Во-первых, возьмите исходное изображение Бетельгейзе из ALMA и удалите красный и зеленый каналы. Затем увеличьте яркость синего канала от х10 до х20, и появится много деталей.
Это результирующее изображение, которое можно воспроизвести из оригинала .
Если вы увеличите изображение, вы заметите крошечные концентрические «рябь».Свет с синим смещением обозначает частицы с высокой энергией (в отличие от красного смещения).
Моя гипотеза (я не астроном!) состоит в том, что мы видим фоновое излучение, а сама звезда заслоняет фон.Тогда рябь укажет на гравитационное искривление, когда эти тяжелые частицы пересекают сверхрастянутую корону звезды.
Есть ли принятая гипотеза об этих артефактах?
РЕДАКТИРОВАТЬ :
Внутреннее кольцо пиксельного беспорядка вокруг черной точки выходит за пределы гаммы и, следовательно, «недействительные данные». Рябь находится внутри короны и, наконец, внешние части изображения являются относительно незатронутыми фоновым излучением других объектов. На R и G каналах АРТЕФАКТОВ НЕТ .
Это изображение показывает, что я имею в виду под «рябь»:
В качестве контраргумента самому себе привожу этот более свежий снимок, сделанный СФЕРОЙ , с похожими артефактами. Возможно, мне следует заключить, что высокоуровневая структура реальна , тогда как низкоуровневые структуры являются артефактами, вызванными тем, что сам измерительный прибор достигает своих уровней чувствительности.
PS: я разместил этот вопрос также на Reddit .
РЕДАКТИРОВАТЬ : гистограмма синего канала
Вот как можно увидеть информацию о цвете синего канала. Я использую Krita, который ни в коем случае не является научным инструментом, но его непосредственное использование помогает.
Загрузите изображение по приведенной выше ссылке на исходный код ESO (это изображение в формате TIFF «Полноразмерный оригинал» размером 91,6 МБ).
Затем в Krita перейдите в «Фильтр > Настройка > Кривые регулировки цвета...». В раскрывающемся списке каналов выберите «B» и наблюдайте следующую картину:
Я выделил КРАСНЫМ интересную зону. На фоне вы заметите, что есть гистограмма, и информация о цвете присутствует только в крайнем левом углу между полосами. Все остальные интенсивности (может быть, значение байта 10 и выше?) в изображении не встречаются.
В крайнем правом углу находится едва заметная популяция «значения байта 255 пикселей», это пиксели вне гаммы.
Чтобы увидеть эти пиксели, перетащите ручку в правом верхнем углу влево, чтобы кривая была крутой от 0 до 255 между двумя красными полосами, которые я показал. Это увеличит интенсивность в 10 или 20 раз и сопоставит очень тусклые пиксели с более ярким синим цветом.
Загруженное изображение (вторая ссылка выше) является результирующим изображением этого процесса. НЕТ ТОЧНОГО МЕСТА, о котором я говорю. Это аура вокруг черного пятна посередине.
Это частичный и, возможно, только временный ответ, опубликованный для того, чтобы разобраться в этом. Я думаю, что комментарии верны, вы, вероятно, видите артефакт манипуляции с изображением, а исходные данные - это просто 2D-карта интенсивности.
Я скачал исходное изображение по адресу https://cdn.eso.org/images/screen/potw1726a.jpg , преобразовал обратно в .png и проанализировал в Python с помощью matplotlib и numpy. Сейчас я не вижу этих загадочных колец, но если вы можете предоставить координаты пикселей исходного изображения и объяснить, как вы сделали кольца видимыми, это было бы здорово!
Разбивка изображения на три цветовых канала:
Линейное сканирование по x и y через центр и максимум:
То же самое, но умноженное на 256 (8 бит на канал) и представленное в логарифмическом масштабе:
График рассеяния G и B по сравнению с R показывает, что они коррелируют. Мы, вероятно, просто смотрим на искусственное окрашивание из таблицы, а не на разные каналы данных. Здесь тоже может быть нечто подобное .
import numpy as np
import matplotlib.pyplot as plt
fname = 'Betelgeuse in false colors.png'
img = plt.imread(fname)
print(img.shape)
if True:
plt.figure()
plt.subplot(2, 2, 1)
plt.imshow(img)
plt.title('RGB')
for i , char in enumerate('RGB'):
plt.subplot(2, 2, i+2)
plt.imshow(img[..., i], cmap='gray', vmin=0, vmax=1)
plt.title(char + ' channel', fontsize=16)
plt.show()
rgbx_cen = img[640]
rgbx_570 = img[570]
rgby_cen = img[:, 640]
rgby_570 = img[:, 520]
things = rgbx_cen, rgbx_570, rgby_cen, rgby_570
names = 'rgbx_cen', 'rgbx_570', 'rgby_cen', 'rgby_570'
if True:
plt.figure()
for i, (thing, name) in enumerate(zip(things, names)):
plt.subplot(2, 2, i+1)
r, g, b = thing.T[:3]
print(r.shape, g.shape, b.shape)
plt.plot(r, '-r')
plt.plot(g, '-g')
plt.plot(b, '-b')
plt.title(name, fontsize=16)
plt.show()
if True:
plt.figure()
for i, (thing, name) in enumerate(zip(things, names)):
plt.subplot(2, 2, i+1)
r, g, b = thing.T[:3]
print(r.shape, g.shape, b.shape)
plt.plot(255*r, '-r')
plt.plot(255*g, '-g')
plt.plot(255*b, '-b')
plt.yscale('log')
plt.title(name, fontsize=16)
plt.suptitle('scaled 0 to 255', fontsize=16)
plt.show()
if True:
r, g, b = [x.flatten() for x in np.moveaxis(img, 2, 0)[:3, ::8, ::8].copy()]
plt.figure()
plt.subplot(1, 2, 1)
plt.plot(r, g)
plt.title('green vs. red')
plt.subplot(1, 2, 2)
plt.plot(r, b)
plt.title('blue vs. red')
plt.show()
Что бы ни вызывало эти крошечные артефакты, оно не астрофизическое. Изображение, полученное ALMA, является монохромным , т.е. получено через одночастотный канал (ширина 4 ГГц на частоте 338 ГГц — см. O'Gorman et al. 2017 , откуда исходное изображение).
Затем карта интенсивности была раскрашена с использованием таблицы цветов для всеобщего обозрения.
Чтобы установить какую-либо пространственную структуру, вы должны отбросить любую информацию о цвете и посмотреть на общую интенсивность.
Там есть реальная структура, скорее всего, связанная с вариациями структуры температуры и плотности во внешней атмосфере звезды. Любая реальная структура не имеет острых краев или мелких деталей, потому что любая деталь размыта из-за пространственного разрешения, которое имеет ширину около 20% диска звезды (т.е. диск эффективно дискретизируется примерно 5x5 независимыми измерениями яркости ).
Рори Олсоп
пела
pid
pid
pid
ПрофРоб
пела