Поэтому мне было интересно, действительно ли интеграция моросящего дождя увеличивает детализацию вашего изображения, если изображение с моросящим дождем приводит к более высокому разрешению в угловых секундах / пикселях, чем позволяет телескоп (из-за принципа неопределенности разрешающая способность телескопа зависит от его диаметра, более обычно называется дифракционным пределом 1 , 2 )
В моем случае у меня есть около 0,52 дюйма на пиксель на моей основной камере, а мой GSO RC8 позволяет максимальное разрешение около 0,5 дюйма из-за принципа неопределенности. Морось на изображении даст мне 0,26 дюйма на пиксель на изображении с моросящим дождем при увеличении ширины. и высота изображения в 2 раза, что выше разрешающей способности, чем на самом деле может сделать телескоп.
Помимо более четких и четких звезд при интегрировании мороси, действительно ли интеграция мороси улучшит мою разрешающую способность?
Морось на самом деле не может дать больше, чем теоретическая разрешающая способность комбинации вашего телескопа и атмосферы. Что он может сделать, так это, по крайней мере, частично компенсировать наличие пикселей, которые слишком велики для правильной выборки разрешения вашего телескопа + атмосферы.
Теорема Найквиста о выборкев основном говорится, что у вас должно быть не менее 2 пикселей на элемент разрешения, чтобы правильно выбрать разрешение. Или, наоборот, если вы хотите достичь разрешения X угловых секунд, вам нужны пиксели размером не более X/2 угловых секунд. Итак, если теоретическая комбинация диаметра вашего телескопа и атмосферы имеет разрешение 0,5 угловых секунд (то есть мы говорим о действительно хороших атмосферных условиях), вам нужны пиксели с разрешением 0,25 угловых секунд или меньше; в противном случае пикселизация превышает внутреннее разрешение. Но учтите, что на самом деле вы ничего не выиграете от перехода к еще более мелким пикселям: у вас будет просто красивое размытое изображение без видимой пикселизации. Пиксели размером 0,1 угловой секунды не сделают изображение более четким, чем пиксели размером 0,2 угловой секунды.
В вашем гипотетическом случае пикселей размером 0,52 угловых секунды достаточно для разрешений примерно до 1 угловой секунды. Идеальная морось позволила бы вам эффективно иметь пиксели размером около 0,25 угловых секунд, что соответствовало бы разрешению около 0,5 угловых секунд. Но вы никогда не сможете добиться большего , чем внутреннее разрешение вашего телескопа + атмосфера.
Морось — это всего лишь один из методов получения изображений сверхвысокого разрешения . Обратите внимание, что утверждения о том, что вы не можете «превысить предел разрешения» камеры, в принципе неверны. На практике это действительно сложно. Что ограничивает вашу способность построить изображение того, на что смотрит камера, так это: количество случайного шума в пикселях и ваше понимание функции рассеяния точки камеры (PSF) .(хотя некоторые астрономы предпочитают использовать термин «функция точечного отклика» [PRF], если вы включаете эффекты как оптики, так и детектора). В принципе, если вы вкладываете достаточно времени и денег, чтобы настроить PSF и увеличить отношение сигнал/шум без ограничений (остерегайтесь предвзятости), объект, который вы изображаете, не меняется, и у вас есть достаточная точность в измерении того, как вы работаете. наведите камеру при дизеринге, то, в принципе, вы можете раздвинуть разрешение реконструированного изображения настолько, насколько захотите.
На практике обычно дешевле и эффективнее просто приобрести большую камеру.
Для конкретного математического примера того, как работает реконструкция изображения, рассмотрим сумму двух гауссианов смещения , с , , и . Вот график такой кривой с наложением одной гауссовой кривой с тем же , масштабированный, чтобы иметь одинаковую высоту в . Вы видите только одну линию, хотя я вас уверяю, что их две.
Чтобы увидеть разницу между ними, мы должны построить график разницы (на графике остатков, на языке анализа данных). Следующий график представляет собой разницу, увеличенную в 100 раз в -направление.
Как видите, теоретическая разница не равна нулю. Таким образом, если то, что вы изображаете, не меняется, вы можете достаточно точно смоделировать фон, и у вас есть достаточно точная модель PSF камеры, вы можете обнаружить разницу между сценариями с высокой гауссовой и двумя слегка смещенными гауссовскими сценариями, если вы инвестируйте достаточно времени и энергии в проект, в принципе, даже если ваши пиксели в два раза превышают полную ширину на половине максимума (FWHM) Гаусса. для гауссов, так что на этом графике удвоенная полуширина примерно равна .
Один из способов достижения цели понимания ФРТ состоит в том, чтобы намеренно упростить ее моделирование (в отличие от «как можно меньшего размера»), как это делается во многих формах изображения без избыточной апертурной маски . Я считаю, что компромисс заключается в том, что вы теряете как поле зрения, так и (очевидную) потерю света, который блокируется.
На практике, тем не менее, вам обычно лучше приобрести большую камеру или компенсировать атмосферу (например, удачное изображение и адаптивная оптика ), если ваше изображение ограничено. Таким образом, ограничения, налагаемые теоремой Найквиста о выборке, носят более практический, а не теоретический характер. Это также может ввести вас в заблуждение, если вы не помните, что пиксели — это не точки, а маленькие ведерки, которые собирают свет, попадающий в конечную область. Говоря об этом, «выбирая» некоторую функцию, неявно использует теорему о среднем значении, чтобы сказать, что количество собранного света, деленное на площадь пикселя, дает значение яркости изображения там. Что часто опускается, так это предостережение, что это, не обязательно в центре пикселя. Обычно это очень небольшой эффект, поэтому его часто игнорируют, но когда вы говорите о работе на пределе разрешения и о размерах пикселей, сравнимых с этим разрешением, различие может стать важным. Грубо говоря, если ФРТ сильно искривлена внутри пикселя, смещение среднего значения от центра пикселя может стать значительным.
Один из способов понять, что вам дает моросящий дождь , состоит в том, что, перемещая пиксели между изображениями, вы перемещаетесь по световым ведрам. В принципе, имея достаточное количество изображений с разными смещениями, вы, вероятно, можете довести плотность пикселей изображения до предела вашей способности реконструировать размер смещений (обычно это наведение камеры/телескопа, хотя я не знаю причин, по которым датчик нельзя было перемещать на некоторых шаговых двигателях, прикрепленных к микрометрам), или резкость делений между пикселями (способность собирать свет не является однородной по пикселю, и пиксели не могли полностью заполнить детектор от края до края , в большинстве случаев это просто действительно хорошие приближения).
РононДекс
РононДекс
Карл Виттофт
Питер Эрвин
Питер Эрвин