Correction globale de flats défectueux

Logiciel : Pixinsight

Au terme du prétraitement, on constate parfois que les flats n’ont pas rempli parfaitement leur rôle, à savoir celui d’uniformiser la luminosité de l’image sur l’ensemble du champ (vignettage) et de corriger les défauts liés aux poussières (sur les optiques, le capteur, etc.).

L’un des soucis les plus récurrents et des plus gênants est la mauvaise correction des brutes par les flats, entrainant une sous-correction (les zones assombries restent assombries sur l’image finale) ou une sur-correction (les zones assombries sont plus claires que le reste de l’image).

Ce cas de figure est particulièrement problématique car il altère fortement l’uniformité de l’image et va de ce fait rendre tout traitement très compliqué (montée d’histogramme), voire impossible… ou aboutir à une image présentant des défauts inadmissibles.

L’origine de ce souci peut être recherchée soit lors de l’acquisition des flats (temps de pose des flats incorrect et mauvaise distribution de l’histogramme), soit par une erreur lors du prétraitement.

Dans ce dernier cas, il est toujours préférable de reprendre le prétraitement en vérifiant si l’erreur ne provient pas d’une mauvaise configuration des options de calibration, d’optimisation ou d’empilement lors de la réalisation des masterbias, masterdarks ou du masterflat (sur ce point, voir le tuto dédié au prétraitement pour la partie « flats »). Les causes de mauvaise calibration sont en effet nombreuses, tant à l’étape de création du masterflat que de l’empilement (optimisation des flats, utilisation des bons paramètres pour les bias, etc.).

Si malgré tout ce problème demeure, il se peut que l’acquisition des flats soit en cause (mauvaise dynamique de l’histogramme en raison d’un temps de pose trop court ou trop long). Dans ce cas, il est évidemment recommandé de refaire les flats… si cela est encore possible pour ceux disposant d’un setup en poste fixe.

Dans le cas contraire, il est encore possible de rattraper les flats, ce qui est toujours plus simple que de traiter l’image sans flats ou de recourir à des flats synthétiques nécessairement imparfaits (difficulté de modéliser les poussières et petits défauts).

Pour ce faire, nous pouvons directement utiliser le flat imparfait, qui reste encore la meilleure base à disposition pour une correction ciblée.

Il est recommandé d’effectuer cette correction sur l’image en mode linéaire : celle-ci sera beaucoup plus propre que sur l’image non-linéaire, et le traitement en sera grandement facilité !

Attention : appliquer cette correction sur l’image empilée implique que les différentes images brutes soient globalement alignées entre elles. Autrement dit, que l’image empilée et le flat coïncident à peu près parfaitement. En cas de différences de cadrage significative (au-delà de ce qui est pratiqué pour le dithering par exemple), ou en cas de retournement méridien, une telle opération ne sera pas possible !

Si l’image empilée et le flat sont globalement alignées, cette opération pourra être complétée par une autre méthode de correction des défauts, afin de « gommer » les défauts résiduels.

Si l’image empilée n’est pas exploitable en elle-même, le plus simple est d’appliquer cette opération sur l’ensemble des images brutes calibrées et encore non-alignées.

Correction de l’image empilée

Il s’agit du cas le plus simple, où la correction est à appliquer sur la seule image issue de l’empilement des brutes prétraitées.

Au cours de la phase de prétraitement, on divise (pour simplifier) l’image brute par le flat.

On pourrait donc être tenté de reprendre une formule identique, mais dans ce cas précis il est nécessaire de l’adapter légèrement, afin de ne pas modifier de manière trop significative la valeur moyenne de l’image et surtout de ne pas risquer de « rogner » les valeurs basses de l’image :

en cas de sur-correction : $T+($T*(a*flat))
en cas de sous-correction : $T+($T/(a*flat))

où « a » est un coefficient >1, à déterminer par essais successifs. Débutez avec a=1 et montez progressivement la valeur par petits paliers (0,1 ou 0,2 par exemple), pour aboutir au meilleur résultat.

Si vous ne modifiez pas l’image directement, il est possible de remplacer « $T » par le nom de l’image.

Utilisez la fonction STF renforcée pour apprécier au mieux la précision de la correction apportée et veillez à ne pas sur-corriger (les zones concernées s’inversant alors de trop clair à trop sombre ou inversement).

Dans la mesure où cette formule modifie légèrement l’histogramme de l’image, il est indispensable de réaliser cette opération avec PixelMath en une seule passe. Vous pouvez réaliser autant d’essais que nécessaire mais la formule avec le coefficient optimal doit être appliquée une seule fois.

Voici un exemple du résultat obtenu avec la formule ci-dessus :

L’image doit maintenant être bien plus « propre » et les principaux défauts liés aux poussières doivent être corrigés. Si quelques défauts mineurs demeurent, il est possible de les corriger avec une autre méthode spécifique de correction des défauts du fond de ciel.

Correction des images brutes prétraitées

Cette méthode implique un peu plus de manipulations, mais est identique pour l’essentiel à la méthode exposée ci-dessus pour l’image empilée, à ceci près que le process PixelMath va être appliqué sur chaque image brute unitaire avant alignement. A noter que les formules PixelMath mentionnées ci-dessus demeurent inchangées ici.

La première étape est donc de déterminer le facteur « a » dans la formule PixelMath, de la même manière que ci-dessus et sur la base de l’une des images brutes prétraitées et non-alignées.

Une fois la valeur de « a » déterminée, ajoutez toutes vos images unitaires à traiter dans « Image Container » (accessible par clic droit sur le fond d’écran de Pixinsight).

Veillez à donner un suffixe à vos images de sortie afin d’éviter tout écrasement de vos fichiers d’origine (vous pouvez également spécifier un dossier de destination dans le même but).

Appliquez ensuite le process PixelMath en conservant la formule avec le symbole « $T » (car le process va ici devoir être appliqué sur une série d’images avec des noms distincts !).

Vérifiez que les défauts les plus importants ont bien été corrigés sur les images traitées après PixelMath. Vous pouvez ensuite procéder à l’alignement des images brutes puis à leur intégration comme habituellement (y compris en drizzle ou en utilisant LocalNormalization…).