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

Samankaltaiset tiedostot
12. Kuvankäsittely. 1. CCD havainnot. 2. CCD kuvien jälkikäsittely 3. FITS. 4. Kuvankatseluohjelmistoja. 5. Kuvankäsittelyohjelmistoja. 6.

Havaitsevan tähtitieteen pk 1 luento 7, Kuvankäsittely. Jyri Näränen

Havaitsevan tähtitieteen pk 1 luento 12, Kalvot: Jyri Näränen & Mikael Granvik

7. Kuvankäsittely. 1. CCD havainnot. 2. CCD kuvien jälkikäsittely 3. FITS. 4. Kuvankatseluohjelmistoja. 5. Kuvankäsittelyohjelmistoja. 6.

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

Havaitsevan tähtitieteen peruskurssi I, Havaintoaikahakemuksen valmistelu. Luento , V-M Pelkonen

CCD-kamerat ja kuvankäsittely

7.4 Fotometria CCD kameralla

Havaitsevan tähtitieteen peruskurssi I, yhteenveto

8. Fotometria (jatkuu)

Havaitsevan tähtitieteen peruskurssi I. Datan käsittely. Jyri Lehtinen. kevät Helsingin yliopisto, Fysiikan laitos

Havaitsevan tähtitieteen pk1 luento 12, Astrometria. Kalvot: Jyri Näränen, Mikael Granvik & Veli-Matti Pelkonen

Havaitsevan tähtitieteen pk 1 Luento 11: (kalvot: Jyri Näränen ja Mikael Granvik)

CCD-kuvaamisesta. Jouni Raunio / TaUrsa

6. Ilmaisimet ja uudet havaintotekniikat. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman (Kalvot: J.

Havaitsevan tähtitieteen peruskurssi I, kevät Luento 2, : Ilmakehän vaikutus havaintoihin Luennoitsija: Jyri Näränen

Tähtitieteen käytännön menetelmiä Kevät 2009

Refraktorit Ensimmäisenä käytetty teleskooppi-tyyppi

Havaitsevan tähtitieteen peruskurssi I

1. Polarimetria. voidaan tutkia mm. planeettojen ilmakehien ja tähtien välistä pölyä.

Havaitsevan tähtitieteen pk1 luento 7, Astrometria, ultravioletti ja lähi-infrapuna. Kalvot: Jyri Näränen, Mikael Granvik & Veli-Matti Pelkonen

Havaitsevan tähtitieteen pk 1 Luento 5: Ilmaisimet ja uudet havaintotekniikat. Jyri Näränen

9. Polarimetria. Havaitsevan tähtitieteen peruskurssi I, Kevät 2014 Veli-Matti Pelkonen (Kalvot JN, TH, MG & VMP)

Fotometria ja avaruuskuvien käsittely

Tulevat havaintokampanjat ja fotometriatyöpajan suunnittelu. Havaintotorniverkon kokous Cygnus 2011, Jokioinen

Kuvanlaadunparantaminen. Mikko Nuutinen

5. Kaukoputket ja observatoriot. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman

Havaitsevan tähtitieteen pk I, 2012

11. Astrometria, ultravioletti, lähiinfrapuna

Suomi ESO:n täysjäseneksi

8. Fotometria. Havaitsevan tähtitieteen peruskurssi I, luennot ja Thomas Hackman (Kalvot JN & TH) HTTPKI, kevät 2010, luennot 8-9 0

Ohjeita. Datan lukeminen

Muita kuvankäsittelyohjelmia on mm. Paint Shop Pro, Photoshop Elements, Microsoft Office Picture Manager

Havaitsevan tähtitieteen pk 1 Luento 6: Ilmaisimet ja uudet havaintotekniikat. Jyri Näränen

Havaitsevan tähtitieteen peruskurssi I. Spektroskopia. Jyri Lehtinen. kevät Helsingin yliopisto, Fysiikan laitos

Digitaalinen signaalinkäsittely Kuvankäsittely

Fotometria. Riku Honkanen, Antti Majakivi, Juuso Nissinen, Markus Puikkonen, Roosa Tervonen

DeepSkyStacker lyhyt oppimäärä tähtikuvien käsittelyyn

Havaitsevan tähtitieteen peruskurssi I

Havaitsevan tähtitieteen peruskurssi I, kevät 2008

6. Kaukoputket ja observatoriot

Ei välttämättä, se voi olla esimerkiksi Reuleaux n kolmio:

Havaitsevan tähtitieteen peruskurssi I, kevät 2012

Havaitsevan tähtitieteen peruskurssi I, yhteenveto

7. Fotometria. Havaitsevan tähtitieteen peruskurssi I, luennot ja Mikael Granvik (Kalvot JN, TH & MG) HTTPKI, kevät 2011, luennot 7-8

Gimp JA MUUT KUVANKÄSITTELYOHJELMAT

Radioastronomian käsitteitä

8. Fotometria. Havaitsevan tähtitieteen peruskurssi I, luennot ja Thomas Hackman (Kalvot JN, TH, VMP)

Johdatus IRAFiin : CCD-kuvien redusointi ja fotometria. Kari Nilsson 2. syyskuuta 2014

Radiointerferometria II

Kuvankäsittely. DigiReWork Annamari Mäenhovi Kati Nieminen

5. Kaukoputket ja observatoriot

9. Polarimetria. tähtitieteessä. 1. Polarisaatio. 2. Stokesin parametrit. 3. Polarisaattorit. 4. CCD polarimetria

Mitä on konvoluutio? Tutustu kuvankäsittelyyn

Havaitsevan tähtitieteen peruskurssi I. Ilmakehän vaikutus havaintoihin. Jyri Lehtinen. kevät Helsingin yliopisto, Fysiikan laitos

Ohjelmoinnin perusteet Y Python

5. Datan käsittely lyhyt katsaus

7.-8. Fotometria. Havaitsevan tähtitieteen peruskurssi I, luennot 1.3. ja Veli-Matti Pelkonen (Kalvot JN, TH, MG & VMP)

Yksinkertainen ohje kuvien käsittelyyn

13. Uusi havaintoteknologia

Tämä on PicoLog Windows ohjelman suomenkielinen pikaohje.

Tähtitiede Tutkimusta maailmankaikkeuden laidoilta Aurinkokuntaan

2D piirrelaskennan alkeet, osa I

Ohjelmoinnin perusteet, syksy 2006

Valmiustaitoja biokemisteille

Tähtikallio Arto Oksanen

Ohjelmoinnin peruskurssi Y1

Havaitsevan tähtitieteen peruskurssi I. Spektroskopia. Jyri Lehtinen. kevät Helsingin yliopisto, Fysiikan laitos

La Palma ja NOT. Auni Somero Tuorlan observatorio, Fysiikan ja tähtitieteen laitos, Turun yliopisto

9. Polarimetria. Havaitsevan tähtitieteen peruskurssi I, Syksy 2017 Thomas Hackman (Kalvot JN, TH, MG & VMP)

Havaitsevan tähtitieteen peruskurssi I, kevät 2007

10. Spektrometria. Havaitsevan tähtitieteen luennot & Thomas Hackman. HTTPK I kevät

4. Kaukoputket, observatoriot ja ilmaisimet

Avoin data ja sen hyödyntäminen tähtitieteessä. Juhani Huovelin Fysiikan laitos Helsingin yliopisto

CUDA. Moniydinohjelmointi Mikko Honkonen

Digitaalilaitteen signaalit

for i in range(5,9): importuvfits(fitsfile="fitsfiles/3c273.fits"+str(i), vis="3c273."+str(i)+".ms")

Havaitsevan tähtitieteen peruskurssi I Johdanto

10. Fotometria. Havaitsevan tähtitieteen peruskurssi I, Kevät 2013 Veli-Matti Pelkonen (Kalvot JN, TH, MG & VMP)

METEORIEN HAVAINNOINTI III VISUAALIHAVAINNOT 3.1 YLEISTÄ

Yleistä kurssiasiaa. myös ensi tiistaina vaikka silloin ei ole luentoa. (opiskelijanumerolla identifioituna) ! Ekskursio 11.4.

Laskuharjoitus 9, tehtävä 6

KUVANKÄSITTELY THE GIMP FOR WINDOWS OHJELMASSA

ATK tähtitieteessä. Osa 5 - IDL datan sovitusta ja muita ominaisuuksia. 25. syyskuuta 2014

Harjoitus 9: Excel - Tilastollinen analyysi

IR-lämpömittarityypit

Kohina. Havaittujen fotonien statistinen virhe on kääntäen verrannollinen havaittujen fotonien lukumäärän N neliö juureen ( T 1/ N)

Ohjelmoinnin peruskurssien laaja oppimäärä

IR-lämpömittarityypit

Havaitsevan tähtitieteen peruskurssi I

Lataa Polaris - Heikki Oja. Lataa

Kokeellista matematiikkaa SAGE:lla

Ohjelmoinnin perusteet Y Python

Havaitsevan tähtitieteen pk 1, Luento 13: Uusi havaintoteknologia. (kalvot: Jyri Näränen, Mikael Granvik ja Veli-Matti Pelkonen)

S MRI sovellukset Harjoitustehtävät. Ryhmä 1 Juha-Pekka Niskanen Eini Niskanen

Käyttöohje. Painikkeet:

HÄRKÄMÄEN HAVAINTOKATSAUS

KÄYTTÖOHJE. M2M Point - to - Point

10. Polarimetria. 1. Polarisaatio tähtitieteessä. 2. Stokesin parametrit. 3. Polarisaattorit. 4. CCD polarimetria

Transkriptio:

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

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 13.03.2014 Helsinki 2

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 13.03.2014 Helsinki 3

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 13.03.2014 Helsinki 4

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 13.03.2014 Helsinki 5

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) 13.03.2014 Helsinki 6

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 13.03.2014 Helsinki 7

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 13.03.2014 Helsinki 8

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 13.03.2014 Helsinki 9

7.3 Datan redusoiminen Masterbias= bias/nbias Masterdark= (dark-masterbias)/ndark Masterflat= (flat-masterdarkmasterbias)/nflat/avgflat Korjattu data=(data-masterbiasmasterdark)/masterflat Katso myös Demo! 13.03.2014 Helsinki 10

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.) 13.03.2014 Helsinki 11

7.5 Kuvankatseluohjelmistoja SAOImage DS9 http://hea-www.harvard.edu/rd/ds9/ Harvardissa kehitetty katseluohjelma FITS kuville Löytyy monille käyttöjärjestelmille (Linux, OsX, Windows,...) Monilla teleskoopeilla de facto standardi 13.03.2014 Helsinki 12

7.5 Kuvankatseluohjelmistoja FV http://heasarc.gsfc.nasa.gov/docs/software/ftools/fv/ Interaktiivinen FITS tiedostoeditori Voi käyttää myös katseluun Osa NASAn HEASARC FTOOLS ohjelmistopakettia Käyttökelpoinen myös muilla aallonpituusalueilla 13.03.2014 Helsinki 13

7.5 Kuvankatseluohjelmistoja GAIA (Graphical Astronomy and Image Analysis tool) http://star-www.dur.ac.uk/~pdraper/gaia/gaia.html ESOn projekti (kehitettiin VLT:a varten) 13.03.2014 Helsinki 14

7.6 Kuvankäsittelyohjelmistoja IRAF (Image Reduction and Analysis Facility) http://iraf.noao.edu/ 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: http://users.utu.fi/kani/opetus/ht1/irafohje/index.html 13.03.2014 Helsinki 15

7.6 Kuvankäsittelyohjelmistoja ESO-MIDAS European Southern Observatory Munich Image Data Analysis System http://www.eso.org/sci/data-processing/software/esomidas/ 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 http://www.eso.org/sci/data-processing/software/sampo/ 13.03.2014 Helsinki 16

7.6 Kuvankäsittelyohjelmistoja Myös esim. IDL:n paljon rutiineja FITSien käsittelyyn http://idlastro.gsfc.nasa.gov/ Erikoissovelluksiin (asteroidietsintä yms.) olemassa paljonkin softaa, mutta usein käyttäjän omiin tarpeisiin, ilman tuotetukea 13.03.2014 Helsinki 17

7.6 Kuvankäsittelyohjelmistoja Näitä ja paljon muuta: http://www.eso.org/sci/data-processing/software/scisoft/ 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: http://www.cyanogen.com/, http://www.minorplanetobserver.com/mposoftware/ MPOSoftware.htm, nettihaulla paljon lisää... 13.03.2014 Helsinki 18

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 erikoisrutiini) crosstalk @fits.list @fits_c.list (funktiokutsu) bye (poistutaan ctiosta), xdimsum (ladataan xdimsum-paketti) xzap @fits_c.list "" @fits_c_cr.list ".crm" Tehdään off-kenttien taivasvähennys ja maskataan niiden tähdet (automaattinen, kirkkaat tähdet käsin) = tähtimaski xnslm @fits_c_cr.list "" 2 @fits_c_cr_ss.list makemask @fits_c_cr_ss.list @fits_c_cr_ss_m.list imedit (jos pitää tehdä käsin) 13.03.2014 Helsinki 19

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 => taivasmaski xnslm @fits_c_cr.list @mask.list 2 @fits_c_cr_ss.list Data jaetaan masterflatilla ja hajavalokorjauksella imarit @fits_c_cr_ss_on.list /../Hflatillum_jan2008.fits @fits_c_cr_ss_fl.list Synkronoidaan data-otokset tähtien avulla (jitter & pointing error) xdshifts @fits_c_cr_ss_fl.list "" shifts.list 5 Kalibroidaan data-otokset kirkkaiden tähtien avulla (ei tässä demossa) Eri data -otokset summataan yhteen = lopullinen kuva xmskcombine @fits_c_cr_ss_fl.list../bad_pix_maskinve2.pl @on_cr.list @hole.list no ".rjm" xnregistar shifts.list REJMASK combined.fits combined.exp.fits "" 13.03.2014 Helsinki 20

7.7 Demo: Eri vaiheiden kuvia Flatfield Raw onkenttä Taivasvähennyksen jälkeen Lopullinen kuva kun kaikki havainnot on yhdistetty 13.03.2014 Helsinki 21

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. 13.03.2014 Helsinki 22

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 13.03.2014 Helsinki 23