Correction de la turbu par PSF.

[jldauvergne 15 098]

Là tu as renoué avec le bruit, on dirait presque du pointillisme cette dernière version.

[Nebulium 1 436]

Oui, la 4 tours commençait à être vilaine pour le bruit, j'ai rétrogradé à la 3, c'est encore trop.
Je trouve d'ailleurs en y revenant que cette 3 fait "sale", même si les ultimes détails recherchés y apparaissent.

Pour ceux qui arriveraient maintenant, la suite du débat est ici :
http://www.astrosurf.com/ubb/Forum3/HTML/031093.html

[Nebulium 1 436]

quote:

---

j'ai Aida installé sur mon PC depuis 6 mois (sous linux Ubuntu 10, avec Python 2.6 et Priithon 2.5), et qui fonctionne, des séquences videos a tester, mais toujours pas eu le temps de faire quelque chose de sérieux avec.

---

Salut Bernard

Je suis allé voir AIDA, c'est super intéressant !
J'ai bien trouvé Python 2.6 (et 2.5) et Priithon 2.5 pour Windows,
mais je n'ai pas trop compris comment faire tourner AIDA sous Windows, quand on n'a pas Linux installé sur le PC.
Une combine avec CygWin ?

Merci

[brizhell 2 626]

Salut Nebulium

Alors je pose les choses tout de suite, je ne suis pas un grand spécialiste de linux ;-)

Quoiqu'il en soit, il me semble que tu peut faire tourner Python directement sous window. Il y a un installateur disponible ici :
http://www.python.org/getit/windows/

Sur le site Python.org, tu pourra trouver tout ce qui est necessaire pour pouvoir programmer sous ce language. Ce qui est interessant, c'est qu'il est gratuit, et qu'il s'agit en fait d'un interpreteur/compilateur de commandes, au même titre que les language script d'iris ou de prism. Tu peut tester tes commandes en ligne, ou les sauvegarder dans un fichier texte que tu utilise ensuite comme un script

Pour ce qui est de Priithon, il s'agit d'une couche logicielle en supplément du language python, qui est ne fait un "module" dédié au traitement d'image... Ce module permet d'accéder à a peu près toutes les commandes imaginables qui existent en algo de traitement d'images. Après installations de priithon, tu peut utiliser des commandes de gestion d'images en plus de celles de calcul en Python.

Le code de l'algo Aida n'est autre qu'un script utilisant des commandes Python pour le calcul pur et des commandes Priithon pour les déconvolutions.

Pour être trés honnête, je ne sais pas si le module Priithon est entièrement compatible avec le Python installé par Window. Mais tu peut essayer avec l'installateur Python pour Windows.

Si ca ne marche pas, il y a plusieurs solutions (j'exclu Cygwin que je ne connais pas) :

- Utilise VMware player, en fabriquant une machine virtuelle linux (distribution ubuntu 10 par exemple). Tu aura un vrai linux et donc pas de problème de compatibilité des versions de python et de priithon.
- Tu peut utiliser ce que l'on appèle un "Live CD" sous linux, c'est a dire que tu demarre ton système d'exploitation sur un CD et non pas sur ton disque dur Windows. La, il doit y avoir des moyens de jouer avec Priithon.
- Installe un linux en parallèle de ton window, Ubuntu permet de le faire sans impact pour ton système d'exploitation. Mais en cas de pepins, il faut avoir un spécialiste sous la main ;-)

J'ai vu passer il y a peu sur la liste Aude quelqu'un qui s'interesse aussi a la programmation en python pour l'astro. Si je retrouve le mail, je t'en fait part.

De mon coté, je vais essayer de libérer du temps pour retravailler le sujet.

Bernard

-

[-ms- 2]

AIDA1.2 a été testé sous Mac OSX et Linux mais ça marche aussi sous Windows XP dans l'environnement fenêtré Priithon (Python 2.5.2 pour le langage et wxPython pour l'IHM).

Pour le faire tourner sous Windows XP la solution la plus simple c'est de récupérer le fichier zip :
http://priithon.googlecode.com/files/Priithon_25_win%2320110124.zip

Puis déplacer le raccourci Priithon sur le bureau.
Puis charger l'icone Priithon (pour l'esthétique).
Puis cliquer sur l'icône ... c'est tout.

quote:

---

Le code de l'algo Aida n'est autre qu'un script utilisant des commandes Python pour le calcul pur et des commandes Priithon pour les déconvolutions.

---

AIDA peut être lancé directement dans l'environnement Priithon ou mieux intégré à l'IHM.

[Ce message a été modifié par ms (Édité le 17-09-2011).]

[Nebulium 1 436]

Merci à tous deux pour la reprise de contact

Je m'apprêtais à installer effectivement Priithon_25_win#20110124.zip, il y a aussi une mise à jour Priithon_py_update_20110521.zip.
En matière de programmation, je ne sais pas aller plus loin qu'aligner dans un .bat des lignes de commande .exe bien documentées (c'est le cas de BiaqIm) qui tournent sous Windows.
Et finalement, je me demande si dans la mesure où AIDA est en sommeil depuis 3-4 ans, le dr Tadrous n'a pas récupéré l'algo dans son DeconBMI, que je commence à maîtriser un peu.

Merci pour vos tuyaux, je vous tiens au courant.

[-ms- 2]

Pour l'apprentissage de Python, tu as cet excellent bouquin :
http://inforef.be/swi/download/apprendre_python.pdf

Pour ceux qui ne veulent pas passer par Python, il faut intégrer AIDA dans l'environnement Priithon.

Comme tu dis une autre solution c'est d'utiliser BiaQIm du Dr PJ Tadrous ou directement Biaram en ligne de commande.

Du point de vue de la lisibilité du code, je pense que le plus simple serait d'interfacer une librairie C comme Biaram (ou autre) en créant un module en langage Ruby puis en présentant le tout dans une IHM réalisée avec FxRuby par exemple. Dès que j'ai un peu de temps, je regarderai cette possibilité car la lisibilité de Priithon me plait moyennement.

[Nebulium 1 436]

Merci ms

Alors voilà, j'ai (attention, il faut dézipper directement dans l'emplacement final ) :
- AIDA décompressé dans le répertoire D:\Programmes\AIDA_1.2.2i
- Priithon décompressé dans le répertoire D:\Programmes\Priithon_25_win (je n'ai pas fait la maj, je pense qu'il suffit de la décompresser dans le même répertoire et remplacer les fichiers périmés.

J'aurais peut-être dû les mettre directement sous C:\, comme BiaQIm, non ?
[Edit]Modifié dezippage en C: , marche pô non plus ! ) [/Edit]

Je n'ai vu que des .py* dans AIDA_1.2.2i
Le raccourci Python pointe vers :
D:\Programmes\Priithon_25_win\priithon_script.bat

Le lancement ouvre une fenêtre "DOS" et une fenêtre spécifique Priithon :

code:

---

 !!! Welcome to Priithon !!! 
(Python 2.5.2 (r252:60911, Feb 21 2008, 13:11:45) [MSC v.1310 32 bit (Intel)] on win32)
>>> 

Le Readme d'AIDA dit :
To run AIDA, one should execute:
       nohup $PATH/priithon $DIR/AIDA.py &
where $PATH and $DIR are tokens for the location of the Priithon executable
and AIDA code, respectively.

Je devrais donc mettre derrière >>> :   
nohup D:\Programmes\Priithon_25_win\priithon D:\Programmes\AIDA_1.2.2i\AIDA.py &

---

j'ai toujours "Invalid syntax", problème avec les / ou \ essayés dans les deux sens, je sens que ne vais pas échapper à l'étreinte du manuel Python

[Ce message a été modifié par Nebulium (Édité le 18-09-2011).]

[a s p 0 6 845]

et si tu te mets en D:\Programmes\AIDA_1.2.2i puis :

nohup D:\Programmes\Priithon_25_win\priithon AIDA.py &

?

[Nebulium 1 436]

Merci asp06

Tiens, tu n'es pas loin d'ici, on a dû se croiser à la NCO ?

J'ai dézippé les deux fichiers dans C:, avec une couche de répertoires en plus, nécessaire pour cause de droits (???)

La ligne de commande devient :

code:

---

nohup C:\Priithon_25_win#20110124\Priithon_25_win  C:\AIDA_1.2.2i\AIDA_1.2.2i\AIDA.py &

---

Dans la fenêtre Priithon (on n'a pas la main dans la fenêtre DOS, ce qui est sauvé est le log de la fenêtre principale), j'ai essayé à tout hasard un "cd" vers le répertoire AIDA avec le chemin complet, en vain. cd.. donne aussi invalid syntax

Voilà où j'en suis :
.

Il y a probablement un pb avec les droits d'administrateur, je devrais peut-être débrancher l'UAC ???

Il y a aussi des trucs bizarres :

Propriétés du raccourci Priithon, "in situ" :

C:\Priithon_25_win#20110124\Priithon_25_win\priithon_script.bat

Démarrer dans h:\

Il n'y a pas de disque h dans ma bécane, donc je n'arrive pas à accéder à l'onglet "Compatibilité" mais il lance bien Priithon.
Si je mets à la place le chemin d'AIDA, je peux accèder à cet l'onglet mais la case "Admin" reste grisée...

Je m'en vais fouiller le net, en attendant un passage de ms, merci d'avance

[Ce message a été modifié par Nebulium (Édité le 18-09-2011).]

[a s p 0 6 845]

si tu installes tes deux répertoires sur ton bureau tu contournes le problème des droits.

[Nebulium 1 436]

Toujours "invalid syntax", qu'ils soient sur le bureau ou directement sous C:\

Je vais essayer de mettre les deux dans le même répertoire...

[a s p 0 6 845]

il faut peut être déspécialiser le #.

[a s p 0 6 845]

ou simplement renommer le répertoire sans utiliser le # ...

[Nebulium 1 436]

J'ai regardé les docs, le problème n'est pas là
En fait, le "nohup" n'est pas à lancer dans Priithon.

Comme l'a dit Bernard (et redit ms):

quote:

---

Pour ce qui est de Priithon, il s'agit d'une couche logicielle en supplément du language python, qui est ne fait un "module" dédié au traitement d'image... Ce module permet d'accéder à a peu près toutes les commandes imaginables qui existent en algo de traitement d'images. Après installations de priithon, tu peut utiliser des commandes de gestion d'images en plus de celles de calcul en Python.

Le code de l'algo Aida n'est autre qu'un script utilisant des commandes Python pour le calcul pur et des commandes Priithon pour les déconvolutions.

---

Donc, il faut dire à Python où sont Priithon et AIDA et lancer (où et comment ?) un bazar qui ira lire les "settings" d'AIDA pour l'image à traiter.

J'ai une piste dans le Wiki d'AIDA, écrit pour le Mac, je vais essayer de le bidouiller.

[-ms- 2]

En ligne de commande :

1) tu vas dans l'invite de commande de Windows XP et tu tapes D:
j'ai installé Priithon et AIDA sur mon disque D:

2) la ligne de commande
D:\>Priithon_25_win\priithon_script.bat AIDA_1.2.2i\AIDA.py -S AIDA_1.2.2i\AIDA_Settings.py

3) si tu veux pas entrer le setting, tu as l'option -i suivie du nom de l'image à traiter (par exemple Titan)

4) ne pas oublier l'image dans le setting (par exemple Titan)

5) tu peux aussi créer des paths dans Windows pour Priithon
Path = d:\Priithon_25_win;
pour simplifier la ligne de commande

D:\>priithon_script AIDA_1.2.2i\AIDA.py -S AIDA_1.2.2i\AIDA_Settings.py

PS1 :
a) nohup c'est pour UNIX/LINUX, ça n'existe pas sous Windows,
b) de même que le & qui lance AIDA en tache de fond sous UNIX/LINUX.

PS2 :
Quand j'aurais 5 minutes, j'intégrerais AIDA dans l'interface fenêtrée de Priithon mais en attendant tout peut se faire sous Windows XP en ligne de commande (D:\> ...).

[Ce message a été modifié par ms (Édité le 19-09-2011).]

[Nebulium 1 436]

Ah, merci ms , j'étais parti pour chercher comment créer une autre fenêtre Xterm sous Windows, mais j'essaie tout de suite tes indications avec le dossier Titan.

J'ai remis AIDA* et Priithon* en D:\, copié dans AIDA*
les settings, l'image et la PSF 0 du dossier Titan_2Dtestimage, lancé la fenêtre :
.

rien ne se passe

Il doit y avoir encore des trucs à bidouiller par ci par là...

Dodo, merci encore

[Ce message a été modifié par Nebulium (Édité le 19-09-2011).]

[-ms- 2]

J'ai renommé les répertoires AIDA et Titan pour simplifier.
Oublies les paths.
Donc sous la racine de mon disque D, j'ai :
D:\Priithon_25_win
D:\AIDA
D:\Titan

Je lance l'invite de commande Windows XP
D:
cd Titan
\Priithon_25_win\priithon_script \AIDA\AIDA.py -S AIDA_Settings.py

Pas de problème sous Windows XP c'est comme sur Mac (j'ai comparé les fichiers fit obtenus) :

================================================================================
<<< Adaptive Image Deconvolution Algorithm (AIDA) Package >>>
by
E.F.Y. Hom, F. Marchis, T.K. Lee, S. Haase, D.A. Agard, and J.W. Sedat
Copyright (c) 2006, University of California

("AIDA: An Adaptive Image Deconvolution Algorithm with Application to
Multi-Frame and Three-Dimensional Data" J. Opt. Soc. Amer. A., 24(6):xxx)

================================================================================

AIDA version: 1.2.2i [ Dec 01, 2009 ]
(code location: D:\AIDA)

###
| AIDA_110919_002222.log
| Dataset label: "myopic_Python2.5"
###

AIDA Start Time: Mon Sep 19 00:22:22 2011

* processing decon specifications...
* setting up temporary working arrays...
* processing PSF data...
[1] #DEBUG: PSF negative after background subtraction
#DEBUG: will do thesholding now -- yes or no ? yes
#DEBUG: calling ThresholdPSF_inplace
#DEBUG: calling ThresholdPSF_inplace
[2] #DEBUG: PSF negative after background subtraction
#DEBUG: will do thesholding now -- yes or no ? yes
#DEBUG: calling ThresholdPSF_inplace
#DEBUG: calling ThresholdPSF_inplace
[3] #DEBUG: PSF negative after background subtraction
#DEBUG: will do thesholding now -- yes or no ? yes
#DEBUG: calling ThresholdPSF_inplace
#DEBUG: calling ThresholdPSF_inplace
[4] #DEBUG: PSF negative after background subtraction
#DEBUG: will do thesholding now -- yes or no ? yes
#DEBUG: calling ThresholdPSF_inplace
#DEBUG: calling ThresholdPSF_inplace
[5] #DEBUG: PSF negative after background subtraction
#DEBUG: will do thesholding now -- yes or no ? yes
#DEBUG: calling ThresholdPSF_inplace
#DEBUG: calling ThresholdPSF_inplace
[6] #DEBUG: PSF negative after background subtraction
#DEBUG: will do thesholding now -- yes or no ? yes
#DEBUG: calling ThresholdPSF_inplace
#DEBUG: calling ThresholdPSF_inplace

* converting to OTFs and processing data...
* processing background and noise settings...
* setting up optimization parameters...

Note: No gain in computation time for higher memory usage levels
for mono-frame decon with images in separate files
Memory usage level defaulted to zero

* ...done with setup

<<< Key User Input Variables >>>
Results directory = D:\Titan\Results/myopic_Python2.5_110919_002222/
Deconvolution type = myopic
Image file base = D:\Titan/titanhe_153_IF_scaled
PSF file base = D:\Titan/psf_titanhe
Spatial dimension of data = 2
Background to subtract = 0.0
Results output format = f
Computational precision = double
- - - - - - - - -
Initial object guess = zero
Object background subtraction = 0.0
sigma_det = [None] (input)
Input object tolerance = 0.1
Input PSF tolerance = 0.1
object PCG iteration array = (1, 3, 5, 7, 9, 11, 13, 15)
PSF PCG iteration array = (1, 3, 5, 7, 9, 11, 13, 15)
Maximum uphill object moves allowed before breaking = 2
Maximum uphill PSF moves allowed before breaking = 2
Rising tolerance ratio between estimate steps = 1.03
CCG object minimization tolerance = 1e-007
CCG PSF minimization tolerance = 1e-007
CCG object iterations per PCG block = 24
CCG PSF iterations per PCG block = 24
Number of sequential AIDA stop alerts before breaking = 2
Maximum PCG stop signals before skipping optimization = 3
Maximum uphill signals before skipping optimization = 3
'lambda_object' will be calculated as: 1./ < sqrt(2 pi w(r))/theta - 1 >
---
Infolevel = 2
Decon terms = (1, 1, 1, 0)
Object derivative and Laplacian operator parameters:
gradient operator = FC laplacian operator = 3
gradient norm type = sqrt zero edges: False
Variable lower bound for CCG = 0.0
PSF processing parameters:
exclude_radius = 5
cleaning flags = (1, 1, 1, 1)
PSF centering = unknown
subtract PSF background percent = 0.0
clean nsigmas to subtract = 2.0
PSF percent threshold set to fill value = 1e-007
OTF percent threshold set to fill value = 1e-007
fill value = 0.0
floor for PSF constraint weight = 1e-012
floor for OTF constraint weight = 1e-012
radially averaged OTF constraint weight (dimensions): 0
PSF files processed (and cleaned):
psf_titanhe_0.fits : #0
psf_titanhe_0.fits : #1
psf_titanhe_0.fits : #2
psf_titanhe_0.fits : #3
psf_titanhe_0.fits : #4
psf_titanhe_0.fits : #5
lambda_OTF Value = 3.81469726563e-006
lambda_PSF Value = 1.0
<<< - - - - - - - >>>

Set-up time = 10.3 secs

=======
=======

Deconvolution Start Time: Mon Sep 19 00:22:32 2011

vvvvvvv
[[ titanhe_153_IF_scaled.fits ]] shape = (512, 512)
sigma_det = 14.8965
w (mmms): 221.906 (min), 20986.9 (max), 1024.77 (mean), 2636.7 (std)
-------
---
Using pixel-based object regularization
terms: (1, 1, 1, 0)
lambda_object: 0.115279 (min), 0.115279 (max), 0.115279 (mean), 0 (std) [adaptive]
theta: 3.8596 (min), 37.5346 (max), 6.45152 (mean), 5.21251 (std)
mu: 8.18253e-005 (min), 0.00773869 (max), 0.00482452 (mean), 0.00228657 (std)
lambda_OTF: 3.8147e-006 [adaptive]
lambda_PSF: 1 [adaptive]
-------
[obj] PCG iter: 1 of 1 in optimization round 1 out of 8 (max)
<lambda_object>: 0.1152794 <mu>: 0.00482452 <theta>: 6.451519
CG itns 24 istop 2 ifn 51 df0 -10356.4 Nclsrch 24 CGtime 13.484
obj diff: 800.214119606 check_object = go
J = 335199 Jn: 188320 Jo: 146879 Jhk: 0 Jhr: 0
Jn: 1 Jo: 0.779943 Jhk: 0 Jhr: 0
-------
[PSF] PCG iter: 1 of 1 in optimization round 1 out of 8 (max)
lambda_OTF: 3.814697e-006 lambda_PSF: 1
CG itns 10 istop 4 ifn 51 df0 0 Nclsrch 11 CGtime 12.093
PSF diff: 1.23285050023e-007 check_PSF = go
J = 232347 Jn: 221303 Jo: 0 Jhk: 11044.4 Jhr: 0
Jn: 1 Jo: 0 Jhk: 0.0499065 Jhr: 0
-------
[obj] PCG iter: 1 of 3 in optimization round 2 out of 8 (max)
<lambda_object>: 0.1152794 <mu>: 0.00482452 <theta>: 6.451519
CG itns 24 istop 2 ifn 83 df0 -192.173 Nclsrch 24 CGtime 22.062
obj diff: 28.7552809011 check_object = go
[obj] PCG iter: 2 of 3
CG itns 24 istop 2 ifn 80 df0 -66.1941 Nclsrch 24 CGtime 21.422
obj diff: 20.7598348907 check_object = go
[obj] PCG iter: 3 of 3
CG itns 24 istop 2 ifn 73 df0 -11.762 Nclsrch 24 CGtime 19.766
obj diff: 6.99204398779 check_object = go
J = 280555 Jn: 142618 Jo: 137937 Jhk: 0 Jhr: 0
Jn: 1 Jo: 0.96718 Jhk: 0 Jhr: 0
-------
[PSF] PCG iter: 1 of 3 in optimization round 2 out of 8 (max)
lambda_OTF: 3.814697e-006 lambda_PSF: 1
CG itns 14 istop 4 ifn 101 df0 0 Nclsrch 15 CGtime 24.219
PSF diff: 5.17791946696e-008 check_PSF = go
[PSF] PCG iter: 2 of 3
CG itns 2 istop 4 ifn 14 df0 0 Nclsrch 3 CGtime 3.422
PSF diff: 4.97779020065e-008 check_PSF = go
[PSF] PCG iter: 3 of 3
CG itns 5 istop 4 ifn 39 df0 0 Nclsrch 6 CGtime 9.453
PSF diff: 2.58558391439e-008 check_PSF = go
J = 149279 Jn: 143568 Jo: 0 Jhk: 5711.42 Jhr: 0
Jn: 1 Jo: 0 Jhk: 0.0397821 Jhr: 0
-------
[obj] PCG iter: 1 of 5 in optimization round 3 out of 8 (max)
<lambda_object>: 0.1152794 <mu>: 0.00482452 <theta>: 6.451519
CG itns 4 istop 0 ifn 30 df0 0.0226538 Nclsrch 5 CGtime 8.078
obj diff: 1.61799648607 check_object = go
[obj] PCG iter: 2 of 5
CG itns 0 istop 0 ifn 2 df0 0 Nclsrch 1 CGtime 0.532
obj diff: 1.61799648607 check_object = go
[obj] PCG iter: 3 of 5
CG itns 0 istop 0 ifn 16 df0 12.1537 Nclsrch 1 CGtime 4.156
obj diff: 0.142042865926 check_object = go
[obj] PCG iter: 4 of 5
CG itns 0 istop 0 ifn 2 df0 0 Nclsrch 1 CGtime 0.531
obj diff: 0.142042865926 check_object = go
[obj] PCG iter: 5 of 5
CG itns 0 istop 0 ifn 20 df0 5.67959 Nclsrch 1 CGtime 5.171
obj diff: 0.0433952699603 check_object = go
J = 280238 Jn: 142954 Jo: 137283 Jhk: 0 Jhr: 0
Jn: 1 Jo: 0.96033 Jhk: 0 Jhr: 0
-------
[PSF] PCG iter: 1 of 5 in optimization round 3 out of 8 (max)
lambda_OTF: 3.814697e-006 lambda_PSF: 1
CG itns 16 istop 4 ifn 85 df0 0 Nclsrch 17 CGtime 20.328
PSF diff: 5.98907950056e-008 check_PSF = go
[PSF] PCG iter: 2 of 5
CG itns 2 istop 4 ifn 19 df0 0 Nclsrch 3 CGtime 4.672
PSF diff: 5.78074386821e-008 check_PSF = go
[PSF] PCG iter: 3 of 5
CG itns 10 istop 4 ifn 76 df0 0 Nclsrch 11 CGtime 18.281
PSF diff: 3.3072962872e-008 check_PSF = go
[PSF] PCG iter: 4 of 5
CG itns 2 istop 4 ifn 15 df0 0 Nclsrch 3 CGtime 3.656
PSF diff: 3.34122632753e-008 check_PSF = go
[PSF] PCG iter: 5 of 5
CG itns 2 istop 4 ifn 12 df0 0 Nclsrch 3 CGtime 2.891
PSF diff: 1.92861456506e-009 check_PSF = go
J = 147708 Jn: 143428 Jo: 0 Jhk: 4279.98 Jhr: 0
Jn: 1 Jo: 0 Jhk: 0.0298406 Jhr: 0
-------
[obj] PCG iter: 1 of 7 in optimization round 4 out of 8 (max)
<lambda_object>: 0.1152794 <mu>: 0.00482452 <theta>: 6.451519
CG itns 4 istop 0 ifn 32 df0 0.0683366 Nclsrch 5 CGtime 8.453
obj diff: 1.32781824408 check_object = go
[obj] PCG iter: 2 of 7
CG itns 0 istop 0 ifn 2 df0 0 Nclsrch 1 CGtime 0.531
obj diff: 1.32781824408 check_object = go
[obj] PCG iter: 3 of 7
CG itns 0 istop 0 ifn 13 df0 18.1841 Nclsrch 1 CGtime 3.421
obj diff: 0.159709853743 check_object = go
[obj] PCG iter: 4 of 7
CG itns 0 istop 0 ifn 2 df0 0 Nclsrch 1 CGtime 0.531
obj diff: 0.159709853743 check_object = go
[obj] PCG iter: 5 of 7
CG itns 0 istop 0 ifn 18 df0 6.52944 Nclsrch 1 CGtime 4.796
obj diff: 0.0512644531686 check_object = go
[obj] PCG iter: 6 of 7
CG itns 0 istop 0 ifn 2 df0 0 Nclsrch 1 CGtime 0.531
obj diff: 0.0512644531686 check_object = go
[obj] PCG iter: 7 of 7
CG itns 0 istop 0 ifn 18 df0 14.1853 Nclsrch 1 CGtime 4.781
obj diff: 0.0717339208932 check_object = go
J = 280075 Jn: 143170 Jo: 136906 Jhk: 0 Jhr: 0
Jn: 1 Jo: 0.956247 Jhk: 0 Jhr: 0
-------
[PSF] PCG iter: 1 of 7 in optimization round 4 out of 8 (max)
lambda_OTF: 3.814697e-006 lambda_PSF: 1
CG itns 24 istop 2 ifn 121 df0 -87.2995 Nclsrch 24 CGtime 28.953
PSF diff: 6.21968660963e-008 check_PSF = go
[PSF] PCG iter: 2 of 7
CG itns 8 istop 4 ifn 61 df0 0 Nclsrch 9 CGtime 14.61
PSF diff: 5.57209795506e-008 check_PSF = go
[PSF] PCG iter: 3 of 7
CG itns 2 istop 4 ifn 13 df0 0 Nclsrch 3 CGtime 3.234
PSF diff: 6.85319145628e-009 check_PSF = go
[PSF] PCG iter: 4 of 7
CG itns 6 istop 4 ifn 30 df0 0 Nclsrch 7 CGtime 7.375
PSF diff: 4.06033159093e-008 check_PSF = go
[PSF] PCG iter: 5 of 7
CG itns 2 istop 4 ifn 16 df0 0 Nclsrch 3 CGtime 3.953
PSF diff: 9.35972296216e-010 check_PSF = go
[PSF] PCG iter: 6 of 7
CG itns 3 istop 4 ifn 22 df0 0 Nclsrch 4 CGtime 5.329
PSF diff: 3.72617402057e-009 check_PSF = go
>> max rising test count encountered <<
J = 147003 Jn: 143471 Jo: 0 Jhk: 3532.22 Jhr: 0
Jn: 1 Jo: 0 Jhk: 0.0246198 Jhr: 0
-------
[obj] PCG iter: 1 of 9 in optimization round 5 out of 8 (max)
<lambda_object>: 0.1152794 <mu>: 0.00482452 <theta>: 6.451519
CG itns 5 istop 0 ifn 70 df0 0 Nclsrch 6 CGtime 18.125
obj diff: 1.00751433475 check_object = go
[obj] PCG iter: 2 of 9
CG itns 0 istop 0 ifn 10 df0 28.9069 Nclsrch 1 CGtime 2.829
obj diff: 0.7938299436 check_object = go
[obj] PCG iter: 3 of 9
CG itns 0 istop 0 ifn 2 df0 0 Nclsrch 1 CGtime 0.547
obj diff: 0.219601449479 check_object = go
[obj] PCG iter: 4 of 9
CG itns 0 istop 0 ifn 21 df0 1.73895 Nclsrch 1 CGtime 5.453
obj diff: 0.0422405845148 check_object = go
[obj] PCG iter: 5 of 9
CG itns 0 istop 0 ifn 2 df0 0 Nclsrch 1 CGtime 0.64
obj diff: 0.0422405845148 check_object = go
[obj] PCG iter: 6 of 9
CG itns 0 istop 0 ifn 14 df0 6.21546 Nclsrch 1 CGtime 4.14
obj diff: 0.0505044984399 check_object = go
[obj] PCG iter: 7 of 9
CG itns 0 istop 0 ifn 2 df0 0 Nclsrch 1 CGtime 0.515
obj diff: 0.0 check_object = stop
[obj] PCG iter: 8 of 9
CG itns 0 istop 0 ifn 22 df0 2.294 Nclsrch 1 CGtime 5.906
obj diff: 0.0197776381463 check_object = go
>> max rising test count encountered <<
J = 280000 Jn: 143321 Jo: 136679 Jhk: 0 Jhr: 0
Jn: 1 Jo: 0.953653 Jhk: 0 Jhr: 0
-------
[PSF] PCG iter: 1 of 9 in optimization round 5 out of 8 (max)
lambda_OTF: 3.814697e-006 lambda_PSF: 1
CG itns 23 istop 4 ifn 97 df0 0 Nclsrch 24 CGtime 23.625
PSF diff: 7.33811455574e-008 check_PSF = go
[PSF] PCG iter: 2 of 9
CG itns 2 istop 4 ifn 12 df0 0 Nclsrch 3 CGtime 2.906
PSF diff: 7.18072910741e-008 check_PSF = go
[PSF] PCG iter: 3 of 9
CG itns 6 istop 4 ifn 50 df0 0 Nclsrch 7 CGtime 12.016
PSF diff: 1.66151680101e-008 check_PSF = go
[PSF] PCG iter: 4 of 9
CG itns 2 istop 4 ifn 15 df0 0 Nclsrch 3 CGtime 3.672
PSF diff: 1.66280607461e-008 check_PSF = go
[PSF] PCG iter: 5 of 9
CG itns 6 istop 4 ifn 34 df0 0 Nclsrch 7 CGtime 8.375
PSF diff: 8.06849909745e-009 check_PSF = go
[PSF] PCG iter: 6 of 9
CG itns 2 istop 4 ifn 14 df0 0 Nclsrch 3 CGtime 3.375
PSF diff: 7.60446395049e-009 check_PSF = go
[PSF] PCG iter: 7 of 9
CG itns 8 istop 4 ifn 48 df0 0 Nclsrch 9 CGtime 11.407
PSF diff: 8.11015427278e-009 check_PSF = go
[PSF] PCG iter: 8 of 9
CG itns 2 istop 4 ifn 16 df0 0 Nclsrch 3 CGtime 3.828
PSF diff: 1.34630138932e-009 check_PSF = go
[PSF] PCG iter: 9 of 9
CG itns 13 istop 4 ifn 99 df0 0 Nclsrch 14 CGtime 24.39
PSF diff: 3.74992918754e-008 check_PSF = go
>> max rising test count encountered <<
J = 146562 Jn: 143552 Jo: 0 Jhk: 3009.69 Jhr: 0
Jn: 1 Jo: 0 Jhk: 0.0209658 Jhr: 0
-------
[obj] PCG iter: 1 of 11 in optimization round 6 out of 8 (max)
<lambda_object>: 0.1152794 <mu>: 0.00482452 <theta>: 6.451519
CG itns 6 istop 0 ifn 34 df0 0 Nclsrch 7 CGtime 9.032
obj diff: 0.772559702624 check_object = go
[obj] PCG iter: 2 of 11
CG itns 0 istop 0 ifn 8 df0 13.9812 Nclsrch 1 CGtime 2.203
obj diff: 0.609730110502 check_object = go
[obj] PCG iter: 3 of 11
CG itns 0 istop 0 ifn 2 df0 0 Nclsrch 1 CGtime 0.594
obj diff: 0.167551565592 check_object = go
[obj] PCG iter: 4 of 11
CG itns 24 istop 2 ifn 112 df0 -5.09008 Nclsrch 24 CGtime 30.453
obj diff: 2.88209803482 check_object = go
[obj] PCG iter: 5 of 11
CG itns 24 istop 2 ifn 95 df0 -13.3234 Nclsrch 24 CGtime 25.547
obj diff: 1.86643622673 check_object = go
>> max rising test count encountered <<
J = 279546 Jn: 142437 Jo: 137109 Jhk: 0 Jhr: 0
Jn: 1 Jo: 0.962597 Jhk: 0 Jhr: 0
-------
[PSF] PCG iter: 1 of 11 in optimization round 6 out of 8 (max)
lambda_OTF: 3.814697e-006 lambda_PSF: 1
CG itns 24 istop 2 ifn 100 df0 -22.3215 Nclsrch 24 CGtime 24.641
PSF diff: 7.96859284906e-008 check_PSF = go
[PSF] PCG iter: 2 of 11
CG itns 10 istop 4 ifn 68 df0 0 Nclsrch 11 CGtime 16.531
PSF diff: 7.08156476972e-008 check_PSF = go
[PSF] PCG iter: 3 of 11
CG itns 2 istop 4 ifn 16 df0 0 Nclsrch 3 CGtime 3.875
PSF diff: 1.11388276736e-008 check_PSF = go
[PSF] PCG iter: 4 of 11
CG itns 2 istop 4 ifn 12 df0 0 Nclsrch 3 CGtime 2.906
PSF diff: 2.12168363851e-009 check_PSF = go
[PSF] PCG iter: 5 of 11
CG itns 2 istop 4 ifn 15 df0 0 Nclsrch 3 CGtime 3.641
PSF diff: 1.85907336671e-009 check_PSF = go
[PSF] PCG iter: 6 of 11
CG itns 2 istop 4 ifn 11 df0 0 Nclsrch 3 CGtime 2.688
PSF diff: 1.68833965589e-010 check_PSF = go
[PSF] PCG iter: 7 of 11
CG itns 7 istop 4 ifn 51 df0 0 Nclsrch 8 CGtime 13.813
PSF diff: 3.1026340179e-008 check_PSF = go
[PSF] PCG iter: 8 of 11
CG itns 2 istop 4 ifn 12 df0 0 Nclsrch 3 CGtime 2.954
PSF diff: 8.33875172412e-010 check_PSF = go
>> max rising test count encountered <<
J = 145644 Jn: 142587 Jo: 0 Jhk: 3056.76 Jhr: 0
Jn: 1 Jo: 0 Jhk: 0.0214378 Jhr: 0
-------
[obj] PCG iter: 1 of 13 in optimization round 7 out of 8 (max)
<lambda_object>: 0.1152794 <mu>: 0.00482452 <theta>: 6.451519
CG itns 4 istop 0 ifn 44 df0 -0.0147298 Nclsrch 5 CGtime 11.547
obj diff: 0.638490813292 check_object = go
[obj] PCG iter: 2 of 13
CG itns 0 istop 0 ifn 6 df0 -0.00034009 Nclsrch 1 CGtime 1.562
obj diff: 0.638104378012 check_object = go
[obj] PCG iter: 3 of 13
CG itns 0 istop 0 ifn 2 df0 0 Nclsrch 1 CGtime 0.532
obj diff: 0.000386511083543 check_object = go
[obj] PCG iter: 4 of 13
CG itns 0 istop 0 ifn 13 df0 32.6303 Nclsrch 1 CGtime 3.437
obj diff: 0.200957031763 check_object = go
[obj] PCG iter: 5 of 13
CG itns 0 istop 0 ifn 2 df0 0 Nclsrch 1 CGtime 0.531
obj diff: 0.0 check_object = stop
[obj] PCG iter: 6 of 13
CG itns 1 istop 0 ifn 15 df0 0 Nclsrch 2 CGtime 3.937
obj diff: 0.12341180449 check_object = go
>> max rising test count encountered <<
J = 279551 Jn: 142542 Jo: 137009 Jhk: 0 Jhr: 0
Jn: 1 Jo: 0.961177 Jhk: 0 Jhr: 0
-------
>>> obj:: stop seq_stops: 0 seq_rising: 3 stops: 0 <<<
>>> PSF:: stop seq_stops: 0 seq_rising: 3 stops: 0 <<<
-------
J = 2.7955e+005 Jn: 1.4254e+005 Jo: 1.3701e+005 Jhk: 0 Jhr: 0
Jn: 1 Jo: 0.9612 Jhk: 0 Jhr: 0
^^^^^^^

<lambda_object>: 0.115279 lambda_OTF: 3.8147e-006 lambda_PSF: 1

| total number of while-loop decon iterations: 6
| total number of CG calls/iterations: [168 223 391] (obj PSF tot)
| total number of Cost Function calculations: [ 920 1345 2265] (obj PSF tot)
| total time of deconvolution: 9.576 mins

=======
=======
Total CG iterations = [168 223 391]
Total Cost Function calculations = [ 920 1345 2265]
Average CG iteration time:
[ 1.461 secs 1.466 secs 1.464 secs ] (obj PSF tot)
Average CostFunction calculation time:
[ 0.2668 secs 0.2431 secs 0.2527 secs ] (obj PSF tot)
---
Total Set-up Time = 10.3 secs ( PSF Processing Time = 10.2 secs )
Total Deconvolutions = 1
Total AIDA Deconvolution Time = 9.576 mins
Total Time for AIDA Run = 9.753 mins
====

AIDA End Time: Mon Sep 19 00:32:07 2011

[Ce message a été modifié par ms (Édité le 19-09-2011).]

[Nebulium 1 436]

Pas (encore) couché

AIDA, tel que décompressé.
Titan, le dézippé renommé , et essai aussi avec le sous dossier Titan_2Dtestimage dans le dézippé renommé .

Marche pô

Ca me paraît bizarre, ce que j'ai fait, lancer le script sous D:\Titan> ...

[-ms- 2]

Tous ceux qui font de superbes photos des planètes pourraient aller un peu plus loin dans les détails avec ce type d'algorithme. AIDA est utilisable dans les 3 environnements : XP, Mac et Ubuntu.
La seule difficulté c'est de prendre un échantillon de 6 poses d'une étoile cible située à proximité de la planète pour modéliser la turbulence à partir des tavelures. Cette approche logiciel est aujourd'hui à la portée de tout amateur disposant d'un télescope de 250mm de diamètre ou plus.

Pour un site donné, il serait peut-être même possible d'établir des profils de turbulence en fonction des données du seeing fournies par Meteoblue cela éviterait de refaire les échantillons à chaque sortie (un peu comme un apprentissage de la turbu ). C'est sûr que si ça turbule trop cette technique ne marche pas mais faire du planétaire dans ces conditions n'a pas de sens.

Avant traitement :

Après traitement :

[Nebulium 1 436]

bonjour ms

C'est bien l'idée que j'avais en tête...
On va essayer avec Xavi et son C9, AIDA + WinJupOs

Stp, pourrais -tu me mettre une copie d'écran de ton invite de commandes pour le lancement, me confirmer ce qu'il y a dans les 3 répertoires et m'indiquer si tu as modifié/déplacé des fichiers comme "Settings".
Merci

[Ce message a été modifié par Nebulium (Édité le 19-09-2011).]

[-ms- 2]

J'ai juste renommé les répertoires "AIDA" et "Titan" pour simplifier la ligne de commande.
En te plaçant dans le répertoire "Titan", le logiciel AIDA utilise le setting présent dans le répertoire "Titan".

Si tu veux faire un test avec Jupiter, tu créer un répertoire "Jupiter" avec le setting correspondant.

Ci-joint une copie d'écran (au bout d'une dizaine de minutes, AIDA a fini de calculer et le résultat est dans le répertoire "Results") :

[Ce message a été modifié par ms (Édité le 19-09-2011).]

[Nebulium 1 436]

Merci ms

Le Titan que j'utilise : "Titan_2Dtestimage.zip" est celui disponible sur ce site
Dézippé, il comporte deux sous-répertoires nommés__MACOSX et Titan_2Dtestimage de nouveau.
Je suppose que c'est ce dernier que tu renommes Titan et mets sous D:\ avec le renommé AIDA et Priithon_25_win

Je recommence mes manips cet aprèm, ce que tu montres me semble bien être ce que j'avais fait cette nuit qui ne marchait pas, je vais tout redézipper àneuf, vérifier les slashes et espaces, et dès OK, je retraite l'oeuf au plat du T1m pour comparer avec les résultats BiaRam.

Il faut que je potasse AIDA, j'ai cru comprendre à te lire qu'il fallait des images d'étoiles comme psf, c'est ce que j'avais demandé à JL au début de cette aventure.
A défaut, pour commencer à jouer, j'ai les PSF peaufinées par BiaRam, et aussi Aberrator pour fabriquer des tavelées

[Ce message a été modifié par Nebulium (Édité le 19-09-2011).]

[-ms- 2]

Oui, tu prends juste le sous-répertoire que tu renommes "Titan", le reste c'est de la cuisine Mac.
Suivant la puissance de ta station de travail, l'opération prend entre 5 et 10 minutes.
AIDA va te générer un sous-répertoire "Results" sous D:\Titan et dans ce sous-répertoire tu trouveras l'image traitée au format fits.
Tu peux la lire avec Priithon ou avec Gimp ou avec IRIS ou autre.

D'après ses auteurs AIDA permet d'améliorer le contraste d'un rapport 2 (ce qui me semble énorme). Moi, ce qui m'intéresserait, ce serait d'utiliser cette approche pour valoriser le seeing de mon site d'observation vidéo (par exemple passer de 3" à moins de 2"). Je suppose que cette approche pourrait aussi convenir à ceux qui utilisent des CCD très sensibles voir des EMCCD.

[Nebulium 1 436]

C'est bon, ça mouline

Un grand merci encore pour le coup de main