用Python堆叠天文图像

我以为这会更容易，但过了一段时间，我终于放弃了，至少有几个小时

我想从一组时间点的图片中复制这张后星图像。受此启发：

使用VirtualDub拍摄的低分辨率视频帧，并与imageJ结合使用。我想象我可以很容易地复制这个过程，但是使用Python时使用了更注重内存的方法，因此我可以使用它来获得更好的输出

我的算法思想很简单，一次合并两幅图像，然后通过将结果图像与下一幅图像合并进行迭代。这样做了数百次，并对其进行了适当的称重，以便每个图像对最终结果的贡献相同

我对python相当陌生（这一点很明显，我不是专业程序员），但环顾四周，我觉得python映像库非常标准，所以我决定使用它（如果您认为其他东西更好，请纠正我）

以下是我目前掌握的情况：

#program to blend many images into one
import os,Image
files = os.listdir("./")
finalimage=Image.open("./"+files[0]) #add the first image
for i in range(1,len(files)): #note that this will skip files[0] but go all the way to the last file
  currentimage=Image.open("./"+files[i])
  finalimage=Image.blend(finalimage,currentimage,1/float(i+1))#alpha is 1/i+1 so when the image is a combination of i images any adition only contributes 1/i+1.
  print "\r" + str(i+1) + "/" + str(len(files)) #lousy progress indicator
finalimage.save("allblended.jpg","JPEG")

这就是它应该做的，但是得到的图像是暗的，如果我只是尝试增强它，很明显，由于像素值缺乏深度，信息丢失了。（我不确定这里的正确术语是什么，颜色深度、颜色精度、像素大小）。 以下是使用低分辨率图像的最终结果：

或者是我正在尝试的一张4k×2k分辨率的照片（来自另一组照片）：

因此，我尝试通过设置图像模式来修复它：

firstimage=Image.open("./"+files[0])
size = firstimage.size
finalimage=Image.new("I",size)

但显然Image.blend不接受该图像模式

ValueError:图像的模式错误

有什么想法吗

---

（我也尝试过在将图像与im.point（lambda I:I*2）组合之前将其相乘，以使图像“不那么暗”，但结果同样糟糕）

这里的问题是，您要平均每个像素的亮度。这似乎是合理的，但实际上根本不是你想要的——明亮的恒星会被“平均化”，因为它们沿着图像移动。以以下四帧为例：

1000 0000 0000 0000
0000 0100 0000 0000
0000 0000 0010 0000
0000 0000 0000 0001

如果你平均这些，你将得到：

0.25 0    0    0
0    0.25 0    0
0    0    0.25 0
0    0    0    0.25

当您需要时：

1000
0100
0010
0001

代替混合图像，您可以尝试为每个像素获取任何图像中看到的最大值。如果您有PIL，您可以尝试ImageChops中的打火机功能

from PIL import ImageChops
import os, Image
files = os.listdir("./")
finalimage=Image.open("./"+files[0])
for i in range(1,len(files)):
    currentimage=Image.open("./"+files[i])
    finalimage=ImageChops.lighter(finalimage, currentimage)
finalimage.save("allblended.jpg","JPEG")

以下是我得到的：

编辑：我阅读了Reddit帖子，发现他实际上结合了两种方法——一种是针对恒星轨迹的，另一种是针对地球的。这是一个更好的平均方法，你尝试了，有适当的权重。我使用numpy阵列作为中间存储，而不是uint8映像阵列

import os, Image
import numpy as np
files = os.listdir("./")
image=Image.open("./"+files[0])
im=np.array(image,dtype=np.float32)
for i in range(1,len(files)):
    currentimage=Image.open("./"+files[i])
    im += np.array(currentimage, dtype=np.float32)
im /= len(files) * 0.25 # lowered brightness, with magic factor
# clip, convert back to uint8:
final_image = Image.fromarray(np.uint8(im.clip(0,255)))
final_image.save('all_averaged.jpg', 'JPEG')

这是一张图片，你可以将它与前一张照片中的星光轨迹结合起来。

---

您的图像权重不相等。例如，您的第一张图像的不透明度

1/（1+1）=0.5

，而您的第九张图像的不透明度

0.1

。Blender，我认为它的权重相等。当i=0时，1/（i+1）=1，则对于第一次迭代，该图像的权重为0.5，因为第二个图像（文件[1]）拍摄了其他0.5，然后当i=2时，文件[2]的权重为0.33，前两个加起来的总权重为0.66。。也就是说，每个0.33。因此，第9幅图像确实有0.1 alpha，但这意味着前8幅图像的综合不透明度为0.9，即每幅图像0.1（考虑到文件[0]）。不，@Blender是对的，您需要为每幅图像设置一个恒定的权重，这意味着

1/len（文件）

。如果你有两张图片，每张图片的总重量为0.5。如果你总共有10张图片，每张图片的权重为0.1。我相信这就是它得到的（相等的权重）。使用blend函数，每次调用结果时，结果都会被规范化，也就是说，如果我对第一个贡献进行0.1加权（对于10幅图像），例如，对黑色背景，当下一次迭代到来时，0.9黑色和0.1图像的图像将成为下一次混合贡献的0.9部分。第一个图像贡献0.09，第二个图像贡献0.1。最后，第10个图像的贡献率为0.1，第一个图像的贡献率为0.039（即0.1*（0.9）^10）。blend=image1*（1.0-alpha）+image2*alpha很棒！！非常感谢你。（尽管因imgur的尺寸限制而有所降低）[1]：@JunCTionS不用担心，看起来真的很不错。我读了Reddit的评论，他做了和我建议的一样的事情，但是有点像你最初对地球的平均方法。我会在这方面有一个快速裂纹，并添加它作为编辑。