Kolejnym etapem obróbki jest sprawdzenie naszego zdjęcia i usunięcie ewentualnych gradientów, czyli nierównego poziomu tła. Ich źródłem na ogół jest zaświetlenie nieba w miejscu obserwacji (zarówno przez źródła naturalne jak i sztuczne). Nierównomierny poziom tła pojawi się również jeżeli nie wykonałeś flat'a, lub zrobiłeś go nieprawidłowo. Opisane tutaj operacje poprawią sytuację w obydwu przypadkach, ale pamiętaj że nic nie może zastąpić porządnie wykonanego flat'a.
Jeżeli zdjęcie jest duże i nie mieści się w całości na ekranie warto je tymczasowo przeskalować korzystając z odpowiednich przycisków na pasku narzędziowym (rys.8.1.). Umożliwiają one kolejno: powiększenie, pomniejszenie i powrót do rozmiarów oryginalnych. Oczywiście wszystkie operacje dotyczą jedynie sposobu wyświetlania obrazu i nie wpływają na jego rzeczywiste wymiary.
Rys.8.1. Przyciski zmiany rozmiarów
Podobnie jak w punkcie 7. manipulując suwakami w oknie poziomów testujemy tło zdjęcia (przycisk Auto, a następnie stopniowe przesuwanie górnego suwaka w lewo). Dążymy do ustawień, przy których tło zacznie robić się jaśniejsze. Teraz można ocenić, czy poziom jest równy, czy też pewne części są jaśniejsze od innych.
Jeżeli na zdjęciu pojawia się widoczny gradient można go usunąć korzystając z opcji Processing->Remove gradient (rys.8.2.). Idea działania tej funkcji opiera się na określeniu jasności nieba na obszarze całego zdjęcia i wygenerowaniu obrazu odzwierciedlającego zróżnicowany poziom jasności (tzw. sztuczne tło). Obraz ten jest odejmowany od właściwego zdjęcia, dzięki czemu następuje wyrównanie jasności tła. Cały problem w wykorzystaniu funkcji sprowadza się do ustalenia wartości parametrów w taki sposób, aby usuwane było tylko faktyczne zaświetlenie, a w niezmienionym stanie pozostały właściwe obiekty.
Rys.8.2. Okno Remove gradient
Background detection określa wrażliwość algorytmu na różnice pomiędzy tłem i właściwym obiektem na zdjęciu. Niższe wartości (Low, Medium) odpowiadają mniejszej czułości na niewielkie zmiany w pobliżu jasnych obektów, ale zmniejszają prawdopodobieństwo usunięcia ich słabych fragmentów. Wartość wyższa (High) powoduje lepsze wykrywanie drobnych zmian, ale zwiększa ryzyko usunięcia słabszych obiektów.
Fit precision określa dokładność dopasowania tła. Im wyższa wartość parametru tym dokładniejsze dopasowanie do lokalnych zmian gradientu.
Balance background color należy zaznaczyć jeżeli obrabiane zdjęcie jest 48-bitowym zdjęciem kolorowym. Opcja ta spowoduje, że algorytm zachowa neutralny kolor tła.
Operację usuwania gradientów w typowych zastosowaniach wykonuje się dwuetapowo: w pierwszym kroku należy usunąć gradient o dużej skali (Background detection i Fit precision ustawione na Medium ewentualnie Low), a w drugim mniejsze gradienty lokalne (Background detection i Fit precision ustawione na High). Zaproponowane ustawienia są oczywiście orientacyjne i zawsze należy eksperymentować z konkretnym zdjęciem.
Walcząc z gradientami możemy dodatkowo zabezpieczyć się przed utratą istotnej informacji generując odpowiednią maskę. Maska określa, które części zdjęcia zawierają interesujące nas obiekty i zabezpiecza je przed skasowaniem. Maska to obraz czarno-biały o rozmiarach właściwego zdjęcia, obszary czarne określają miejsca, w które nie należy ingerować. Można ją wygenerować komendą:
BIN_DOWN [poziom]
Komenda przekształca załadowany obraz zamieniając na kolor biały wszystkie punkty, których intensywność jest mniejsza, a na kolor czarny wszystkie punkty, których intensywność jest większa od parametru poziom. Maskę należy zapisać w katalogu roboczym, określić jej nazwę w polu Mask name i zaznaczyć opcję Use a mask. Jeżeli operację usuwania gradientów wykonujesz dwuetapowo powinieneś wygenerować maskę dla każdego z etapów. W pierwszym kroku nie musi ona pokrywać całego obiektu, jedynie jego jaśniejsze części (niskie wartości parametrów zabezpieczają przed usunięciem fragmenty słabsze) istotne jest, aby nie zamaskować właściwego gradientu tła. W drugim kroku należy staranniej dobrać wartość granicznego poziomu i w miarę możliwości zamaskować cały obiekt razem z najsłabszymi elementami.
W przypadku zdjęć kolorowych na tym etapie należy wykonać balans bieli. Podstawowe metody to wprowadzenie współczynników dla poszczególnych kanałów na podstawie znanej charakterystyki kamery oraz określenie balansu na podstawie białego obiektu zarejestrowanego na zdjęciu.
Jeżeli znasz charakterystykę używanej kamery możesz skorzystać z opcji Digital photo->RBG balance (rys.8.3.), lub View->White balance adjustment (rys.8.4.).
Rys.8.2. Okno RGB balance
Rys.8.2. Okno White balance adjustment
Dobór współczynników dla poszczególnych kanałów zależy od używanej kamery. W przypadku nieprzerobionych lustrzanek cyfrowych Canona (czyli tych z oryginalnym filtrem IR) dokumentacja programu poleca wartości: R=1.96, G=1.0, B=1.23. W przypadku aparatów z wymienionym filtrem IR współczynniki te są inne - Jim Salomon proponuje wartości: R=1.38, G=1.0, B=1.23. Testy, które sam przeprowadziłem dały współczynniki jeszcze niższe (odpowiednio 1.1, 1.0, 1.2), jednak nie traktuję tych wyników jako ostateczne.
Druga metoda balansu bieli polega na odnalezieniu na zdjęciu elementu, który ma naturalnie biały kolor. Należy zaznaczyć go trzymając wciśnięty lewy przycisk myszy i wykonać bezparametrową komendę WHITE. Program dobierze odpowiednie współczynniki dla kanałów RGB (wyświetli je w oknie danych wyjściowych) i dokona odpowiedniego przekształcenia zdjęcia. Przy zastosowaniu tej metody problemem może być znalezienie odpowiedniego obiektu - w przypadku zdjęć obiektów mgławicowych jesteśmy ograniczeni do gwiazd klasy widmowej G (idealnie G2). Gwiazda taka musi być wyraźnie zarejestrowana, ale nie może być zbyt jasna, aby piksele detektora nie zostały nasycone sygnałem (intensywność punktów na całym obrazie gwiazdy musi być zdecydowanie mniejsza od 30000). Niestety nie zawsze taka gwiazda znajdzie się w kadrze stąd też warto eksperymentować i dobrać odpowiednie współczynniki dla używanej kamery.