Havaitsevan tähtitieteen pk1 luento 4, Ilmaisimet ja Kuvankäsittely. Kalvot: Jyri Näränen, Mikael Granvik & Veli-Matti Pelkonen

Transkriptio

1 Havaitsevan tähtitieteen pk1 luento 4, Ilmaisimet ja Kuvankäsittely Kalvot: Jyri Näränen, Mikael Granvik & Veli-Matti Pelkonen

2 4. Ilmaisimet ja Kuvankäsittely 1. Silmä, valokuvaus, valomonistinputki 2. CCD -kamera 3. Kohina ja sen vaikutus havainnointiin 4. CCD havaintojen suunnittelu ja tekeminen 5. CCD kuvien jälkikäsittely 6. FITS 7. Kuvankatseluohjelmistoja 8. Kuvankäsittelyohjelmistoja 9. Demo (jos ehditään!) Helsinki 2

3 4.1 Silmä ja valokuvaus Silmällä tehtäviä havaintoja ei käytännössä ammattimaisessa tähtitieteessä enää käytetä Silmä on logaritminen magnitudijärjestelmä Valokuvausfilmi oli huomattava parannus silmällä tehtäviin havaintoihin (mm. kyky objektiivisesti tallentaa vs. käsin piirtää), mutta filmit olivat usein hyvin epälineaarisia herkkyydessään, joten datan käsittely vaati taikuutta valokuvauslevyn kvanttihyötysuhde eli kvanttiefektiivisyys (QE) vain muutamia prosentteja Käytännössä valokuvalevyjäkään ei enää käytetä ollenkaan Arkistot, Digitized Sky Survey (DSS) = digitalisoituja optisen aallonpituuden valokuvauslevyjä Helsinki 3

4 4.1 Valomonistinputki Valomonistimeen osuva fotoni tuottaa elektronin (virtaa), joka vahvistetaan kertaiseksi Kvanttihyötysuhde on 20-30% Valomonistinputki on lineaarinen käyttöalueellaan Vielä nykyään käytössä joissain fotometreissä ja polarimetreissä Etsimenä näissäkin usein CCD Ongelmana mm. käytön hankaluus sekä korkeajännitevaatimus (turvallisuusriski) Helsinki 4

5 4.2 CCD-kamera Ehdottomasti käytetyin detektori nykyaikaisessa tähtitieteessä Perustuu puolijohteissa tapahtuvaan valosähköiseen ilmiöön Lineaarinen alue hyvin laaja Kvanttiefektiivisyys erittäin hyvä (tyypillisesti ~75%) Nykyisin kuvakenttäkin melko iso (CCD mosaiikit) Kuva sellaisenaan valmis digitaaliseen kuvankäsittelyyn Helsinki 5

6 4.2 CCD-kamera CCDn peruskuvaelementti on pikseli, joka on positiivisella varauksella aikaansaatu potentiaalikuoppa kun saapuva fotoni irrottaa puolijohteesta elektronin, jää se kuoppaan ja tieto saapuneesta fotonista tallentuu Jokainen elektroni heikentää potentiaalia, joten pikseli voi ottaa vastaan vain tietyn määrän fotoneita ennen kuin se saturoituu Valosähköisen ilmiön tehokkuus riippuu aallonpituudesta. esim. piin valosähköinen ilmiö tapahtuu 1.14eV:n energialla eli noin 1100nm aallonpituudella tätä matalammat energiat/ suuremmat aallonpituudet eivät rekisteröidy suuret energiat taas reagoivat usein jo liian aikaisin Helsinki 6

7 4.2 CCD-kamera Kennoon kerätään valoa haluttu aika, jonka jälkeen se luetaan kellottamalla Elektronit pusketaan ensin esivahvistimeen joka jälkeen kennon ulkopuoliseen vahvistimeen ja sen jälkeen analogi-digitaali muuntimeen Helsinki 7

8 4.2 CCD-kamera CCD signaalin perusyksikkö on ADU (analog to digital unit, usein puhutaan myös counts:eista), joka liittyy mittattuun signaaliin vahvistuskertoimen G=ne - /ADU avulla. Tyypillisesti n=1-5 Valitaan niin, että A/D muuntimen digitointiskaala (useimmin 16 bittiä=2 16 =65536) kattaa pikselin koko tallennuskapasiteetin esim. jos pikselin tallennuskapasiteetti elektronia, niin hyvä G olisi e - /65536 ADU=1.5e - /ADU Helsinki 8

9 4.2 CCD-kamera Varauksensiirtotehokkuus kertoo siitä, kuinka suuri osa elektroneista oikeasti siirtyy kellotuksessa eteenpäin (nykyään ~99.99%) Jos se on huono, jää kirkkaista kohteista perään huntuja ja kuvan taustaan muodostuu selvä viimeisiä luettuja pikseleitä kohti kasvava gradientti Pimeävirta (dark current) on puolijohteessa lämpöliikkeen generoimista elektroneista johtuvaa kohinaa Piillä pimeävirta putoaa kolmasosaan, kun lämpötila putoaa kymmenen astetta tästä johtuen ammattimaiset CCD:t jäähdytetään nestetypellä erityisissä kryostaateissa (~-170 C, NIR heliumilla ~-210 C) vaihtelee instrumentista toiseen: esim. HAWK-I lämpötila = 75K Helsinki 9

10 4.2 CCD-kamera Kaikiin CCD kuviin lisätään ennen digitointia pieni lisäjännite ns. bias, jolla estetään heikon signaalin leikkaantuminen digitoinnissa Bias vaihtelee yöstä toiseen jonkin verran Joissain kameroissa on mahdollisuus lukea tyhjää riviä sen jälkeen kun varsinainen kuva on luettu ja tallentaa tulos kuvan yhteyteen. Tämä ns. overscan alue kertoo suoraan kuvan bias -tason Helsinki 10

11 4.3 CCD havaintojen kohina Fotonikohina fotonit eivät saavu detektorille tasaisin väliajoin Poisson statistiikka: σ rms (N) = N asettaa alarajan kohinalle voidaan minimoida pidentämällä valotusta: 2 x aika => 2 x fotonit => fotonikohina / 2 Taustataivaan aiheuttama kohina infrapunassa Lähi-infrapunassa: OH, O 2, H 2 O -viivaemissio, lämpösäteily fotonikohina ja taustataivaan vaihtelut (~ 5 min skaalassa) Lukukohina: yleensä pieni verrattuna ylläoleviin Pimeävirta: yleensä mitätön jäähdytetyillä instrumenteilla Pikselien herkkyysvaihtelut: flat field -kuvat Helsinki 11

12 4.3 CCD havaintojen kohina Muut kohinalähteet: kosmiset säteet: muutaman pikselin kokoinen 'piikki' yhdessä valoituksessa blooming: saturoitunut tähti 'leviää' ympäröiviin pikseleihin saturoituminen: tähden kirkkaus niin suuri, että pikseli 'täyttyy' ja kirkkausprofiili leikkaantuu epälineaarisuus: pikselin potentiaalikuopan kyky vangita elektroneja heikkenee, kun siinä on jo paljon elektroneja vaste muuttuu Helsinki 12

13 4.3 CCD havaintojen kohina Signaali-kohina-suhde Kuinka varma detektio, eli oliko detektio vain kohinapiikki? jos puhdasta fotonikohinaa: S/N = N * / N * = N * yleensä aina myös instrumentti- ja taivaskohinaa: S/N = N * / (N * +n pix (N S +N D +R 2 )) n pix = pikselien määrä, terävä kuva ja hyvä seeing N S = mahdollisimman pimeä taustataivas N D = pimeävirta, hyvin jäähdytetty detektori R = lukukohina, hyvä detektori ja pitkä valotusaika Helsinki 13

14 4.4 CCD havaintojen suunnittelu ja tekeminen 1. Tunne instrumenttisi ja havaintokohteesi! 2. Mikä on haluttu S/N -taso? Useilla intrumenteilla on Exposure Time Calculator, jolla voi laskea, mikä on tarvittava kokonaisvaloitusaika tietyn kirkkauden kohteelle 3. Mikä on instrumentin epälineaarisuusraja (ADUissa)? Mikä on kohteen+taivaan yhteinen kirkkaus (ADU/s)? maksimi valoitusaika per valoitus= epälineaarisuusraja / kirkkaus 4. Lähi-infrapunassa yötaivaskin on kirkas joko ON OFF havaintoja (kokonainen 'tyhjä' kenttä) tai jitter-havaintoja (liikutetaan teleskooppia vähän, että tähti osuu eri kohtaan CCDtä) taivasvähennys tyhjästä kohdasta n. joka toinen kolmas minuutti 5. Katsotaan kuinka monta toistoa tarvitaan haluttuun S/N:ään Helsinki 14

15 4.4 CCD havaintojen suunnittelu ja tekeminen 1. Jäähdytys 2. Darkit (jos tarpeen) 3. Biakset (jos tarpeen: vähennetään taivaan mukana lähi-infrapunassa) 4. Iltaflatit 5. Fokusoidaan 6. Havaitaan 7. Aamuflatit (jos tarpeen) 8. Suljetaan teleskooppi ja mennään nukkumaan Helsinki 15

16 4.5 CCD kuvien jälkikäsittely CCD kuvien laatua voidaan huomattavasti parantaa jälkikäsittelyllä Lähi-infrapunassa pakko: taivasvähennykset Yleisimpiä ovat bias, dark ja flat-field -korjaukset (etenkin flat-field!) myös esim. CCDn interferenssikuviota, kuvakentän vääristymiä, sekä hyvin käyttäytyvää taustavalogradienttia voidaan mallintaa ja korjata pois kuvasta Helsinki 16

17 4.5 Bias CCD siruun etukäteen luettu jännite, jolla estetään heikon signaalin leikkaantuminen A/D muuntimessa Bias -tasoa on hyvä mitata muutamaan otteeseen yön aikana (vähintään illalla ja aamulla) jos käytössä ei ole overscan aluettaa tai jos ei ole täysin luottavainen, ettei se muutu Kuvia kannattaa ottaa useita, jotta saadaan hyvää statistiikkaa kuvista (pätee muihinkin kalibrointikuviin) Helsinki 17

18 4.5 Dark Pimeän virran poistamiseksi on otettava kuvia suljin kiinni samalla detektorin lämpötilalla ja valotusajalla kuin varsinainen datakin on otettu (kohinan määrä on ajan ja lämpötilan funktio epälineaarisesti) Uudenaikaisissa tieteellisissä kameroissa (mm. jäähdytys kunnossa) käytännössä voi usein jättää tekemättä Darkit sisältävät myös bias tason Helsinki 18

19 4.5 Flat field Eri pikseleillä on erilainen herkkyys Myös detektorin ikkunassa tai suodattimella oleva pöly yms. aiheuttaa kaikenlaisia varjostuskuvioita Herkkyyserot ja varjostukset voidaan mitata ja poistaa havaitsemalla tasaisesti valaistua taustaa (ilta-/aamuhämärä tai erityinen flat field valaistus kuvussa) hyvällä S/N tasolla Flat field on aallonpituusriippuvainen Flat field sisältää sekä biaksen, että darkin Helsinki 19

20 4.5 Datan redusoiminen 1. Riippuu instrumentista: lue aina instrumentin manuaali! 2. CCD kuvien operaatiot helppoja, sillä kuva on periaatteessa matriisi 3. Datasta, darkista ja flatista vähennetään keskiarvoistettu bias (ns. masterbias) 4. Datasta ja flatista vähennetään keskiarvoistettu dark (masterdark) (oikealla valotusajalla sekä lämpötilalla) 5. Flatit keskiarvoistetaan ja normeerataan ykköseen (masterflat) 6. Data jaetaan masterflatilla 7. Poistetaan interferenssikuviot, kosmiset säteet, hajavalo yms. niin hyvin kuin voidaan Helsinki 20

21 4.5 Datan redusoiminen Masterbias= bias/nbias Masterdark= (dark-masterbias)/ndark Masterflat= (flat-masterdarkmasterbias)/nflat/avgflat Korjattu data=(data-masterbiasmasterdark)/masterflat Katso myös Demo! Helsinki 21

22 4.6 FITS Flexible Image Transport System Tähtitieteessä ja avaruustutkimuksessa käytetty standardi datan siirtämiseen (NASA ja IAU hyväksynyt) Voi sisältää kuvia (moniulotteisia taulukoita 1D, 2D, 3D,...), tekstitaulukoita, sekä molempia sekaisin Koko voi olla muutamasta kilobitistä jopa gigoihin Sisältää aina header -yksikön, jossa selitetään avainsanoin, mitä tiedosto pitää sisällään (käydään läpi demossa) Melko uusi lisäys World Coordinate System (WCS), joka liittää kuvapikselit johonkin koordinaatistoon (RA & Dec tms.) Helsinki 22

23 4.7 Kuvankatseluohjelmistoja SAOImage DS9 Harvardissa kehitetty katseluohjelma FITS kuville Löytyy monille käyttöjärjestelmille (Linux, OsX, Windows,...) Monilla teleskoopeilla de facto standardi Helsinki 23

24 4.7 Kuvankatseluohjelmistoja FV Interaktiivinen FITS tiedostoeditori Voi käyttää myös katseluun Osa NASAn HEASARC FTOOLS ohjelmistopakettia Käyttökelpoinen myös muilla aallonpituusalueilla Helsinki 24

25 4.7 Kuvankatseluohjelmistoja GAIA (Graphical Astronomy and Image Analysis tool) ESOn projekti (kehitettiin VLT:a varten) Helsinki 25

26 4.8 Kuvankäsittelyohjelmistoja IRAF (Image Reduction and Analysis Facility) Komentorivipohjainen Standardi, tosin painotus amerikkalaisilla mittalaitteilla Ohjelmointikieli CL, josta tuli muutama vuosi sitten uusi versio ECL Kehityssuunta on menossa kuitenkin Pythoniin päin, PyRAF Kuvien katseluun tarvitaan joko DS9 tai FV, osaa itse tuottaa plotteja Kari Nilssonin verkkosivuilla hyvä perusohje: Helsinki 26

27 4.8 Kuvankäsittelyohjelmistoja ESO-MIDAS European Southern Observatory Munich Image Data Analysis System Komentorivipohjainen Euroopan Eteläisen Observatorion kuvankäsittelystandardi Ohjelmointikieli, joka tuottaa oman grafiikkansa Paljon paketteja juuri ESO datan käsittelytarpeisiin Tähtitieteen laitoksella kehitetty Python liittymäpinta PyMIDAS tuo mahdollisuuden käyttää sekä IRAFia, että MIDASta samaan aikaan Helsinki 27

28 4.8 Kuvankäsittelyohjelmistoja Myös esim. IDL:n paljon rutiineja FITSien käsittelyyn Erikoissovelluksiin (asteroidietsintä yms.) olemassa paljonkin softaa, mutta usein käyttäjän omiin tarpeisiin, ilman tuotetukea Helsinki 28

29 4.8 Kuvankäsittelyohjelmistoja Näitä ja paljon muuta: Kaupalliset lähinnä Windows ympäristöön ja harrastelijoille mustia laatikoita ei aina selvää, mitä tekevät nimensä mukaisesti eivät ole ilmaisia joihinkin sovelluksiin voivat kyllä hyvinkin käydä, ei kannata suoralta kädeltä hylätä Esimerkkejä: oftware.htm, nettihaulla paljon lisää Helsinki 29

30 4.9 Demo: SofI -datan reduktio IRAFilla, off-kentät 1. Tehdään kaikki tarvittavat input & output listat valmiiksi (tekstitiedostoja, joissa nimet käsiteltäville kuville) 2. Avataan xterm, ds9 ja IRAF (xterm, ~/ds9 &, cl) 3. Poistetaan crosstalk, kosmiset säteet ctio (ladataan ctio-paketti) task crosstalk = crosstalk.cl (SofI:n (funktiokutsu) bye (poistutaan ctiosta), xdimsum (ladataan xdimsum-paketti) ".crm" 1. Tehdään off-kenttien taivasvähennys ja maskataan niiden tähdet (automaattinen, kirkkaat tähdet käsin) = tähtimaski "" makemask imedit (jos pitää tehdä käsin) Helsinki 30

31 4.9 Demo: SofI -datan reduktio IRAFilla, on-kentät 1. Poistetaan crosstalk, kosmiset säteet (kuten off-kentissä) 2. Vähennetään datasta 'taivas' (keskiarvo sitä edeltäneestä ja seuranneesta offotoksesta; samalla vähentyy bias, ja dark on mitätön); jos jokin kohta datasta jäi vähentämättä tähtien vuoksi => 1. Data jaetaan masterflatilla ja hajavalokorjauksella 1. Synkronoidaan data-otokset tähtien avulla (jitter & pointing error) "" shifts.list 5 1. Kalibroidaan data-otokset kirkkaiden tähtien avulla (ei tässä demossa) 2. Eri data -otokset summataan yhteen = lopullinen @hole.list no ".rjm" xnregistar shifts.list REJMASK combined.fits combined.exp.fits "" Helsinki 31