Pixinsight: SubframeSelector

Viele der besten Ergebnisse in der Astrofotografie entstehen durch das Aufnehmen von fünfzig oder mehr Einzelbildern eines Himmelsobjekts. Doch das Erstellen hochwertiger Aufnahmen ist oft eine Herausforderung – verursacht durch atmosphärische Turbulenzen, Nachführungsfehler der Montierung oder Lichtverschmutzung.

Der Subframe Selector in PixInsight wurde speziell dafür entwickelt, Astrofotografen bei der Auswahl und Bewertung der Qualität einzelner Aufnahmen (sogenannter Subframes) zu unterstützen, bevor diese zu einem Gesamtbild (Stacking) zusammengefügt werden.

Dieser Schritt ist entscheidend, da nicht alle Einzelbilder die gleiche Qualität haben. Werden minderwertige Aufnahmen in das Endbild integriert, kann dies die Gesamtqualität deutlich beeinträchtigen. Die folgenden Bilder verdeutlichen das: eines ist von hoher Qualität, eines durchschnittlich, und eines schlecht.

❓ Was macht das Skript SubframeSelector?

Bewertung der Bildqualität:
Algorithmen analysieren jedes einzelne Subframe anhand verschiedener Qualitätskriterien wie dem Signal-Rausch-Verhältnis (SNR), der Halbwertsbreite (FWHM), der Exzentrizität sowie dem Hintergrundrauschen. Diese Messwerte geben Aufschluss darüber, wie gut sich ein Subframe für die weitere Verarbeitung eignet.

Gewichtung der Subframes:
Anhand der ermittelten Qualitätswerte wird jedem Subframe ein Gewicht zugewiesen – hochwertige Aufnahmen erhalten ein höheres Gewicht als weniger gute.

💪 Auswahl der besten Aufnahmen:
Die Subframes werden nach ihrer Qualität sortiert, und die besten davon werden für die endgültige Integration ausgewählt.

Die technischen Daten des Teleskop und der verwendeten Kamera sind entscheidend, um Bildqualitätsmetriken korrekt bewerten und fundierte Entscheidungen bei der Bildintegration treffen zu können. Die folgenden Informationen sind dafür erforderlich:

Subframe-Skala und Einheiten
Die Subframe-Skala ergibt sich aus der Kombination von Brennweite und Pixelgröße. Sie bestimmt die Bildauflösung und wird in Bogensekunden pro Pixel angegeben.

Zur Berechnung der Auflösung in Bogensekunden pro Pixel verwendet man folgende Formel:

Berechnung der Auflösung in Bogensekunden pro Pixel

Die Auflösung eines Aufnahmesystems – also wie viel Himmelsausschnitt auf einen einzelnen Pixel fällt – wird in Bogensekunden pro Pixel angegeben. Sie hängt von der Pixelgröße der Kamera und der Brennweite des Teleskops ab.

Die Formel lautet:

📐 Bogensekunden / Pixel = 206,2648 × (Pixelgröße in µm / Brennweite in mm)

Zur Berechnung nutze ich das Online-Tool:

https://astronomy.tools/calculators/ccd_suitability

Kameraverstärkung und Dateneinheiten
Die Kameraverstärkung (Gain) beschreibt den Verstärkungsfaktor, mit dem das vom Sensorsignal eingelesene Lichtsignal verstärkt wird, bevor es vom Analog-Digital-Wandler (ADC) in digitale Werte umgewandelt wird.

Diese Information lässt sich häufig im FITS-Header eines aufgenommenen Subframes finden bzw. wird bei der Aufnahme eingestellt.

Im Beispiel unten wurde ein Askar FRA300 Pro mit 300mm Brennweite und eine ZWO ASI2600MC Pro Astrokamera verwendet.

📈 Ergebnis der Analyse

Ich werte den Parameter FWHM aus, um die schärfsten Subframes zu identifizieren.

Was ist FWHM?

FWHM steht für Full Width at Half Maximum – auf Deutsch: „volle Breite bei halbem Maximum“. Es ist ein Maß für die Schärfe bzw. Qualität eines Sternabbilds in der Astrofotografie und wird meist in Pixeln oder Bogensekunden angegeben.

Was bedeutet das konkret?

Wenn du dir ein Sternabbild als eine Glockenkurve (z. B. Gaußverteilung) vorstellst – also eine Helligkeitsverteilung, bei der die Helligkeit zur Mitte hin maximal ist und zu den Rändern abnimmt –, dann ist die FWHM der Abstand zwischen den Punkten links und rechts vom Maximum, an denen die Helligkeit auf die Hälfte des Maximalwerts gefallen ist.

Warum ist FWHM wichtig?

• Kleinere FWHM-Werte bedeuten schärfere, besser fokussierte Bilder mit weniger atmosphärischer Verzerrung oder Nachführfehlern.
• Größere FWHM-Werte deuten auf Unschärfe hin – etwa durch schlechte Fokussierung, Seeing (atmosphärische Störungen) oder Nachführungsfehler der Montierung.

Beispiel:

• Ein FWHM von 2 Pixeln ist typischerweise gut.
• Ein FWHM von 5 oder mehr Pixeln kann auf ein unscharfes oder schlecht nachgeführtes Bild hinweisen.

Das Subframe 10 wurde als eines der schlechtesten analysiert. Durch einen Doppelklick kann das Bild in Pixinsigh geöffnet werden:

Wie man im Subframe 10 Bild erkennt, sind die Sterne deutlich elongiert und erklären somit den hohen FWHM Wert in der Analyse.

Selektion der gewünschten Subframes

Wie selektiert man nun die gewünschten Subframes?

In PixInsight (und generell in der Bildverarbeitung) sind Expressions benutzerdefinierte mathematische oder logische Ausdrücke, die zur Analyse, Filterung oder Auswahl von Daten verwendet werden können – z. B. bei der Subframe-Auswahl.

Beispiele für Expressions in PixInsight:

1. FWHM < 3.0
   → Nur Subframes mit einer Full Width at Half Maximum kleiner als 3 werden ausgewählt.
2. (SNRWeight > 20) && (Eccentricity < 0.45)
   → Wählt nur Bilder aus, die ein gutes Signal-Rausch-Verhältnis und runde Sterne haben.
3. Weight = (1 / (FWHM * Eccentricity))
   → Weist jedem Bild ein Gewicht (Parameter SSWEIGHT) zu, basierend auf FWHM und Sternform. Der Parameter kann beim Stackingprozess ausgewertet werden.

Die selektierten Subframes werden in ein gesondertes Verzeichnis kopiert für den Stackingprozess.

Point Spread Function (PSF)

Die Point Spread Function (PSF) beschreibt, wie stark ein Stern – der eigentlich ein punktförmiges Lichtsignal sein sollte – durch Unschärfe verzerrt wird. Das PSF-Signalgewicht gibt an, wie stark das Lichtsignal des Sterns innerhalb dieser Unschärfe ist. Ein höheres Gewicht bedeutet ein kräftigeres und klareres Signal, was auf ein schärferes Bild hindeutet.

Anhand des PSF-Signalgewichts lässt sich schnell erkennen, welche Subframes die schärfsten Sternabbildungen enthalten. Die besten 5–10 % dieser Aufnahmen eignen sich besonders gut für die lokale Normalisierung und die Bildintegration.

Gewichtung von Einzelbildern (Subframes)

Auch wenn ein Einzelbild (Subframe) nicht von optimaler Qualität ist, kann es dennoch zur Verbesserung des Gesamtbildes beitragen. Durch die Berechnung von Qualitätsgewichten für jedes Einzelbild, die im FITS-Header gespeichert werden, lässt sich der Integrationsprozess gezielt steuern. Subframes mit höheren Gewichten haben dabei einen stärkeren Einfluss auf das Endergebnis.

Die zentrale Herausforderung bei der Gewichtung liegt in der Auswahl geeigneter Kriterien zur Qualitätsbewertung.

Das Werkzeug Subframe Selector berechnet für jedes Einzelbild einen gewichteten Score basierend auf den gewählten Parametern und benutzerdefinierten Vorgaben. Dieser Score dient dazu, Subframes zu bewerten und die besten für die Integration auszuwählen. Die Gewichtungsformel kann verschiedene Komponenten enthalten:

Parameter für die Gewichtung

• PSF-Signalstärke (PSFSignal): Gibt die Intensität des Sternsignals innerhalb der Punktspreizfunktion (PSF) an. Höhere Werte deuten auf besser fokussierte, klar erkennbare Sterne hin – ein Zeichen für gute Bildqualität.
• PSF-Signal-Rausch-Verhältnis (PSFSNR): Misst das Verhältnis von Sternsignal zu Hintergrundrauschen innerhalb der PSF. Höhere Werte stehen für geringeres Rauschen und klarere Sterne.
• PSF-Fluss (PSFFlux): Der gesamte Lichtfluss innerhalb der PSF des Himmelsobjekts. Höherer Fluss kann auf hellere oder besser fokussierte Sterne hindeuten.
• Halbwertsbreite (FWHM): Misst die Breite eines Sterns bei der halben Maximalintensität. Kleinere Werte bedeuten schärfere und besser fokussierte Sterne.
• Exzentrizität (Eccentricity): Gibt an, wie stark Sterne von der Kreisform abweichen. Werte nahe 0 deuten auf runde, symmetrische Sterne hin – ein Qualitätsmerkmal.
• Signal-Rausch-Verhältnis (SNR): Misst das Verhältnis zwischen Nutzsignal und Störsignal im Bild. Höhere Werte stehen für ein klareres, rauschärmeres Bild.
• Anzahl erkannter Sterne (Stars): Die Anzahl der im Bild identifizierten Sterne kann auf Transparenz des Himmels und allgemeine Bildqualität hinweisen.
• Hintergrund-Median (Median): Der Medianwert des Hintergrunds (fern von Sternen oder Objekten). Niedrigere Werte sprechen für ein gleichmäßig dunkles, störungsfreies Hintergrundsignal.

Operatoren zur Normalisierung der Parameter

• MIN: Beispiel FWHMMin – wählt den kleinsten Wert dieses Parameters aus allen Subframes.
• MAX: Beispiel FWHMMax – wählt den höchsten Wert.
• MEDIAN: Beispiel FWHMMedian – wählt den mittleren Wert der Verteilung.
• SIGMA: Beispiel FWHMSigma – misst, wie stark ein Wert vom Median abweicht, ausgedrückt in Standardabweichungen (Sigma).

Gewichtungsoption: Basisvariante

Eine der einfachsten und zugleich effektivsten Methoden zur Gewichtung von Einzelbildern ist die Verwendung der PSF-Signalstärke. Die Punktspreizfunktion (PSF) bietet eine zuverlässige Grundlage zur Beurteilung der Bildqualität und zur Auswahl der besten Subframes.

Wenn du dich für diese Methode entscheidest, genügt es, die PSF-Signalstärke als Gewichtungsparameter zu nutzen – anschließend kannst du direkt mit dem nächsten Schritt im Subframe-Prozess fortfahren.