Détails techniques
Enregistrement
Alignement
Les groupes de fichiers
Empilement
Les méthodes d'empilement
Drizzle
Empilement d'images de comète
Décodage et traitement des fichiers RAW
Enregistrement
Détection des étoiles
Pour chaque image, DeepSkyStacker détecte automatiquement les étoiles.
Sans rentrer dans les détails, une étoile est un objet rond dont la luminosité va décroissante de façon régulière dans toutes les directions..
Une fois l'étoile détectée, son centre exact est calculé à l'aide d'une courbe de Gauss sur la luminosité.
Détection des étoiles
Pour chaque image, DeepSkyStacker détecte automatiquement les étoiles.
Sans rentrer dans les détails, une étoile est un objet rond dont la luminosité va décroissante de façon régulière dans toutes les directions..
Une fois l'étoile détectée, son centre exact est calculé à l'aide d'une courbe de Gauss sur la luminosité.
Utilisation des darks, flat et offsets
pendant l'enregistrement
Si des darks, flat et offsets sont cochés ils sont automatiquement appliqués aux images avant l'enregistrement..
Dans le cas d'images comportant de nombreux pixels chauds il est fortement conseillés de sélectionner au moins des fichiers darks pour éviter de fausse détection d'étoiles..
Si des darks, flat et offsets sont cochés ils sont automatiquement appliqués aux images avant l'enregistrement..
Dans le cas d'images comportant de nombreux pixels chauds il est fortement conseillés de sélectionner au moins des fichiers darks pour éviter de fausse détection d'étoiles..
Détection automatique des pixels chauds
Optionnellement DeepSkyStacker tente de détecter les pixels chauds pendant le processus d'enregistrement afin des les éliminer pour ne pas les confondre avec des étoiles.
Il faut noter que cette option n'est valable que sur les images monochromes et sur les images RAW ou FITS dans les modes Super-pixels, Bayer.Drizzle et interpolation bilinéaire ou AHD.
Optionnellement DeepSkyStacker tente de détecter les pixels chauds pendant le processus d'enregistrement afin des les éliminer pour ne pas les confondre avec des étoiles.
Il faut noter que cette option n'est valable que sur les images monochromes et sur les images RAW ou FITS dans les modes Super-pixels, Bayer.Drizzle et interpolation bilinéaire ou AHD.
Changement du
seuil de détection des étoiles
Le seuil de détection des étoiles est fixé à 10% par défaut (10% de la luminosité maximale).
Vous pouvez modifier ce seuil dans l'onglet Avancé des paramètres d'enregistrement. En baissant le seuil DeepSkyStacker détectera des étoiles plus faibles et en l'augmentant uniquement les étoiles plus brillantes seront détectées.
Jonhnson Frederic Merchadou Emilia Lambert Jacques & Co Afin de vous aider à définir au mieux ce seuil il est possible de calculer le nombre d'étoiles a priori détectées. Pour ce faire DeepSkyStacker utilise la première image cochée, et active temporairement la détection automatique des pixels chauds.
Il faut noter que ce nombre n'est qu'une indication et que le nombre réel d'étoiles détectées peut varier en particulier si des images darks, offsets et flat sont cochées.
Le seuil de détection des étoiles est fixé à 10% par défaut (10% de la luminosité maximale).
Vous pouvez modifier ce seuil dans l'onglet Avancé des paramètres d'enregistrement. En baissant le seuil DeepSkyStacker détectera des étoiles plus faibles et en l'augmentant uniquement les étoiles plus brillantes seront détectées.
Jonhnson Frederic Merchadou Emilia Lambert Jacques & Co Afin de vous aider à définir au mieux ce seuil il est possible de calculer le nombre d'étoiles a priori détectées. Pour ce faire DeepSkyStacker utilise la première image cochée, et active temporairement la détection automatique des pixels chauds.
Il faut noter que ce nombre n'est qu'une indication et que le nombre réel d'étoiles détectées peut varier en particulier si des images darks, offsets et flat sont cochées.
Sauvegarde des résultats de l'enregistrement
Les paramètres de l'enregistrement (nombre d'étoiles détectées, position, luminosité de chaque étoile) sont sauvegardés dans un fichier texte qui porte le même nom que l'image avec l'extension .Info.txt.
Ceci évite de procéder de nouveau à l'enregistrement lors d'un futur processus d'empilement..
Les paramètres de l'enregistrement (nombre d'étoiles détectées, position, luminosité de chaque étoile) sont sauvegardés dans un fichier texte qui porte le même nom que l'image avec l'extension .Info.txt.
Ceci évite de procéder de nouveau à l'enregistrement lors d'un futur processus d'empilement..
Résultats de l'enregistrement et paramètres
Le résultat de l'enregistrement est étroitement dépendant des paramètres sélectionnés (en particulier des paramètres de développement des fichiers raw).
En cas de modification de ces paramètres, il est impératif de procéder de nouveau à l'enregistrement des images.
Le résultat de l'enregistrement est étroitement dépendant des paramètres sélectionnés (en particulier des paramètres de développement des fichiers raw).
En cas de modification de ces paramètres, il est impératif de procéder de nouveau à l'enregistrement des images.
Empilement après enregistrement
DeepSkyStacker permet d'enchaîner automatiquement l'enregistrement et l'empilement des images. Il suffit juste de préciser le pourcentage des images qui seront conservées à l'issu du processus d'enregistrement pour l'empilement.
Ainsi il est possible de lancer le processus complet puis d'aller se coucher pour visualiser les premiers résultats après une bonne nuit (journée ?) de sommeil.
DeepSkyStacker permet d'enchaîner automatiquement l'enregistrement et l'empilement des images. Il suffit juste de préciser le pourcentage des images qui seront conservées à l'issu du processus d'enregistrement pour l'empilement.
Ainsi il est possible de lancer le processus complet puis d'aller se coucher pour visualiser les premiers résultats après une bonne nuit (journée ?) de sommeil.
Alignement
Calcul des décalages et des angles de rotations
Lors du processus d'alignement, l'image ayant obtenue le meilleur score est utilisée comme image de départ sauf si vous avez choisi une autre image comme image de référence en utilisant le menu contextuel.
Tous les décalages et rotations sont calculés en référence à cette image.
Le calcul des décalages et de l'angle de rotation est effectué en identifiant les groupes d'étoiles dont les distances se retrouve d'une image sur l'autre.
Pour faire simple, l'algorithme cherche les plus grands triangles pour lesquels les distances des cotés (et donc les angles entre les cotés) sont les plus proches.
Lorsqu'un nombre suffisant de triangles ayant ces caractéristiques est détecté entre l'image de départ et l'image à aligner, le décalage et la rotation sont calculés et validés par la méthode des moindres carrés.
En fonction du nombre d'étoiles une transformation bilinéaire ou bicarrée et utilisée.
Pour plus d'information sur les algorithmes ayant inspirés celui utilisé par DeepSkyStacker vous pouvez consulter les informations suivantes (en anglais) :
FOCAS Automatic Catalog Matching Algorithms
Pattern Matching with Differential Voting and Median Transformation Derivation
Calcul des décalages et des angles de rotations
Lors du processus d'alignement, l'image ayant obtenue le meilleur score est utilisée comme image de départ sauf si vous avez choisi une autre image comme image de référence en utilisant le menu contextuel.
Tous les décalages et rotations sont calculés en référence à cette image.
Le calcul des décalages et de l'angle de rotation est effectué en identifiant les groupes d'étoiles dont les distances se retrouve d'une image sur l'autre.
Pour faire simple, l'algorithme cherche les plus grands triangles pour lesquels les distances des cotés (et donc les angles entre les cotés) sont les plus proches.
Lorsqu'un nombre suffisant de triangles ayant ces caractéristiques est détecté entre l'image de départ et l'image à aligner, le décalage et la rotation sont calculés et validés par la méthode des moindres carrés.
En fonction du nombre d'étoiles une transformation bilinéaire ou bicarrée et utilisée.
Pour plus d'information sur les algorithmes ayant inspirés celui utilisé par DeepSkyStacker vous pouvez consulter les informations suivantes (en anglais) :
FOCAS Automatic Catalog Matching Algorithms
Pattern Matching with Differential Voting and Median Transformation Derivation
Réutilisation automatique des décalages précédemment calculés
DeepSkyStacker enregistre toutes les transformation entre une image de référence et toutes les autres images de façon à ce qu'il ne soit pas nécessaire de les calculer de nouveau tant que les informations d'enregistrement n'ont pas été modifiées.
Les informations sont enregistrées dans un fichier dont le nom est celui de l'image de référence (et dans le même répertoire) avec une extension .stackinfo.txt.
DeepSkyStacker enregistre toutes les transformation entre une image de référence et toutes les autres images de façon à ce qu'il ne soit pas nécessaire de les calculer de nouveau tant que les informations d'enregistrement n'ont pas été modifiées.
Les informations sont enregistrées dans un fichier dont le nom est celui de l'image de référence (et dans le même répertoire) avec une extension .stackinfo.txt.
Les groupes de fichiers
Les groupes de fichiers permettent de simplifier la gestion de sessions sur un même objet réparties sur plusieurs nuits en regroupant logiquement des fichiers d'une même session.
Si vous n'utilisez que le groupe principal DeepSkyStacker se comporte exactement comme avant.
Il y a deux types de groupe : le groupe principal et les autres.
Les groupes de fichiers permettent de simplifier la gestion de sessions sur un même objet réparties sur plusieurs nuits en regroupant logiquement des fichiers d'une même session.
Si vous n'utilisez que le groupe principal DeepSkyStacker se comporte exactement comme avant.
Il y a deux types de groupe : le groupe principal et les autres.
-
Les fichiers images du groupe principal ne peuvent être associés qu'à des darks, flats et offset/bias du groupe principal.
Cela correspond au fonctionnement de DeepSkyStacker avant l'introduction des groupes de fichiers. -
Tous les fichiers darks, flats et offset/bias du groupe principal peuvent être associés à des fichiers images de n'importe quel groupe.
-
Tous les fichiers darks, flats et offset/bias des autres groupes ne peuvent être associés qu'à des fichiers images du même groupe.
Vous pouvez créer autant de groupes que vous le
souhaitez sachant qu'un fichier ne peut pas être présent dans deux groupes
différents.
Exemple d'utilisation :
Vous avez deux nuits d'affilée prit des photos d'un même objet.
Pour chaque nuit vous avez un ensemble de photos, de darks et de flats, mais la température ayant variée d'une nuit à l'autre les darks ne sont pas compatibles d'une nuit sur l'autre et l'orientation ayant légèrement changée les flats sont également différents.
Afin d'associer les bons darks et les bons flats avec les bonnes images il suffit de mettre toutes les photos+darks+flats de la première nuit dans un groupe et tous ceux de la seconde nuit dans un second groupe.
Les offsets/bias étant communs à toutes les photos ceux ci doivent être mis dans le groupe principal.
DeepSkyStacker associera automatiquement les photos de la première nuit avec darks et flats de la première nuit et les photos de la seconde nuit avec les darks et flats de la seconde nuit. Les offset/bias communs (puisque dans le groupe principal) seront utilisés pour les photos de la première et de la seconde nuit.
Vous avez deux nuits d'affilée prit des photos d'un même objet.
Pour chaque nuit vous avez un ensemble de photos, de darks et de flats, mais la température ayant variée d'une nuit à l'autre les darks ne sont pas compatibles d'une nuit sur l'autre et l'orientation ayant légèrement changée les flats sont également différents.
Afin d'associer les bons darks et les bons flats avec les bonnes images il suffit de mettre toutes les photos+darks+flats de la première nuit dans un groupe et tous ceux de la seconde nuit dans un second groupe.
Les offsets/bias étant communs à toutes les photos ceux ci doivent être mis dans le groupe principal.
DeepSkyStacker associera automatiquement les photos de la première nuit avec darks et flats de la première nuit et les photos de la seconde nuit avec les darks et flats de la seconde nuit. Les offset/bias communs (puisque dans le groupe principal) seront utilisés pour les photos de la première et de la seconde nuit.
Empilement
Calibration du fond des images
La calibration du fond des images consiste à normaliser la valeur du fond de chaque image de la pile avant l'empilement.
La valeur du fond est la valeur médiane de tous les pixels de l'image.
Calibration du fond des images
La calibration du fond des images consiste à normaliser la valeur du fond de chaque image de la pile avant l'empilement.
La valeur du fond est la valeur médiane de tous les pixels de l'image.
Deux options sont disponibles :
-
Avec l'option de Calibration du fond de chacun des canaux le fond de chaque canal est ajusté pour correspondre au fond du même canal de l'image de référence.
-
Avec l'option de Calibration RVB du fond, les trois canaux rouge, vert et bleu de chaque image sont normalisés à la même valeur de fond qui est le minimum des trois valeurs médianes (une par canal) calculées sur l'image de référence.
En particulier, il est très important de sélectionner
une des ces options lors de
l'utilisation des méthodes de Kappa-Sigma Clipping ou Médiane Kappa-Sigma
Clipping pour éviter d'empiler des images dont les fonds n'ont pas la même
valeur.
Calibration automatique des flats
L'objectif de la calibration automatique des flats est d'égaliser les différences de luminosité entre les différents flats avant de les combiner ensemble pour obtenir un maître flat.
Le premier flat est utilisé comme référence. Les autres flats sont normalisés de façon à ce que la luminosité moyenne et l'intervalle dynamique soit les mêmes que ceux du premier flat.
L'objectif de la calibration automatique des flats est d'égaliser les différences de luminosité entre les différents flats avant de les combiner ensemble pour obtenir un maître flat.
Le premier flat est utilisé comme référence. Les autres flats sont normalisés de façon à ce que la luminosité moyenne et l'intervalle dynamique soit les mêmes que ceux du premier flat.
Détection et suppression automatique des
pixels chauds
L'objectif de la détection automatique et de la suppression des pixels chaud est de remplacer ces pixels hors norme par une valeur calculée à partir des pixels voisins.
Dans un premier temps ces pixels sont identifiés par l'analyse des darks (ou du master dark quand il est disponible). Tous les pixels dont la valeur est supérieure à [médiane] + 16 x [écart type] sont marqués comme pixels chauds.
Pour chacun de ces pixels la valeur dans l'image calibrée (après soustraction des bias/offset et dark et division par le flat) est interpolée à partir des pixels voisins.
L'objectif de la détection automatique et de la suppression des pixels chaud est de remplacer ces pixels hors norme par une valeur calculée à partir des pixels voisins.
Dans un premier temps ces pixels sont identifiés par l'analyse des darks (ou du master dark quand il est disponible). Tous les pixels dont la valeur est supérieure à [médiane] + 16 x [écart type] sont marqués comme pixels chauds.
Pour chacun de ces pixels la valeur dans l'image calibrée (après soustraction des bias/offset et dark et division par le flat) est interpolée à partir des pixels voisins.
Détection et suppression automatique des
mauvaise colonnes
Sur certaines caméras CCD il peut apparaître des colonnes blanches créées par le blooming sur les pixels chauds ou noires (colonnes mortes).
La détection et la suppression des mauvaises colonnes peut être utilisées dans ces cas.
Elle détecte automatiquement les lignes verticales de 1 pixel de large qui sont soit saturées, soit noires et les traite comme s'il s'agissait de pixels chauds en interpolant les valeurs à partir des pixels voisins.
Sur certaines caméras CCD il peut apparaître des colonnes blanches créées par le blooming sur les pixels chauds ou noires (colonnes mortes).
La détection et la suppression des mauvaises colonnes peut être utilisées dans ces cas.
Elle détecte automatiquement les lignes verticales de 1 pixel de large qui sont soit saturées, soit noires et les traite comme s'il s'agissait de pixels chauds en interpolant les valeurs à partir des pixels voisins.
Soustraction des darks basé sur la réduction de
l'entropie
La soustraction des darks peut être optionnellement optimisée par la réduction de l'entropie de l'image obtenue après soustraction.
L'idée ici est d'appliquer un coefficient multiplicateur entre 0 et 1 au dark afin que l'image obtenue après soustraction ait l'entropie la plus faible possible.
En pratique cela permet d'utiliser des darks qui ne sont pas créés dans les conditions optimales (en particulier de température)..
Pour plus d'information sur cette méthode pour pouvez vous reporter au document suivant (en anglais):
Entropy-Based Dark Frame Subtraction
La soustraction des darks peut être optionnellement optimisée par la réduction de l'entropie de l'image obtenue après soustraction.
L'idée ici est d'appliquer un coefficient multiplicateur entre 0 et 1 au dark afin que l'image obtenue après soustraction ait l'entropie la plus faible possible.
En pratique cela permet d'utiliser des darks qui ne sont pas créés dans les conditions optimales (en particulier de température)..
Pour plus d'information sur cette méthode pour pouvez vous reporter au document suivant (en anglais):
Entropy-Based Dark Frame Subtraction
Processus d'empilement
Le processus d'empilement de DeepSkyStacker est très classique.
Etape 1
Création du master offset à partir de toutes les images marquées offset (selon la méthode sélectionnée).
Si plus d'une image est marqué offset, un master offset est enregistré dans le fichier MasterOffset_ISOxxx.tif (format TIFF 8 16 ou 32 bits) dans le répertoire de la première image marquée offset. Ce fichier pourra être utilisé comme offset unique lors d'une prochaine utilisation.
Etape 2
Création du master dark à partir de toutes les images marquées.dark (selon la méthode sélectionnée). Le master d'offset est soustrait à chaque dark.
Si plus d'une image est marqué dark, un master dark est enregistré dans le fichier MasterDark_ISOxxx_yyys.tif (format TIFF 8 16 ou 32 bits) dans le répertoire de la première image marquée dark. Ce fichier pourra être utilisé comme dark unique lors de la prochaine utilisation.
Création du master dark flat à partir de toutes les images marquées.dark flat (selon la méthode sélectionnée). Le master d'offset est soustrait à chaque dark flat.
Si plus d'une image est marqué dark flat, un master dark flat est enregistré dans le fichier MasterDarkFlat_ISOxxx_yyys.tif (format TIFF 8 16 ou 32 bits) dans le répertoire de la première image marquée dark flat. Ce fichier pourra être utilisé comme dark flat unique lors de la prochaine utilisation.
Etape 3
Création du master flat à partir de toutes les images marquées flat (selon la méthode sélectionnée). Les masters d'offset et dark flat sont soustrait de chaque flat. Le master flat est automatiquement normalisé.
Si plus d'une image est marqué flat, un master flat est enregistré dans le fichier MasterFlat_ISOxxx.tif (format TIFF 8 16 ou 32 bits) dans le répertoire de la première image marquée flat. Ce fichier pourra être utilisé comme flat unique lors de la prochaine utilisation.
Etape 4
Calculs des décalages et rotations pour toutes les images à empiler.
Etape 5
Création de l'image finale par addition des images individuelles selon la méthode sélectionnée.
Le master d'offset et le master de dark sont automatiquement soustrait de chaque image et le résultat est divisé par le master flat normalisé et si l'option est activée les pixels chauds détectées dans le master dark sont supprimés et remplacés par la valeur interpolée à partir des pixels voisins.
Etape 6
Dans le cas du développement raw avec la méthode du Bayer drizzle, les valeurs des trois composantes RGB sont normalisées pour éviter les trous d'information.
Etape 7
L'image résultant du traitement est automatiquement enregistrée dans un fichier AutoSave.tif qui est située dans le même répertoire que la première des images empilées.
Le processus d'empilement de DeepSkyStacker est très classique.
Etape 1
Création du master offset à partir de toutes les images marquées offset (selon la méthode sélectionnée).
Si plus d'une image est marqué offset, un master offset est enregistré dans le fichier MasterOffset_ISOxxx.tif (format TIFF 8 16 ou 32 bits) dans le répertoire de la première image marquée offset. Ce fichier pourra être utilisé comme offset unique lors d'une prochaine utilisation.
Etape 2
Création du master dark à partir de toutes les images marquées.dark (selon la méthode sélectionnée). Le master d'offset est soustrait à chaque dark.
Si plus d'une image est marqué dark, un master dark est enregistré dans le fichier MasterDark_ISOxxx_yyys.tif (format TIFF 8 16 ou 32 bits) dans le répertoire de la première image marquée dark. Ce fichier pourra être utilisé comme dark unique lors de la prochaine utilisation.
Création du master dark flat à partir de toutes les images marquées.dark flat (selon la méthode sélectionnée). Le master d'offset est soustrait à chaque dark flat.
Si plus d'une image est marqué dark flat, un master dark flat est enregistré dans le fichier MasterDarkFlat_ISOxxx_yyys.tif (format TIFF 8 16 ou 32 bits) dans le répertoire de la première image marquée dark flat. Ce fichier pourra être utilisé comme dark flat unique lors de la prochaine utilisation.
Etape 3
Création du master flat à partir de toutes les images marquées flat (selon la méthode sélectionnée). Les masters d'offset et dark flat sont soustrait de chaque flat. Le master flat est automatiquement normalisé.
Si plus d'une image est marqué flat, un master flat est enregistré dans le fichier MasterFlat_ISOxxx.tif (format TIFF 8 16 ou 32 bits) dans le répertoire de la première image marquée flat. Ce fichier pourra être utilisé comme flat unique lors de la prochaine utilisation.
Etape 4
Calculs des décalages et rotations pour toutes les images à empiler.
Etape 5
Création de l'image finale par addition des images individuelles selon la méthode sélectionnée.
Le master d'offset et le master de dark sont automatiquement soustrait de chaque image et le résultat est divisé par le master flat normalisé et si l'option est activée les pixels chauds détectées dans le master dark sont supprimés et remplacés par la valeur interpolée à partir des pixels voisins.
Etape 6
Dans le cas du développement raw avec la méthode du Bayer drizzle, les valeurs des trois composantes RGB sont normalisées pour éviter les trous d'information.
Etape 7
L'image résultant du traitement est automatiquement enregistrée dans un fichier AutoSave.tif qui est située dans le même répertoire que la première des images empilées.
Alignement des canaux RVB
Quand cette option est activée DeepSkyStacker essayes d'aligner les trois canaux de l'image finale pour réduire le décalage des couleurs entre les canaux.
Le principal effet visible est que les étoiles ne sont plus rouge d'un coté et bleu de l'autre.
Chaque canal est enregistré (les étoiles sont détectées) et une transformation est calculée entre le meilleur canal et les deux autres.
La transformation est alors appliquée aux deux autres canaux ce qui a pour effet de les aligner sur le meilleur canal.
Quand cette option est activée DeepSkyStacker essayes d'aligner les trois canaux de l'image finale pour réduire le décalage des couleurs entre les canaux.
Le principal effet visible est que les étoiles ne sont plus rouge d'un coté et bleu de l'autre.
Chaque canal est enregistré (les étoiles sont détectées) et une transformation est calculée entre le meilleur canal et les deux autres.
La transformation est alors appliquée aux deux autres canaux ce qui a pour effet de les aligner sur le meilleur canal.
Réutilisation
automatique des fichiers maître précédemment créés
Les fichiers maître existants (dark, offset, flat et dark flat) créés depuis une liste de fichiers sont automatiquement utilisés quand c'est possible tant que :
- La liste des fichiers utilisés pour les créer n'est pas modifiée.
- Les paramètres utilisés pour les créer ne sont pas modifiés. Ceci inclus la méthode d'empilement et les paramètres de développement RAW ou FITS quand des fichiers RAW ou FITS sont utilisés.
Un fichier texte contenant les paramètres et la liste des fichiers utilisés est enregistré dans le dossier du fichier maître correspondant.
Le fichier de description a le même nom que le fichier maître avec l'extension .Description.txt.
Lorsque la description ne correspond les nouveaux paramètres plus les fichiers maîtres sont automatiquement recréés.
Cette fonctionnalité est complètement transparente pour l'utilisateur qui ne constate que le gain de temps lorsqu'il n'est pas nécessaire de recréer les fichiers maîtres.
Les fichiers maître existants (dark, offset, flat et dark flat) créés depuis une liste de fichiers sont automatiquement utilisés quand c'est possible tant que :
- La liste des fichiers utilisés pour les créer n'est pas modifiée.
- Les paramètres utilisés pour les créer ne sont pas modifiés. Ceci inclus la méthode d'empilement et les paramètres de développement RAW ou FITS quand des fichiers RAW ou FITS sont utilisés.
Un fichier texte contenant les paramètres et la liste des fichiers utilisés est enregistré dans le dossier du fichier maître correspondant.
Le fichier de description a le même nom que le fichier maître avec l'extension .Description.txt.
Lorsque la description ne correspond les nouveaux paramètres plus les fichiers maîtres sont automatiquement recréés.
Cette fonctionnalité est complètement transparente pour l'utilisateur qui ne constate que le gain de temps lorsqu'il n'est pas nécessaire de recréer les fichiers maîtres.
Utilisation
d'un rectangle personnalisé
DeepSkyStacker permet d'utiliser un rectangle personnalisé qui va définir la position et la taille de l'image résultante.
Pour ce faire, vous devez d'abord visualiser une image en cliquant dessus depuis la liste.
Vous pouvez choisir n'importe quelle image mais comme vous allez définir le rectangle qui va contenir l'image résultante, le mieux est de sélectionner l'image qui va servir de référence à l'empilement (celle dont le score est le plus important ou celle que vous avez choisie en forçant le choix via le menu contextuel).
Ensuite il suffit juste de sélectionner à la souris le rectangle que vous souhaitez utiliser comme rectangle personnalisé.
Lorsque que vous lancerez l'empilement, le rectangle que vous avez sélectionné sera choisi par défaut comme méthode d'empilement.
Cette option peut être particulièrement utile si vous utilisez l'option Drizzle qui double ou triple la taille des images résultantes et donc l'espace disque et l'espace mémoire utilisés lors de l'empilement.
En effet, lorsqu'un rectangle personnalisé plus petit est utilisé pour l'image résultante, DeepSkyStacker n'utilise que l'espace disque et la mémoire nécessaire pour créer une image de la taille du rectangle personnalisé.
DeepSkyStacker permet d'utiliser un rectangle personnalisé qui va définir la position et la taille de l'image résultante.
Pour ce faire, vous devez d'abord visualiser une image en cliquant dessus depuis la liste.
Vous pouvez choisir n'importe quelle image mais comme vous allez définir le rectangle qui va contenir l'image résultante, le mieux est de sélectionner l'image qui va servir de référence à l'empilement (celle dont le score est le plus important ou celle que vous avez choisie en forçant le choix via le menu contextuel).
Ensuite il suffit juste de sélectionner à la souris le rectangle que vous souhaitez utiliser comme rectangle personnalisé.
Lorsque que vous lancerez l'empilement, le rectangle que vous avez sélectionné sera choisi par défaut comme méthode d'empilement.
Cette option peut être particulièrement utile si vous utilisez l'option Drizzle qui double ou triple la taille des images résultantes et donc l'espace disque et l'espace mémoire utilisés lors de l'empilement.
En effet, lorsqu'un rectangle personnalisé plus petit est utilisé pour l'image résultante, DeepSkyStacker n'utilise que l'espace disque et la mémoire nécessaire pour créer une image de la taille du rectangle personnalisé.
Les méthodes
d'empilement
Moyenne
C'est la méthode la plus simple. La moyenne des valeurs des pixels de la pile est calculée pour chaque pixel. Aucun pixel n'est rejeté.
Médiane
C'est la méthode par défaut pour la création des masters dark, flat et offset. La valeur médiane de la pile est calculée pour chaque pixel.
Maximum
C'est une méthode ultra simple à n'utiliser qu'avec beaucoup de précaution. La valeur maximale des pixels de la pile est calculée pour chaque pixel.
Kappa-Sigma Clipping
Cette méthode permet d'écarter les pixels déviants de façon itérative.
Deux paramètres sont fixés : le nombre d'itération et la coefficient multiplicateur de l'écart type utilisée (Kappa).
A chaque itération, la moyenne et l'écart type (Sigma) des pixels de la pile sont calculés.
Tout pixel dont la valeur s'écarte de la moyenne de plus de Kappa * Sigma est rejeté.
La moyenne des pixels restant est calculée pour chaque pixel.
Kappa-Sigma Clipping Médiane
Cette méthode est similaire à la méthode Kappa-Sigma Clipping mais au lieu de rejeter les valeurs elles sont remplacées par la médiane.
Moyenne pondérée auto adaptative
La moyenne pondérée auto adaptative est adaptée des travaux de Stetson (voir Artificial Skepticism - Stetson 1989).
Cette méthode permet de calculer une moyenne robuste obtenue en pondérant de façon itérative les pixels en fonction de leurs écart à la moyenne par rapport à l'écart moyen.
Moyenne pondérée par l'entropie (High Dynamic Range)
Cette méthode est basée sur les travaux de German, Jenkin et Lesperance (Entropy-Based image merging - 2005) et permet d'additionner les images en conservant la meilleure dynamique de chaque image, pixel par pixel.
Elle permet en particulier de lors de l'addition d'image réalisées avec des sensibilités et des temps de pause différent de conserver la meilleure dynamique possible sur l'image finale. En clair cela permet d'éviter de brûler le centre des galaxies et nébuleuses.
Note : cette méthode est particulièrement consommatrice en temps machine et en mémoire.
Moyenne
C'est la méthode la plus simple. La moyenne des valeurs des pixels de la pile est calculée pour chaque pixel. Aucun pixel n'est rejeté.
Médiane
C'est la méthode par défaut pour la création des masters dark, flat et offset. La valeur médiane de la pile est calculée pour chaque pixel.
Maximum
C'est une méthode ultra simple à n'utiliser qu'avec beaucoup de précaution. La valeur maximale des pixels de la pile est calculée pour chaque pixel.
Kappa-Sigma Clipping
Cette méthode permet d'écarter les pixels déviants de façon itérative.
Deux paramètres sont fixés : le nombre d'itération et la coefficient multiplicateur de l'écart type utilisée (Kappa).
A chaque itération, la moyenne et l'écart type (Sigma) des pixels de la pile sont calculés.
Tout pixel dont la valeur s'écarte de la moyenne de plus de Kappa * Sigma est rejeté.
La moyenne des pixels restant est calculée pour chaque pixel.
Kappa-Sigma Clipping Médiane
Cette méthode est similaire à la méthode Kappa-Sigma Clipping mais au lieu de rejeter les valeurs elles sont remplacées par la médiane.
Moyenne pondérée auto adaptative
La moyenne pondérée auto adaptative est adaptée des travaux de Stetson (voir Artificial Skepticism - Stetson 1989).
Cette méthode permet de calculer une moyenne robuste obtenue en pondérant de façon itérative les pixels en fonction de leurs écart à la moyenne par rapport à l'écart moyen.
Moyenne pondérée par l'entropie (High Dynamic Range)
Cette méthode est basée sur les travaux de German, Jenkin et Lesperance (Entropy-Based image merging - 2005) et permet d'additionner les images en conservant la meilleure dynamique de chaque image, pixel par pixel.
Elle permet en particulier de lors de l'addition d'image réalisées avec des sensibilités et des temps de pause différent de conserver la meilleure dynamique possible sur l'image finale. En clair cela permet d'éviter de brûler le centre des galaxies et nébuleuses.
Note : cette méthode est particulièrement consommatrice en temps machine et en mémoire.
Drizzle
Le Drizzle est une méthode développée par la NASA pour les observations du projet Hubble Deep Field réalisées par le Télescope Spatial Hubble.
L'algorithme est aussi connu sous le nom de Variable Pixel Linear Reconstruction.
Il a de nombreux usages dont celui de pouvoir améliorer la résolution d'une pile d'image par rapport à la résolution d'une seule image tout en préservant les caractéristiques de l'image (couleurs, luminance).
Le Drizzle est une méthode développée par la NASA pour les observations du projet Hubble Deep Field réalisées par le Télescope Spatial Hubble.
L'algorithme est aussi connu sous le nom de Variable Pixel Linear Reconstruction.
Il a de nombreux usages dont celui de pouvoir améliorer la résolution d'une pile d'image par rapport à la résolution d'une seule image tout en préservant les caractéristiques de l'image (couleurs, luminance).
Pour faire simple chaque image est agrandie 2 ou
3 fois juste avant d'être empilée (n'importe quelle valeur supérieure à 1 peut
être utilisée mais DeepSkyStacker propose uniquement des facteurs 2 ou 3 qui
sont des valeurs classiques), puis projetée sur une grille plus grande.
Le résultat est que la taille de l'image finale est doublée (ou triplée) et qu'un petit objet qui n'occupait qu'une dizaine de pixels va maintenant en occuper deux ou.trois fois plus ce qui va simplifier le post traitement. |
 |
Quand et de quoi avez vous besoin pour utiliser l'option Drizzle
Juste d'un nombre important d'images qui ne soient pas parfaitement alignées (un décalage de quelques pixels suffit). Cela n'a pas de sens d'utiliser le drizzle avec seulement quelques images brutes. Le Drizzle est particulièrement efficace pour améliorer la résolution et donc il est particulièrement utile lorsque de petits objets sont photographiés avec une courte focale. L'exemple ci contre montre un exemple de M57 à peine post traitée (photo prise avec un télescope de 254/1200 et un appareil photo Canon). D'habitude M57 est très petite dans cette configuration mais en utilisant un Drizzle x2 et environ 100 images brutes, l'image résultante est deux fois plus grande et la résolution est bien meilleure. Passer la souris sur le texte pour voir M57 non traitée - Pas de Drizzle (agrandie 4 fois) M57 non traitée - Drizzle x2 (agrandie 2 fois) |
 M57 - Pas de Drizzle (Agrandie 4 fois) |
Les effets secondaires de
l'utilisation du drizzle
Le principal effet secondaire est que la quantité de mémoire et d'espace disque nécessaire pour créer et traiter les images est multipliée par le carré du facteur de drizzle. Bien entendu le temps de traitement pour créer les images est également allongé.
Par exemple, en utilisant le Drizzle x2 sur une image de 3000x2000 pixels, l'image résultante fera 6000x4000 pixels et va nécessiter 4 fois la quantité de mémoire et d'espace disque et va être beaucoup plus longue a créer.
Lorsque le Drizzle x3 est utilisée, tout est multiplié par 9 (3 au carré) et sauf si vous avez une machine très puissante et beaucoup de mémoire et d'espace disque disponible vous ne souhaitez pas l'utiliser à partir d'images créées par des APN.
Toutefois sur des petites images (telles que celles créées par les premières caméras DSI et LPI) cela peut être utile d'utiliser un Drizzle x3 pour augmenter la résolution de l'image finale.
Dans tous les cas une bonne façon de limiter l'augmentation de la quantité d'espace disque et de mémoire nécessaire liés au Drizzle est d'utiliser un rectangle personnalisé.
Drizzle et Bayer Drizzle
Même s'ils utilisent deux versions de l'algorithme Drizzle, il n'est pas recommandé d'utiliser le Drizzle et le Bayer Drizzle en même temps.
DeepSkyStacker affiche un avertissement quand vous essayez de le faire.
Le principal effet secondaire est que la quantité de mémoire et d'espace disque nécessaire pour créer et traiter les images est multipliée par le carré du facteur de drizzle. Bien entendu le temps de traitement pour créer les images est également allongé.
Par exemple, en utilisant le Drizzle x2 sur une image de 3000x2000 pixels, l'image résultante fera 6000x4000 pixels et va nécessiter 4 fois la quantité de mémoire et d'espace disque et va être beaucoup plus longue a créer.
Lorsque le Drizzle x3 est utilisée, tout est multiplié par 9 (3 au carré) et sauf si vous avez une machine très puissante et beaucoup de mémoire et d'espace disque disponible vous ne souhaitez pas l'utiliser à partir d'images créées par des APN.
Toutefois sur des petites images (telles que celles créées par les premières caméras DSI et LPI) cela peut être utile d'utiliser un Drizzle x3 pour augmenter la résolution de l'image finale.
Dans tous les cas une bonne façon de limiter l'augmentation de la quantité d'espace disque et de mémoire nécessaire liés au Drizzle est d'utiliser un rectangle personnalisé.
Drizzle et Bayer Drizzle
Même s'ils utilisent deux versions de l'algorithme Drizzle, il n'est pas recommandé d'utiliser le Drizzle et le Bayer Drizzle en même temps.
DeepSkyStacker affiche un avertissement quand vous essayez de le faire.
Empilement d'images de comète
Les comètes sont des objets se déplaçant rapidement et lorsque des images de comètes sont empilées deux choses peuvent arriver :
- si l'alignement est réalisé sur les étoiles la comète est floue
- si l'alignement est réalisé sur la comète les étoiles ne sont pas ponctuelles.
A partir de la version 3.0 DeepSkyStacker ajoute deux options spécifiques à l'empilement d'image de comète:
- Créer une image alignée sur la comète qui va montrer des filés d'étoiles
- Créer une image alignée sur la comète et sur les étoiles qui ne montrera pas de filés d'étoiles.
Ci dessous un exemple des différents modes d'empilement (passer la souris sur le texte pour voir les résultats)
Les comètes sont des objets se déplaçant rapidement et lorsque des images de comètes sont empilées deux choses peuvent arriver :
- si l'alignement est réalisé sur les étoiles la comète est floue
- si l'alignement est réalisé sur la comète les étoiles ne sont pas ponctuelles.
A partir de la version 3.0 DeepSkyStacker ajoute deux options spécifiques à l'empilement d'image de comète:
- Créer une image alignée sur la comète qui va montrer des filés d'étoiles
- Créer une image alignée sur la comète et sur les étoiles qui ne montrera pas de filés d'étoiles.
Ci dessous un exemple des différents modes d'empilement (passer la souris sur le texte pour voir les résultats)
Empilement standard La position de la comète est ignorée. La comète est floue est les étoiles sont ponctuelles.
Alignement sur la comète : filés d'étoiles
La position de la comète est utilisée. Les images sont alignées sur la comète et les positions des étoiles sont utilisées uniquement pour compenser une rotation du champ. Alignement sur la comète et les étoiles : effet "étoiles arrêtées" La position de la comète est utilisée. Un premier empilement est réalisé pour extraire la comète du fond stellaire. Ensuite un second empilement est réalisé pour geler les étoiles (la comète est soustraite de chaque image calibrée et enregistrée avant l'empilement). Pour finir l'image finale est obtenue en insérant la comète de nouveau dans l'image ainsi obtenue. |
 |
Si vous prévoyez d'aligner uniquement sur les étoiles vous n'avez pas besoin de faire ce qui est décrit dans les paragraphes ci dessous puisqu'il s'agit du comportement par défaut.
Ce que vous devez faire
Etape 1 : Enregistrer la position de la comète
DeepSkyStacker ne peut pas détecter automatiquement la position de la comète dans les images brutes.
Premièrement vous devez préciser la position de la comète dans chacune des images brutes. Ceci ne doit être fait qu'une seule fois.
Pour ce faire, sélectionnez juste une image brute dans la liste et en utilisant
le mode d'édition de la comète précisez
la position de la comète dans l'image.
Si le centre de la comète est trop faible ou trop brillant vous devrez forcer DeepSkyStacker à accepter n'importe quelle position en maintenant la touche majuscule enfoncée pendant que vous positionnez le centre de la comète.
Ensuite vous devez enregistrer le résultat en cliquant sur le bouton Enregistrer les modifications de la barre d'outils.
Si vous ne le faite pas DeepSkyStacker vous le demandera et vous aurez une option pour enregistrer les modifications automatiquement.
Une fois que la position de la comète est fixée vous verrez apparaître un +(C) à coté du nombre d'étoiles dans la colonne #Etoiles de la liste.
Vous devez répéter cette opération pour toutes les images brutes.
Si le centre de la comète est trop faible ou trop brillant vous devrez forcer DeepSkyStacker à accepter n'importe quelle position en maintenant la touche majuscule enfoncée pendant que vous positionnez le centre de la comète.
Ensuite vous devez enregistrer le résultat en cliquant sur le bouton Enregistrer les modifications de la barre d'outils.
Si vous ne le faite pas DeepSkyStacker vous le demandera et vous aurez une option pour enregistrer les modifications automatiquement.
Une fois que la position de la comète est fixée vous verrez apparaître un +(C) à coté du nombre d'étoiles dans la colonne #Etoiles de la liste.
Vous devez répéter cette opération pour toutes les images brutes.
|
Astuce Si la date et l'heure des images est précise (comme en utilisant un APN ou certaines caméras CCD) vous pouvez trier les images sur la date et l'heure et fixer la position de la comète uniquement sur la première et la dernière image ainsi que sur l'image de référence (celle qui a le score le plus important si vous n'avez pas utilisé le menu contextuel pour forcer une autre image de référence). DeepSkyStacker calculera alors automatiquement (juste avant l'empilement) la position du centre de la comète dans toutes les images dans l'intervalle de temps pour lesquelles la position n'est pas fixée. Pour ce faire il utilisera le temps écoulé entre la première image et chaque image pour interpoler la position de la comète. |
Etape 2 : Sélectionner le mode
d'empilement
Ceci est réalisé dans l'onglet Comète du dialogue des paramètres d'empilement.
Cet onglet est disponible dès que au moins deux images (y compris l'image de référence) ont une comète enregistrée.
Depuis cet onglet vous pouvez sélectionner l'un des trois modes d'empilement disponibles pour les comètes.
Mélanger des images contenant une comète avec des images ne contenant pas de comète
DeepSkyStacker peut utiliser des images contenant et ne contenant pas une comète enregistrée dans la même pile.
Ceci peut être très utile pour obtenir un meilleur rapport signal/bruit sur l'image résultante en particulier pour faire ressortir les détails faibles du fond stellaire (une comète passant à coté d'une nébuleuse ou d'une galaxie par exemple).
Ceci est réalisé dans l'onglet Comète du dialogue des paramètres d'empilement.
Cet onglet est disponible dès que au moins deux images (y compris l'image de référence) ont une comète enregistrée.
Depuis cet onglet vous pouvez sélectionner l'un des trois modes d'empilement disponibles pour les comètes.
Mélanger des images contenant une comète avec des images ne contenant pas de comète
DeepSkyStacker peut utiliser des images contenant et ne contenant pas une comète enregistrée dans la même pile.
Ceci peut être très utile pour obtenir un meilleur rapport signal/bruit sur l'image résultante en particulier pour faire ressortir les détails faibles du fond stellaire (une comète passant à coté d'une nébuleuse ou d'une galaxie par exemple).
Quel mode d'empilement
Si vous cherchez à faire des filés d'étoiles la moyenne est la meilleure méthode.
Dans les autres cas il est préférable d'utiliser un empilement médian pour peu d'images et kappa-sigma lorsque beaucoup d'images sont disponibles.
Si vous cherchez à faire des filés d'étoiles la moyenne est la meilleure méthode.
Dans les autres cas il est préférable d'utiliser un empilement médian pour peu d'images et kappa-sigma lorsque beaucoup d'images sont disponibles.
Quels résultats espérer
De toute évidence l'algorithme le plus exigeant est celui qui permet d'obtenir l'effet "étoiles arrêtées".
Des comètes se déplaçant peu rendent complexe la détection des gros objets ou étoiles très brillantes du fond stellaire et dans ce cas l'extraction de la comète peut ne pas être parfaite.
Dans tous les cas, si vous prenez des images de la même zone sans la comète (la veille ou le lendemain) cela améliorera la qualité de l'image finale.
De toute évidence l'algorithme le plus exigeant est celui qui permet d'obtenir l'effet "étoiles arrêtées".
Des comètes se déplaçant peu rendent complexe la détection des gros objets ou étoiles très brillantes du fond stellaire et dans ce cas l'extraction de la comète peut ne pas être parfaite.
Dans tous les cas, si vous prenez des images de la même zone sans la comète (la veille ou le lendemain) cela améliorera la qualité de l'image finale.
Décodage et traitement
des fichiers raw
Décodage des fichiers raw
Les fichiers raw produits par les appareils photos numériques sont décodés à l'aide de DCRAW de Dave Coffin.
La liste des appareils photos supportées est très longue et est constamment mise à jour par Dave Coffin. DeepSkyStacker intègre la dernière version de DCRAW et est (et sera) mis à jour régulièrement en fonction des mises à jour de DCRAW.
Décodage des fichiers raw
Les fichiers raw produits par les appareils photos numériques sont décodés à l'aide de DCRAW de Dave Coffin.
La liste des appareils photos supportées est très longue et est constamment mise à jour par Dave Coffin. DeepSkyStacker intègre la dernière version de DCRAW et est (et sera) mis à jour régulièrement en fonction des mises à jour de DCRAW.
Le développement des fichiers raw
Un fichier raw peut être comparé à un négatif numérique. Chaque fichier raw nécessite donc un processus de développement..
Il est possible de distinguer deux types de fichiers raw : ceux qui sont basés sur une matrice de Bayer (l'écrasante majorité), et ceux qui ne le sont pas (en particulier ceux qui utilisent des capteurs Foveon).
Je ne m'intéresserais dans la suite qu'aux fichiers raw basés sur une matrice de Bayer.
Un fichier raw peut être comparé à un négatif numérique. Chaque fichier raw nécessite donc un processus de développement..
Il est possible de distinguer deux types de fichiers raw : ceux qui sont basés sur une matrice de Bayer (l'écrasante majorité), et ceux qui ne le sont pas (en particulier ceux qui utilisent des capteurs Foveon).
Je ne m'intéresserais dans la suite qu'aux fichiers raw basés sur une matrice de Bayer.
Utilisation de la matrice de Bayer
Tout d'abord un petit rappel sur la matrice de Bayer.
Prenons le cas d'un appareil photo numérique 8 millions de pixels. Le capteur CCD ou CMOS de cet appareil photo est en fait un capteur noir et blanc de 8 millions de pixels sur lequel est plaquée la fameuse matrice de Bayer qui consiste en une succession de filtres RGBG ou CYMK (il y a également d'autres variantes).
Dans le cas des filtres RGBG un quart des des pixels capte le rouge, un autre quart le bleu et la moitié restante le vert.
En fait votre appareil photo 8 millions de pixels contient donc 2 millions de pixels pour le rouge, autant pour le bleu, et 4 millions de pixels pour le vert.
Alors comment sont reconstituées les "vraies" couleurs par l'appareil photo ?
Tout simplement en interpolant les couleurs primaires manquantes à partir des pixels alentour.
Tout d'abord un petit rappel sur la matrice de Bayer.
Prenons le cas d'un appareil photo numérique 8 millions de pixels. Le capteur CCD ou CMOS de cet appareil photo est en fait un capteur noir et blanc de 8 millions de pixels sur lequel est plaquée la fameuse matrice de Bayer qui consiste en une succession de filtres RGBG ou CYMK (il y a également d'autres variantes).
Dans le cas des filtres RGBG un quart des des pixels capte le rouge, un autre quart le bleu et la moitié restante le vert.
En fait votre appareil photo 8 millions de pixels contient donc 2 millions de pixels pour le rouge, autant pour le bleu, et 4 millions de pixels pour le vert.
Alors comment sont reconstituées les "vraies" couleurs par l'appareil photo ?
Tout simplement en interpolant les couleurs primaires manquantes à partir des pixels alentour.
Reconstitution des couleurs à partir de la matrice de Bayer- L'interpolation
La première méthode permettant
de reconstituer les couleurs à partir de la matrice de Bayer consiste donc à
interpoler les couleurs manquantes à partir des pixels avoisinants.
De nombreuses méthodes d'interpolation permettent d'obtenir des résultats plus ou moins bons (linéaire, gradient ...), mais toute au détriment de la qualité de l'image finale par rapport au négatif numérique. En effet, qui dit interpolation dit "estimation" et donc l'introduction d'une imprécision dans l'image traitée et a fortiori dans l'image finale qui est la somme des images empilées. A ce propos, les logiciels fournis avec les appareils photos numériques sont probablement les moins bien placés en terme de qualité dans le cadre d'une utilisation en astrophotographie. Si vous les utilisiez pour transformer vos fichiers RAW en fichiers TIFF 16 bits, vous pourrez constater immédiatement une amélioration sensible en utilisant DeepSkyStacker. |
 |
Reconstitution des couleurs à partir de la matrice de Bayer- Le super-pixel
Grâce à DCRaw il est possible
d'accéder directement à la matrice de Bayer avant toute interpolation. ceci
permet d'utiliser d'autres méthodes pour reconstituer les vraies couleurs
sans "estimer" les valeurs manquantes par interpolation.
La seconde méthode consiste à éviter
l'interpolation en créant un seul super pixel à partir de chaque groupe de 4
pixels (RGBG).
En effet tous les groupes de 4 pixels contiennent l'intégralité de l'information pour chacune des couleurs primaires et pour la luminance. Cette méthode à l'avantage de la simplicité et l'inconvénient (ou est-ce un avantage ?) de diviser la taille des images résultantes par 4. La méthode du super-pixel donne de très bon résultats dans le cas où peu d'images sont disponibles. |
 |
Reconstitution des couleurs à partir de la matrice de Bayer- Le Bayer drizzle
La .dernière méthode, qui m'a
été suggérée par Dave Coffin, utilise la spécificité de
l'empilement des images astro pour calculer les vraies valeurs RGB de chaque
pixel en profitant du décalage "naturel" qui existe entre chaque photo.
Lorsque qu'un nombre relativement important d'images est disponible, et en profitant d'un alignement avec une précision supérieure au pixel, DeepSkyStacker détermine ainsi par petit bout les valeurs réelles des trois composantes RGB pour chaque pixel, et ce sans qu'aucune interpolation ne soit nécessaire. A l'issue du processus d'empilement, un algorithme est utilisé pour normaliser les valeurs des trois composantes RGB et ainsi éviter les "trous" d'information. Cette méthode donne d'excellent résultats lorsqu'un nombre important d'images est disponible et lorsque la précision du suivi ou de l'autoguidage est inférieure au pixel (ce qui est quasiment tout le temps le cas). |
 |
