在天文的窄带摄影中,常见的通道合成有两种。第一种是与宽带颜色相近的HOO合成,第二种是所谓的哈勃色SHO,今天先来总结一下HOO的做法。我们知道,对于发射星云的结构而言,氢、氧的激发线通常是独立不同的。以往,我们的做法是将Hα分配给R通道,O分配给GB通道,但这种做法通常会导致画面的颜色缺少过度而显得单调,虽说我们可以通过蒙版来拉伸曲线进行一定程度的解决,但是这个自由度实在是太高了。
我想尽可能地不要那么自由发挥,而是有一些相对固定的套路。那么有没有一种更加合理的做法去进行通道混合呢,这就是接下来要提到的PIP混合法。一个方法在用之前需要考证一下其合理性,所以我们一步一步来说。
我想从宇宙中的颜色变化开始说起,在摄影中,大家常常会参考如下图的色彩环来进行调色。
摄影中我们的三原色是红色R,绿色G,蓝色B,它们的各种配比调和构成了各种颜色。但是,特别是在天文中,紫色是几乎不应该存在的。因为天文摄影中,光的颜色来源于恒星或者是星云的发射线。而放射光或者说辐射光的颜色与其频率相关,紫色光所对应的能量尺度是不太可能出现的。这就决定了我们无论如何都应当尽可能避免图中出现紫色的结构。
来看一下典型的窄带滤镜所对应的颜色
由于我们准备只使用Hα通道和Oiii通道来进行图像处理,而Oiii发射线处于蓝绿色的交界处,这也就是为什么之前说到Hα对应R,Oiii对应GB。但是我们希望图像能更加颜色丰富一些,于是我们就会很容易的想到,可不可以让红色对应Hα,蓝色对应Oiii,而处于红蓝之间的绿色由两个通道同时组合而成。
这个思路是正确的,那么最简单的做法便是
R = Hα,
G = n*Hα + (1-n)*Oiii,
B = Oiii,
***(注意,因为Hα和Oiii的亮度差距很大,因此在线性图像状态下进行处理不是很合适,我们应当将Hα和Oiii完成线性阶段的所有处理流程,并拉伸至差不多的亮度,如下图所示)
我们确实得到了色彩过渡,但还存在一个问题,在整个画面中结构的亮度并不是一致的,因此一个固定系数不一定能很好的让所有地方都出现漂亮的过渡,甚至让一些地方的颜色变得更糟糕。比如我们假设n=0.5时,G通道是这样的:
可以看到绿色通道中含有了背景部分弥散的云气,这里只存在Hα信号,因此应该为红色。可是混上绿色以后它就会变成不好看的黄色,而且整体很亮,最终会让图的绿色过强而显得色相非常枯燥。
于是乎我们有了一个新的想法,能不能让信号强的部分采用Hα通道,适中的部分由两个通道混合而成,信号较弱的地方以Oiii通道为主。这种想法的起因是,西面纱星云的主体部分有着很强的Hα和Oiii信号,但是在周围还存在着比较弱的Hα弥散云气。我们既不想让这些云气带上绿色(因为不好看),又想让亮部获得过渡。因此,我们需要一张可以描述整张图像亮度的“地图”,这很简单,只要把Hα和Oiii两个通道综合起来就好了。混合两个通道除了简单的线性叠加之外,还存在两种较为科学且蕴含了现实意义的做法:滤色(screen )和正片叠底(procreate)。
滤色的思路是 ~(~(Image1)*~(Image2)),其对应的现实意义是将两个投影仪同时投射到同一块幕布上产生的叠加效果。
正片叠底的思路是 Image1 * Image2,其对应的现实意义是假设我们有一个投影仪投射纯白的光,将胶片放置在投影仪前进行滤光,便可以得到对应的颜色通道。而正片叠底就是将两块胶片重叠放置进行多次滤光。
所以很明显,滤色叠加的图更亮,而正片叠底的图更暗。
我们的目的是得到丰富的过渡,因此整张亮度地图都偏向白色不是我们想要的结果。于是正片叠底就成了我们的选择,我们的通道合成公式也变成了:
R = Hα,
G = n*Hα + (1-n)*Oiii, n = Hα*Oiii
B = Oiii,
左边是我们的亮度地图,右边是绿色通道的结果。可以看到这大致达成了我们的目的,我们在绿色通道中去除了背景云气部分,同时也保留了两个通道的结构特点。
这个结果相当不错,但是人总是贪心的,我还是觉得这张亮度地图太平淡了,对比度反差不够大。应该怎么办呢,当然是做拉伸!可我们知道,Log函数和arcsinh函数的拉伸会让亮部快速饱和,且暗部快速变亮,这不是我们希望的。于是我们采用一个不太多见的PIP函数,它的表达式和曲线如下
这个曲线较好的保护了暗部和亮部,并且让中间部分(也就是直方图中的峰值附近)反差增强。这里可以根据实际情况来决定d的取值,我们在这里比较保守的让d=1即可。
R = Hα,
G = n*Hα + (1-n)*Oiii, n = (Hα*Oiii)^~(Hα*Oiii)
B = Oiii,
可以看到,亮度地图的高反差为绿色通道带来了更加不错的明暗变化。现在我们将通道进行合并,来看看各自的结果如何
最左侧是线性叠加的绿色,可以看到它已经失去了本来的颜色,并且颜色变化比较单调。中间是正片叠底的亮度分布得到的结果,右侧是再进行了PIP拉伸的结果,这两个看上去差别不大,不过放大的话就能发现细节处会有更丰富的过度变化。
例如左侧由蓝色到红色还是有些生硬,但是右侧就显得更自然。
最后,甚至连蒙版都没用,我们只需微调一下RGB通道以及K通道的曲线,再拉拉饱和度,便可以得到一个很漂亮的结果。
这样我们就得到了一个较为固定的处理方法,考虑图像本身的信息,利用正片叠底+PIP拉伸得到一张亮度分布图,然后进行合理的通道分配即可。西面纱这里由于周围的弱信号是Hα,因此我们将暗部分配给Oiii,如果反过来的话,分配给Hα也未尝不可。如果有这样的目标可以再进行一些尝试。
那么,下课~
参考:
https://thecoldestnights.com/2020/06/pixinsight-dynamic-narrowband-combinations-with-pixelmath/
发表回复