图像后期 - 最新文章

LN和NSG流程有助于提高图像最终信噪比，且Imagelntegration的设置参数推荐为 Normalization：Local normalization & Rejection algorithm：Generalized Extreme Studentized Deviate (ESD)

LocalNormalization对信噪比提升效果分析

2026年SHO后期Pixinsight1.9.3版本的基础流程 主要整理了核心工作流，重点是主干流程，不涉及每个具体工具的细节参数，使用技巧

在 Pixinsight 中对 QHYCCD MiniCAM8M 草帽相机深空大师套装使用 SPCC 色彩校准的方法

最强卫星轨迹消除流程，SetiAstro AI + PixInsight WBPP 双重消除流

本文介绍了一种利用Mathematica对M42进行HDR及处理暗云气的方法。该方法利用Mathematica的ImageExposureCombine函数处理高动态范围的图像(如M42)。本人发现该方法可在确保M42核心不过曝的前提下，将核心周围的暗云气显现出来。该方法有助于对高动态范围或存在暗云气的目标的处理。

通过比较Ha和Oiii的信号强度，创建两个互补的蒙版，分别用于保护和应用Ha与Oiii信号，方便添加进RGB图像中

让 Windows 系统的 Photoshop StarXTerminator 插件支持GPU加速

原来哈勃色如此简单：一种利用STF科学获得创生之柱哈勃色的处理方法

好的，这是对您提供内容的概括（约100字）： 本文针对天文图像处理中提取星系Ha信号（656.3nm）的关键问题——如何有效去除恒星连续谱污染，提出了创新解决方案。作者指出现有线性匹配工具（如LinearFit）在处理星系核心或高光区域时易失真。其核心方法是：通过手动选取星系特定区域，计算Ha（`h`）和红通道（`x`）及其裁切版本（`t`, `y`）的中位数，构建比例系数 `(med(y)-med(x))/(med(t)-med(h))`，应用公式 `(h-med(h))*系数 + med(x) - x + med(x)` 进行精准的局部线性匹配。此方法能完美分离出纯净的Ha线谱信号，有效解决核心异常和背景匹配问题，并可用于优化LRGB合成时的明度匹配。后续还简述了Ha信号融入RGB图像（尤其B通道）及L通道的注意事项和技巧。该方法的原理是基于恒星发射连续谱会掩盖发射星云的Ha线谱信号，需扣除后才能准确显现“小红花”结构。（Deepseek概括）

之前在巡星客寻找文章时，发现并没有星野摄影相关的教程，但互联网上终归还是有很多资料可以供新人学习的，在这之后，为了扩充巡星客社区文章的多样性，还是决定尝试性的写一写相关的指南，不过由于在星野摄影这个领域，我自己都还是个小白，所以只是介绍一下最基础的快捷流程，不去涉及更加复杂的精细化处理过程，一来方便自己加深印象，二来希望可以帮助到更多有意进行相关拍摄活动的星友们。

深空摄影后期翻车的一大原因：没校准的屏幕 你以为后期处理是在还原星空本色？如果屏幕没校准，可能越修越错。本文只讲一个事实：屏幕偏色会导致作品偏色，也会导致你观看作品时偏色。

使用PIxInsight中的NoiseGenerator和DeepSNR插件去除相机产生的横纹

一种利用其他通道的明度信息进行背景结构重建同时也尽可能重建色彩信息的消除边缘杂芒的修复方法。

PI 自带的滤镜库并没有完全覆盖市面所有天文滤镜，例如缺失了 Chroma 的 Luminance 滤镜。这里以 Chroma L 滤镜为例，介绍如何将自定义滤镜资料添加到 PI 的滤镜库。

pixinsight的基础界面和重要设置

本文会讲解 PixInsight 的全局设置 Global Preferences，挑重点分析各个选项的用途。

用手机对天文图像进行去星操作的APP

使用PixInsight的DBE和Pixelmath等工具让光污染中拍摄的图片背景平整

我为大家带来了Pixinsight中非常实用的一个工具——Generalized Hyperbolic Stretch（简称GHS）的详细介绍。GHS工具在深空摄影后期处理中扮演着至关重要的角色，它能够帮助我们更加精细地调整图像的亮度和对比度，让星云的细节更加丰富，背景更加深邃。