Havaitsevan tähtitieteen pk1 luento 7, Kuvankäsittely. Kalvot: Jyri Näränen, Mikael Granvik & Veli-Matti Pelkonen

Transkriptio

1 Havaitsevan tähtitieteen pk1 luento 7, Kuvankäsittely Kalvot: Jyri Näränen, Mikael Granvik & Veli-Matti Pelkonen

2 7. Kuvankäsittely 1. CCD havaintojen suunnittelu ja tekeminen 2. CCD kuvien jälkikäsittely: sky, bias, dark, flat field 3. Datan redusointi (jälkikäsittely) 4. FITS 5. Kuvankatseluohjelmistoja 6. Kuvankäsittelyohjelmistoja 7. Demo 8. Konvoluutio 9. Dekonvoluutio Helsinki 2

3 7.1 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 3

4 7.1 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 4

5 7.2 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 5

6 7.2 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 6

7 7.2 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 7

8 7.2 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 8

9 7.3 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 9

10 7.3 Datan redusoiminen Masterbias= bias/nbias Masterdark= (dark-masterbias)/ndark Masterflat= (flat-masterdarkmasterbias)/nflat/avgflat Korjattu data=(data-masterbiasmasterdark)/masterflat Katso myös Demo! Helsinki 10

11 7.4 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 11

12 7.5 Kuvankatseluohjelmistoja SAOImage DS9 Harvardissa kehitetty katseluohjelma FITS kuville Löytyy monille käyttöjärjestelmille (Linux, OsX, Windows,...) Monilla teleskoopeilla de facto standardi Helsinki 12

13 7.5 Kuvankatseluohjelmistoja FV Interaktiivinen FITS tiedostoeditori Voi käyttää myös katseluun Osa NASAn HEASARC FTOOLS ohjelmistopakettia Käyttökelpoinen myös muilla aallonpituusalueilla Helsinki 13

14 7.5 Kuvankatseluohjelmistoja GAIA (Graphical Astronomy and Image Analysis tool) ESOn projekti (kehitettiin VLT:a varten) Helsinki 14

15 7.6 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 15

16 7.6 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 16

17 7.6 Kuvankäsittelyohjelmistoja Myös esim. IDL:n paljon rutiineja FITSien käsittelyyn Erikoissovelluksiin (asteroidietsintä yms.) olemassa paljonkin softaa, mutta usein käyttäjän omiin tarpeisiin, ilman tuotetukea Helsinki 17

18 7.6 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: MPOSoftware.htm, nettihaulla paljon lisää Helsinki 18

19 7.7 Demo: SofI -datan reduktio IRAFilla, off-kentät Tehdään kaikki tarvittavat input & output listat valmiiksi (tekstitiedostoja, joissa nimet käsiteltäville kuville) Avataan xterm, ds9 ja IRAF (xterm, ~/ds9 &, cl) Poistetaan crosstalk, kosmiset säteet ctio (ladataan ctio-paketti) task crosstalk = crosstalk.cl (SofI:n (funktiokutsu) bye (poistutaan ctiosta), xdimsum (ladataan xdimsum-paketti) ".crm" Tehdään off-kenttien taivasvähennys ja maskataan niiden tähdet (automaattinen, kirkkaat tähdet käsin) = tähtimaski "" makemask imedit (jos pitää tehdä käsin) Helsinki 19

20 7.7 Demo: SofI -datan reduktio IRAFilla, on-kentät Poistetaan crosstalk, kosmiset säteet (kuten off-kentissä) Vähennetään datasta 'taivas' (keskiarvo sitä edeltäneestä ja seuranneesta offotoksesta; samalla vähentyy bias, ja dark on mitätön); jos jokin kohta datasta jäi vähentämättä tähtien vuoksi => Data jaetaan masterflatilla ja hajavalokorjauksella Synkronoidaan data-otokset tähtien avulla (jitter & pointing error) "" shifts.list 5 Kalibroidaan data-otokset kirkkaiden tähtien avulla (ei tässä demossa) Eri data -otokset summataan yhteen = lopullinen @hole.list no ".rjm" xnregistar shifts.list REJMASK combined.fits combined.exp.fits "" Helsinki 20

21 7.7 Demo: Eri vaiheiden kuvia Flatfield Raw onkenttä Taivasvähennyksen jälkeen Lopullinen kuva kun kaikki havainnot on yhdistetty Helsinki 21

22 7.8 Konvoluutio Kaikki havaitut kuvat on jo konvoluitu seeingin, diffraktion ja laiteiston vuoksi: b(x) = f(x) * p(x) + n(x), missä b(x) on havaittu kuva, f(x) on todellinen kuva, p(x) on laitevakio (PSF), n(x) on kohinatermi ja * tarkoittaa konvoluutiota PSF, 'point spread function': pistelähteestä (tähdestä) tulee kaarisekunttien kokoinen 'läiskä' Helppo mitata CCD:ltä koska PSF = tähden kuva Joskus halutaan konvoloida kuvaa vielä tarkoituksella, esimerkiksi jos ollaan kiinnostuneita pintakirkkaudesta ja halutaan pienentää kohinaa Helsinki 22

23 7.9 Dekonvoluutio Dekonvoluutiossa yritetään poistaa konvoluution vaikutus (eli siis poistamalla p(x):n vaikutus) ja 'terävöittää' kuvaa Ongelma: useimmiten aiheuttavat artifakteja, esim. tummat renkaat kirkkaiden kohteiden (tähtien) ympärillä. Ja erityisesti, fotometrinen informaatio (vuo) ei useimmiten säily! Koska tuo fotometrinen informaatio on se tärkeä tieto useimmissa tapauksissa, dekonvoluutiota käytetään hyvin harvoin. Teoreettisesti dekonvoluution voisi laskea Fourier'n muunnoksien kautta, mutta useimmin ratkaistaan iteratiivisesti Eri algoritmeja: Maximum Entropy Method (MEM), Richardson- Lucy (RL), CLEAN Helsinki 23