补」的,不会出现重叠或者缺漏,这种处理在数学上是可逆的,因此我们就可以把一张图片拆解成含不同波长成分的图层,对它们分别进行处理,再把处理之后的各图层合并为一个新图像。想获得更多信息可以访问链接:http://pixinsight.com/legacy/LE/20_wavelets/a_trous_wavelet_transform/a_trous_wavelet_transform.html。

PI-1_Linear-1-0023-w512
在Wavelets下找到ATrouserWaveletTransfer(ATWT)

PI-1_Linear-1-0026-w512
在这里我们可以设置想要的图层数目,从波长最小的开始,依次递增,最后是Residual图层(R图层)。R图层包含了波长更大的未被拆解出来的成分。ATWT最多可以设定16个图层(不要与Photoshop中所谓图层的概念混淆),这让我们可以在很大的波长范围内进行处理。在某些处理手法中,ATWT可能会贯穿始终,而在这里,我们的目标只有降噪。因为噪声的波长往往小于其他有用的细节,所以我们选择4个图层就可以了。

PI-1_Linear-1-0029-w512
勾选每个图层的降噪选项(Noise Reduction)使其生效。选择指数(Dynamic)模式,而不是线性(Linear)模式。

PI-1_Linear-1-0031-w512
根据鼠标经过时显示的提示来选择适当的Scaling Function。Linear Interpolation是一个非常中庸的算法,在大、小波长的处理上表现都不错。

接下来,我们就要用ATWT进行降噪了。

您的支持是对我最大的鼓励