
外观
外观
最近观测天文学课的其中一个大作业是选择一个深空天体作为目标,写观测计划,并最终拿到数据之后做一个比较艺术性的摄影图片出来. 感觉这件事情其实是比较有意思的,虽然实际拍摄的过程是天文协会的学长们用远程台完成,但是后续的图像处理比较有门道,因此想写下来记录一下. 当然,我没有用到 PS (PhotoShop),因为并不是很会使用这种比较偏向摄影的软件,同时不太想在电脑上下载一个 Adobe 全家桶,毕竟是学校的花钱买的版本,如果离开学校就无法使用,比较难受.
下面的内容大多数都是用这些软件完成的:AstroImageJ,Siril 以及 PixInsight.
这里有必要简单说一下各个软件的定位.
首先 AstroImageJ 是一个偏向学术上分析数据的软件,它有很多图像叠加、处理的功能,但是主要都是为了科研上的数据处理而服务,也就是说,它并不偏向于图片的编辑和美化 (或者说根本就没有这方面功能),只是简单地把图片里面的数据整合好,能够做下一步的数据处理;另外它自己已经有很多数据整理的功能,我看到官网上面甚至写了可以用它画一个 exoplanet transit 的光变曲线出来. 它的使用比较简单,我们课堂上是用这个软件来演示如何做 RGB 滤镜的三色合成,以及更早的做星点对齐、叠加平场、暗场的基础操作.
Siril 是一个「astronomical image processing tool」,它包含了 AstroImageJ 对于图像处理的大多数功能,但是数据处理的能力稍微弱一点. 我自己体验下来发现,Siril 的星点对齐算法应该是比 AstroImageJ 先进一点,因为后者使用的是某个网站的 API,速度慢尚且不说,精度也就那样,不然服务器和数据传输的压力实在是有点大. 这个软件的一大优点在于,相比 PixInsight,它是免费的.
PixInsight (下称 PI) 可以说是深空摄影领域的集大成者,拥有非常强大的功能、高度自定义化的界面以及先进的算法. 缺点是极其昂贵,但是我们学校天文协会的学长给了我他的 License,因此我可以骗过官方的审查,姑且是免费地用着这个高贵的软件.
注意
说起这个,我校天文系曾经在大服务器上运行某个盗版软件供全系师生使用,但是某一位外国留学生非常看不下去这种「罪恶」的行径,遂向官方举报我们系的操作,导致我们系只能全款购买该软件的正版.
我想说的是,大家别举报我.
回到 PI,这东西另一个缺点是学习曲线极为陡峭,甚至初学根本无从下手. 如果有系统学习 PI 的需要,可以看看这个:PixInsight 入门到精通 | 星空 π 对,这应该是中文材料里面最权威的一个教程;另外我遇到一些问题也会去 PI 的官方论坛去看看有没有比较好的解答,这也是入门的一个比较好的参考资料. 不过鉴于我是在完成一项作业,在这种情境下可能用 AI 反而是最快的,因此我直接让我的 codex CLI 阅读我的
.fits文件,告诉我使用 PI 修改的建议.
首先肯定是要积累足够的数据. 要拍的内容有:平场、暗场、bias 和普通的各滤镜图像,其中只有 bias 是不需要和滤镜相关的,其他的图片要分通道拍摄. 当然,这里用是 CCD 的场合,如果用彩色 CMOS 应该是没这么多麻烦的事情,因为不用分通道 —— 但是用 CCD 一般来说会得到更好的数据.
下面是一个典型的文件结构:
.
├── biases
│ ├── 2026-04-17_14-06-16_LIGHT_S_1x1_8.80_gain56_0.00s_0037.fits
│ ├── 2026-04-17_14-06-25_LIGHT_S_1x1_8.80_gain56_0.00s_0038.fits
│ └── 2026-04-17_14-06-33_LIGHT_S_1x1_8.80_gain56_0.00s_0039.fits
├── darks
│ ├── _2025-06-10_04-52-52_DARK_H_-9.90_gain56_600.00s_0053.fits
│ ├── _2025-06-10_05-02-54_DARK_H_-10.00_gain56_600.00s_0054.fits
│ └── _2025-06-10_05-12-55_DARK_H_-10.00_gain56_600.00s_0055.fits
├── flats
│ ├── FlatWizard-L_2026-04-22_20-30-34_FLAT_H_3.20_gain56_6.25s_0000.fits
│ ├── FlatWizard-L_2026-04-22_20-30-43_FLAT_H_2.90_gain56_6.25s_0001.fits
│ └── FlatWizard-L_2026-04-22_20-30-51_FLAT_H_2.70_gain56_6.25s_0002.fits
├── lights
│ ├── 2026-04-16_22-08-21_LIGHT_H_1x1_0.50_gain56_600.00s_0002.fits
│ ├── 2026-04-16_22-18-23_LIGHT_H_1x1_0.40_gain56_600.00s_0003.fits
│ └── 2026-04-16_22-56-24_LIGHT_H_1x1_-0.00_gain56_600.00s_0004.fits
├── masters
│ ├── bias_stacked.fit
│ ├── dark_stacked.fit
│ └── pp_flat_stacked.fit
├── process
└── result_H_6000s.fit这是我的 H 滤镜,也就是 Hα 谱线滤镜的图片文件夹,仅选取部分文件. 但是其实一开始并不是这样,是为了在 Siril 里面做图像叠加修改的文件结构,这一点之后会写.
一般开始的时候是会按照 flats, lights, biases, darks 的四个文件夹分类好,因为拍摄的时候它们分别是一起拍摄的;同时 lights 文件夹中的不同通道之间的照片一般也混在一起,因为都是在拍摄一段时间某个通道之后用滤镜轮换新的一个滤镜拍摄下一张. 这时只能通过图片命名中类似 *_R_* 这样的字段来判定它们分别是用什么滤镜拍摄的.
前面说到,课堂上我们用的是 AstroImageJ 进行演示,然而我实际完成这个操作是使用 Siril.
注意
下面图片来源于 Sharon 老师的课件内容.
首先打开软件,选择顶栏的 files,然后打开自己拍摄数据文件夹中的随机一个文件.
之后选择顶栏的 process,如图所示选择 Data reduction facility.

上一步做完之后会跳出好几个窗口,首先选择下图这个界面,在 SIMBAD Object ID 中填写自己拍摄的目标的名称. 下图中示例选择的是 M101,我自己拍摄的是 NGC 2903.

填写目标名称之后 AstroImageJ 会在数据库中搜索并且把后面的信息全部填写清楚.
之后选择下图的窗口:

这一步是最重要的构建步骤.
把所有的文件夹名称选择好,比如现在要构建 R 滤镜的各个 master image,那么就分别在 Bias Subtraction, Dark Subtraction, Flat Division 和 Science Image Processing 几处把文件夹的路径填写好,点击右边的文件夹图标可以直接在文件管理器或者 Finder 中选择. 右边第二栏是填写文件的通配名称,因为可能只要用到 R 滤镜的图片,所以在右边用含有通配符的文件名把所有 R 滤镜拍摄的图片选择出来. 这一点非常重要,因此请注意最右侧的那个数字,如果和实际 R 滤镜拍摄的图片数量不一致,那么就要检查是不是通配文件名的某些地方写法有问题.
第一个要构建的是 bias. 这时候把所有的几个功能中的 Enabled 选项都取消掉,Build 选项只留下 Bias Subtraction 的那一个,然后点击下面的 START.
构建 bias 之后,AstroImageJ 会在 bias 文件夹下输出一个 master bias 文件,这是将所有 bias 合成之后的结果. 现在取消 Bias Subtraction 的 Build 选项,选择 Enable,然后选择 Dark Subtraction 的 Build 选项,也就是利用已经构建好的 master bias 来构建 dark.
点击 START.
接下来按照同样的步骤构建 flat,也就是取消选择前两个的 Build 选项,改为 Enable,并选择 Flat Division 的 Build 选项,点击 START.
关于 Image Correction 的选项:勾选 Plate Solve 之后会处理 bias, dark 和 flat 的不同曝光时间,所以建议勾选让图片亮度更加正常.
最后构建这个滤镜总的图像