Lynkeos utilise certains concepts de traitement du signal, qui sont détaillés ci-dessous.
L'image enregistrée par le détecteur n'est pas parfaite (sinon,
pourquoi utiliseriez vous ce logiciel ?). Elle peut être décrite comme
une image parfaite, détériorée par divers processus (la
turbulence par exemple).
En traitement du signal, l'image parfaite est appelée "le signal" et
les détériorations, "les bruits".
Le terme "bruit" est plus exactement employé pour une détérioration
statistiquement aléatoire, pour un processus systématique on emploie le
terme "biais".
Quand beaucoup d'images sont additionnées, le signal et les biais sont
additionnés (ils croissent linéairement avec le nombre d'images),
tandis que le bruit est additionné quadratiquement. Cela signifie que
le bruit résultant est égal à la racine de carrée de la somme des
carrés du bruit dans chaque image (vous vous rappelez ? Ce satané théorème
de Pythagore ?). En bref, quand vous accumulez les images, le signal et
les biais augmentent plus vite que le bruit aléatoire : accumulez
4 images, le signal et les biais sont multipliés par 4 (ben oui!), et
les bruits par 2, le signal est deux fois plus fort par rapport au
bruit dans l'image résultante. Mais comme les biais s'accumulent avec
le signal, il faut les corriger avant l'accumulation.
Les bruits et biais dont souffrent nos images sont :
Beaucoup de fonctions de ce logiciel servent à réduire le niveau d'un type de bruit :
Avant tout traitement, chaque image doit être calibrée, cad :
retirer les biais.
Pour créer les images de calibration décrites ci-après, tous les
réglages de la webcam doivent être (sauf si précisé) les mêmes que
lors de l'enregistrement des images à traiter.
L'image thermique est la moyenne d'un grand nombre d'images
enregistrée avec le télescope fermé, à la même température que lors de
l'enregistrement des images à traiter.
Elle est soustraite de chaque image avant traitement.
L'image de champ est la somme (normalisée à un) d'un grand nombre
d'images enregistrée avec le télescope pointé sur un champ illuminé
uniformément, avec une durée d'exposition donnant une image suffisament
brillante mais non saturée. C'est une mesure de la non uniformité du
produit transmission x sensibilité.
Chaque image est divisée par l'image de champ avant traitement.
Pour réaligner deux images, Lynkeos utilise leur inter-corrélation.
Pour aller plus vite (ou moins lentement...), il utilise une transformée
de Fourier rapide (TFR), c'est pourquoi la zone de recherche d'alignement
est un carré, dont le coté est une puissance de deux.
Il cherche alors un pic dans le résultat d'inter-corrélation, ce qui donne
le décalage entre les deux images.
Ce traitement est influencé par deux préférences utilisateur :
Pour évaluer la qualité d'une image, Lynkeos donne le choix entre deux méthodes : l'une est basée sur l'entropie de l'image, l'autre sur son spectre de puissance.
Pour accumuler les images, Lynkeos décale les images pour compenser leurs désalignement, à une fraction de pixels près. Chaque pixels est découpé en 4 selon les fractions de pixels du décalage, puis accumulé dans les pixels de l'image résultante.
L'accumulation des valeurs RVB des pixels est faite en nombres à précision flottante, il n'y a donc aucun risque de "débordement de luminosité" en additionnant un grand nombre d'images lumineuses.
Le traitement final utilise deux filtres, la déconvolution et le masque flou.
La déconvolution consiste à diminuer le flou de l'image, qui est une
convolution, d'où le nom. Elle est réalisée en divisant le spectre de
l'image par le convolueur présumé, une gaussienne dans notre cas.
Le seuil est la valeur du module du spectre du convolueur en dessous de
laquelle la division n'est pas faite (filtre de Wiener). Ceci évite d'amplifier les plus
hautes fréquences au delà du raisonnable (essayez un seuil
très bas pour voir de quoi je parle).
Le masque flou est la version numérique d'une technique de laboratoire. Cela consiste à soustraire l'image originale "floutée" à elle même. Ceci amplifie les détails et amoindrit les variations de luminosité à grande échelle.
L'image traitée est une image RVB en nombres à précision
flottante, elle est ramenée en RVB entier sur 8 bits pour affichage dans le cadre
image, à partir des niveaux de noir et de blanc donnés par l'utilisateur.
Il n'y a, encore, aucun risque de débordement de luminosité, quel que soit
le traitement effectué (n'oubliez pas d'ajuster les niveaux).
L'image traitée est convertie de la même façon en image RVB 16 bits pour l'enregistrer dans un fichier TIFF.