微信扫码即刻访问“巡星客”——国内领先的天文社区
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。
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。
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。
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。
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。
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。
在Image Analysis下找到ExtractWaveletLayers，用这个工具我们可以很方便地拆解图像。
以原图为对象，我选择10个图层，外加Residual图层，然后点击OK。
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。
在Wavelets下找到ATrouserWaveletTransfer（ATWT）
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。
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。
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。