천체사진 배경 Noise 처리방법 : ACDNR

천체사진, 특히 DeepSky 대상을 찍게 되는 경우,  어두운 대상을 잡아내기 위헤 긴 노출시간이 필요하게 됩니다.

그런데 길고 긴 노출시간을 들여서 어두운 대상을 찍게되는 경우,  결과물에는 참 다양한 현상들이 찍히게 됩니다.

  - 이상적인 경우 : 대상의 정보값을 축적시켜서 또렷하게 찍혀있기를 희망....

  - 현실 : 장노출로 인한 각종 노이즈 발생(다크, 열, 바이어스),  인공위성, 소행성, 유성 등 각종 Outliner 들이 사진에 찍히게 되고,  광해에 따른 배경 정보값 자체도 증폭됨,

            진동,  바람등에 의한 가이딩 오류, 시상의 영향에 따른 디테일 저하문제 발생,   먼지 고스트, 주변부광량저하(비넷or광학계특성),  배경 그라데이션 등.

노이즈 유형에 따른 많은 대처/해결방법들이 있습니다.

   - 다크/바이어스 프레임 처리

   - Stacking 기법을 통한 열노이즈 감소 Outliner 처리

   - 플랫 프레임 처리를 통한 이미지 보정 (주변부 광량저하 및 먼지 고스트 제거,  일부 그라데이션 제거)

   - 가이드 오류 / 상면 왜곡 등 : 별상 보정 처리 (추후 작성 예정)

   

그렇게 처리한 결과물들도 처리하고 신호값들을 다양한 방법으로 강조한뒤,  이미지를 확대해보면 뭔가 아쉬운 부분이 많이 있습니다.

Stacking 후 Unlinear처리까지 대략 진행한 뒤 200% 확대한 L 이미지 입니다.      (Stack : Median )

배경 정보값들이 뭔가 고르지 않습니다.  검디검은 밤 하늘을 찍은 것입니다만

긴 노출시간에 따라 배경신호값들이 적층되면서, CCD 의 각 Pixel 별 미세한 감도 차이가 있고,  배경하늘 자체도 밝기가 미세한 차이가 있는 것들이

Unlinear 이미지 처리등의 방법으로 신호값을 증대시켜 처리하는 경우 픽셀별 신호강도 차이가 강조되어 나타나게 됩니다.   

흑백이미지에서는 픽셀별 명암의 차이로만 나타나지만,  Red Green Blue 같은 컬러정보 채널의 배경이 이렇다면, 

 RGB 합성후 배경 색상은 화려한 컬러픽셀들의 잔치가 되겠지요.

배경이 아주 알록달록 합니다.   모노CCD 이용자 혈압 올라갑니다.

배경 정보값들이 저렇게 진하게 나타날 정도로 신호값을 강조하여 처리하는 경우가 그리 많지는 않지만, 

아주 어두운 대상의 신호값을 강화하려는 와중에 배경 정보들이 저리 나타나는 경우 최종 이미지 처리가 어려운 경우가 많이 발생하게 됩니다.

어떻게 처리할까요?

1. 배경정보값 일괄 삭제 

포토샵의 레벨이나 커브 에서 로우레벨 정보값을 일괄 삭제처리 할 수 있습니다.    

간편한 방법이긴 합니다만,  촬영대상의 디테일한 명암 정보까지 손상될 수 있기 때문에 사용하지 않는 것이 좋습니다.

2.  Maxim DL : Kernel Filter

여러 옵션이 있습니다만, Average/Median 등은 해당 픽셀들을 주변 정보값과 비교하여 뭉게버리는 방법 입니다.   Highpass 나 Lowpass 는 정보값을 적정수준 잘라내는 필터이고요.

나름 유용합니다만,  프로그램 특성상 필터의 효과들을 선택적으로 적용시킬 수 없고 전체 이미지에 동일하게 적용된다는 점이 활용을 어렵게 하고 있습니다.

3. Photoshop : 각종 노이즈처리 필터 / 애드온

정말 강력한 기능을 제공하며 좋은 결과를 얻을 수도 있습니다만,  천체사진 이미지에서 쓰이는 FIT 화일을 공식적으로 지원하지 않습니다.

Fit Liberator 같은 애드온을 활용하여 읽어들이거나 천문 프로그램에서 TIFF 화일 형태로 변환 저장후 불러서 써야 합니다.    

Photoshop 자체는 이미지 처리의 최고의 툴 이라고 할 수 있지만, 구매하기에는 고가의 프로그램이며,  기능이 너무 많아서 헤매게 됩니다.

(저는 정품 사용자 입니다.   Adobe 에서 사진가를 위해 월11천원 플랜을 제공하고 있으니 함 활용해 보시길.   Adobe Creative Cloud 포토그래피 플랜 )

최근 사용하고 있는 툴인 Pixinsight 으로는 천체사진에 최적화된 노이즈 제거 프로세스와 함께 적당한 마스킹 기법들을 제공하여 이미지를 처리 할 수 있게 해줍니다.

배경을 적정히 조정하는 이미지툴은 AtrousWaveTransform 이나 MultiscaleLinearTransform,  TGVdenoise, ACDNR 같은 정말 다양한 툴을 활용하여 처리할 수 있는데

여기서는 Lightness Mask 를 이용해서 특정 영역의 배경 노이즈를 처리하는

ACDNR 프로세스에 대해 적어보려고 합니다.

ACDNR 이란?

ACDNR stands for Adaptive Contrast-Driven Noise Reduction. It is a highly flexible implementation of a novel noise reduction algorithm, based on advanced multiscale and mathematical morphology techniques.

The idea behind ACDNR —as any nontrivial noise reduction algorithm— is to perform an efficient noise reduction work while preserving significant image structures. ACDNR includes two mechanisms that work cooperatively: a special low-pass filter and an edge protection device. Simply put, the low-pass filter smooths the image by removing or attenuating small-scale structures, and the edge protection device prevents significant image structures from being damaged during low-pass filtering.

ACDNR offers two identical sets of parameters: one for the luminance and another for the chrominance of color images. Chrominance ACDNR parameters are applied to the CIE a and b components in the CIE Lab color space. Luminance parameters are applied to the L component of Lab for color images, and to the nominal channel of grayscale images. In general, chrominance parameters are much less critical and can define a stronger noise reduction procedure than luminance ones.

뭐 이렇답니다만....저는 이런 내용 잘 모르고,  노이즈만 잘 빼주면 됩니다.   

Pixinsight에서 프로세스를 띄우면 아래와 같습니다.    (디폴트)

Lightness 탭과 Chrominance 탭이 있는데,   각 채널별 노이즈를 처리할 때는 Lightness 탭을 활용하고,   컬러 배경노이즈를 처리할 경우에는 Chrominance 탭에 들어가서 처리합니다.

여기서 중요한 것은 Lightness Mask (이후 L-Mask) 항목 입니다.  

L-Mask 항목에서 Preview 선택하고,  좌하단 속빈 원 (Preview보기) 버튼을 클릭하면,  현재 이미지가 뒤집어 진 것 같은 프리뷰가 나타납니다.

검게 나타나는 부분이 Mask 로 적용되는 부분으로,  L-Mask 에서 하얀 부분에만 ACDNR 프로세스가 적용되게 됩니다.   

L-Mask 탭 부분에 Midtones, Shadows, Highlights 를 조절해서 L-Mask 모양을 조절하여,  프로세스를 적용시킬 영역을 확정하고 프리뷰를 닫습니다.

이후 옵션을 조금 조정해 줍니다.

L-Mask 사용 클릭하고,  StdDev 나 Amount, Iterations 값을 첨부이미지와 같이 적용해 줍니다.

해당 값들은 여러 경험값이 필요합니다만,  Pixinsight 포럼에서 나온 적정값들을 간추리면 StdDev는 크게, Amount 는 작게,  Iterations 는 크게 잡을 경우가 적정하다고 합니다.

Std.Dev.: Standard deviation of the low-pass filter (in pixels). The low-pass filter is a mathematical function that is discretized on a small square matrix known as a kernel in the image processing jargon. This parameter controls the size in pixels of the kernel used. The kernel size directly defines the sizes of the image structures that the low-pass filter will tend to remove. For example, standard deviations between 1 and 1.5 pixels are appropriate to remove high-frequency noise that dominates most CCD images. Standard deviations between 2 and 3 pixels are quite usual when dealing with film images. Larger deviations, up to 4 or 8 pixels, can be used to smooth low-SNR regions of astronomical images (as the sky background) with the help of protection masks.

Amount: This value, in the range from 0.1 to 1, defines how the denoised and original images are combined. A zero amount value would leave the image unchanged, and an amount value of one would replace the image with its denoised version completely. This parameter is especially useful when the ACDNR filter is used iteratively (see the iterations parameter below). At each iteration, amount can be used to re-inject a small fraction of the image resulting from the preceding iteration. This leads to a recursive procedure that can help in fine-tuning and stabilizing the overall process.

Iterations: This is the number of times that the low-pass filter is applied. The ACDNR filter is much more efficient when applied iteratively. A relatively small filter (with a low standard deviation) applied several times is in general preferable to a larger, more aggressive filter applied once. When three or more iterations are used, ACDNR's edge protection is usually much more efficient and yields more robust results. The amount parameter (see above) can also be used along with iterations to turn ACDNR filtering into a recursive procedure, mixing the original and processed images.

그래서 프로세스를 반영해 보면 다음과 같이 배경 정보값들이 적절히 보정됩니다.

적정한 Lightness Mask 를 적용했기때문에 Mask가 씌워진 대상에는 적용되지 않고,   배경정보만 고르게 처리된 것을 확인할 수 있습니다.

처리전                                                                                      처리후

       

대상의 이미지 처리 상황에 따라 주요 옵션들의 값이나 L-Mask 설정이 틀려지게 되니, Trial-Error 방식으로 최적값을 찾으셔야 하며

프로세스의 이미지 처리시간이 매우 긴 편 이므로 Preview 등을 활용하여 샘플링 처리후 전체 이미지에 반영하는 것이 좋습니다.

 - Chrominance 탭에서의 사용도 거의 동일 합니다만,  Lightness 탭으로 이용시 보다 처리시간이 2배 이상 소요됩니다.

 - ACDNR 프로세스에 있는 언급하지 않은 여러 옵션들은 대부분 디폴트로 활용하셔도 됩니다.  

ACDNR 프로세스 사용을 간추리면

  1) L-Mask 프리뷰 클릭후 L-Mask 옵션값 조절하여 적정한 L-Mask 형성 (성단 같은 경우는 디폴트로 하시고,  은하/성운 같은 경우는 옵션 조정하여 최적값 찾아야 함)

  2) L-Mask 사용 클릭후,  ACDNR 옵션 조정

  3) 대상이미지의 Preview 를 설정하고,  Preview 에만 ACDNR 적용

  4) 결과물 확인후 옵션 최적화 조절 시행

  5) 전체 이미지에 ACDNR 적용 (적용후 완료되기 까지 기다리기 뭐하니 화장실이나 간식을 먹으러 갑니다.   ^^;;   인텔 i5-2500K 에 램8기가, 삼성840Pro SSD 사용하는 제PC에서는 3~5분 소요)

 

많은 도움이 되시길 바랍니다.