Plus de bruit après prétraitement que sur une brute..

[IIIIIKK]

Par contre, je maintiens ce que j'ai dit dès le début, ce "faux RSB" doit être moins bon que le RSB obtenu après retrait des dark et offset puisqu'on enlève deux signaux parasites à l'image. Dans le cas contraire c'est que le dark est mal fait.

 

En plus d'être mal expliqué, ce n'est pas tout à fait juste...

 

Ce que je voulais dire c'est que la valeur RMS (on revient au premier post) doit être meilleure après application des offset et dark maitres (s'il est bien fait).

 

J'ai bon ou pas ?

Modifié 27 janvier 2012 par IIIIIKK

[Tiflo]

Toujours le même lien :

http://media4.obspm.fr/public/FSU/pages_ccd/traitement-image-apprendre.html

 

Les bruits (donc les écarts types) s'additionne de façon quadratique.

 

 

Sigma_1 : image avec dark soustrait

Sigma_* : image source

 

Donc non, le "RMS" ne sera pas meilleur

Modifié 27 janvier 2012 par Tiflo

[Eric S]

Si le dark est parfait, c'est-à-dire qu'il ne comporte plus de bruit (au sens de Th Légault ou de l'observatoire), la dispersion mesurée sur un morceau d'image avant et après soustraction du dark maître doit diminuer. On est d'accord. Et donc l'auteur initial du post avait raison de s'inquiéter. Maintenant, est-ce grave? C'est peut-être juste le flat qui a fait remonter le bruit sur les bords de l'image. Ou une petite augmentation de bruit due à un dark lui-même bruité car résultant de la moyenne d'un nombre limité de dark. Mais qui sera peut-être quand même noyé sur l'ensemble du traitement...

[IIIIIKK]

Toujours le même lien :

http://media4.obspm.fr/public/FSU/pages_ccd/traitement-image-apprendre.html

 

 

Sigma_1 : image avec dark soustrait

Sigma_* : image source

 

Donc non, le "RMS" ne sera pas meilleur

 

A mon tour de te convaincre alors...

 

Je vais prendre quelque temps pour rédiger un truc propre car pour le coup, il me semble que c'est moins bien expliqué. Un début de preuve c'est que l'on a plein d'exemple sur ce fil qui montre effectivement que le RMS est amélioré.

[IIIIIKK]

Si le dark est parfait, c'est-à-dire qu'il ne comporte plus de bruit (au sens de Th Légault ou de l'observatoire), la dispersion mesurée sur un morceau d'image avant et après soustraction du dark maître doit diminuer. On est d'accord.

 

Oui car sur plusieurs pixels, le signal thermique présente une certaine dispersion (il n'est pas constant d'un pixel à l'autre) et possède donc un sigma non nul, il s’additionne donc avec tous les sigmas dus aux autres bruits.

 

C'est en cela que pour moi ce signal thermique était du bruit, mais je me suis fourvoyé !

Modifié 27 janvier 2012 par IIIIIKK

[Tiflo]

Tous les exemples de diminutions proviennent de CCD refroidies.

Il est également noté que :

 

Le rapport signal à bruit est très peu dégradé. Il est donc indispensable d'acquérir une bonne image très peu bruitée du courant d'obscurité.

 

Les corrections de darks par une CCD sont donc bien meilleurs (Température stabilisée et refroidi (bruit/2 tout les 6°C), donc le "bruit" ajouté est bien moindre).

On est donc dans le cas d'un RSB équivalent avant et après correction.

 

Maintenant quand on soustrait le dark, je suppose qu'on perd un peu de dynamique, le bruit peut s'étaler sur plus petite plage de valeurs. D'où la diminution du "RMS".

Modifié 27 janvier 2012 par Tiflo

[IIIIIKK]

Maintenant quand on soustrait le dark, je suppose qu'on perd un peu de dynamique, le bruit peut s'étaler sur plus petite plage de valeurs. D'où la diminution du "RMS".

 

Il y a un exemple ici http://www.google.fr/imgres?q=long+exposure+noise+reduction&um=1&hl=fr&client=firefox-a&sa=N&rls=org.mozilla:fr:official&biw=1440&bih=787&tbm=isch&tbnid=d1C7Zrh_AY50xM:&imgrefurl=http://www.flickr.com/photos/28502132%40N05/6330849964/&docid=gWg3zGQPb3y81M&imgurl=http://farm7.staticflickr.com/6225/6330849964_30263bedf2_z.jpg&w=640&h=640&ei=FdkiT_m4GM65hAeT8YyRBA&zoom=1&iact=rc&dur=310&sig=107723864106895246173&page=1&tbnh=135&tbnw=135&start=0&ndsp=26&ved=1t:429,r:16,s:0&tx=103&ty=51 d'une soustraction automatique de dark avec un Nikon. On le voit à l’œil nu que le RMS a diminué. Et pourtant c'est un dark maître à la con puisque c'est qu'une seule pose.

 

Ce week-end je fais des essais pour finir de te convaincre, ou me déconvaincre

 

Et puis il faut bien que cette opération améliore un truc, si c'est seulement destructif, il ne faut pas la faire.

Modifié 27 janvier 2012 par IIIIIKK

[yaplusdenuit]

En plus d'être mal expliqué, ce n'est pas tout à fait juste...

 

Ce que je voulais dire c'est que la valeur RMS (on revient au premier post) doit être meilleure après application des offset et dark maitres (s'il est bien fait).

 

J'ai bon ou pas ?

 

T'as tout bon pour les définitions d'un bruit et d'un signal

 

Pour que le RSB reste le méme aprés soustraction des darks et/ou offsets maitres, il faudrait que ces derniers ne comporte pas de bruit, ce qui n'est guére probable.

Parce que lorsque tu vas faire cette opération de soustraction, tu vas forcément ajouter le bruit de cette image, dark par exemple, au bruit de l'image de base. Donc ton bruit dans l'image finale va augmenter, heureusement quadratiquement (racine de la somme de carrés, pour ceux qui ne connaitraient pas ce terme), ce qui limite un peu les dégats.

 

Au final, par la soustraction, tu auras une image débarassée des signaux "parasites" (signal thermique par exemple) et c'est bien le but du dark - et ton niveau moyen de signal ne va presque pas changer puisqu'on soustrait des valeurs trés faibles, un dark est tout noir..ou presque.

 

Par contre tu auras un peu plus de bruit introduit par le dark - donc ton RSB va se dégrader puisque pour un signal presque identique, tu auras un bruit supérieur.

 

Si l'on essaye de faire un grand nombre de darks, c'est bien pour débarasser le dark maitre d'un maximum de bruit - exactement de la méme façon qu'on fait beaucoup d'images de l'objet pour réduire le bruit ( ou augmenter le RSB ).

 

Exemple: si on additionne ou soustrait 2 images ayant des bruits respectifs de 100 et 30, le bruit final ne sera pas de 130 mais de:

racine (100 au carré + 30 au carré)

soit 104

 

C'est d'ailleurs par ce type de formulation que l'on détermine le temps optimum des poses unitaires afin de ne pas étre trop pénalisé par le bruit de lecture.

En fait on compare le bruit d'une brute unitaire au bruit d'un offset (égal bruit de lecture) - Voir topo de Thierry Legault à ce sujet pour la méthodologie.

 

J'espére ne pas étre trop confus dans mes explications ..

 

Amicalement

[yaplusdenuit]

Oups, grillé par les autres .....

[Tiflo]

Et puis il faut bien que cette opération améliore un truc, si c'est seulement destructif, il ne faut pas la faire.

Mais ça l'améliore !! Comment veux-tu retirer les signaux parasites sans ?

 

Cette histoire de RMS qui augmente après soustraction, c'est facilement vérifiable sous excel de toute façon, un petit essai rapide (Équivalent 8bits)

 

http://tifloastro.free.fr/RMS2.png

 

Le fichier Excel est là si vous voulez vous amuser :

http://tifloastro.free.fr/rms.xlsx

Il suffit de changer les bornes supérieurs de la dynamique (cases grises) pour simuler ce que vous voulez

Modifié 27 janvier 2012 par Tiflo

[Eric S]

J'ai fait quelques analyse de bruit sur ma dernière série de photos (APN). En reprenant le formalisme de Th. Légault, à chaque signal son bruit.

 

Le bruit de lecture

 

Le bruit de lecture est le bruit associé au signal d'offset. On mesure le signal d'offset avec des photos courtes sans lumière. J'ai alors pris un offset. Je lui ai soustrait la moyenne des offsets. Et j'ai utilisé la commande stat d'Iris.

Moyenne = 0,3. Sigma = 15,1.

 

Donc, 15,1, c'est le bruit de lecture.

 

Le bruit thermique

 

Le bruit thermique est le bruit associé au signal thermique. Le signal thermique est proportionnel au temps. Pour mesurer le signal thermique, on fait des photos longues sans lumière (dark). Sauf que les photos en question vont donc additionner le signal d'offset et le signal thermique. De même les bruits s'additionnent suivant la loi des carrés. Si je prends un dark, que je lui soustrais la moyenne des darks, j'obtiens la somme du bruit de lecture et du bruit thermique. En pratique (-7°C, 1 mn) :

Sigma = 16.

 

Sigma²=bruit_lecture²+bruit_thermique²

 

bruit_thermique = 5,3

 

Le calcul est très approximatif parce qu'en pratique, le bruit de lecture l'emporte sur le bruit thermique. En théorie, à 3 mn de temps de pose, j'égalise les deux sources de bruit.

 

Le bruit dans l'image

 

Sur une image brute, j'ai repéré une petite zone sans étoile visible mais avec de la pollution lumineuse. J'ai fait des statistiques dessus.

 

Image brute : sigma = 23

 

Image prétraitée : sigma = 19,26

 

Donc, le prétraitement diminue le RMS sur la zone. Néanmoins, comme l'a fait remarquer quelqu'un plus haut, avec un APN qui utilise une matrice de Bayer, tous les pixels ne reçoivent pas la même lumière. Je ne sais pas comment on peut extraire directement une image pour chaque plan de couleur. À défaut, j'ai fait une conversion CFA puis une statistique sur chaque canal. Mais comme la conversion CFA inclut une interpolation, ça peut fausser les résultats.

 

Image brute : sigma bleu = 21.2; vert = 18.4; rouge = 21.8

 

Image prétraitée : sigma bleu = 16.4; vert = 15.1; rouge = 17.5

 

On voit qu'effectivement, le bruit calculé sur chaque canal est plus faible que le calcul d'ensemble. Le prétraitement diminue toujours le bruit. Il est bizarre que le bruit sur le vert (15,1) soit inférieur au bruit mesuré sur un dark (16,0). Effet de la conversion CFA? Le rouge est le plus bruité, certainement parce qu'il est le plus sensible à la pollution lumineuse.

 

La conclusion? Dans mes conditions de prise de vue, la source principale de bruit est le bruit de lecture. Ça ne sert à rien d'aller chercher plus loin un meilleur ciel. Soit j'améliore la monture pour augmenter le temps pose unitaire, soit j'accumule plus longtemps.

[AstroParigo]

Dans le calcul du bruit thermique, il ne faudrait pas aussi soustraire le signal moyen d'offset avant d'avoir ton sigma2=bruit_lecture2+bruit thermique2 ?

 

A moins que tu considère l'avoir retiré de chaque dark unitaire

[Eric S]

Quand je fais la moyenne des darks, ça inclut l'offset. Donc, quand je soustrais le dark moyen (et non le dark maître), ça soustrait aussi l'offset.

 

Mais si je fais dark - dark_maître - offset_maître, ça donne le même résultat : moyenne = 0,2 ; sigma = 16,2.

[olivdeso]

il faut quand meme retirer le bias du Flat

 

d'où l'intérêt de faire des bon offsets.

 

Sans se faire trop de nœuds au cerveau, plus tu fais d'offsets, de darks et de flats, mieux c'est. Les flats fait avec un temps de pose court ont un bon rapport signal a bruit, donc tu peux limiter le nombre de poses à une dizaine, pour le reste il vaut mieux en faire un paquet. Si la durée des flats monte à 1min ou plus, alors il faudra faire des darks flats (des darks pour les flats).

 

Il faut particulièrement soigner les offsets car on va les appliquer partout. Il faut bien vérifier que la valeur moyenne du master offset est inférieure à la valeur min de l'image, sinon on va écrêter du signal, ce qui peut arriver si les offsets sont fait à une température nettement différente des images.

[olivdeso]

 

Pour le bruit "stationnaire" dont parle olivdeso, je comprend bien ce qu'il veut dire, mais en fait il serait bien de parler tous le méme langage. Un bruit est malgré tout qqchose d'aléatoire, donc non reproductible. Un bruit stationnaire reproductible devrait de préférence étre appellé un signal.

 

.

 

en audio on utilise souvent cette notion de bruit stationnaire, qui est "facile" à réduire avec un DSP. (voir les casques audio à réduction de bruit, qui émettent un signal en opposition de phase avec le bruit stationnaire. C'est pas mal en avion par ex).

 

C'est vrai que la terminologie souvent admise et utilisée sous entend qu'un bruit est aléatoire. (c'est ce que j'utilise aussi).

 

Maintenant dire que les défauts de linéarité d'un capteur reproductibles (et corrigeable par l'application des offsets) sont un signal parasite, je trouve ça un peu tiré par les cheveux...mais bon au moins on se comprend si tout le monde parle le même langage.

Modifié 29 janvier 2012 par olivdeso