-ms-

Tu as obtenu une belle image (la courbe blanche) en essayant de renforcer les courbes R, G et B initiales (qu'importe la méthode). Pour qu'elle devienne réaliste, il te faudrait capturer beaucoup plus de "lucky regions" (capteur plus rapide et plus sensible avec la chaîne d'acquisition qui suit, instrument permettant d'obtenir une courbe bleu de meilleure qualité). Ici c'est surtout le rouge et le vert qui font la différence. Tu aurais même pu garder l'image bleu d'origine et obtenir un résultat analogue. Bref, il serait possible de savoir dès l'acquisition si une image réaliste est possible, dans ce cas elle serait belle. Le contraire est faux.

https://download.plop.at/ploplinux/4.3.6/ La version linux d'Elmar Hanlhofer s'appelle ploplinux.

Une petite déconvolution.

A partir de ton gif animé, j'ai extrait les 8 premières images que j'ai recalé de façon non rigide (centroid) puis j'ai appliqué une déconvolution (image de droite), le principe est le même pour d'autres planètes ou pour un scène de trafic : Quand le satellite est devant, je tiens compte de l'occlusion créée et je calcule le flot optique en conséquence.

Très bien JLD, je n'avais repris que 2 vidéos sur 3 mais je vais essayer d'améliorer les choses avec les 3. C'est le genre d'exemple qui m'intéresse mais avec un seul logiciel.

Il y a juste une inversion d'images dans GIMP lors du montage AS3/EVA ... ce n'est pas nécessaire d'en faire un fromage. L'image correspondante est celle qui figure sur le forum Astronomie Pratique : Je regarde pour les couleurs.

Puis il y a JLD qui fait des commentaires aussi fins que ces images (image de gauche).

Je rentre à l'instant pour constater ... une tempête dans un verre d'eau. Merci JLD pour ta contribution : Les satellites sont un peu allongés et c'est un peu bruité, non ? J'ai traité le premier et le dernier fichier : 1301 et 1653 images brutes. Le temps de traitement avec fichier SER en entrée est égal en secondes aux nombre d'images brutes divisé par 100 soit 13s et 16s dans le cas présent : Il y a un léger liseré bleu à droite de la planète mais je ne l'ai pas traité avec l'ADC logiciel pour permettre la comparaison avec l'image de référence de JLD. J'ai par contre utilisé l'ABW logiciel (balance des blancs automatique) pour obtenir des couleurs moins caca d'oie que JLD. Merci à Mewlon, Moka et Bretzell pour leurs encouragements. DOLGULDUR afficher en une dizaine de secondes ce type d'image lors d'une séance de vidéo assistée , je trouve que c'est déjà pas mal (surtout si on corrige le petit liseré bleu). Et puis comme l'image va en s'améliorant, l'utilisateur découvrira par la suite une image mieux résolu. Pour quelques trames de plus. C'est vrai que c'est fin ... comme commentaire JLD.

Bon, j'ai fait une farce àJLD. Une vielle version monochrome avec un petit coup de Gimp sur le satellite d'extrême gauche. Du coup de nouvelles têtes ont fait leur apparition. Je posterai la bonne version couleur demain matin parce que je suis à l'extérieur. Je trouve ta version un peu bruitée mais bon.

Avec 1300 images brutes et des conditions médiocres faut pas demander la lune.

J'ai pris le premier fichier : 1301 images brutes, 100% utilisées et traitées en moins de 15s. Dans la pratique il en faudrait au moins 3 fois plus voir 10 fois plus. Une image brute : Je suppose que les autres fichiers sont du même tonneau. Je serais curieux de voir ce que tu obtiens en 15 minutes avec AS3+R6+Winjupos+CS5. En résumé : EVA permet d'obtenir une image HR (à partir de 3000 images brutes minimum et non 1301 comme ici) même quand les conditions sont médiocres.

Un petit essai :

Le code est optimisé pour les cartes graphiques GTX 1050 Ti à 1080 Ti (capacité de calcul 6.1+) avec minimum 4Go de mémoire graphique. C'est donc difficile de mettre un exécutable à disposition si l'utilisateur ne dispose pas de la bonne carte graphique. Je peux par contre traiter en entrée, via un serveur, un fichier SER de 3000 à 18000 images pour générer en sortie une image HR. Si vous avez un fichier SER avec des images brutes bien pourries, vous pouvez déjà me l'envoyer. Pour l'ordonnée de la courbe, j'attends de voir ce que donnent différentes conditions de turbu. Les images brutes sont acquises en altaz ou en équatorial. PS : j'avais une version CPU/GPU(Cuda&OpenCL) basée sur la librairie ArrayFire mais pour une question d'optimisation, je suis passé au développement en langage C/C++ avec les outils de NVIDIA.

J'ai aussi retenu ces 2 caméras pour tester EVA, je démarre le 12 juillet. Avec la ZWO ASI224MC j'ai prévu avec ADC matériel ZWO et avec ADC logiciel. Avec la ZWO ASI290MM j'ai prévu avec filtres IR642 et IR742.

Oui Moka. A partir du 12 juillet 2018, je commence à poster des images HR avec les conditions d'acquisition comme dans l'exemple suivant obtenu en 36s à partir de 3600 images brutes. Je commencerai avec une ASI224MC avec ADC matériel et ADC logiciel puis avec une ASI290 avec filtres IR642 et IR742. Le tout monté sur un C11 en altaz car ce qui m'intéresse par la suite c'est de tester avec un dobson de 22" en altaz. Je ne vois pas en quoi je ne répond pas à tes questions.

Est-ce que l'on voit mieux les détails comme cela ?

Tu veux dire qu'il a le Mewlon.

Et toi tu as conscience de la nature fractale de Jupiter ? Décidément il te reste encore beaucoup de chemin à faire pour devenir un vrai journaliste scientifique. Et toi connais-tu au moins le sens du mot ridicule ? Commence déjà par apprendre l'orthographe. Non mais dès le mois prochain, je laisserai tomber ce forum pour continuer mes propres expériences sur mon site gpu-vision.com

Avec un poil de douceur :

http://www.ians.uni-stuttgart.de/agh/orga/pastpeople/wirtz/talks/gs_invprob_2012.pdf

Pour être précis, le dé-bruitage, le dé-floutage, l'inpainting, la super résolution et le vignetage sont les problèmes inverses. Le traitement de la turbulence par ces algorithmes devient un problème inverse parce qu'EVA est capable d'estimer un bruit hybride et le flou au niveau du patch (c'est tout aussi important de détecter dans une image brute les zones homogènes de bruit et de flou que le signal). Détecter le bruit dans une image brute permet d'obtenir un recalage précis. Si le recalage est précis (sous-pixel) et si les séquences sont exemptes d'occlusions alors la moyenne temporelle des images recalées est optimale ce qui entraîne une réduction importante du flou. EVA détecte donc le bruit au niveau de l'image brute pour pouvoir faire le recalage des trames dans des conditions optimales afin d'obtenir une image peu floutée. On retrouve les 3 algorithmes de base dans l'ordre suivant : dé-bruitage, recalage, fusion. Que tu me crois ou non me fait ni chaud ni froid car j'ai passé l'age des examens et je fais ce système d'abord pour me faire plaisir.

Sauf que l'information peut exister ailleurs dans l'image sous forme de patch similaire. Si c'était une occlusion, elle peut apparaître dans une autre trame puisque 300 trames consécutives sont utilisées. Si rien ne permet de l'identifier alors elle sera reconstruite par inpainting à partir du voisinage. Dans EVA la turbulence est traitée comme un problème inverse.

Motta, il répondait à Neb. D'autre part il n'y a pas de 'deep learning' dans la partie acquisition d'EVA.

Elle est bien cette image. Un petit essai sans prétention : PS : un peu moins poussé pour ne pas donner cette impression de lissage.