الفلك

تركيب PSF في صورة للحصول على تدفق كلي (Python)

تركيب PSF في صورة للحصول على تدفق كلي (Python)


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

لدي صورة لمصدر واحد غير مشبع (كويكب) أرغب في احتواء التخمينات لنماذج مختلفة من PSFs ، حتى أتمكن بعد ذلك من مقارنة التدفق الكلي في كل حالة. لقد بدأت مؤخرًا في دراسة PSFs ، لذا فأنا مرتبك بعض الشيء.

أعلم أن Astropy تقدم حزمة تسمىphotutils.psfالذي يناسبك PSF ، لكني أود أن أفهم بشكل أفضل ما يحدث خلف التركيب ، وكيف يتم حل تدفق المصدر منه. علاوة على ذلك ، عندما حاولت استخدام هذه الحزمة ، لم أحصل على أي مخرجات على أي حال (قالت إنه تم العثور على مصدر ، لكنها لم تفي بمعايير الحدة أو الاستدارة ، على الرغم من أنني قمت بتغيير هذه المعلمات قليلاً). لقد جربت شيئًا أبسط أدناه (حيثنموذج_بياناتهو تمثيل مصفوفة ثنائية الأبعاد لـ PSF وIMGهي بيانات صورة الكويكب):

استيراد numpy كـ np من astropy.modeling استيراد تركيب من photutils استيراد FittableImageModel y، x = np.mgrid [: np.shape (img) [0]،: np.shape (img) [1]] fitter = fitting.LevMarLSQFitter ( ) model2d = FittableImageModel (model_data) نتيجة = fitter (model2d، x، y، img) طباعة (نتيجة) طباعة (np.median (img)، np.max (img)، np.sum (img))

الناتج الذي أحصل عليه هو:

تدفق x_0 y_0 ----- ----- ----- 9282.784 466.44 531.69

2705.82 25301.56 980812434.98

ومع ذلك ، فهذه ليست إحداثيات النقطه الوسطى الصحيحة للمصدر في الصورة. الإحداثيات الصحيحة حول (300 ، 300). أيضًا ، للحصول على هذه النتيجة ، تم تطبيع بيانات PSF بحيث تكون نقطة الشدة القصوى هي 1. ولكن عندما أقوم بتغيير هذا التطبيع بحيث يكون التدفق الكلي (مجموع كل وحدات البكسل) هو 1 ، تكون نتيجة التدفق بعد الملاءمة I الحصول على طريقة أعلى.

لست متأكدًا مما يحدث وراء الكواليس هنا (لقد ضللت في التوثيق) ، ولست متأكدًا مما إذا كان بإمكاني الوثوق بأي من قيم التدفق هذه ، مع الأخذ في الاعتبارx_0وy_0دائما معطلة. لذلك أود أن أفهم بشكل أفضل - كيف بالضبط يمكن للمرء أن يجد تدفق كائن من خلال ملاءمته لـ PSF؟ وكيف يجب تطبيع PSF؟


لا يمكنك حقًا الحصول على PSF لكائن ممتد. وظيفة نقطة الانتشار هي معلمة لنظام التصوير الخاص بك والتي تصف شكل الصورة لمصدر نقطي مفترض.

ليس لدي أي معرفة بما تنوي حزمة Python القيام به ، لذلك لا يمكنني التعليق مباشرة على النتائج. سوف أشير (آسف) إلى أن النقطه الوسطى الهندسية للصورة ليست بشكل عام نفس النقطه الوسطى للطاقة (السطوع) للصورة.

علاوة على ذلك ، فإن التدفق الكلي هو مجرد مجموع كل البكسلات التي تغطيها صورة الكويكب (أقل ضوضاء في الخلفية وما إلى ذلك). ليس من الواضح سبب احتياجك لـ PSF إذا كنت تقوم فقط بحسابات الطاقة / الطاقة.


الصورة 2D بكسل ، روتين تركيب PSF سيفعل شيئًا كهذا. أولاً ، تختار وظيفة PSF ، وهي دالة غاوسية ثنائية الأبعاد في هذه الحالة. بعد ذلك ، سيختار الروتين النقطه الوسطى ، مو ، والتباين (أو الموس والتباينات).

زوجان من الأشياء التي من شأنها أن تعقد الروتين. ط) الذروة المحلية بسبب الضوضاء. هذا سوف يفسد النقطه الوسطى. الإصلاح هو إجراء بحث النقطه الوسطى باستخدام المتوسطات المعطاة لبعض أحجام المناطق. أيضًا ، قد ترغب في تحديد حجم منطقة البحث التي يجب أن تعطى المكان المحدد في البداية. أو ، إذا كنت متأكدًا من موقع النقطه الوسطى ، فيمكنك إصلاحه ولن تكون النقطه الوسطى متغير اختيار. ب) حجم الفتحة. إذا كان الكائن هو مصدر نقطة غاوسي ثنائي الأبعاد مثالي ، فإن حجم الفتحة لا يهم. ولكن مع الضوضاء والأشياء المحيطة الأخرى ، عليك أن تحكم على الحجم الأمثل الذي يجب أن يكون: كبير جدًا = مزيد من الضوضاء وتتضمن أشياء أخرى ، صغيرة جدًا = شكل مناسب غير صحيح بسبب الضوضاء المسيطرة. قد يكون هناك شيء أكثر للتفكير فيه ولا يمكنني تذكره في هذه اللحظة.

عند الحديث عن هذا ، يمكن أن يتناسب روتين الملاءمة حتى مع مصدر ممتد ، لكنك لن تحصل على نتيجة جيدة ما لم تستخدم نواة مناسبة (أي ليس غاوسي).

أنا شخصياً لا أعرف شيئاً عن أستروبي. لقد استخدمت IRAF ، والتي لها ما يعادل PyRAF في Python ، على ما أعتقد. قد ترغب في التحقق من ذلك أيضًا.

أعتقد أن مشكلتك حول النقط الوسطى غير الصحيحة تعود إلى الارتفاعات المحلية من الضوضاء وروتين البحث الذي لا يحتوي على حجم كافٍ للحصول على متوسط ​​جيد. تؤدي هذه المشكلة مباشرة إلى> تدفق إجمالي واحد كما ذكرت أيضًا.


حجم PSF

تم تخزينها كملف psfMag. بالنسبة للنجوم المعزولة ، والتي تم وصفها جيدًا بواسطة وظيفة انتشار النقطة (PSF) ، يتم تحديد القياس الأمثل للتدفق الكلي عن طريق ملاءمة نموذج PSF للكائن. في الممارسة العملية ، نقوم بذلك عن طريق مزامنة تحويل صورة النجم بحيث يتم توسيطها بالضبط على بكسل ، ثم تركيب نموذج Gaussian لـ PSF عليها. يتم تنفيذ هذا التوافق على نموذج PSF KL المحلي في كل موضع ، كما أن الفرق بين الاثنين هو تصحيح فتحة محلية ، مما يعطي حجم PSF مصححًا. أخيرًا ، نستخدم النجوم الساطعة لتحديد تصحيح فتحة العدسة الإضافي لنصف قطر 7.4 بوصة كدالة للرؤية ، وتطبيق هذا على كل إطار بناءً على رؤيته. هذا الإجراء المتضمن ضروري لمراعاة التباين الكامل لـ PSF عبر المجال ، بما في ذلك الأجنحة ذات نسبة الإشارة إلى الضوضاء المنخفضة. وهذا يقلل من الاعتماد على الرؤية للقياس الضوئي إلى أقل من 0.02 ماج للرؤية ضعيفة مثل 2 ". يتم تخزين المقدار الناتج في الكمية psfMag. تحذر العلامة PSF_FLUX_INTERP من أن قياس الضوء PSF قد يكون محل شك. تحذر العلامة BAD_COUNTS_ERROR من أنه بسبب وحدات البكسل المحرف ، قد يكون الخطأ أقل من تقديره.


صفحة جالفيت الرئيسية


أعلاه: نموذج متزامن لخمس مجرات (يسار: بيانات أصلية ، وسط: نموذج GALFIT ، يمين: متبقي.)


الرسوم المتحركة: GALFIT يزيل المكونات الفرعية لـ NGC 4111 طبقة تلو طبقة.

  1. تحميل:
    • أرسل بريدًا إلكترونيًا إلى مستخدمي GALFIT
    • أحدث إصدار من GALFIT (الإصدار 3.0.5 ، 23 أبريل 2013) ، في شكل ثنائي.

(نظرًا لاستخدام العديد من الخوارزميات المحمية بحقوق الطبع والنشر المضمنة في GALFIT ، لا يمكن إتاحة شفرة المصدر نفسها حاليًا للجمهور. عندما يكون لدي المزيد من الوقت لإجراء اختبار شامل لخوارزميات الاستبدال ، سأستبدل رموز حقوق الطبع والنشر ذات الصلة لإتاحة مصدر GALFIT مرة أخرى. في غضون ذلك ، يمكنني توزيع الشفرة الثنائية ، وهي جيدة وسيئة. جيد: ليس عليك تجميع الشفرة بنفسك. سيئ: تمثل أنظمة التشغيل أدناه فقط تلك التي يمكنني الوصول إليها. اتصل بي إذا لم يكن لك في أحدهم وسنجد حلاً.)

NOTA BENE: تم تغيير ملف الإدخال بين الإصدار 3 والإصدار 2. تسمى المعلمات 8 و 9 و 10 في الإصدار 2 الآن 9 و 10 و C0 في الإصدار 3. C0 الآن معلمة اختيارية ، لذلك فهي مرئية فقط عند تحديده صراحة وإعطائه قيمة.

  • تركيب دفعي آلي للمجرات البعيدة.
  • دليل ومفصل وملائم للمجرات القريبة.
  • تركيب المجرات غير المنتظمة واللولبية (الإصدار 3.0).
  • ما هو جالفيت؟
  • كيف يختلف GALFIT عن GIM2D؟
  • ما هي حدود جالفيت؟
  • ما مدى سرعة جالفيت؟
  • هل الخوارزميات 1-D أفضل من 2-D في تركيب المجرات الغريبة أو المناطق ذات السطوع المنخفض؟
  • هل الخوارزميات أحادية الأبعاد أكثر قوة ضد التلوث المجاور من تقنيات التركيب ثنائية الأبعاد؟
  • هل ستعمل على أتمتة GALFIT لتركيب مجموعة من المجرات؟
  • هل يجب أن أضع أذرع لولبية أو أوضاع ترتيب أعلى؟
  • هل تقدمون دعم المستخدم لـ GALFIT؟
  • هل يمكنك إبلاغي عند وجود تحديثات لـ GALFIT؟
  • إخلاء المسؤولية واتفاقية المستخدم وحقوق التأليف والنشر
  • شكر وتقدير
  • أفضل 10 قواعد للإبهام لتركيب Galaxy. (& Larr الرجاء قراءة هذا. هام.)
  • لماذا يجب أن تكون بياناتي في الأعداد بدلاً من الأعداد في الثانية لـ GALFIT لإنشاء صورة سيجما الصحيحة؟ (& larr الرجاء قراءة.)
  • ماذا يحدث إذا قمت بتزويد GALFIT بصورة بوحدات خاطئة لتوليد صورة سيجما؟ (& larr الرجاء قراءة.)
  • كيف أحدد المعلمات الأولية؟
  • لماذا تكون صورة الإخراج GALFIT فارغة؟
  • كيف أقوم بإخفاء مناطق الصورة من الملاءمة؟
  • ما مدى انحياز قياسات الحجم واللمعان من خلال انخفاض الإشارة إلى الضوضاء عندما لا يمكنك رؤية المناطق الخارجية للمجرات؟
  • لماذا تحديد أحجام المجرات واللمعان باستخدام تقنيات البارامترية بدلاً من الأساليب غير البارامترية؟
  • كيف أقيس نصف قطر نصف الضوء (r e) لمجرة متعددة المكونات ، أو عندما لا تبدو البقايا ناعمة؟
  • ما الذي قد يسبب أخطاء منهجية في التركيب؟ (& Larr الرجاء القراءة. هام.)
  • هل الخوارزميات 1-D أفضل من 2-D في تركيب المجرات الغريبة أو المناطق ذات السطوع المنخفض؟
  • هل الخوارزميات أحادية الأبعاد أكثر قوة ضد التلوث المجاور من تقنيات التركيب ثنائية الأبعاد؟
  • لماذا تعتبر المعلمات الملائمة حساسة جدًا لقيمة السماء و / أو المجرات المجاورة؟
  • كل ما تريد معرفته عن صورة Sigma (& Sigma) وكيف يحسب GALFIT & تشي& نو 2 .
  • هل من الأفضل أحيانًا استخدام نظام أوزان موحد (أو غيره من طراز Poisson) في الملاءمة؟
  • ما هو حجم الصندوق المناسب الذي يجب أن أستخدمه؟
  • ما هو حجم صندوق الالتفاف الذي يجب أن أستخدمه؟
  • كيف أقوم بإنشاء وظيفة انتشار النقطة (PSF) للالتفاف؟
  • ما هو حجم PSF الذي يجب أن أستخدمه؟
  • كيف يمكنني ملاءمة أو تفسير أوضاع فورييه؟
  • كيف أناسب الهياكل الحلزونية؟
  • لماذا لا يمكنني احتواء السطوع الكلي لنماذج الاقتطاع؟
  • كيف أحصل على اللمعان الكلي لنماذج الاقتطاع؟
  • لماذا تكون أوجه عدم اليقين المذكورة في `` fit.log '' صغيرة جدًا في بعض الأحيان؟
  • لماذا يستمر تكرار GALFIT ، أي `` العد التنازلي '' ، في الارتداد لأعلى ولأسفل؟
  • لماذا IRAF عرض يعطى "خطأ: FXF: الوراثة غير مسموح بها عندما يكون PHU به NAXIS! = 0"?

يتم الترحيب بتقارير الأخطاء وطلبات الميزات والمساهمات.

يرجى إصدار تقارير الأخطاء وطلبات الميزات باستخدام https://github.com/JALusk/SuperBoL/issues - التسجيل للحصول على حساب GitHub مجاني وسهل.

للمساهمة في الكود ، يرجى استخدام الإجراء التالي:

افرق مستودع SuperBoL على GitHub (اتبع الخطوات هنا: https://help.github.com/articles/fork-a-repo/)

إنشاء فرع من طور باسم وصفي:

قم بإجراء التغييرات والإضافات الخاصة بك

اكتب وثائق للفصول والوظائف باستخدام دليل أسلوب Google: http://www.sphinx-doc.org/en/stable/ext/example_google.html#example-google

اكتب اختبارات وحدة جديدة لرمزك الجديد

ستتم مراجعة طلب السحب الخاص بك ، وبعد حل أي تعارضات ، يتم دمجه في طور الفرع وفي النهاية في الإصدار التالي!


4 اكتشاف الكوكب

لقد درسنا كفاءة اكتشاف الكواكب للبيانات المقدمة في القسم 2. ونقوم بذلك عن طريق إنشاء مجموعة محاكاة لكواكب ذات سطوع متفاوت في المواضع الثلاثة الموضحة في الشكل 1. نشير إلى هذه المواضع على أنها P1 و P2 و P3 ، ولها فواصل فاصلة بين الكواكب النجمية 0.52 و 0.29 و 0.52 قوس ثانية على التوالي. تجدر الإشارة إلى أن P1 و P2 يقعان في نصف الكرة عالي التباين في APP PSF حيث يتم قمع حلقات الانعراج ، بينما يقع P3 في نصف الكرة السيئ حيث يتم تحسين حلقات الانعراج (انظر Kenworthy وآخرون. 2010). قمنا بتغيير سطوع الكواكب لتحقيق تباين نجمي بين الكواكب بين 8.0 و 11.0 ماج مع خطوات تدريجية مقدارها 0.5 ماج ، وقمنا بتحليل هذه الدعوى باستخدام كل من الإجراء الموضعي والإجراء الموضح في القسم 3.

4.1 تقليل البيانات باستخدام المواقع

قبل تشغيل حزمة loci ، قمنا بدمج كل 10 تعريضات متتالية في كل مكعب ، مما أدى إلى 19 إطارًا متوسطًا لكل مكعب أو 1026 إطارًا في المجموع لـ 54 مكعبًا لاحظناها. نظرًا لوقت التكامل القصير ، كان دوران المجال بين حالات التعرض الفردية ضئيلًا ، وبالتالي لم تعاني الأطر المتوسطة المركبة من تأثيرات تلطيخ كبيرة للكواكب المحاكاة. قمنا بعد ذلك بتطبيق حزمة loci على 1026 إطارًا كما هو موضح في Lafrenière et al. (2007) ، باستخدام معاملات المواقع التالية (نفس اصطلاح التسمية كما في الورقة الأصلية): FWHM = 4.5 بكسل ، نδ = 0.75, الدكتور = 5 و نأ = 300. تم بعد ذلك إزالة الإطارات التي تم طرحها بواسطة PSF ودمجها في المتوسط ​​لإنشاء الصور النهائية التي تم تقليل مواضعها.

4.2 pynpoint مقابل loci

بالنسبة لتقليل بيانات pynpoint ، هناك تفاصيل معينة يجب ملاحظتها وهي أنه في تركيب نموذج PSF ، لم نستخدم إجراء التقنيع الذي تمت مناقشته في القسم 3.2. هذا لأن إجراء بحث أعمى على الصورة باستخدام قناع هو عملية حسابية مكثفة للغاية ، وتظهر نتائجنا الحالية أنه حتى بدون هذه الخطوة ، يمكننا بالفعل الوصول إلى نتائج تتفوق في الأداء على ما يمكن للمواقع تحقيقه. ومع ذلك ، نعود إلى إجراء التقنيع في القسم 5 عندما نركز المناقشة على قياس مستويات التدفق للكواكب المرشحة. نلاحظ أيضًا أننا تمكنا من إجراء تحليل pynpoint باستخدام الحزمة الكاملة المكونة من 10800 تعريض فردي.

في الشكل 3 ، نعرض نتائج loci و pynpoint للحالتين حيث يكون التباين بين النجم والكوكب 8.0 ماج و 10.5 ماج. جميع هذه النتائج تستخدم كواكب تقع في الموضع P2 ، وهو التكوين الأعمق الذي يفصل 0.29 قوس قزح عن النجم.

الصور المستخدمة لاكتشاف الكواكب في الموضع P2. تُظهر اللوحات اليسرى حالات لكوكب بمقاييس تباين تبلغ 8.0 ، وتُظهر اللوحات اليمنى نتائج للكوكب مع تباين قدره 10.5. تُظهر اللوحتان العلويتان نتائج LOCI ، بينما تُظهر الألواح السفلية النتائج أناد من PYNPOINT.

الصور المستخدمة لاكتشاف الكواكب في الموضع P2. تُظهر اللوحات اليسرى حالات لكوكب بمقاييس تباين تبلغ 8.0 ، وتُظهر اللوحات اليمنى نتائج للكوكب مع تباين قدره 10.5. تُظهر اللوحتان العلويتان نتائج LOCI ، بينما تُظهر الألواح السفلية النتائج أناد من PYNPOINT.

في الشكل 4 ، نحدد الأداء المحسن لحزمة برامج pynpoint الخاصة بنا من خلال إظهار إشارة الكشف إلى الضوضاء كدالة لحجم الكوكب للمواضع الثلاثة التي ندرسها. في جميع الحالات ، نقيس الإشارة من قيمة الذروة للصورة الملتفة Gaussian عند موضع الكوكب (على سبيل المثال ، قيمة الذروة في اللوحة السفلية اليسرى من الشكل 3). بالنسبة للضوضاء ، نقيس الانحراف المعياري على طول محيط دائرة تتمركز حول النجم ولها نصف قطر يمر بمركز الكوكب. تظهر المنحنيات الصلبة في الشكل 4 نتائج pynpoint ، وتظهر المنحنيات المتقطعة نتائج المواضع وتتوافق الألوان المختلفة مع المواضع P 1 (أحمر) و P 2 (أزرق) و P 3 (أخضر). توضح الرموز المثلثية في الشكل النقاط التي لم تعد فيها قمة الكوكب هي القمة الأكثر سطوعًا على الصورة بأكملها. تمكنا فقط من إنتاج هذه النتائج ، الموضحة بالرموز ، للصور pynpoint لأن الصور الموضعية كانت تهيمن عليها الضوضاء في المناطق الوسطى ولم تكن هناك حالات مواضع يكون فيها الكوكب هو القمة الأكثر هيمنة. يوضح الشكل 4 أيضًا 1σ و 3σ و 5 في الخطوط المنقطة الأفقية.

إشارة الكشف إلى الضوضاء (المعرفة في القسم 4.2) كدالة لاختلاف التباين بين النجم المركزي والكوكب. تظهر المنحنيات الصلبة نتائج PYNPOINT ، وتظهر المنحنيات المتقطعة نتائج LOCI. تتوافق الألوان مع مواضع الكواكب الثلاثة التي استخدمناها في هذه الدراسة. تُظهر الخطوط المنقطة الأفقية عتبات الإشارة إلى الضوضاء البالغة 5 و 3 و 1.

إشارة الكشف إلى الضوضاء (المعرفة في القسم 4.2) كدالة لاختلاف التباين بين النجم المركزي والكوكب. تظهر المنحنيات الصلبة نتائج PYNPOINT ، وتظهر المنحنيات المتقطعة نتائج LOCI. تتوافق الألوان مع مواضع الكواكب الثلاثة التي استخدمناها في هذه الدراسة. توضح الخطوط المنقطة الأفقية عتبات الإشارة إلى الضوضاء البالغة 5 و 3 و 1.

بالنسبة إلى موقعي الكوكب الخارجيين (P 1 و P 3) ، نجد أن استخدام pynpoint يؤدي إلى زيادة بنسبة 50 في المائة في الإشارة إلى الضوضاء ، وهو تحسن كبير. من منظور آخر ، بالنسبة لعتبة الإشارة إلى الضوضاء الثابتة ، نرى أنه عندما يتم تحليل البيانات باستخدام نقطة pynpoint ، يمكننا اكتشاف الكواكب التي يتراوح حجمها بين 0.5 و 1.0 ماج أضعف مما هو ممكن مع المواقع. بالنسبة إلى موقع الكوكب القريب P 2 على مسافة فاصلة تبلغ -0.29 ثانية قوسية ، يكون التحسن أكثر وضوحًا. في هذا الموضع ، نرى أن إشارة pynpoint للإشارة إلى التشويش يتم تعزيزها بمعامل 5 تقريبًا. وهذا تحسن كبير جدًا. في الواقع ، في تحليل الموقع ، لا يمكن اكتشاف الكوكب في هذا الموضع في أي من السطوع الذي نعتبره. ومع ذلك ، باستخدام pynpoint ، يمكننا اكتشاف الكوكب عند 5 درجات مئوية نزولاً إلى 8.6 درجة ، و 3 درجات مئوية نزولاً إلى 9.5 درجات. تكتسب أهمية هذا التحسين أهمية أكبر عندما نفكر في حقيقة أن المناطق الأقرب إلى النجم ، حيث يكون أداء pynpoint أفضل مقارنة بالمواقع ، هي الأكثر إثارة للاهتمام من الناحية العلمية. هذه المناطق ، التي هي قريبة من النجم قدر الإمكان ، هي الأكثر أهمية من حيث عمليات البحث عن الكواكب ، حيث أظهرت استطلاعات التصوير المباشر بالفعل أن الكواكب العملاقة نادرة عند الفواصل المدارية الكبيرة (بعد بضع عشرات من au ، انظر ، على سبيل المثال. ، Lafrenière et al. 2007 Chauvin et al. 2010) ، لكن مساحة المعلمة الأقرب إلى النجم لا تزال غير مقيدة إلى حد كبير.

4.3 التحسينات المستقبلية المحتملة

بمجرد العثور على اكتشاف محتمل للكواكب ، فمن المنطقي إعادة تحليل البيانات عن طريق وضع قناع فوق الموضع المستهدف واستخدام الطريقة التي حددناها في القسم 3.2. على الرغم من أن هذه الخطوة أكثر كثافة من الناحية الحسابية ، إلا أنها قابلة للتنفيذ ، حيث لا يلزم تنفيذها إلا في مواقع محددة. مع وضع هذا في الاعتبار ، من المثير للاهتمام التفكير في ماهية استراتيجية الكشف المثلى. على سبيل المثال ، يمكننا أن نتخيل أنه في عملية من خطوتين سيكون من المنطقي أن يكون لديك معيار أكثر استرخاءً ، ولكن محدد بوضوح ، للاكتشاف الأول (أي الخطوة الموضحة في هذا القسم) ، مثل اكتشاف جميع القمم الأعلى من 3σ بدلاً من 5σ ، وهو أكثر شيوعًا. يمكن بعد ذلك دراسة كل هؤلاء المرشحين بمزيد من التفصيل باستخدام إجراء التقنيع ، كما نفعل في القسم 5 ، حيث يمكن عندئذٍ تطبيق المزيد من التخفيضات الشديدة. لم نتحقق بعد من هذا التحسين بشكل كامل ، لكنه يتطلب بالتأكيد المزيد من العمل المنتظم في المستقبل.


1 المقدمة

توفر عدسة الجاذبية أداة فريدة لدراسة توزيع كتلة العدسة وهيكل مصدر الضوء بالإضافة إلى هندسة الكون. ومع ذلك ، فإن أي مساهمة كبيرة في هذه المساعي تتطلب بعض التحقيقات المستمرة والمفصلة لكل نظام عدسة جاذبية معروف. أحد الأمثلة على مثل هذا التحقيق طويل الأمد لكوازار عدسات جاذبية هو H1413 + 117 ، المعروف أيضًا باسم Clover Leaf ، الذي رصد طيفه لأول مرة بواسطة Hazard et al. (1984) و Drew & amp Boksenberg (1984). في وقت لاحق ، أصبح من الواضح أن هذا الجسم عبارة عن كوازار عدسي يعرض أربع صور (Magain et al. 1988). هذا المصدر بعيد نسبيًا (ض ≈ 2.55) وسطوعه يصنفه على أنه كوازار شديد الإضاءة (مالخامس & lt −29 و مالخامس ≈ 17) ، بينما كشف طيفه أنه عبارة عن خط امتصاص عريض شبه كوازار (Hazard et al. 1984). تعرض الصور الأربع ذات العدسة تكوينًا متماثلًا تقريبًا ، والحد الأقصى للفصل الزاوي بينهما هو 1.36 قوس ثانية. لكن طبيعة الجسم العدسي لا تزال مفتوحة.

على أساس المقارنة بين الملاحظات الضوئية والراديوية ، تم اقتراح نموذجين محتملين لعدسة الجاذبية لورقة البرسيم: (أ) مجرة ​​بيضاوية واحدة أو (ب) مجرتان كرويتان. وقد أدت التقديرات النظرية للتأخيرات الزمنية إلى قيم تصل إلى عدة أسابيع (Kayser et al. 1990). المنحنيات الضوئية الأولى للصور المنفردة بعدسة H1413 + 117 في بيسل الخامس تم الإبلاغ عن عامل التصفية بواسطة Arnould et al. (1993). وهي تغطي فترات متباعدة بين عامي 1987 و 1993. اختلفت منحنيات الضوء للمكونات الفردية بشكل متزامن تقريبًا ، مما يشير إلى أن التأخيرات الزمنية يجب أن تكون أقصر بكثير من فترة أخذ العينات (1 سنة). أدت إعادة التحليل اللاحقة (Remy et al. 1996) لنفس البيانات إلى بعض الاستنتاجات الأكثر تفصيلاً. على وجه التحديد ، (أ) تختلف تدفقات مكونات A و B و C بالتوازي وفي نفس الوقت تقريبًا (ب) يجب أن تكون التأخيرات الزمنية المتوقعة بين المكونات ذات العدسة أقصر من شهر واحد. على الجانب الآخر ، أظهر أضعف مكون D اختلافات إضافية في الضوء إلى جانب الاتجاه العالمي ، والذي كان أول دليل تم الإبلاغ عنه لحدث العدسة الدقيقة في نظام H1413 + 117 (Remy et al.1996).

في سلسلة من الأوراق (Turnshek et al. 1988 ، 1997 Monier ، Turnshek & amp Lupie 1998) ، تم الحصول على دراسات تفصيلية للصور البصرية وأطياف الكوازار العدسي H1413 + 117 الذي تم الحصول عليه باستخدام HST وتم تنفيذ تلسكوب متعدد المرآة. يبدو أن القوس الطويل الخافت بين المكونين A و C يشير إلى وجود اينشتاين هيكل يشبه الحلقة (Turnshek et al.1997). وفقًا لـ Turnshek et al. (1997) ، يجب أن يأخذ أي نموذج مستقبلي لهذا النظام في الاعتبار الألوان المختلفة للمكونات ، أي الانقراض المعتمد على خط البصر. بالإضافة إلى ثلاثة أنظمة للخطوط المعدنية لخطوط الامتصاص عند ضعضلات المعدة = 1.66 و 1.44 و 2.07 (Hazard et al. 1984 Magain et al. 1988) ، تم العثور على العديد من خطوط الامتصاص في ضعضلات المعدة = 0.61 ÷ 2.1 (Turnshek وآخرون ، 1988 Monier وآخرون ، 1998). لم يتم الكشف عن مجرة ​​العدسة ، ولكن كان من المتوقع أن يحدث انزياحها الأحمر ضل & gt 1. خلاف ذلك ، لكان قد تم الكشف عن العدسة على HST الصور (Turnshek et al. 1988 Monier et al. 1998). باستخدام البيانات الفلكية والقياسية الضوئية التي حصل عليها Turnshek et al. (1997) ، Chae & amp Turnshek (1999) مقيدة في أفضل نماذج العدسات المعقولة لـ Clover Leaf. أظهرت مجموعة أخرى أن هناك حاجة إلى قص خارجي لنمذجة هذا النظام بشكل صحيح (Keeton، Kochanek & amp Seljak 1997).

تشاي وآخرون. (2001) وجدت أدلة جديدة على العدسة الدقيقة لمكون D وأظهرت أن هذا المكون يعرض بشكل كبير خصائص استقطاب نسبي مختلفة مقارنة بالثلاث الأخرى. في الآونة الأخيرة ، تم الإبلاغ عن العديد من القطع الطيفية الإضافية للأدلة على العدسات الدقيقة لمكونات ورقة البرسيم. يُلاحظ معظم نشاط العدسات الدقيقة للمكون D ، والذي يستمر التباين لعدة سنوات على الأقل (Chartas et al. 2004 Jovanović 2005). علاوة على ذلك ، تظهر العدسة الدقيقة لمكون D اعتمادًا لونيًا (Hutsemékers et al. 2010). تتوافق هذه النتيجة بشكل مباشر مع تقدير مدة أحداث العدسات الدقيقة في H1413 + 117 بواسطة Witt و Mao & amp Schechter (1995).

يمثل جسم العدسة لـ H1413 + 117 صعوبة أخرى. خلال فترة طويلة ، تم التحقيق في هذا الأمر نظريًا فقط. تم تقديم أول استنتاجات رصدية حول هذا المنحرف بواسطة Kneib et al. (1998a) و Kneib، Alloin & amp Pello (1998b). لقد قدروا سطوع المجرة العدسة م160 وات ≈ 20.6 ، وخلصت إلى أنها قد تنتمي إلى مجموعة مجرات ذات انزياح أحمر ضتجمع ≈ 1.7. تم دعم هذه النتائج لاحقًا من قبل Chantry & amp Magain (2007) ، الذي أكد أن مجرة ​​العدسة هي كائن منتشر وخافت حقًا: م160 وات = 20.5 و م180 واط = 22.2. تم إثراء هذه الاستنتاجات من خلال القياس الفلكي الدقيق لمكونات النظام ذات العدسة عبر منتصف الأشعة تحت الحمراء وتحقيقات النمذجة بواسطة MacLeod و Kochanek & amp Agol (2009).

أخيرًا ، يجب أن نلاحظ أن العمل الوحيد المخصص لتحديد الملاحظة للتأخير الزمني بين مكونات Clover Leaf قد تم تنفيذه بواسطة Goicoechea & amp Shalyapin (2010). استخدام ص ملاحظات سلون باند في عام 2008 ، كانوا قادرين على التنبؤ بقيم التأخير الزمني بين ثلاثة أزواج من المكونات: ΔرAB = −17 ± 3، Δرتيار متردد = −20 ± 4، Δرميلادي = 23 ± 4 d (حيث تكون A و B و C في المقدمة ، و D هي المكون اللاحق). علاوة على ذلك ، قام هؤلاء المؤلفون ، باستخدام قيود تأخير الوقت الجديدة الخاصة بهم ، بتحسين نموذج العدسة وتقدير الانزياح الأحمر المحتمل لمجرة العدسة: ضل = |$1.88^<+0.09>_<-0.11>$|⁠ .

في هذه الورقة ، نقدم نتائج ملاحظات الرصد طويلة المدى لـ H1413 + 117 التي أجريت في مرصد ميداناك (أوزبكستان) بين عامي 2001 و 2008 (في ص و الخامس يربط). يتم عرض تفاصيل برنامج المراقبة وبيانات المراقبة في القسم 2. الأسلوب الضوئي المطبق هنا - طريقة تركيب وظيفة انتشار النقطة التكيفية (PSF) - موصوفة في القسم 3. علاوة على ذلك ، في القسمين 4 و 5 ، نوضح بالتفصيل تطبيق هذه الطريقة الجديدة على الصور العدسية للكوازار. باستخدام هذه الملاحظات الجديدة وتحليل الاختلافات في منحنيات الضوء الأربعة المكونة ، نحدد قيم التأخير الزمني بين الأزواج الستة المحتملة للصور العدسية (القسم 6). تم وصف منحنيات الضوء واللون وتحليل العدسات الدقيقة في القسم 7. في القسم 8 ، نعتمد سيناريو العدسة المقترح في MacLeod et al. (2009) و Goicoechea & amp Shalyapin (2010) لتحديث تقدير الانزياح الأحمر للعدسة. لتحقيق هذا الهدف ، نعتمد قيمة أحدث لمعامل هابل ومجموعة من التأخيرات الزمنية المشتقة في هذه الورقة. ويرد ملخص واستنتاجات في القسم 9.


تمارين التمهيدي في علم الفلك الرصدي: 1.) عرض صور FITS

لمساعدتك في التعرف على ملفات البيانات الفلكية & # 8211. تنسيق FITS & # 8211 ، أود أن أقدم لك مهمة صغيرة: يرجى تجربة بعض صور المستعر الأعظم في DS9. هذا ما أفكر فيه & # 8217m لبعض الأهداف الصغيرة:

  • قم بتنزيل البيانات لهدف فلكي واحد من مقرابين مختلفين واعرضهما معًا جنبًا إلى جنب.
  • قم بتمديد مقياس الصورة إلى المستويات المناسبة وجرب الخرائط الملونة.
  • تطابق الإحداثيات.
  • اصنع ملصقات.
  • إنشاء مناطق.
  • إخراج / طباعة صورة (png ، jpg ، إلخ) لنتائجك وحفظ & # 8216backup & # 8217 file.

أناقش القياس الضوئي في منشور آخر وكيف أقوم باستخراج تدفق بسيط باستخدام DS9 و HIPE لاحقًا.

جرب Kepler & # 8217s SNR (G4.5 + 6.8) في IR http://chandra.harvard.edu/photo/openFITS/multiwavelength_data.html وحاول العثور على صورة أخرى من فرقة أخرى غير مدرجة في تلك الصفحة. سأناقش بعض قواعد البيانات الجيدة على الإنترنت غدًا ، ولكن سيكون أحد الخيارات الجيدة هو صورة راديو من VLA & # 8211 يمكنك تنزيل بيانات VLA من أداة استرجاع أرشيف الصور في NRAO https://archive.nrao.edu/archive/archiveimage. لغة البرمجة

ملاحظات على رؤوس الصور

سيتضمن ملف .fits الجيد وحدات WCS (التأشير) والسطوع الضرورية. ومعلومات عن حجم الشعاع إذا لزم الأمر.

الوحدات:

العنوان الرئيسي & # 8216card & # 8217 الذي يجب البحث عنه هو & # 8216BUNIT & # 8217 ، والذي يجب أن يكون شيئًا مثل Jy / beam ، MJy / sr ، W / m2 / pixel ، إلخ. أحيانًا الصور التي تقوم بتنزيلها (مثل HST و GALEX & # 8230) بوحدات التهم / الثانية أو أي نظام آخر يجب تحويله إلى وحدات مادية قبل أن تتمكن من دمج التدفقات. إذا كنت بحاجة إلى إجراء هذه التحويلات ، فحاول إلقاء نظرة على صفحات الويب الخاصة بالأداة أو الأوراق البحثية في الأدبيات للحصول على عوامل التحويل ، وإلا يمكنك محاولة الاتصال بـ PI الذي يمتلك البيانات.

لتحويل منطقة الشعاع & # 8211 أي لحساب حجم الشعاع كبكسل / شعاع أو sr / شعاع إلخ & # 8211 ، تكون مهمتنا سهلة إذا كان من الممكن تقريب PSF بواسطة 2D Gaussian. يجب أن تحتوي رؤوس الراديو المكونة بشكل صحيح ورؤوس الأشعة تحت الحمراء والأشعة تحت الحمراء على معلمات الحزمة المدرجة على أنها BMAJ و BMIN و BPA & # 8211 ومحور الحزمة الرئيسي FWHM والمحور الثانوي FWHM وزاوية الموضع على التوالي. كل 3 عادة بوحدات من الدرجات. يتم تعريف PA في معيار FITS على أنه عكس اتجاه عقارب الساعة من & # 8216image north & # 8217 أو المحور y العلوي ، على عكس المحور x الأيمن القياسي الرياضي الذي تفترضه Python ولغات البرمجة الأخرى.

WCS (نظام الإحداثيات العالمي)

المعلومات حول البكسل الذي يتوافق مع RA / DEC في السماء معطى في الرأس أيضًا. هنا قاموس ناسا لبطاقات العناوين القياسية: http://heasarc.gsfc.nasa.gov/docs/fcg/standard_dict.html
بشكل أساسي ، جميع بطاقات الرأس التي تبدأ بـ C (CTYPE ، CDELT ، & # 8230) لها علاقة بالمحور ومعلومات التأشير. فيما يلي وصف موجز لبعض:
يعطي CTYPE نوع الإسقاط & # 8211 SIN ، TAN ، & # 8230
يعطي CRPIX رقم البكسل المرجعي (بدءًا من 1)
يعطي CRVAL إحداثيات التأشير للبكسل المرجعي
يعطي CUNIT وحدات قيم الإحداثي المرجعي (الافتراضي هو الدرجات)
يعطي CDELT عرض كل بكسل في إحداثيات السماء
يعطي CROTA زاوية دوران الصورة ، إن أمكن.

يشير الرقم بعد الكلمة الرئيسية إلى محور الصورة & # 8211 1 للمحور x (RA) ، 2 للمحور y (DEC) ، 3 للمحور z (السرعة / التردد / الطول الموجي) في مكعب بيانات ثلاثي الأبعاد ، 4 لمحور ستوكس. لذلك ، CRPIX1 هي البكسل المرجعي للمحور السيني ، CDELT2 هو عرض البكسل في المحور الصادي ، CUNIT3 = & # 8217Hz & # 8217 تعني أن قنوات المحور الطيفي قد صعدت في التردد ، إلخ.

بدلاً من CRDELT / CROTA وما إلى ذلك ، قد تجد صورتك باستخدام نظام مرجعي للشبكة بديل يعتمد على البطاقات CD1_1 و CD2_1 و CD1_2 و CD2_2. تحدد هذه المعلمات الأربعة شبكة مصفوفة لمقياس البكسل والدوران.


DynamicPSF

DynamicPSF هي أداة PixInsight الديناميكية لتركيب وظيفة انتشار النقاط التفاعلية (PSF). على الرغم من أنه يمكن استخدامه لنمذجة أي ميزة صورة تشبه النقطة أو ساطعة ومعزولة نسبيًا ، فإن الغرض الرئيسي من DynamicPSF هو ملاءمة وظائف النمذجة الرياضية للصور النجمية. بمجرد تركيب وظيفة على هيكل صورة محدد ، يوفر DynamicPSF عددًا من المعلمات المفيدة التي تصفها ، مثل إحداثيات النقطة المركزية للكائن ، وتعني الخلفية المحلية ، وقيمة الذروة ، والأبعاد ، والشكل ، والاتجاه والجودة المقدرة للملاءمة ، من بين أمور أخرى.

نظرًا لأن معظم أدوات PixInsight الديناميكية ، تعمل DynamicPSF بطريقة تفاعلية باستخدام موارد الواجهة الرسومية لـ PixInsight ، وخاصةً عروض الصور وأجهزة التأشير. عادةً ما يقوم المستخدم بالنقر بالماوس على صورة ويبحث DynamicPSF عن نجمة (أو كائن يشبه النجمة) حول الإحداثيات المحددة. إذا كان من الممكن العثور على شيء مشابه بشكل معقول لنجم بالقرب من تلك الإحداثيات ، فإن DynamicPSF يحاول ملاءمة وظيفة ثلاثية الأبعاد من مجموعة من وحدات بكسل الصورة التي تم أخذ عينات منها. يمكن تكرار هذه العملية مرات غير محدودة على عدد غير محدود من الصور لتشكيل مجموعة من مجموعات PSF التي يمكن تحليلها وإعادة استخدامها.

وظائف نموذج PSF

يمكن أن يتلاءم الإصدار الحالي من DynamicPSF مع وظائف Gaussian و Moffat [1]. تم اختيار هذه الوظائف لأن أشكالها تجعلها مناسبة بشكل خاص لنمذجة الأجسام النجمية الممثلة في معظم صور السماء العميقة.

تقوم DynamicPSF بتنفيذ خوارزمية Levenberg-Marquadt كإجراء تصغير لمنطقة الثقة النموذجية. بالنظر إلى بيانات العينة التي تتكون من مجموعتين من المتغيرات المستقلة والتابعة ، <>0 & hellip xن & ndash1> و <>0 & hellip ذن & ndash1> على التوالي ، تقلل الخوارزمية مجموع الاختلافات المطلقة لوظيفة النموذج F مع بيانات العينة لمتجه أ من معلمات الوظيفة المجهزة:

في هذا التطبيق ، المتغيرات المستقلة هي أزواج من إحداثيات البكسل على الصورة ، والمتغيرات التابعة هي قيم البكسل المقابلة. التنفيذ الأساسي هو تكييف مخصص لمكتبة MINPACK [2] [3] لإطار عمل PixInsight / PCL. تقوم بعض الإجراءات أيضًا بتنفيذ الأفكار والخوارزميات من المصادر الأخرى المدرجة في قسم المراجع. [4] [5]

يتم تعريف وظيفة تركيب PSF البيضاوية الشكل على النحو التالي:

حيث تكون المعلمات كما يلي:

  • ب & [مدش] متوسط ​​الخلفية المحلية.
  • أ & mdash Amplitude ، وهي القيمة القصوى لـ PSF المجهزة ، وكذلك قيمة الوظيفة عند إحداثيات centroid.
  • x0,ذ0 & [مدش] Centroid ينسق في وحدات البكسل. هذا هو موضع مركز التماثل لـ PSF المجهز.
  • &سيجماس ،&سيجماذ & mdash الانحراف المعياري لتوزيع Gaussian على المحورين الأفقي والرأسي مقاساً بالبكسل.

يتم تعريف وظيفة تركيب Moffat PSF البيضاوية على النحو التالي:

حيث تكون المعلمات كما في حالة Gaussian ، ويتحكم الأس & beta في الشكل العام لوظيفة الملاءمة. في التطبيق الحالي لـ DynamicPSF ، يمكن أن تختلف المعلمة & beta في النطاق] 0،10]. عندما تكون & beta = 1 ، تتوافق المعادلة أعلاه مع توزيع Lorentzian.

كما يدعم DynamicPSF وظائف تركيب PSF المستديرة. عندما يكون الفرق بين & سيجماx و & سيجماذ أكبر من أو يساوي 0.01 بكسل (دقة التركيب الاسمية) ، DynamicPSF يناسب معلمة ثيتا إضافية ، وهي زاوية دوران المحور X فيما يتعلق بإحداثيات النقطه الوسطى. & ثيتا تختلف في النطاق [0 درجة ، 180 درجة [. بالنسبة إلى PSF الذي تم تدويره ، يجب استبدال إحداثيات x و y في المعادلات أعلاه بنظيراتهما المستديرة x 'و y' ، على التوالي:

تُقاس زوايا الدوران في عكس اتجاه عقارب الساعة ، ويمكن تمثيلها إما كقيم غير موقعة في [النطاق 0 & deg ، 180 & deg ، أو ككميات موقعة في النطاق [& ndash90 & deg، + 90 & deg]. في جميع الحالات ، يتم تركيب الوظائف لضمان أن & سيجماx & ge & سيجماذ.

تمثيلات الوظائف الرسومية

تمثل التمثيلات الرسومية أفضل طريقة لفهم الأشكال الهندسية لوظائف تركيب PSF المختلفة وكيف تتغير عن طريق تغيير معلماتها. يمثل الشكل أدناه عدة وظائف بيانياً. تم إنشاء التمثيلات ثنائية الأبعاد عن طريق تشغيل البرنامج النصي التالي في PixInsight:

يمثل البرنامج النصي أربع وظائف ملائمة لـ PSF (تلك المدرجة في الشكل التالي) كنوافذ صور جديدة. يمكن تعديل هذا البرنامج النصي بسهولة لتمثيل وظائف Gaussian و Moffat الأخرى بمعلمات مختلفة. بمجرد تمثيل الوظائف كصور ، يمكن استخدام البرنامج النصي القياسي 3DPlot في PixInsight لإنشاء عمليات تسليم عالية الجودة وثلاثية الأبعاد.

العرض الكامل بنصف الحد الأقصى (FWHM)

لجميع وظائف نموذج PSF ، يحسب DynamicPSF وظيفتين إضافيتين العرض الكامل في نصف كحد أقصى قيم (FWHM):

  • FWHMx & [مدش] FWHM على المحور س.
  • FWHMذ & [مدش] FWHM على المحور ص. بالنسبة للوظائف الدائرية (غير المشوهة ، غير المدورة) ، لدينا FWHMذ = FWHMx.

FWHM هو قياس معروف جيدًا وموحد ويسهل فهمه لحجم النجم كما يظهر في الصورة. إنه عرض الوظيفة المجهزة بالبكسل ، ويتم قياسه أفقيًا بنصف ارتفاعها. يتم إعطاء FWHM على المحور X بواسطة:

على التوالي لوظائف تركيب Gaussian و Moffat ، مع تعبيرات مماثلة للمحور Y باستبدال & سيجماx مع & سيجماذ. لاحظ أن قياسات FWHM لوظائف Gaussian و Moffat غير متوافقة بشكل عام ولا ينبغي مقارنتها بشكل متبادل.

لكل PSF DynamicPSF المجهز يوفر تقديرًا لـ حسن التلاؤم، أو مدى توافق دالة PSF المحسوبة مع وحدات البكسل الفعلية للصورة التي تم أخذ عينات منها لأداء عملية ملاءمة الوظيفة. في الإصدار الحالي من DynamicPSF أ يعني الاختلاف المطلق يتم احتساب الدالة (MAD) لهذا الغرض:

أين F يمثل الوظيفة المجهزة و أناأنا العناصر هي وحدات البكسل التي تم أخذ عينات منها من الصورة الأصلية. الغرض من وظيفة MAD هو تقديم تقدير قوي لمدى ملاءمة وظيفة النموذج ومعلماتها المجهزة لتمثيل بيانات العينة الفعلية. يجب استخدام تقديرات MAD لإزالة القيم المتطرفة من مجموعة الكائنات المجهزة أثناء جلسة DynamicPSF. في هذا السياق ، تتوافق القيم المتطرفة مع الكائنات التي تم أخذ عينات منها بشكل سيئ ، مثل الأجسام المشبعة أو المعتمة جدًا ، أو الأشياء من النوع الخطأ (مثل الأجسام غير النجمية مثل المجرات الصغيرة الخلفية) التي يمكن أن تلوث متوسط ​​PSF المحسوب.

إستعمال

يمكنك بدء جلسة DynamicPSF بالطريقة المعتادة للأدوات الديناميكية في PixInsight: إما مباشرة من نافذة Process Explorer ، حيث ستجد DynamicPSF ضمن فئة الصورة ، أو من مثيل موجود لعملية DynamicPSF ، مثل أيقونة العملية أو عنصر محفوظات المعالجة. عند بدء العملية ، يتم عرض واجهة DynamicPSF وتنشيطها.

يعمل DynamicPSF مع ملفات مجموعات PSF. تقوم كل مجموعة بتجميع مجموعة من نوبات PSF التي يتم إجراؤها على صورة معينة. يمكنك إجراء عدد غير محدود من PSF يناسب عدد غير محدود من الصور. ستعمل عادةً مع صورة واحدة ، لكن المجموعات المتعددة تسمح لك بمقارنة تقديرات PSF لصور مختلفة مباشرةً في جلسة DynamicPSF.

بيانات PSF

أول وأكبر عنصر تحكم على واجهة DynamicPSF هو عنصر تحكم مربع الشجرة حيث يتم عرض البيانات الخاصة بجميع وظائف نموذج PSF المجهزة بطريقة هرمية. في مستوى التسلسل الهرمي الأول لدينا مجموعات PSF. يوجد عنصر مجموعة PSF واحد لكل صورة متضمنة في جلسة DynamicPSF الحالية. يمكن أن تحتوي كل مجموعة PSF على عدد غير محدود من عنصر نجمة أحفاد. كل عنصر نجمة ، بدوره ، لديه واحد أو أكثر يناسب PSF تم إجراؤه لنفس الكائن ، الذي يتم سرد معلماته في الصفوف المقابلة لمربع الشجرة. بالنسبة للصور الملونة ، يتم التعامل مع كل قناة كصورة منفصلة ، لذلك يمكن أن يكون هناك واحد أو اثنان أو ثلاث نوبات PSF يتم تنفيذها بنفس المعلمات لكل قناة اسمية لصورة ملونة RGB.

يصف الجدول التالي جميع عناصر البيانات التي يوفرها الإصدار الحالي من DynamicPSF.

اسم وظيفة نموذج PSF. يتم دعم الوظائف التالية: Gaussian ، Moffat (المقابلة لوظيفة Moffat مع متغير (أي محدد تلقائيًا) الأس بيتا) ، Moffat10 ، Moffat8 ، Moffat6 ، Moffat4 ، Moffat25 ، Moffat15 (وظائف Moffat مع الأسس بيتا الثابتة من 10 ، 8 و 6 و 4 و 2.5 و 1.5 على التوالي) و Lorentzian (بيتا = 1).

مؤشر قناة PSF المجهز: 0 للتدرج الرمادي والأحمر ، 1 للأخضر و 2 للأزرق.

خلفية محلية في النطاق [0،1].

السعة.هذه هي قيمة الذروة للوظيفة المجهزة ، وتقع عند إحداثيات النقطه الوسطى.

تنسيق أفقي (المحور X) للنقطة الوسطى بالبكسل ، في نظام إحداثيات الصورة.

تنسيق عمودي (المحور Y) للنقطة الوسطى بالبكسل ، في نظام إحداثيات الصورة.

حجم الوظيفة المجهزة على المحور X في إحداثيات PSF ، معبرًا عنه بالبكسل. هذا هو ال & سيجماx معلمة في معادلات وظائف Gaussian و Moffat.

حجم الوظيفة المجهزة على المحور Y في إحداثيات PSF ، معبرًا عنه بالبكسل. هذا هو ال & سيجماx معلمة في معادلات وظائف Gaussian و Moffat.

العرض الكامل بنصف الحد الأقصى على المحور X في إحداثيات PSF ، معبرًا عنه بالبكسل أو بالثواني ، اعتمادًا على الإعدادات الحالية في قسم مقياس الصورة.

العرض الكامل بنصف الحد الأقصى على المحور Y في إحداثيات PSF ، معبرًا عنه بالبكسل أو بالثواني ، اعتمادًا على الإعدادات الحالية في قسم مقياس الصورة.

ابعاد متزنة. هذا هو حاصل قسمة sy / sx. منذ sx & ge sy حسب التصميم ، تكون هذه المعلمة دائمًا & le 1.

زاوية دوران المحور X لإحداثيات PSF بالدرجات ، فيما يتعلق بالمحور X في نظام إحداثيات الصورة والمركز في موضع النقطه الوسطى. يمكن إظهار زاوية الدوران إما على أنها كمية غير موقعة في النطاق [0 & deg، 180 & deg [، أو كزاوية موقعة في النطاق [& ndash90 & deg، + 90 & deg] ، اعتمادًا على الحالة الحالية لـ الزوايا الموقعة الخيار (راجع قسم وظائف نموذج PSF). عندما يتم عرض الزوايا الموقعة ، يكون اتجاه عقارب الساعة موجبًا واتجاه عقارب الساعة سالبًا.

وظائف الأس بيتا لنموذج موفات PSF في النطاق] 0،10].

يعني الفرق المطلق بين وظيفة نموذج PSF المجهزة وقيم البكسل الفعلية في منطقة PSF التي تم أخذ عينات منها. هذا تقدير لجودة الملاءمة: كلما كانت هذه القيمة أصغر ، كانت الوظيفة المحققة أفضل.

بالنسبة للوظائف الدائرية ، فإن ملف سي ، FWH ص و ثيتا لم يتم توفير عناصر البيانات. بالنسبة إلى وظائف Gaussian ، يكون ملف بيتا لم يتم توفير العنصر.

إنشاء نوبات PSF جديدة

يتم إجراء عملية تركيب PSF جديدة عند النقر فوق صورة وتحرير جهاز التأشير دون سحب. إذا لم يكن هناك يناسب PSF للصورة التي قمت بالنقر فوقها ، فسيتم إنشاء مجموعة PSF جديدة. جديد عنصر نجمة يتم بعد ذلك إنشاء وإلحاق في نهاية مجموعة PSF المقابلة ، إما مجموعة تم إنشاؤها حديثًا أو مجموعة موجودة بالفعل. لاحظ أنه بناءً على الخيارات المحددة في قسم وظائف نموذج PSF ، يمكن لهذه العملية إنشاء واحد أو أكثر من حالات PSF لنفس الكائن. كما قلنا من قبل ، يمكنك تكرار هذه العملية مرات غير محدودة.

عند النقر فوق صورة لإنشاء توافق PSF جديد ، يبحث DynamicPSF تلقائيًا عن أقرب بنية صورة صغيرة الحجم ومشرقة ومركزة ، لذلك لا يتعين عليك النقر فوق أي موقع محدد ، يكفي النقر حول نجم. روتين اكتشاف الكائن كلاهما قوي و مستقر. لا يهم المكان الذي تنقر فيه على الصورة بقدر ما تنقر بالقرب بشكل معقول من كائن مهم ، فإن الروتين سيتقارب دائمًا في نفس إحداثيات البكسل وستظل معلمات PSF المجهزة دائمًا هي نفسها لكائن معين ، بغض النظر عن من موقع البحث الأولي.

لكل تناسب PSF ، ينشئ DynamicPSF مجموعة من عناصر الرسومات المتجهة على الصورة الهدف. يتم تدوير نظام إحداثيات PSF بالزاوية & ثيتا فيما يتعلق بنظام إحداثيات الصورة. في التمثيل ثلاثي الأبعاد لوظيفة نموذج PSF ، يكون المحور Z عموديًا على طائرة الصورة (المستوى XY) وإحداثيات Z تتوافق مع قيم بكسل الصورة. يمثل القطع الناقص المرسوم التقاطع بين وظيفة نموذج PSF ثلاثي الأبعاد ومستوى موازٍ لمستوى الصورة ، مرفوعًا بمقدار نصف القيمة القصوى للدالة. هذا يحدد ال العرض الكامل في نصف كحد أقصى في الاتجاهين X و Y ، FWHMx و FWHMy ، على التوالي.

العمل مع الصور الملونة

عند العمل مع الصور الملونة ، يتم إنشاء ثلاث نوبات PSF افتراضيًا لكل نجمة ملائمة ، واحدة لكل قناة RGB اسمية (يتم تجاهل قنوات ألفا دائمًا). يمكنك تقييد إنشاء يناسب PSF جديد لقناة معينة عن طريق تحديده للعرض على الصورة المستهدفة. على سبيل المثال ، إذا حددت القناة الخضراء (باستخدام مربع التحرير والسرد لمحدد القناة ، أو بالضغط على Ctrl + Shift + G) ، فسيتم إنشاء ملاءمة PSF واحدة فقط لتلك القناة.

اختيار يناسب PSF

يمكنك تحديد يناسب PSF الحالي بعدة طرق:

  • من خلال النقر داخل ملف PSF موجود على الصورة. يتم رسم كل ملاءمة PSF على شكل قطع ناقص داخل مستطيل محيط. لتحديد ملاءمة PSF ، عليك النقر داخل مستطيلها المحيط. اضغط مع الاستمرار على مفتاح Shift أثناء النقر لإضافة ملاءمة PSF للتحديد الحالي.
  • من خلال النقر على الصورة والسحب لتحديد مستطيل التحديد. سيتم تحديد جميع مجموعات PSF الموجودة داخل مستطيل التحديد.
  • استخدام عنصر التحكم في صندوق الشجرة في واجهة DynamicPSF. يمكنك النقر فوق صف من مربع الشجرة لتحديد عنصر النجمة المقابل و / أو ملاءمة (مواضع) PSF المرتبطة ، و Shift + النقر أو النقر والسحب لتحديد تحديدات متعددة ، وما إلى ذلك.

يتم رسم مناسبات PSF المحددة بلون خاص على الصورة (أخضر افتراضيًا). لاحظ أن التحديد الحالي دائمًا ما يكون متماسكًا بين الرسومات المتجهة المرسومة على الصورة (الصور) والعناصر الموجودة في واجهة DynamicPSF.

إزالة العناصر

يمكن إزالة نوبات PSF بطريقتين:

  • عن طريق النقر فوق إزالة زر. سيؤدي هذا إلى حذف جميع الكائنات المحددة ، والتي يمكن أن تكون عناصر نجمة (كل عنصر به واحد أو أكثر من عناصر PSF) و / أو يناسب PSF الفردي ، اعتمادًا على التحديد الحالي.
  • من خلال تحديد التحديد والضغط على مفتاح Del أو Backspace. يعمل هذا بنفس طريقة عمل الزر "إزالة" الموضح أعلاه.

كن حذرًا حيث لا يمكن التراجع عن عمليات إزالة العنصر.

اختيار وظائف نموذج PSF

ال وظائف نموذج PSF يسمح لك قسم واجهة DynamicPSF بتحديد وظيفة أو أكثر من وظائف نموذج PSF لاستخدامها في مجموعات PSF الجديدة. الخيارات التالية متاحة:

حدد هذا الخيار للسماح لـ DynamicPSF بالعثور على أفضل وظيفة نموذجية لكل كائن مناسب. عند تحديد هذا الخيار ، يلائم DynamicPSF وظيفة Gaussian وواحدة أو عدة وظائف Moffat ، مع الأس المتغير أو الثابت & بيتا ، ويحدد الوظيفة التي تعيد إنتاج بيانات الصورة التي تم أخذ عينات منها على أفضل وجه. هذا هو الخيار الافتراضي. لاحظ أنه عند تحديد هذا الخيار ، لا يتوفر خياري Gaussian و Moffat (انظر أدناه).

حدد هذا الخيار لملاءمة وظائف نموذج Moffat PSF مع معلمات متغيرة (أي مُجهزة) ومعلمات بيتا.

موفات 10 ، موفات 8 ، موفات 6 ، موفات 4 ، موفات 25 ، موفات 15 ، لورينتزيان

حدد واحدًا أو أكثر من هذه الخيارات لتلائم وظائف نموذج Moffat PSF مع معلمات ثابتة وبيتا من 10 و 8 و 6 و 4 و 2.5 و 1.5 و 1.0 على التوالي (وظيفة Lorentzian تكافئ وظيفة Moffat مع & beta = 1).

حدد هذا الخيار لملاءمة وظائف PSF الدائرية. قم بتعطيله ليلائم الوظائف البيضاوية. توفر الوظيفة البيضاوية محورين منفصلين وزاوية دوران. بشكل عام ، تُفضل الوظائف البيضاوية لأنها توفر مزيدًا من المعلومات حول الأشكال والتوجهات الحقيقية لـ PSFs المجهزة. ومع ذلك ، في بعض الأحيان ، قد تكون الوظائف الدائرية هي الأفضل. على سبيل المثال ، عادةً لا توفر الصور قليلة العينات بشكل كبير بيانات كافية لتناسب الوظائف البيضاوية بشكل موثوق. يؤثر عدم اليقين الناجم عن مستويات الضوضاء العالية أيضًا على تركيبات الوظائف المعقدة بشكل سلبي. في مثل هذه الحالات ، يمكن أن توفر الوظيفة الدائرية نتائج أكثر قوة وفائدة. يتم تركيب وظائف PSF البيضاوية بشكل افتراضي.

عند تمكين هذا الخيار ، تظهر زوايا الدوران على شكل وقعت القيم في النطاق [& ndash90 & deg، + 90 & deg]. عند تعطيل هذا الخيار ، يتم تمثيل زوايا الدوران على أنها كميات غير موقعة في [النطاق 0 & deg، 180 & deg. تعد الزوايا المُشار إليها مفيدة لمنع الالتباسات الناتجة عن الدوران الصغير حول درجة الصفر. تحدث هذه الدورات "التذبذبية" بشكل متكرر بسبب عدم اليقين في زوايا الدوران المناسبة للنجوم الدائرية تقريبًا. على سبيل المثال ، تخيل مجموعة من نوبات PSF حيث لدينا مجموعتين فرعيتين مع دوران حول الصفر و 180 درجة. إذا قمنا بحساب متوسط ​​معلمات PSF ، فسيكون متوسط ​​الدوران الناتج حوالي 90 درجة. قد يكون هذا غير صحيح إذا كانت كلتا المجموعتين الفرعيتين ناتجة بالفعل عن التشتت الناجم عن عدم اليقين المناسب ، وفي هذه الحالة سيكون متوسط ​​الدوران الصحيح قيمة قريبة من صفر درجة. يتم تمكين هذا الخيار افتراضيًا.

معلمات اكتشاف النجوم

ال كشف النجوم يوفر القسم خيارات للتحكم في كيفية قيام DynamicPSF بالبحث عن الكائنات النجمية واكتشافها لتركيب PSF:

تحدد هذه المعلمة الحجم بالبكسل لمربع البحث الأولي المستخدم لاكتشاف النجوم عند النقر فوق صورة. قم بزيادته لصالح اكتشاف النجوم الأكبر. قم بتقليله لتسهيل اختيار النجوم الأصغر. على سبيل المثال ، قد يكون من الضروري استخدام نصف قطر بحث أصغر للتعامل مع حقول النجوم الكثيفة. النطاق الصالح هو من واحد إلى 127 بكسل. القيمة الافتراضية لثمانية بكسلات مناسبة تمامًا في معظم الحالات.

قيمة الحد لرفض بكسلات الخلفية ، بوحدات سيجما. يتم استخدام هذه القيمة بواسطة روتين اكتشاف الكائن لتصنيف وحدات البكسل التي تم اختبار عيناتها إلى مجموعتين منفصلتين: وحدات البكسل التي تنتمي إلى الخلفية المحلية ، والبكسلات التي تنتمي إلى الكائن الذي يتم اكتشافه. قيمة الحد الأصغر تجعل روتين اكتشاف النجوم أقل حساسية. يمكن أن يكون هذا مفيدًا لتجنب اكتشاف الأجسام الباهتة جدًا. من ناحية أخرى ، يسمح لك الحد الأعلى بعزل الأشياء الصغيرة جدًا والخافتة ، والتي قد تكون فكرة جيدة أو لا ، اعتمادًا على ما تريد القيام به وعلى الصورة التي تعمل بها. يمكن أن تتراوح هذه المعلمة من 0.05 إلى 5 في وحدات سيجما. عادةً ما تكون القيمة الافتراضية لسيغما واحدة مناسبة في معظم الحالات.

تستخدم عملية تركيب PSF مربعًا منطقة أخذ العينات حول الكائن المجهز لتجميع مجموعة من وحدات بكسل الصورة المصدر. ثم يتم تركيب وظيفة نموذج PSF لتقليل الاختلاف مع وحدات البكسل التي تم اختبار عيناتها. عند تمكين هذا الخيار ، يحسب DynamicPSF أبعاد العينات المثلى بشكل تكيفي لكل نجم تم تركيبه.

إذا كانت منطقة أخذ العينات صغيرة جدًا ، فلا يمكن تحديد الخلفية المحلية بدقة ، وبالتالي فإن ملاءمة PSF ستكون أقل دقة. إذا كانت منطقة أخذ العينات كبيرة جدًا ، يمكن أن تلوث وحدات البكسل من الكائنات القريبة العينة ، وتزداد أوقات الحساب بشكل غير ضروري (ضع في اعتبارك أنها تتناسب مع ميدان من حجم العينة). تطبق ميزة الفتحة التلقائية لـ DynamicPSF خوارزمية سريعة وقوية للعثور على أصغر منطقة أخذ العينات اللازمة لتقليل عدم اليقين في تقييم الخلفية المحلية. يتم تمكين هذا الخيار افتراضيًا. تعطيله هو لا ينصح في ظل ظروف العمل العادية ، ويمكن أن يؤدي إلى تدهور كبير في الأداء ودقة التركيب.

معلمات مقياس الصورة

يتيح لك هذا القسم تحديد حجم الصورة بالثواني القوسية لكل بكسل. عندما يكون مقياس الصورة متاحًا ، يمثل DynamicPSF قيم FWHM مباشرة بالثواني القوسية ، بدلاً من وحدات البكسل. يمكن استخدام المعلمات التالية لهذا الغرض:

يحدد طريقة لحساب مقياس الصورة. يمكن أن يكون أحد:

  • الكلمات الأساسية القياسية المناسبة. إذا تم تحديد هذا الوضع ، فستحاول DynamicPSF قراءة الكلمات الأساسية القياسية لعنوان FOCALLEN و XPIXSZ و YPIXSZ FITS لحساب مقياس الصورة بالثواني القوسية لكل بكسل. إذا كانت هذه الكلمات الأساسية غير موجودة أو تحتوي على قيم غير صالحة ، فلن يتم حساب أي مقياس للصورة ويتم التعبير عن FWHM بالبكسل.
  • القيمة الحرفية. يتيح لك هذا الوضع إدخال مقياس الصورة مباشرةً في ثانية قوسية لكل بكسل (انظر المعلمة التالية).
  • كلمة رئيسية مخصصة مناسبة. يتيح لك هذا الوضع تحديد اسم كلمة رئيسية مخصصة لـ FITS تكون قيمتها مقياس الصورة بالثواني القوسية لكل بكسل.
  • بكسل. سيؤدي هذا إلى تجاهل مقياس الصورة لإظهار FWHM بوحدات البكسل. هذا هو الخيار الافتراضي.

عندما قيمة حرفية تم تحديد الوضع ، يتيح لك عنصر التحكم هذا إدخال مقياس الصورة في ثانية قوسية لكل بكسل. لاحظ أنه سيتم استخدام هذه القيمة لجميع الصور المضمنة في جلسة DynamicPSF الحالية.

عندما كلمة رئيسية مخصصة مناسبة تم تحديد الوضع ، يتيح لك عنصر التحكم هذا إدخال اسم الكلمة الأساسية الخاصة برأس FITS التي توفر مقياس الصورة بالثواني القوسية لكل بكسل. إذا كانت الكلمة الأساسية المحددة غير متوفرة ، فسيتم تجاهل مقياس الصورة وسيتم عرض FWHM بوحدات البكسل.

نجوم التتبع

عندما نجوم المسار تم تمكين الخيار (الضغط على زر) ، يقوم DynamicPSF تلقائيًا بتوسيط النجمة المحددة على الصورة المستهدفة المقابلة لها وإحضار العرض المقابل إلى أعلى مساحة عمل PixInsight ، إذا لزم الأمر. يعد هذا مفيدًا جدًا للعمل بتكبير عالٍ ، لأنه يحررك من الاضطرار إلى التكبير / التصغير وتحريك الصور عند مراجعة مجموعة من مقاسات PSF. هذا الخيار معطل افتراضيا.

تجديد نوبات PSF

يمكنك تتجدد يناسب PSF الحالي ، والذي يسمح لك بحساب معلمات PSF الجديدة بعد تغيير بعض المعلمات في قسم وظائف نموذج PSF. على سبيل المثال ، افترض أنك قمت بإنشاء عدد من نوبات PSF باستخدام وظائف بيضاوية. قررت لاحقًا ملاءمة الوظائف الدائرية لنفس النجوم. لا تحتاج إلى إزالة النوبات السابقة وأداء المهمة الشاقة (والمعرضة للخطأ) لإعادة تعريف جديدة فقط حدد الخيار المقابل (وظائف دائرية) وتجديد نوبات PSF التي حددتها بالفعل. يمكنك التجديد بطريقتين:

  • تجديد النجوم المختارة. انقر فوق هذا الزر لإعادة حساب مجموعة تناسبات PSF المحددة فقط.
  • تجديد كل شيء. انقر فوق هذا الزر لإعادة حساب جميع نوبات PSF ، بغض النظر عن التحديد الحالي.

فرز مجموعات PSF

ال فرز النجوم يسمح لك الزر بفرز جميع حالات PSF الموجودة بترتيب تصاعدي حسب المعايير القابلة للتحديد. عند النقر فوق هذا الزر ، يتم فتح مربع الحوار فرز مجموعات PSF كما هو موضح أدناه.

في مربع الحوار هذا ، يمكنك تحديد أحد معايير الفرز التالية:

  • معرف نجمة. يتم تعيين معرّف لكل ملاءمة PSF ، وهو رقم تشغيل فريد ضمن مجموعة PSF الأصلية الخاصة به. الفرز حسب المعرف يصنف PSF يناسب ترتيب الإنشاء.
  • خلفية. يفرز PSF يناسب ملف يعني الخلفية المحلية المعلمة (ب).
  • السعة. يفرز PSF يناسب ملف السعة المعلمة (A) ، وهي قيمة الذروة لوظيفة نموذج PSF المجهزة.
  • اساسي انحراف. يرتب PSF يناسب أحجامها. لاحظ أن الحجم في المحور X (إحداثيات PSF) يُستخدم دائمًا ، وهذا هو ملف sx عنصر البيانات. الفرز حسب هذا المعيار يعادل الفرز بواسطة FWHM.
  • ابعاد متزنة. يفرز حسب حاصل القسمة sy / sx (عنصر البيانات r) ، أي بواسطة درجة التشويه من وظيفة نموذج PSF المجهزة.
  • زاوية الدوران. يفرز حسب زوايا الدوران لوظائف نموذج PSF المجهزة (معلمة ثيتا). لاحظ أن الترتيب الناتج يعتمد على ما إذا كان الزوايا الموقعة يتم استخدامها في النطاق [& ndash90 & deg، + 90 & deg] أو الزوايا غير الموقعة في [0 & deg، 180 & deg [. تعتبر الوظائف الدائرية ذات زاوية دوران صفرية ، ويتم فرزها وفقًا لذلك.
  • زاوية الدوران (القيمة المطلقة). مثل المعيار السابق ، ولكن يتم تقييم الزوايا في [0 & deg، 180 & deg [النطاق ، بغض النظر عن الحالة الحالية لـ الزوايا الموقعة اختيار.
  • الأس بيتا. يفرز حسب معلمة Moffat beta. يُفترض أن الدوال الغاوسية تحتوي على أس بيتا صفري ، وبالتالي يتم وضعها دائمًا في أعلى القائمة عند استخدام معيار الفرز هذا.
  • يعني الاختلاف المطلق. الفرز حسب عنصر البيانات MAD. هذا هو معيار الفرز الافتراضي. استخدمه لتصنيف PSF يناسب تقديرات الجودة الخاصة بهم.

يعد فرز مجموعات PSF مفيدًا جدًا للعثور عليها وإزالتها القيم المتطرفة في مجموعات النجوم المجهزة. الاستخدام الأكثر وضوحًا لهذه الميزة هو الفرز حسب الجودة المناسبة (معيار الفرز الافتراضي MAD). تسمح لك تقديرات MAD بسهولة يقطع تناسب قوائم PSF أقل من حد جودة معين. ومع ذلك ، يمكن أن توفر معايير الفرز الأخرى طرقًا أكثر تعقيدًا لاكتشاف نوبات PSF غير الصحيحة التي قد يكون من الصعب إثبات خلاف ذلك. على سبيل المثال ، إذا كنت تعلم أن التتبع الخاص بك دقيق ، وبالتالي يجب أن يكون لكل النجوم في صورتك أشكال دائرية تقريبًا ، إذا كانت هناك بعض الكائنات المزودة بنسب عرض إلى ارتفاع صغيرة نسبيًا و mdasheven إذا كانت تظهر قيم MAD منخفضة جدًا و mdash ، فمن الواضح أنها ليست نجمية كائنات أو ميزات صور زائفة يجب إزالتها من مجموعات PSF الخاصة بك.

تصدير PSF اصطناعي

عن طريق النقر فوق تصدير PSF الاصطناعية الزر ، سينشئ DynamicPSF نافذة صورة جديدة بملحق متوسط ​​PSF محسوبة للمجموعة الحالية من نوبات PSF المحددة (يجب عليك تحديد واحد على الأقل مناسب لهذه الوظيفة للعمل). لاحظ أن صورة PSF التي تم إنشاؤها هي ليس نتيجة حساب متوسط ​​جميع معلمات وظيفة PSF ، ولكن شيء أكثر قوة ودقة. تقوم DynamicPSF بإنشاء PSF اصطناعي من خلال عرض جميع وظائف نموذج PSF المجهزة متراكبة بشفافية على قماش أسود ، كبير بما يكفي لاستيعاب أكبر PSF ، وكلها تتمحور في مواضعها المركزية. يعمل هذا بشكل فعال كما لو كنت قد حصلت على جميع النجوم المجهزة في نفس مجال الرؤية مع تعرضات متعددة لكاميرا CCD افتراضية ، قادرة على تجميع الضوء من كل منهم دون تشبع. الميزة الرئيسية لهذه الطريقة هي أن صورة PSF التي تم إنشاؤها تكاد تكون محصنة ضد الاختلافات الصغيرة ، وبالتالي فهي دقيقة للغاية لتمثيل PSF الفعلي للصورة ، هذه الجودة هي ما نشير إليه على أنها المتانة في هذا السياق.

إن PSF الاصطناعية هي الطريقة الموصى بها لإنشاء صورة PSF يمكن استخدامها مع أداة Deconvolution الخاصة بـ PixInsight PSF خارجي. بشكل عام ، توفر هذه الطريقة أفضل النتائج لفك تشابك الصورة لأن PSF الذي تم الحصول عليه عادة ما يكون دقيقًا للغاية. يعد تحقيق دقة مماثلة عن طريق التجربة والخطأ مع PSFs مهمة صعبة وتستغرق وقتًا طويلاً.

متوسط ​​معلمات PSF

DynamicPSF يسمح لك أيضًا بالقراءة متوسط ​​معلمات PSF لمجموعة نوبات PSF المختارة. هذا ممكن فقط عندما تكون ملاءمة PSF المحددة تتطابق، هذا عندما تحتوي المجموعة المحددة فقط على وظائف النمذجة Gaussian أو Moffat. عند النقر فوق ملف متوسط ​​معلمات PSF يفتح مربع حوار متوسط ​​بيانات النجوم ويعرض قائمة بقيم المعلمات المحسوبة عن طريق حساب متوسط ​​مجموعة النوبات المحددة ، كما هو موضح في لقطة الشاشة التالية.

يحتوي مربع حوار متوسط ​​بيانات النجوم أيضًا على زر لإنشاء صورة PSF جديدة محسوبة من متوسط ​​المعلمات. لاحظ أن هذا له لا شيئ للتعامل مع متوسط ​​صورة PSF التي يتم إنشاؤها عند تصدير PSF اصطناعي ، وهو أكثر دقة وقوة.

تصدير ملفات CSV

تنسيق القيمة المفصولة بفواصل (CSV) هو معيار معروف بحكم الواقع لمشاركة البيانات بين التطبيقات. إنه تنسيق بسيط نوعًا ما يتكون من عناصر بيانات نص عادي مفصولة بمحدد ، وعادة ما يكون حرف فاصلة.شجعتنا حقيقة أن جميع أنظمة إدارة جداول البيانات وقواعد البيانات تقريبًا تدعم CSV على تنفيذها ، باعتبارها أفضل طريقة لتصدير معلمات PSF المجهزة التي يمكن تحليلها بشكل أكبر باستخدام تطبيقات البرامج الأخرى.

تحتوي ملفات CSV التي تم تصديرها بواسطة أداة DynamicPSF في PixInsight على الخصائص والمؤسسة التالية:

  • ملفات .csv التي تم تصديرها هي ملفات نصية ASCII عادية.
  • محدد البيانات هو حرف فاصلة واحد (رمز ASCII 4410 = 2 ج16).
  • الفاصل العشري هو حرف فترة واحدة (رمز ASCII 4610 = 2E16).
  • يحتوي السطر الأول من ملف .csv المُصدَّر على أسماء عناصر البيانات ، وهي: & quotViewId و StarId و Channel و Function و B و A و cx و cy و sx و sy و FWHMx و FWHMy و unit و r و theta و beta ، جنون ومثل
  • يحتوي كل سطر من باقي الأسطر على بيانات تناسب PSF. لاحظ أن العنصر الأول من كل سطر هو معرف طريقة العرض المصدر.

تُظهر كتلة النص أدناه مثالاً لملف CSV تم إنشاؤه باستخدام DynamicPSF:

البرمجة النصية والأتمتة

يمكن أتمتة عملية DynamicPSF بسهولة عبر البرمجة النصية باستخدام PixInsight JavaScript Runtime (PJSR). يتيح لك ذلك تطبيق مثيل DynamicPSF محدد مسبقًا (على سبيل المثال ، كأيقونة عملية) على مجموعة من الصور المسجلة المشتركة لنفس المنطقة من السماء. يمكن تنفيذ هذا النوع من إجراءات الدُفعات لأداء مجموعة متنوعة من مهام التحليل مثل تصنيف الصور وتقييم PSF الآلي ورؤية وتحليل الأداء البصري ، إلخ.

لأتمتة تنفيذ DynamicPSF ، يجب أن يستدعي البرنامج النصي طريقة executeGlobal لمثيل DynamicPSF. من خلال تعيين معلمات العملية المناسبة قبل هذا الاستدعاء ، يمكن للبرنامج النصي فرض صورة مستهدفة واحدة أو أكثر والتحكم في تجديد جميع نوبات PSF المحددة في المثيل. يوفر DynamicPSF المعلمات المفيدة التالية للبرمجة النصية:

الآراء (الطاولة)

يحتوي هذا الجدول على عمود واحد من نوع السلسلة. يحدد كل صف في هذا الجدول معرف طريقة العرض الهدف حيث سيقوم مثيل DynamicPSF بتنفيذ عمليات PSF الملائمة.

النجوم (الطاولة)

يتوافق كل صف في هذا الجدول مع كائن مناسب. يحتوي هذا الجدول على الأعمدة التالية:

viewIndex (UInt32)

فهرس وجهة النظر الهدف في جدول المشاهدات.

قناة (Int32)

الحالة (تعداد)

حالة الخروج من روتين اكتشاف النجوم. يمكن أن يكون أحد:

DynamicPSF.prototype.Star_NotDetected
DynamicPSF.prototype.Star_DetectedOk
DynamicPSF.prototype.Star_NoSignificantData
DynamicPSF.prototype.Star_CrossingEdges
DynamicPSF.prototype.Star_OutsideImage
DynamicPSF.prototype.Star_NoConvergence
DynamicPSF.prototype.Star_UnknownError

الإحداثيات الأفقية للركن الأيسر العلوي من منطقة أخذ العينات النجمية.

الإحداثيات الرأسية للزاوية العلوية اليسرى لمنطقة أخذ العينات النجمية.

الإحداثيات الأفقية للزاوية اليمنى السفلية من منطقة أخذ العينات النجمية.

الإحداثيات الرأسية للجزء العلوي الأيمن السفلي من منطقة أخذ العينات النجمية.

التنسيق الأفقي لمركز النجم.

الإحداثيات الرأسية لمركز النجم.

يتوافق كل صف في هذا الجدول مع ملاءمة PSF. يحتوي هذا الجدول على الأعمدة التالية:

starIndex (UInt32)

فهرس النجمة المجهزة في جدول النجوم.

وظيفة (تعداد)

وظيفة نموذج PSF المجهزة. يمكن أن يكون أحد:

DynamicPSF.prototype.Function_Gaussian
DynamicPSF.prototype.Function_Moffat
DynamicPSF.Prototype.Function_Moffat10
DynamicPSF.Prototype.Function_Moffat8
DynamicPSF.Prototype.Function_Moffat6
DynamicPSF.Prototype.Function_Moffat4
DynamicPSF.Prototype.Function_Moffat25
DynamicPSF.Prototype.Function_Moffat15
DynamicPSF.Prototype.Function_Lorentzian

دائري (قيمة منطقية)

صحيح إذا كانت وظيفة نموذج PSF الدائري قد تم تركيبها بشكل خاطئ إذا كانت الوظيفة بيضاوية. بالنسبة للوظائف الدائرية ، لا يتم تعريف عمودي sy و theta.

الحالة (تعداد)

حالة الخروج من روتين تركيب PSF. يمكن أن يكون أحد:

DynamicPSF.prototype.PSF_NotFitted
DynamicPSF.prototype.PSF_FittedOk
DynamicPSF.prototype.PSF_BadParameters
DynamicPSF.prototype.PSF_NoSolution
DynamicPSF.prototype.PSF_NoConvergence
DynamicPSF.prototype.PSF_InaccurateSolution
DynamicPSF.prototype.PSF_UnknownError

السعة ، أو قيمة ذروة الوظيفة ، هي أيضًا قيمة الوظيفة عند إحداثيات النقطه الوسطى.

الإحداثيات الأفقية للنقطة الوسطى ، في إحداثيات بكسل الصورة.

الإحداثيات الرأسية للنقطة الوسطى ، في إحداثيات بكسل الصورة.

الانحراف المعياري على المحور X بإحداثيات PSF بكسل.

الانحراف المعياري على المحور Y بإحداثيات PSF بكسل.

ثيتا (يطفو)

زاوية الدوران بالدرجات ، في النطاق [0 & deg، 180 & deg. غير محدد للوظائف الدائرية.

بيتا (يطفو)

معلمة الأس بيتا لوظيفة نموذج موفات. غير معرّف لوظائف Gaussian.

يعني الاختلاف المطلق لتناسب PSF هذا.

autoPSF (قيمة منطقية)

لتمكين ميزة وظيفة النموذج التلقائي لـ DynamicPSF.

دائري (قيمة منطقية)

تناسب وظائف نموذج PSF الدائري خلاف ذلك وظائف بيضاوية الشكل.

غاوسي (قيمة منطقية)

تناسب وظائف نموذج PSF Gaussian.

moffatPSF (قيمة منطقية)

وظائف نموذج Fit Moffat PSF مع الأس المتغير والبيتا.

moffat10PSF (قيمة منطقية)

وظائف نموذج Fit Moffat PSF مع ثابت وبيتا = 10.

moffat8PSF (قيمة منطقية)

وظائف نموذج Fit Moffat PSF مع ثابت وبيتا = 8.

moffat6PSF (قيمة منطقية)

وظائف نموذج Fit Moffat PSF مع ثابت وبيتا = 6.

moffat4PSF (قيمة منطقية)

وظائف نموذج Fit Moffat PSF مع ثابت وبيتا = 4.

moffat25PSF (قيمة منطقية)

وظائف نموذج Fit Moffat PSF مع ثابت وبيتا = 2.5.

moffat15PSF (قيمة منطقية)

وظائف نموذج Fit Moffat PSF مع ثابت وبيتا = 1.5.

لورنتزيان PSF (قيمة منطقية)

وظائف نموذج Fit Lorentzian PSF (مكافئة لوظيفة Moffat مع ثابت وبيتا = 1).

الزوايا (قيمة منطقية)

تمثيل زوايا الدوران كقيم موقعة في [& ndash90 & deg، + 90 & deg]. بخلاف ذلك ، تمثل الزوايا في النطاق [0 & deg، 180 & deg].

تتجدد (قيمة منطقية)

تفعيل تجديد جميع نوبات PSF المحددة في جدول psf. سيؤدي ذلك إلى إجبار مثيل DynamicPSF على إعادة البحث في جميع النجوم قبل تركيب وظائف نموذج PSF الجديد. إذا تم تعيين هذه المعلمة على "خطأ" ، فسيتم إعادة حساب نوبات PSF في إحداثياتها الأصلية ، والتي يمكن أن تكون أسرع ولكن أقل دقة.

نطاق البحث (Int32)

قيمة معلمة نصف قطر البحث لـ DynamicPSF.

عتبة (يطفو)

قيمة معلمة حد الخلفية لـ DynamicPSF.

فتحة تلقائية (قيمة منطقية)

قم بتمكين ميزة الفتحة التلقائية لـ DynamicPSF.

بعد التنفيذ في السياق العام ، تحتوي معلمات جدول النجوم و psf للمثيل المنفذ على جميع المعلومات المرتبطة بنوبات PSF الجديدة المنفذة.

النص التالي هو مثال بسيط لأتمتة DynamicPSF. يقوم البرنامج النصي بإنشاء مثيل جديد لعملية DynamicPSF كنسخة مكررة من المثيل المنقول بواسطة أيقونة عملية موجودة. يتم بعد ذلك تهيئة المثيل الجديد ليلائم وظائف Gaussian الدائرية للعرض الرئيسي لنافذة الصورة النشطة. بمجرد التنفيذ ، يستكشف البرنامج النصي جدول psf للمثيل لحساب متوسط ​​تقدير FWHM للصورة. يتم اشتقاق عوامل الترجيح من قيم MAD المحسوبة لكل ملاءمة PSF.

تلميحات الاستخدام

  • قياسات PSF ممكنة فقط مع الصور الخطية. قياسات PSF ذات مغزى غير مجدية مع الصور غير الخطية. بعد تحويل غير خطي واسع النطاق ، مثل الامتداد الأولي المطبق مع تحويل المدرج التكراري على سبيل المثال ، لم يعد هناك PSF صالحًا للصورة بأكملها. بشكل عام ، يجب عليك استخدام أداة DynamicPSF حصريا مع الصور الخام الخطية. يمكنك استخدام DynamicPSF مع صورة مفككة لتقييم تقليل حجم النجم الذي تم تحقيقه بعد فك الارتباط ، ولكن بخلاف هذا الاستخدام الخاص ، فإن محاولة تقدير PSF لا معنى لها ما لم يتم استخدام بيانات CCD أو DSLR الأولية.

  • استخدم أداة ScreenTransferFunction لجعل الصورة مرئية أثناء جلسة DynamicPSF. بشكل عام ، هذه هي الطريقة الوحيدة التي يمكنك من خلالها العمل مع الصور الأولية لأن البيانات الخطية عادةً ما تحتوي على تباين كبير جدًا بحيث لا يمكن عرضها على الشاشة.
  • استخدم فقط مشرق بشكل معتدل ، متوسط ​​النجوم، وتجنب النجوم المشبعة ، والنجوم الساطعة جدا والخافتة. إذا كنت تمثل نجمًا مشبعًا في ثلاثة أبعاد ، يمكنك أن ترى أن شكله قد تم اقتطاعه ، وبالتالي لا يمكن تمثيله بدقة باستخدام أي دالة نموذج PSF. لا يمكن أيضًا تصميم النجوم القاتمة جدًا ، لأن ذيولها كذلك المغمورة تحت ضجيج الخلفية.
  • لا تحاول أن تلائم وظائف نموذج PSF البيضاوي بدرجة عالية من عدم اليقين. عادةً ما يعني التشتت الكبير في زوايا الدوران المقدرة أن البيانات لم يتم أخذ عينات منها بشكل كافٍ أو أنها غير مؤكدة بدرجة كافية لتوفير تقديرات مفيدة. أنت تعلم أن هذا يحدث عندما تحصل على تقديرات مختلفة بشكل كبير لـ ص و / أو زاوية الدوران معلمات لنجوم متشابهة بطريقة عشوائية إلى حد ما. في هذه الحالات ، يجب عليك تحديد ملف PSF دائري خيار لتجنب النتائج التي لا معنى لها. عادةً ، لا يعمل تركيب وظائف PSF البيضاوية في حالتين: الصور قليلة العينات بشدة (على سبيل المثال ، صور المجال الواسع) والإطارات الأولية ذات مستويات الضوضاء العالية.

مثال على الاستخدام الخاطئ لوظائف نموذج PSF البيضاوي. في مجموعة النجوم المجهزة الموضحة في هذا الشكل ، تكون زوايا الدوران ونسب العرض غير متسقة بسبب مستويات الضوضاء العالية في إطار CCD الخام هذا (مرر الماوس فوق الصورة لرؤية نسخة ممتدة). الوظائف البيضاوية المجهزة لا معنى لها ويمكن الحصول على نتائج أكثر قوة ودقة من خلال تركيب وظائف Gaussian الدائرية أو وظائف بيتا Moffat الثابتة.

  • بشكل عام ، لا تحتاج المئات من PSF يناسب للحصول على تقدير جيد لـ PSF الحقيقي للصورة. عادة ما يكون عدد قليل نسبيًا من تم اختيارها بعناية النجوم كافية لتحقيق نتيجة ممتازة باستخدام أداة DynamicPSF في بضع دقائق فقط.
  • استخدم ال تصدير PSF الاصطناعية خاصية لتوليد متوسط ​​قوي من PSF يناسب النجوم المحددة التي يمكنك استخدامها مع أداة Deconvolution ، على سبيل المثال. لا تستخدم صورة PSF تم إنشاؤها بامتداد متوسط ​​معلمات PSF لأنه أكثر حساسية للانحرافات الصغيرة ، وبالتالي فهو أقل دقة.
  • تجنب مقارنة FWHM وغيرها من معلمات النجوم المجهزة بالنتائج التي تم الحصول عليها في التطبيقات الأخرى ، ما لم تكن تعرف ما تفعله ولديك معلومات كافية عن وظائف التركيب والخوارزميات المستخدمة من قبل التطبيق (التطبيقات) الأخرى. كل تطبيق يطبق طرقًا مختلفة بطرق مختلفة جدًا والنتائج بشكل عام غير متوافقة.

مراجع

[1] موفات ، أ.ف.ج. تحقيق نظري للصور النجمية البؤرية في مستحلب التصوير الفوتوغرافي وتطبيقها على القياس الضوئي الفوتوغرافي، علم الفلك والفيزياء الفلكية ، المجلد. 3 ، ص. 455 (1969)

[2] جيه جيه موريه وبي إس جاربو وكيه إي هيلستروم دليل المستخدم لـ MINPACK-1تقرير مختبر أرجون الوطني ANL-80-74 ، أرغون ، إلينوي ، 1980.

[3] Frédéric Devernay ، مكتبة C / C ++ Minpack.

[4] Peter B. Stetson ، تقنيات المربعات الصغرى والقياسات الضوئية النجمية باستخدام CCDs (سلسلة من خمس محاضرات تم تقديمها في V Escola Avancada de Astrofisica ، 1989 30 يوليو - 3 أغسطس ، Aguas de Sao Pedro ، البرازيل).

[5] William H. Press et al. ، الوصفات العددية ، فن الحوسبة العلمية، الطبعة الثالثة ، مطبعة جامعة كامبريدج ، 2007 ، القسم 15.5.

حقوق النشر والنسخ 2011 Pleiades Astrophoto. كل الحقوق محفوظة.

تم إنشاؤه بواسطة الإصدار النصي لمجمع وثائق PixInsight 1.5.1 بتاريخ 2014/02/18 17:04:31 بالتوقيت العالمي المنسق


تركيب PSF في صورة للحصول على تدفق كلي (Python) - علم الفلك

أرغب في مشاركة برنامج صغير كتبته ، يسمى حاليًا MetroPSF لعدم وجود اسم أفضل ، للقياس الضوئي لمجموعة تفاضلية PSF. في البداية ، كتبت نصًا صغيرًا للتحقق مرة أخرى من النتائج التي كنت أحصل عليها من خلال Astrometrica لـ SN 2021gmj ، ومع ذلك ، اعتقدت أنه قد يكون مفيدًا للجمهور ، لذا فقد تم إصدار الكود المصدري. إنه نموذج أولي ، لذا فإن جودة الشفرة منخفضة جدًا ، لكن النتائج التي ينتجها يجب أن تكون جاهزة للتحليل. سأكون ممتنا أي ردود فعل واقتراحات. اعتقدت أنني سأفحص ما إذا كان هذا يهم الجمهور على الإطلاق من خلال إصدار إصدار أولي لـ "ألفا".

يمكن العثور هنا على ملف READ ME الذي يحتوي على وصف موجز وتعليمات التثبيت بالإضافة إلى أحدث إصدار من البرنامج:

قد تبدو عملية التثبيت غريبة بعض الشيء ، لكن كل ذلك يتلخص في تثبيت مترجم Python الذي يعد عملية تلقائية إلى حد كبير ، واستخدام pip لتثبيت المكتبات ، وهو أمر تلقائي أيضًا. يستغرق هذا بضع دقائق على كل من أنظمة تشغيل Windows والأنظمة الأساسية الشبيهة بـ Unix.

يعمل MetroPSF مع VizieR و Astrometry.net لاسترداد الكتالوجات وحلها ، ويصف ملف READ ME حالة استخدام سريع للتعرف على الواجهة. فيما يلي لقطة شاشة للبرنامج قيد التشغيل - على NGC 3310 مع SN 2021gmj.

قمت بتنزيل البرنامج واستخراجه إلى دليل على محرك الأقراص C: وقمت بتثبيت Python

(أعترف أنني لا أعرف أي شيء عن بايثون)

ومع ذلك ، لا أعرف كيفية تشغيل "pip install -r requirements.txt"

هل هذا عن طريق موجه الأوامر؟ لقد أعطت للتو خطأ "لم يتم التعرف على النقطة. "

تجاهل ذلك. فهمت الأمر الآن.

على الرغم من أنني قمت بتثبيت Python ، إلا أنه لا يبدو أنه يسجل بشكل صحيح كبرنامج.

اضطررت للذهاب إلى متجر Microsoft لتنزيله وتثبيته من هناك.

أحصل على نفس المشكلة أثناء محاولة تثبيت 3.9.4 مباشرة من موقع Python على الويب إلى مثيل Win 10 20H2 جديد في جهاز افتراضي. محاولة تشغيل النقطة من Powershell يعطي خطأ "لم يتم التعرف على الأمر". نجح التثبيت من متجر MS. ثم تم تشغيل بقية التثبيت بسلاسة على الرغم من أنه لم يتم تثبيت `` العجلة '' حسب لقطة الشاشة المرفقة ولديه تحذيرات مختلفة (انظر لقطة الشاشة). أفترض أن هذه حميدة. سأحاول الخروج من البرنامج الآن.

سعيد أنه يعمل. يقوم Windows بإجراء هذه التغييرات المستمرة - الرؤوس تدور. هو موضع تقدير كبير أي ردود فعل. يُرجى إعلامي إذا كان لديك أي أسئلة. الإصدار 0.12 قيد الإعداد بالفعل مع إمكانية طرح نجوم VSX من المجموعة والإبلاغ عن مصادر VSX القريبة.

يمكنني تشغيل البرنامج الآن ، ولكن عندما أفتح صورة ، يتم تحميل رأس FITS فقط في اللوحة السفلية - لا يتم تحميل الصورة نفسها.

ألاحظ أن نافذة موجه الأوامر تنص على ما يلي:

تحذير: لم يتم العثور على مفتاح واجهة برمجة تطبيقات Astrometry.net في ملف التكوين [astroquery.astrometry_net.core]

تحذير: تحتاج إلى تحرير ملف التكوين يدويًا وإضافته [astroquery.astrometry_net.core]

تحذير: يمكنك أيضًا تسجيله في هذه الجلسة باستخدام AstrometryNet.key = 'XXXXXXXX' [astroquery.astrometry_net.core]

استثناء في رد الاتصال Tkinter

Traceback (آخر مكالمة أخيرة):

ملف "C: Program Files WindowsApps PythonSoftwareFoundation.Python.3.9_3.9.1264.0_x64__qbz5n2kfra8p0 lib tkinter __ init__.py" ، السطر 1892 ، في __call__

ملف "C: metropsf metropsf.py" ، السطر 593 ، في update_histogram_high

ملف "C: metropsf metropsf.py" ، السطر 502 ، في update_display

ملف "C: metropsf metropsf.py" ، السطر 91 ، في display_image

create_FITS_thumbnail (self.histogram_slider_low، self.histogram_slider_high، self.zoom_level)

ملف "C: metropsf metropsf.py" ، السطر 57 ، في create_FITS_thumbnail

NameError: الاسم "image_data" غير محدد

غريب جدا. إذا كنت تستطيع أن ترسل لي FITS إلى maxim.usatov في bcsatellite.net يمكنني إلقاء نظرة على ما حدث معها. حتى الآن ، تم تحميل جميع ملفات FITS بشكل جيد على كل من أجهزة كمبيوتر FreeBSD و Windows الخاصة بي قادمة من تلسكوبات بعيدة مختلفة.

نعم ، أحصل على نفس الشيء في Win 10. بيانات FITS ولكن بدون صورة. انظر لقطة الشاشة المرفقة. تم إرفاق ملف FITS. لاحظ أنه ملف gzip مضغوط ولكن يمكنني فقط إرفاق ملفات بامتداد .fits لذلك قد تحتاج إلى تغيير ذلك إلى fit.gz حتى يعمل.

لقد قمت للتو بتحويل FITS الذي كنت أستخدمه من int16 إلى float32 وهو يعمل الآن. لدي صورة. سوف ألعب أكثر قليلا.

نعم ، هذا يناسبني الآن أيضًا. شكرا نيك!

@ Maxim: هل هناك أي فرصة للحصول على هذا البرنامج لفتح ملفات 8 يناسب مباشرة من فضلك؟

لديّ مشروع صغير في ذهني يتضمن صورًا من كاميرا بي شبكة النيزك العالمية.

آسف ، لسبب ما أجاب في موضوع خاطئ. يجب أن يفتح هذا الإصدار غرامة Nick's FITS:

نيك ، مايكل ، شكرا جزيلا لك. هذا واحد يجب أن يفتح غرامة Nick's FITS:

مكسيم - شكرًا ، هذا يعمل بشكل جيد ، انظر المرفق. سألقي نظرة على وثائقك لاحقًا وسأجري بعض التجارب في المجالات المعروفة.

نيك عظيم! من فضلك لا تتردد في تقديم طلبات الميزات. أحاول أن أشعر إلى أين آخذ هذا بعد ذلك. ربما ، معالجة سطر الأوامر. بالتأكيد بحاجة إلى طريقة لحفظ جميع الإعدادات.

لتوضيح نقطتي أعلاه ، أحصل على رسالة خطأ طويلة عند فتح البرنامج.

الخطأ موجود في نافذة منفصلة للتطبيق الرئيسي.

يحدث أيضًا مع V0.12 المشتركة أعلاه.

تحذير: لم يتم العثور على مفتاح واجهة برمجة تطبيقات Astrometry.net في ملف التكوين [astroquery.astrometry_net.core]

تحذير: تحتاج إلى تحرير ملف التكوين يدويًا وإضافته [astroquery.astrometry_net.core]

تحذير: يمكنك أيضًا تسجيله في هذه الجلسة باستخدام AstrometryNet.key = 'XXXXXXXX' [astroquery.astrometry_net.core]

استثناء في رد الاتصال Tkinter

Traceback (آخر مكالمة أخيرة):

ملف "C: Program Files WindowsApps PythonSoftwareFoundation.Python.3.9_3.9.1264.0_x64__qbz5n2kfra8p0 lib tkinter __ init__.py" ، السطر 1892 ، في __call__

ملف "C: metropsf metropsf.py" ، السطر 665 ، في update_histogram_high

ملف "C: metropsf metropsf.py" ، السطر 560 ، في update_display

ملف "C: metropsf metropsf.py" ، السطر 93 ، في display_image

create_FITS_thumbnail (self.histogram_slider_low، self.histogram_slider_high، self.zoom_level)

ملف "C: metropsf metropsf.py" ، السطر 56 ، في create_FITS_thumbnail

NameError: الاسم "image_data" غير محدد

في الوقت الحاضر فقط تجاهل هؤلاء. سأقوم بتنظيف الأشياء قريبًا. طالما أن البرنامج نفسه يعمل ، فلا ينبغي أن يؤثر على أي شيء.

مايكل - نعم ، يبدو أنه يعمل بشكل جيد بدون مفتاح astrometry.net على الرغم من أن ملفاتي قد تم حلها بالفعل. فيما يلي مثال على حقل V1391 Cas مع الملاءمة باستخدام V.

مكسيم - هل يمكنك إضافة Gaia DR2 G إلى قائمة الكتالوجات الخاصة بك؟ أيضًا ، لا يبدو أن امتداد تباين الصورة يعمل جيدًا بالنسبة لي.

نيك ، هنا 0.13 مع Gaia DR2 وتمتد الصورة غير الخطية للحصول على مناظر أفضل:
http://trafyx.com/wp-content/uploads/2021/04/metropsf-0.13.zip
دليل المستخدم المحدث PDF بالداخل. رجاءا، أخبرني إن كنت تحتاج أي شيء آخر.

شكرا. تلقيت خطأ "630 match_mag" عند حساب نموذج الانحدار. الآن.

نيك ، يبدو أنه لا يمكنه العثور على مقادير نجوم المقارنة في المجموعة. لقد ذهبت للتو على طول الطريق - فتحت ملف FITS 16 بت (ugc7513_000.fits) ، وقمت بعمل قياس ضوئي PSF بشكل متكرر ، ثم قم بتعيين الكتالوج على Gaia DR2 ، و CCD Filter على G يدويًا ، وقم بتشغيل Get Comparison Stars ، ثم Find Regression Model وتمكن أخيرًا من الحصول على مقادير تفاضلية عن طريق النقر بالماوس على المصادر. حاول إزالة ملف .phot القديم وتنفيذ نفس الخطوات.سأخرج من المدينة لبضعة أيام ولكن آمل أن أتمكن من المساعدة في حالات التأخير.

مكسيم - شكرًا ، أنا على وشك الوصول. لقد نسيت خطوة "الحصول على نجوم مقارنة"! الآن حصلت على نوبة. المشكلة الوحيدة المتبقية هي عندما أنقر على الكائن ، فإن التدفق / الحجم وما إلى ذلك كلها صفر. ما الخطأ الذي افعله؟

سؤال آخر - هل أنا محق في أن الرسم البياني المناسب للمجموعة مقلوب رأسًا على عقب ، أي أن المقادير الأكثر سطوعًا موجودة في الزاوية اليسرى السفلية. ليست مشكلة ولكن أود فقط أن أفهم.

نيك ، هل تمانع في إرسال ملف FITS بهذه البيانات؟ من المحتمل أنك تنقر على المصادر التي لا تحتوي على أي قياس ضوئي مناسب على الإطلاق ، أي تظهر بدون دوائر تحيط بها. هذا يعني أن إجراء IRAFStarFinder لم يكتشف مصدر نقطة في هذا الموقع. يجب أن تحصل على نتيجة قياس ضوئي كاملة إذا نقرت على مصدر محاط بدائرة. اعتقدت في البداية أنه قد تكون بعض مصادرك أقل من حد الكشف الافتراضي 10 سيجما ، لكن يمكنني أن أرى أن بعض المصادر الأكثر إشراقًا لم يتم اكتشافها أيضًا ، لذلك ربما نحتاج إلى إدخال تعديل آخر على الخوارزمية . ربما شيء مع الاستدارة. هل ترغب في اللعب ببيانات FITS هذه لحل هذه المشكلة.

على ملاءمة المجموعة - نعم ، أنت على صواب ، توجد أذكى المقادير في الزاوية اليسرى السفلية. هل تعتقد أننا يجب أن نقلب المحاور؟

مرفق. إنه يناسب gzipped.

لحسن الحظ ، ليست هناك حاجة إلى إعداد إضافي - أردت الاحتفاظ بالبرنامج بأقل قدر ممكن من الإعدادات لتجنب تعقيده. يبدو أن PSFs أكثر وضوحًا في صورتك من التلسكوبات التي أستخدمها عادةً ، لذا حاول ضبط Lower Bound for Sharpness على 0.2 وإعادة القياس الضوئي. يكتشف معظم المصادر في صورتك بهذه الطريقة. إذا كنت تريد التعمق أكثر قليلاً ، فاخفض عتبة اكتشاف النجوم من 10 إلى ، على سبيل المثال ، 5 سيغماس. يكتشف هذا إلى حد كبير جميع المصادر وصولاً إلى SNR & lt 1 ، باستثناء مصدر خافت ممتد أسفل وإلى يسار المجرة.

سأضيف بعد ذلك ميزة لحفظ الإعدادات حتى لا تضطر إلى ضبط الأشياء يدويًا في كل مرة. أعتقد أنه سيكون من المفيد للمستخدم حفظ إعداداته مرة واحدة وإعادة استخدامها.

أرجوك أخبرني إن كانت تشتغل.

شكرا. هذا يعمل بشكل جيد جدا. أحصل على مجموعة جيدة جدًا مناسبة ضد Gaia G وقوة لـ SN 2021hpr تبلغ 14.21. يقارن هذا بـ 14.29 باستخدام أداة قياس الضوء للفتحة الخاصة بي ، والتي يُفترض أنها تتأثر بخلفية المجرة. على الرغم من ذلك ، أعتقد أن نسبة الإشارة إلى الضوضاء التي ذكرتها منخفضة للغاية أحصل على 168 ، لديك 27. SNR هو شيء يصعب حسابه بشكل صحيح. كيف يمكنك أن تفعل ذلك؟

Nick ، ​​أنا أستخدم SNR = Peak Flux عند مستوى خلفية السماء الوسطى / المتوسطة ، حيث يتم أخذ Peak Flux من بيانات FITS الأولية ، ولا يتم تقديرها من الملاءمة الضوئية ، ويتم التقاط خلفية السماء على الصورة بأكملها. هل نحتاج إلى أي تعديلات هنا؟ أتساءل كيف تم اشتقاق 168.

لاحظ أنني تمكنت من تحسين عدم اليقين من خلال تقييد نطاق المجموعة إلى 13-16 ماج - انظر المرفق.

تم الحذف. أجاب في موضوع خاطئ.

هناك مناقشة قديمة حول حساب SNR هنا. انتهى بي الأمر بحساب جميع المصادر غير الفوتونية مباشرةً عن طريق قياس قيمة RMS في تقدير السماء. لحساب الفوتون ، sqrt (N) ، والضوضاء تحتاج إلى معرفة كسب الكاميرا. لقد نفذت هذا في أداة قياس ضوئي ذات فتحة آلية أستخدمها ويبدو ذلك معقولًا بالنسبة لي.

نيك ، شكرا جزيلا على المعلومات. مع القياس الضوئي PSF ، لا يتم استخدام حلق السماء على الإطلاق ، لذا فإن تنفيذ هذا النهج مباشرة غير ممكن ، ما لم نقدم إعداد حلقة السماء. ولكن بعد ذلك ، إذا فعلنا ذلك ، ألن يتم فصل تقدير عدم اليقين هذا بشكل أساسي عن خوارزمية القياس الضوئي المستخدمة؟

لحسن الحظ ، وجدت أن تنفيذ خوارزمية قياس الضوء PSF التكراري في photutils يوفر شكوكًا في التدفق كإخراج. إليك رابط الإصدار 0.14 من البرنامج الذي يبلغ عن الخطأ الإجمالي = sqrt (flux_unc ^ 2 + fit_unc ^ 2) بدلاً من الاعتماد على تقدير SNR خارجي:

لا أعتقد أن لدي الخبرة اللازمة لتطوير طريقة جديدة لتقدير أوجه عدم اليقين باستخدام قياس الضوء المناسب PSF. يجب أن يكون استخدام عدم اليقين الملائم للتدفق الذي توفره الخوارزمية الأساسية آمنًا. أتساءل عما إذا كنت توافق على هذا النهج وإذا كان بإمكانك تجربة هذا الإصدار.

فقط لإعلامك بأنني كنت أستخدم البرنامج ولكن لم تتح لي الفرصة لإلقاء نظرة على تفاصيل SNR حتى الآن. سأفعل ذلك عندما أحصل على الوقت.

لست متأكدًا تمامًا من فهمي لما يفعله الكود الخاص بك.

القياس الضوئي التفاضلي باستخدام ملف Poissonian / Gaussian ثم استخدام Gaia DR2 للحصول على حجم النجم المرجعي؟

كيف تختلف النتيجة الملائمة عما ستحصل عليه باستخدام DAOPHOT؟

أيضًا ، هل تحدد قيمة تسمح بتجاهل النجوم التي تقترب من التشبع؟

هل النجم المراد قياسه يُرمز إليه باليد أم بواسطة RA / Dec بطريقة ما؟

يبدو أن الكود سيجده الناس مفيدًا.

نعم ، تركيب à la DAOPHOT ، ثم اشتقاق مقادير تفاضلية عبر الانحدار الخطي الملائم لمجموعة تم الحصول عليها من كتالوج VizieR. يمكنك تحديد الكتالوج الذي تحتاجه. لا ينبغي أن تكون النتيجة مختلفة كثيرًا عن DAOPHOT ، على الرغم من أنني أستخدم تنفيذها في photutils الخاصة بـ Astropy. لذلك ، تعد MetroPSF واجهة مستخدم رسومية ملائمة للصور مع بعض الوظائف الإضافية مثل تركيب الانحدار الخطي وحل الألواح ومطابقة المصدر وما إلى ذلك.

تقوم بالنقر فوق المصدر الذي ترغب في قياسه في النافذة. فيما يلي ملخص كتابي قصير للوظيفة ، تحقق من قسم البدء السريع هنا:
http://trafyx.com/wp-content/uploads/2021/04/metropsf-3.pdf

لا يتم تجاهل الاقتراب من التشبع ، ولكن يمكنك اختيار ترجيح Gaussian sigma للمجموعة ، لذا فإن PSF يتلاءم مع علامات سيجما العالية التي تظهر بشكل عام مع مصادر مشبعة ، وسيتم تخصيص وزن أقل في الملاءمة. هل تنصح بإدخال "قاطع صارم" للنجوم المشبعة بشكل زائد؟

ملاحظة. جرانت ، التفكير في هذا مرة أخرى ، الحل اليدوي الواضح لتجنب التشبع الزائد هو الحد من مقادير المصدر في المجموعة ، وهو أمر ممكن في MetroPSF بالفعل. يمكن دمج هذا مع ترجيح سيجما أيضًا.

أعتقد أن الإصدار الذي أستخدمه هو تحويل قياسي لروتين DAOFIND إلى Python. أستخدمه لتوفير مواقع النجوم ثم إجراء قياس ضوئي عليها.

بعد ذلك أقارن إحداثياتي بإحداثيات النجوم في Gaia DR2 وأنتج المطابقات. لذلك قمت بعد ذلك بقياس التدفق مقابل ماج الكتالوج.

ثم أقوم بملاءمة الانحدار الخطي وإزالة القيم المتطرفة بشكل متكرر. أنا متأكد تمامًا من أنني وجدت ذلك أكثر نجاحًا من استخدام الأوزان. كنت أتوقع أن تتسبب نجوم مؤشر الألوان المتطرفة في حدوث مشكلات أيضًا ولكن كان لذلك تأثير ضئيل نسبيًا.

أعتقد أنه في عمليتي ، تم استبعاد أي نجم ذي ذروة سطوع و GT50000 من الانحدار الخطي. كما تقول ، يجب أن يعمل تعيين حد للحجم ولكن العد كان سهلاً.

جرانت ، ما هي المعايير التي تستخدمها لإزالة القيم المتطرفة من المجموعة؟

ألقي نظرة على النقطة الأبعد عن الملاءمة المتولدة وأزلها.

ثم أعيد حساب الملاءمة وأكررها حتى يتم الوصول إلى معامل انحدار لائق و / أو تكون الأخطاء أقل من العتبة وتبقى النجوم الكافية.

إنها ليست طريقة مثالية ولديها مشكلة عندما يكون هناك عدد قليل من النجوم في المشهد ، لكن النتائج التي حصلت عليها تشير إلى أنها تقوم بعمل جيد - بالتأكيد أفضل بكثير من عدم استبعاد القيم المتطرفة. قد لا تحدث فرقًا كبيرًا بشكل عام ، ولكن من السهل ترميزها واختبارها ، لذا من المحتمل أن يكون الأمر يستحق نظرة كتحسين محتمل.

كان من المتوقع أن تتسبب النجوم ذات مؤشرات الألوان الأكثر تطرفًا في أن تكون نقاط البيانات بعيدة عن المنحنى ، ولكن على الرغم من أنها لم تكن رائعة ، إلا أنها لم تكن دائمًا أسوأ القيم المتطرفة.

من المحتمل أن تستخرج الكود إذا أردت ذلك. كنت أستخدم Gaia DR2 وبيانات مستشعر مبردة تم التقاطها باستخدام Silicon CCD عادي.

جرانت ، شكرا جزيلا على هذا الاقتراح. بسيط وفعال. لقد قمت للتو بتنفيذ هذا ، وسوف يظهر في الإصدار 0.15.

يسعدني الإعلان عن أحدث إصدار من MetroPSF 0.15. الكثير من الأشياء الجديدة:

• قياس الضوء للفتحة.
هذا مشابه لخوارزميات القياس الضوئي للفتحة الشائعة الموجودة في البرامج الأخرى باستثناء أنه يتم طرح نموذج ثنائي الأبعاد للخلفية من الصورة ، لذلك لا يتم استخدام حلقات السماء.

• إنشاء تقرير AAVSO.
يمكن لـ MetroPSF الآن إنشاء ملفات تقرير متوافقة مع AAVSO.

• الإبلاغ التلقائي عن جميع مصادر VSX في الصورة.
يمكن لـ MetroPSF إنشاء تقارير عن جميع مصادر VSX الموجودة في الصورة. يتنقل عبر كل متغير VSX ويبني ملف تقرير. على الرغم من أنني لا أوصي بعمل تقارير تلقائية وإرسالها بشكل أعمى (ما لم تكن تعرف ما تفعله بالضبط) ، فهذا مفيد عندما تحتاج إلى معالجة ملفات FITS متعددة لإنشاء تقرير عن كائن واحد أو كائنات متعددة باستخدام ، على سبيل المثال المقادير.

• معالجة مجمعة لجميع ملفات FITS الموجودة في مجلد.
من الممكن الآن إجراء سلسلة ضوئية ، حيث يمكن لـ MetroPSF معالجة ملفات FITS متعددة في مجلد في وقت واحد.

• توليد منحنى خفيف من تقارير BAA.
. وعرض منحنى خفيف من جميع ملفات التقارير التي تم إنشاؤها.

• أضيفت القدرة على إزالة القيم المتطرفة من ر فاي - من خلال الحد من الفرقة والحد الأقصى الانفصال.
قياس ضوئي أكثر دقة ، حيث يمكنك إعداده لاستبعاد نجوم المقارنة تلقائيًا أبعد من R ثانية قوسية من الهدف ، أو التي لا تتناسب بشكل جيد مع مجموعة المقارنة ، على سبيل المثال مجموعة محدودة للنجوم N.

التغييرات الملائمة:
• الإبلاغ عن عدد نجوم المجموعة على مخطط الانحدار الخطي t.
• يتم الآن تعيين اسم الكائن في اللوحة اليسرى تلقائيًا من كتالوج VSX لمصادر مطابقة.
• عرض مصدر VSX التالي.
يمكن التنقل بسهولة بين جميع المتغيرات المعروفة في صورتك.

• يُبلغ النقر بالماوس الآن عن الوقت بتنسيق ISO UTC جنبًا إلى جنب مع نتيجة القياس الضوئي.
لنسخ ولصق في المنتديات والمناقشات.


عدم اليقين والارتباطات المعلمة: Bootstrap و MCMC

كما لاحظت على الأرجح ، فإن جزءًا من ناتج imfit عبارة عن مجموعة من عوامل عدم اليقين بمعامل 1-sigma لكل معلمة مثبتة في النموذج. يتم إنشاؤها تلقائيًا عند استخدام المصغر الافتراضي (Levenberg-Marquardt). إنهم ليسوا بهذه الدقة عادةً ، فهم يفترضون أن جميع أوجه عدم اليقين متماثلة ، ولا يقدمون أي معلومات حول الارتباطات المحتملة أو الارتباطات المضادة بين قيم المعلمات المختلفة.

إذا كانت لديك صورة أفضل لشكل عوامل عدم اليقين والارتباطات المحتملة ، فهناك خياران: أحدهما سريع ولكنه صاخب والآخر بطيء ولكنه مفصل:

إعادة تشكيل Boootstrap: يتضمن ذلك إنشاء نسخة جديدة من صورة البيانات عن طريق أخذ عينات من الصورة الأصلية مع الاستبدال (تجاهل وحدات البكسل المقنعة) وإعادة تشغيل الملاءمة. افعل ذلك عدة مئات (أو عدة آلاف بشكل مثالي) ، وستحصل على توزيع لقيم المعلمات التي يمكن أن تقرب الاحتمال (على سبيل المثال ، & chi 2).

تحليل سلسلة ماركوف مونتي كارلو (MCMC): يتضمن ذلك حساب سلاسل ماركوف التي تتكون من تسلسلات من مجموعات قيم المعلمات. بعد فترة & quotburn-in & quot الأولية ، يجب أن يتقارب توزيع النقاط في مساحة المعلمة الممثلة بسلسلة إلى شيء يتناسب مع الاحتمالية. (الخوارزمية الخاصة التي تستخدمها Imfit تدير بالفعل سلاسل متعددة على التوازي).

مثال على إعادة تشكيل Bootstrap

لتوفير الوقت ، سنستخدم النموذج بدون التفاف PSF (يمكنك بالطبع استخدام التفاف PSF مع إعادة تشكيل التمهيد سيستغرق وقتًا أطول):

سيؤدي هذا إلى إجراء الملاءمة كما كان من قبل ، وطباعة النتيجة ، ثم البدء في إجراء 500 جولة من إعادة تشكيل التمهيد وتناسب البيانات المعاد تشكيلها. عند الانتهاء (يستغرق هذا حوالي 30 ثانية على جهاز MacBook Pro 2012 المزود بوحدة معالجة مركزية رباعية النوى) ، فإنه سيطبع ملخصًا لأفضل قيم المعلمات وشكوكها ، كما أنه سيوفر جميع 500 مجموعة من قيم المعلمات في الملف bootstrap_output.dat.

يحتوي هذا الملف على عمود واحد لكل معلمة ، وأسماء الأعمدة هي المعلمات ذات الأرقام الملحقة (على سبيل المثال ، X0_1 ، n_1) لإتاحة إمكانية التمييز بين المعلمات المختلفة عند وجود إصدارات متعددة من نفس الوظيفة ، أو وظائف متعددة لها نفس أسماء المعلمات ، تستخدم في النموذج. (على سبيل المثال ، سيتم إلحاق _1 بجميع معلمات الوظيفة الأولى ، وستحتوي جميع المعلمات من الثانية على _2 ملحقة ، إلخ.)

يوجد في المجلد python / الفرعي لحزمة Imfit الرئيسية زوجان من وحدات Python: imfit_funcs.py و imfit.py. يحتوي الأخير على وظيفة بسيطة للقراءة في ملف إخراج bootstrap-resampling (imfit.GetBootstrapOutput) ، والذي سيعيد قائمة بأسماء المعلمات ومصفوفة Numpy ثنائية الأبعاد مع مجموعة كاملة من قيم المعلمات.

هناك العديد من الطرق الممكنة لتحليل إخراج إعادة تشكيل التمهيد. شيء واحد يمكنك القيام به ، إذا لم يكن النموذج كذلك جدا معقدًا ، هو إنشاء مصفوفة مخطط التشتت (المعروف أيضًا باسم مخطط الزاوية) للمعلمات. يمكن استخدام ركن حزمة Python.py لهذا المثال السريع والقذر الذي يستخدم أيضًا وظيفة imfit.GetBootstrapOutput:

النتيجة مبينة أدناه.

الشكل 4: مصفوفة Scatterplot لقيم المعلمات من 500 جولة من إعادة تشكيل التمهيد يناسب IC 3478 ص-صورة النطاق (نموذج S & eacutersic ، بدون التفاف PSF). لاحظ الارتباطات الواضحة بين معلمات النموذج S & amp ؛ ecutersic (n ، r_e ، I_e).

مثال MCMC

يستخدم تحليل MCMC برنامجًا منفصلاً يسمى imfit-mcmc. يمكنك تشغيله باستخدام الأمر التالي (لاحظ أنه مطابق لأمر imfit العادي ، باستثناء الخيار الذي يحدد اسم الجذر لملفات الإخراج):

تحذير: وهذا سوف يستغرق عدة دقائق! (في جهاز MacBook Pro لعام 2012 المزود بوحدة المعالجة المركزية Intel i7 رباعية النوى ، يستغرق الأمر حوالي ثماني أو عشر دقائق.)

ستتم طباعة تحديثات مختلفة أثناء تشغيل البرنامج. بمجرد انتهاء مرحلة التجربة & quotburn-in & quot ، ستختبر imfit-mcmc التقارب المحتمل للسلاسل كل 5000 جيل من خلال النظر في النصف الأخير من كل سلسلة. إذا تم الكشف عن التقارب ، فسيتوقف البرنامج عن العمل وإلا فإنه سيتم إنهاء العمل عندما يصل إلى 100000 جيل. (يمكن تغيير هذه القيم بخيارات سطر الأوامر.)

عندما يتم ذلك ، سيكون لديك سبعة ملفات نصية ناتجة ، تسمى mcmc_ic3478r.0.txt ، mcmc_ic3478r.1.txt ، وما إلى ذلك ، واحدة لكل سلسلة من السلاسل الفردية. (افتراضيًا ، يكون إجمالي عدد السلاسل = عدد المعلمات المجانية في النموذج.) كل منها مشابه لملف إخراج bootstrap-resampling في التنسيق ، مع عمود واحد لكل معلمة في النموذج (بالإضافة إلى بعض أعمدة مسك الدفاتر الإضافية التي يمكنك تجاهلها ما لم تكن مهتمًا بتفاصيل عملية MCMC) ، وسيكون لكل سلسلة عشرات الآلاف من الأجيال لكل جيل في السلسلة.

من المحتمل أن يكون الشيء المثالي الذي يجب فعله هو أخذ النصف الأخير من كل سلسلة ودمجها جميعًا في مجموعة عملاقة واحدة من قيم المعلمات. توجد دالة Python لذلك في python / imfit.py ، والتي تُرجع نفس أنواع الإخراج مثل imfit.GetBootstrap (أي قائمة بأسماء المعلمات ومصفوفة Numpy ثنائية الأبعاد). فيما يلي مثال على استخدام ذلك ، ثم عمل مصفوفة scatterplot مع وحدة corner.py ، تمامًا كما فعلنا مع إخراج bootstrap:

النتيجة مبينة أدناه.

الشكل 5: مصفوفة مخطط مبعثر لقيم المعلمات من تحليل مونت كارلو لسلسلة ماركوف الخاصة بـ IC 3478 ص-صورة النطاق (نموذج S & eacutersic ، بدون التفاف PSF). لاحظ الارتباطات القوية بين معلمات نموذج S & amp ؛ ecutersic (n ، r_e ، I_e) ، والارتباط الأضعف بين r_e و ellipticity وبين X0 و Y0. نظرًا لأن هذه المؤامرة تستند إلى حوالي 300000 عينة ، فهي أقل ضوضاء بكثير من الإصدار الذي يعتمد على 500 جولة من إعادة تشكيل التمهيد في الشكل 4.


تركيب PSF في صورة للحصول على تدفق كلي (Python) - علم الفلك

نقدم أول إصدار عام (v0.2) من حزمة Python مفتوحة المصدر والتي طورها المجتمع ، Astropy. توفر هذه الحزمة الوظائف الأساسية المتعلقة بعلم الفلك للمجتمع ، بما في ذلك دعم تنسيقات الملفات الخاصة بالمجال مثل ملفات نظام نقل الصور المرنة (FITS) وجداول المرصد الافتراضي (VO) وتنسيقات جدول ASCII الشائعة وتحويلات الوحدات والكميات المادية ، الثوابت الفيزيائية الخاصة بعلم الفلك ، والإحداثيات السماوية وتحولات الوقت ، ودعم نظام الإحداثيات العالمي (WCS) ، والحاويات المعممة لتمثيل البيانات الشبكية والجداول ، وإطار للتحولات والتحولات الكونية. لا تزال الوظائف الهامة قيد التطوير ، مثل إطار تركيب النموذج ، وأدوات الخادم والعميل VO ، وأدوات قياس الضوء بوظيفة الفتحة ونقطة الانتشار (PSF). يعمل فريق التطوير الأساسي بنشاط على إجراء إضافات وتحسينات على قاعدة الشفرة الحالية ، ونشجع أي شخص مهتم بالمشاركة في تطوير إصدارات Astropy المستقبلية.


شاهد الفيديو: تعلم python حتى الاحتراف الدرس # 54 Import In Python (شهر نوفمبر 2022).