[Versión en Español al final]Hi all,
PixInsight 1.5.2 is now available for Linux, Mac OS X and Windows.
This is a bug fix / optimization release, but it also contains some new tools and important improvements.
Download AddressesPixInsight 1.5.2 is now available for download from our file servers:
* For commercial users (user name and password required):
http://dist.pixinsight.com/* For users of 30-day trial licenses:
http://pixinsight.com/download/STD/InstallationWe encourage you to update your current installation as soon as possible. Before installing PixInsight 1.5.2, it is advisable to uninstall a previous version. This is the recommended procedure:
Linux 1. Exit all running instances of the PixInsight core application, if any.
2. Delete the whole directory where a previous version of PixInsight was installed.
If you have created files of your own within PixInsight's installation directory, please don't forget to backup them first.
3. Unpack the .tar.gz file on a suitable directory, preferably one under the user's personal directory (for example, $HOME/PixInsight).
4. To launch PixInsight, run the PixInsight.sh shell script on the bin installation directory.
Mac OS X 1. Exit all running instances of the PixInsight core application, if any.
2. Delete the previous version of the PixInsight.app application bundle. If you installed it on the standard location, it should be on the /Applications folder.
3. Double click the .zip installation archive for version 1.5.2. This will create a new PixInsight.app application bundle. PixInsight can be executed from any location, but we recommend copying PixInsight.app to the standard /Applications folder. You may want to add it to the Dock as well.
4. If you are a commercial Windows or Linux user, your existing license file works fine on the Mac; you do not need to reactivate your license. Do the following:
4.1 Locate your PixInsight license file. It is the .pixinsight-license file on your personal folder of your Linux or Windows machine.
4.2 Make a duplicate of .pixinsight-license, and rename it to pixinsight-license (that is, the same name but without a starting dot character).
4.3 Copy the pixinsight-license file to your home folder on the Mac. Now you can run PixInsight for Mac OS X with your commercial license.
Windows 1. Exit all running instances of the PixInsight core application, if any.
2. Uninstall PixInsight. There is a Start > PixInsight Platform > Uninstall menu item that should be used. Never try to uninstall PixInsight by manually removing files.
If you have created files of your own within PixInsight's installation directory, please don't forget to backup them first.
3. Run the PixInsight installation module for version 1.5.2.
4. To launch PixInsight, go to Start > PixInsight Platform > PixInsight Core.
Bug FixesVersion 1.5.2 fixes all confirmed bugs and regressions as of the date of release. Please refer to the
Bug Reports board of this forum.
New Tools and FeaturesNew Debayer toolSander Pool has written a new tool for debayering (or demosaicing) one-shot color (OSC) CCD images in PixInsight, using the PCL C++ development framework. Sander has made a great contribution by allowing us to include his module in standard PixInsight distributions for all supported platforms.
You'll find the new Debayer process under the ColorSpaces category, on the Process Explorer window. This tool can debayer OSC RGB images (all pattern types supported) applying bilinear interpolation and super-pixel demosaicing methods. Future versions will support additional demosaicing and interpolation algorithms.
Note that the new Debayer process is not intended to work with DSLR raw images, but only with OSC CCD raw images. DSLR raw formats are already supported by the standard DSLR_RAW file format module in PixInsight, which uses Dave Coffin's dcraw routines.
New Deconvolution Deringing AlgorithmsThe new Deconvolution tool includes a redesigned deringing feature. Now we have two deringing algorithms available on Deconvolution:
global and
local deringing. Global deringing is similar to the deringing features that we introduced in version 1.5 for ATrousWaveletTransform, UnsharpMask and RestorationFilter, and follows original techniques devised by PTeam member Vicent Peris. Local deringing improves protection around small-scale, high-contrast features and requires a
deringing support image, which is basically a star mask when working with deep-sky images.
Refer to
this thread to see a worked example that demonstrates the power of these new deringing algorithms. Note however that this example uses an initial version of the new Deconvolution tool; you can expect even better performance with the final version that we have released with PixInsight 1.5.2.
Improved StarAlignmentThe mosaic generation feature of StarAlignment has undergone important improvements. The main improvement is a behavior change when StarAlignment is applied to
previews.
When StarAlignment works on previews, it detects and uses stars within the previews exclusively, but the whole images (the previews' parent images) are used to perform the actual image registration task.
To show how this works, here is a difficult mosaic test case. In the next screenshot you can see the two mosaic frames (images courtesy of Oriol Lehmkuhl and Ivette Rodríguez):
http://forum-images.pixinsight.com/legacy/1.5.2-preview/StarAlignmentMosaic-1.jpgThis mosaic is difficult because the images share just a tiny percentage of a large amount of stars. Under these conditions, finding a valid set of star pair matches can be a hard task, and StarAlignment may eventually be unable to compute a valid image registration model.
With two previews defined to cover approximately the common region, StarAlignment builds the mosaic without problems:
http://forum-images.pixinsight.com/legacy/1.5.2-preview/StarAlignmentMosaic-2.jpgNow we can now generate mosaics of arbitrary complexity with minimal user intervention; the user has just to define a couple of previews roughly covering the common area between each pair of mosaic elements. In fact, in the example shown above we could have defined previews ten times smaller or four times larger, and the mosaic had still be formed correctly (although, of course, this is only a lab test: in practice, the more star pair matches is always the better).
Another important improvement to StarAlignment is a hot pixel removal option. You'll find this option in the Star Detection section of StarAlignment's interface. Hot pixel removal is enabled by default, and consists of a median filter applied to temporary working images used during the structure detection phase. A median filter isn't the most sophisticated way to deal with hot pixels, but it is indeed a simple and efficient solution.
Improved ImageIntegrationThe ImageIntegration process has also seen a lot of improvements and new features. Along with many bugs fixed, I have designed and implemented a new pixel rejection algorithm:
Winsorized sigma clipping. Winsorization is an efficient technique for minimization of the influence of outliers in sampled data. In this new pixel rejection method, I apply Huber's method to compute a Winsorized mean iteratively for each pixel stack. The Winsorized mean and data set feed a sigma-clipping algorithm. This leads to a robust outlier rejection method that can yield better preservation of significant data for large sets of images. Refer to this
technical brief for a simplified description of some of the applied techniques.
The other improvement to ImageIntegration is a new option to compute an estimate of the (Gaussian) noise standard deviation in the integrated result. This option implements a wavelet-based noise estimation algorithm due to Jean-Luc Starck (see for example
Automatic Noise Estimation from the Multiresolution Support, Pub. of the Royal Astr. Soc. of the Pacific, vol. 110, February 1998, pp. 193-199).
More pixel rejection algorithms and new features are on the design board and will be made available in upcoming versions of this tool.
Improved STF's Auto Stretch FeatureScreenTransferFunction's Auto Stretch feature is now largely improved. Open a raw image and click the lightbulb icon on STF's interface, on the left side:
http://forum-images.pixinsight.com/legacy/1.5.2-preview/STF-AS-4.jpgThe two parameters of the Auto Stretch feature are as follows:
- Shadows Clipping. This is the shadows clipping point in sigma units measured from the mean histogram's peak. The default value is -1.25, which means that the clipping point will be located to the left of the histogram peak, at a distance approximately equal to 1+1/4 of the peak's width.
- Target background. This is the desired mean background on the screen representation of the image. The default value is 0.25, which is a bit scored toward the bright side but good for visual inspection.
The default values work fairly well in most cases, so automatic screen stretch is a matter of just a couple clicks:
http://forum-images.pixinsight.com/legacy/1.5.2-preview/STF-AS-5.jpgAnother improvement to the STF interface is that now you can use the mouse wheel to zoom in/out STF controls, and click and drag the central mouse button to pan zoomed controls, just as you can do with images.
Improved Script EditorThe script editor has also some new features. You can double-click on the line numbers column (left side) to toggle bookmarks. You can also click and drag on the line numbers column to define a selection consisting of full text lines. Other than these, there are many less-visible improvements that contribute to facilitate script authoring in PixInsight.
I have always wished to write a good code editor, so you can expect to see new features added to PixInsight's Script Editor in future releases. One of the things that we obviously need ASAP is a script debugger. I plan on implementing this feature somewhere between versions 1.7 and 1.8, perhaps (fingers crossed) along with a stable version of Mozilla's TraceMonkey engine (which includes a just-in-time compiler that will make JavaScript a really competing option for development on PixInsight, with respect to PCL/C++).
New NoiseEvaluation scriptThis is a JavaScript implementation of the iterative k-sigma clipping noise estimation algorithm described in
Astronomical Image and Data Analysis by Jean-Luc Starck and Fionn Murtagh (Springer, 2002, pp. 37-38).
This script still lacks a good user interface. It provides estimates of the standard deviation of Gaussian noise to within 1% accuracy for each nominal channel of the active image. We have used it as a working tool for several years, with excellent results.
Integration of dcraw revision 1.423David Coffin's
dcraw is the heart of PixInsight's DSLR raw format support module. Revision 1.423 is the latest version of dcraw as of the date of release, so you can expect support for all current models of digital cameras from all major brands (Canon, Nikon, etc.).
=================
I hope you'll like it. Have fun!
=================================================================================
Hola a todos,
PixInsight 1.5.2 está disponible para Linux, Mac OS X y Windows.
Esta versión es principalmente para corrección de errores y optimización, pero también contiene algunas herramientas nuevas y mejoras importantes.
Direcciones de DescargaPixInsight 1.5 está disponible para ser descargado desde nuestros servidores de archivos:
* Para usuarios comerciales (se requiere nombre de usuario y contraseña):
http://dist.pixinsight.com/* Para usuarios de licencias de prueba de 30 días (30-day trial license):
http://pixinsight.com/download/STD/InstalaciónLe recomendamos encarecidamente que actualice su instalación tan pronto como le sea posible. Antes de instalar PixInsight 1.5, es recomendable desinstalar la versión anterior. Éste es el procedimiento recomendado:
Linux 1. Termine todas las instancias en ejecución de la aplicación principal de PixInsight.
2. Borre el directorio completo donde instaló la anterior versión de PixInsight.
Si ha creado algún archivo propio dentro del árbol de de directorios de instalación de PixInsight, por favor no olvide hacer una copia de seguridad previa.
3. Descomprima el archivo .tar.gz en un directorio cualquiera, preferiblemente en uno bajo su directorio personal de usuario (por ejemplo, $HOME/PixInsight).
4. Para lanzar PixInsight, ejecute el script PixInsight.sh desde el directorio bin de instalación.
Mac OS X 1. Termine todas las instancias en ejecución de la aplicación principal de PixInsight.
2. Borre la versión anterior del archivo de aplicación PixInsight.app. Si lo instaló en su ubicación estándar, debería estar en la carpeta Aplicaciones (/Applications).
3. Haga doble clic en el archivo .zip de instalación para la versión 1.5. Esto generará un archivo de aplicación con el nombre PixInsight.app. PixInsight puede ser ejecutado desde cualquier ubicación, pero le recomendamos que copie PixInsight.app a la carpeta estándar Aplicaciones (/Applications). Probablemente también querrá añadir PixInsight al Dock de Mac OS X.
4. Si es usted un usuario comercial en Windows o Linux, su archivo de licencia funcionará perfectamente también en Mac OS X; no tiene que reactivar su licencia ni nada parecido. Haga lo siguiente:
4.1 Localice su archivo de licencia de PixInsight. Es el archivo .pixinsight-license en su carpeta personal.
4.2 Haga un duplicado de .pixinsight-license y cambie su nombre a pixinsight-license (o sea, el mismo nombre pero sin el punto inicial).
4.3 Copie el archivo pixinsight-license a su carpeta personal en el Mac. Ahora puede ejecutar PixInsight para Mac OS X con su licencia comercial.
Windows 1. Termine todas las instancias en ejecución de la aplicación principal de PixInsight.
2. Desinstale PixInsight. Hay una opción del menú Inicio > PixInsight Platform > Uninstall que debería utilizar. Nunca intente desinstalar PixInsight eliminando archivos manualmente.
Si ha creado algún archivo propio dentro del conjunto de carpetas de instalación de PixInsight, por favor no olvide hacer una copia de seguridad previa.
3. Ejecute el módulo de instalación para la versión 1.5.
4. Para lanzar PixInsight, vaya a Inicio > PixInsight Platform > PixInsight Core.
Correcciones de ErroresLa versión 1.5.2 soluciona todos los errores y regresiones confirmados hasta la fecha de publicación. Los errores más importantes se pueden encontrar en la
sección Bug Reports de este foro.
Nuevas Herramientas y CaracterísticasNueva Herramienta DebayerSander Pool ha escrito una nueva herramienta para
debayerizar imágenes de cámaras
one-shot color (OSC) en PixInsight, utilizando el entorno de desarrollo PCL en C++. Sander ha hecho una gran contribución al permitirnos incluir su módulo en las distribuciones estándar de PixInsight para todas las paltaformas soportadas.
Encontrará el nuevo proceso Debayer bajo la categoría ColorSpaces, en la ventana Process Explorer. Esta herramienta puede decodificar imágenes RGB de OSC y soporta todos los patrones de matriz de Bayer. Aplica interpolación bilineal y decodificación super-pixel. Futuras versiones soportarán métodos de decodificación e interpolación adicionales.
Tenga en cuenta que el nuevo proceso Debayer no está pensdo para trabajar con imágenes raw de DSLR, sino sólo con imágenes raw CCD de OSC. Los formatos raw de DSLR ya están soportados por el módulo de formato de archivo estándar DSLR_RAW, que utiliza las rutinas dcraw de Dave Coffin.
Nuevos Algoritmos de Deringing para DeconvoluciónLa nueva herramienta Deconvolution incluye una función de deringing rediseñada. Ahora tenemos dos algoritmos de deringing disponibles en Deconvolution: deringing
global y
local. El deringing global es similar a las funciones de deringing que fueron introducidas en la versión 1.5 para las herramientas ATrousWaveletTransform, UnsharpMask y RestorationFilter, e implementan técnicas originales diseñadas por Vicent Peris (PTeam). El deringing local mejora la protección alrededor de estructuras de pequeña escala y alto contraste, y requiere una imagen de
soporte de deringing, que es básicamente una máscara de estrellas cuando se trabaja con imágenes de cielo profundo.
En
este hilo puede ver un ejemplo que demuestra la potencia de estos nuevos algoritmos de deringing. Tenga en cuenta que este ejemplo utiliza una versión inicial de la nueva herramienta de deconvolución, de manera que puede esperar resultados aún mejores con la versión final que hemos publicado con PixInsight 1.5.2.
StarAlignment MejoradoLa función de generación de mosaicos de StarAlignment ha experimentado importantes mejoras. La principal mejora es un cambio en el comportamiento de StarAlignment cuando es aplicado a
previsualizaciones.
Cuando StarAlignment trabaja sobre previsualizaciones, detecta y alinea con estrellas sobre las previsualizaciones exclusivamente, pero utiliza las imágenes completas (las imágenes
madre de las previsualizaciones) para realizar la tarea de registro de imágenes.
Para mostrarle cómo funciona esto, aquí tiene un caso difícil de generación de un mosaico. En la siguiente copia de pantalla puede ver los dos elementos del mosaico (imágenes cortesía de Oriol Lehmkuhl e Ivette Rodríguez):
http://forum-images.pixinsight.com/legacy/1.5.2-preview/StarAlignmentMosaic-1.jpgEste mosaico es difícil porque las imágenes comparten sólo una fracción diminuta de entre un gran conjunto de estrellas. bajo estas circunstancias, encontrar un conjunto válido de parejas coincidentes de estrellas puede ser una tarea difícil, y StarAlignment puede eventualmente no ser capaz de calcular un modelo válido de registro de imágenes.
Con dos previsualizaciones definidas para cubrir aproximadamente la región solapada, StarAlignment construye el mosaico sin problemas:
http://forum-images.pixinsight.com/legacy/1.5.2-preview/StarAlignmentMosaic-2.jpgAhora podemos generar mosaicos de complejidad arbitraria con una intervención manual mínima; el usuario sólo tiene que definir un par de previsualizaciones que cubran aproximadamente el área en común entre cada par de elementos del mosaico. De hecho, en el ejemplo mostrado arriba podríamos haber definido previsualizaciones diez veces más pequeñas o cuatro veces más grandes, y el mosaico todavía se habría formado correctamente (aunque, por supuesto, esto es solo un caso de test: en la práctica, cuantas más estrellas se utilicen es siempre mejor).
Otra mejora importante en StarAlignment es una opción de eliminación de
píxeles calientes. Encontrará esta opción en la sección Star Detection de la interfaz StarAlignment. La eliminación de píxeles calientes está activada por defecto, y consiste en un filtro de mediana aplicado a las imágenes temporales de trabajo utilizadas durante la fase de detección de estructuras. Un filtro de mediana no es ciertamente la manera más sofisticada de eliminar píxeles calientes, pero es una solución simple y eficaz.
Herramienta ImageIntegration MejoradaEl proceso ImageIntegration también ha recibido muchas mejoras y nuevas capacidades. Junto a muchos errores solucionados, he diseñado e implementado un nuevo algoritmo de rechazo de píxeles:
sigma clipping Winsorizado. La Winsorización es una técnica eficiente para minimización del efecto de valores extremos en muestras de datos. En este nuevo método de rechazo de píxeles, aplico el método de Huber para calcular una
media Winsorizada iterativamente para cada pila de píxeles. La media Winsorizada y el conjunto de datos resultante alimentan un algoritmo de sigma clipping. Esto conduce a un método robusto de rechazo de píxeles que puede proporcionar una mejor conservación de datos significativos para grandes conjuntos de imágenes. En
esta nota téchnica encontrará una descripción simplificada de algunas de las técnicas aplicadas.
la otra mejora en ImageIntegration es una nueva opción para calcular una estimación de la desviación estándar del ruido (Gaussiano) en el resultado de la integración. Esta opción implementa un algoritmo de estimación de ruido basado en wavelets creado por Jean-Luc Starck (vea por ejemplo
Automatic Noise Estimation from the Multiresolution Support, Pub. of the Royal Astr. Soc. of the Pacific, vol. 110, Febrero 1998, pp. 193-199).
Hay más algoritmos de rechazo y características mejoradas en la mesa de dibujo en este momento, que irán apareciendo en futuras versiones de esta herramienta.
Función Auto Stretch de STF MejoradaLa función Auto Stretch de ScreenTransferFunction ha sido mejorada considerablemente. Abra una imagen raw y haga clic en el icono con forma de bombilla en la interfaz de STF:
http://forum-images.pixinsight.com/legacy/1.5.2-preview/STF-AS-4.jpgLos dos parámetros de la función de Auto Stretch significan lo siguiente:
-
Shadows Clipping. Este parámetro es un punto de corte en unidades de
sigma, medido desde el pico principal del histograma. El valor por defecto es -1.25, lo que significa que el punto de corte se situará a la izquierda del pico del histograma, a una distancia de aproximadamente 1+1/4 del ancho del pico.
-
Target background. Es el valor medio del fondo que se quiere obtener en la representación en pantalla de la imagen. El valor por defecto es 0.25, que es bastante brillante pero útil para inspección visual.
Los valores por defecto funcionan realmente bien en la mayoría de los casos, de manera que el ajuste automático de la visualización en pantalla es cuestión de un par de clics:
http://forum-images.pixinsight.com/legacy/1.5.2-preview/STF-AS-5.jpgOtra mejora en la interfaz de STF es que ahora puede usar la rueda del ratón para ampliar/desampliar los controles de STF, y puede hacer clic con el botón central del ratón y arrastrar sobre los controles ampliados para desplazarlos, justo como se puede hacer con cualquier imagen.
Editor de Scripts MejoradoEl editor de scripts también tiene algunas funciones nuevas. Puede hacer clic en la columna de números de línea (a la izquierda) para activar/desactivar marcadores. También puede hacer clic y arrastrar sobre la columna de números de línea para definir una selección consistente en líneas de texto completas. Aparte de estas, hay muchas más mejoras menos visibles pero que contribuyen a faciliar la edición de scripts en PixInsight.
Siempre he deseado escribir un buen editor de código, así que puede esperar ver nuevas características en el editor de scripts de PixInsight en futuras versiones. Una de las cosas que necesitamos tener lo antes posible es un
debugger de scripts. Tengo pensado implementar esta funcionalidad en las versiones 1.7 o 1.8, tal vez (así lo espero) junto con una versión estable del motor TraceMonkey de Mozilla (que incluye un compilador just-in-time que hará que JavaScript sea una opción realmente competitiva para el desarrollo sobre PixInsight, con respecto a PCL/C++).
Nuevo Script NoiseEvaluationSe trata de una implementación en JavaScript del algoritmo iterativo k-sigma clipping para estimación del ruido, descrito en
Astronomical Image and Data Analysis por Jean-Luc Starck y Fionn Murtagh (Springer, 2002, pp. 37-38).
Este script todavía no tiene una interfaz gráfica de usuario. Proporciona estimaciones de la desviación estándar del ruido Gaussiano con precisión aproximada del 1% para cada canal nominal de la imagen activa. Venimos utilizando este script como una herramienta de trabajo durante varios años, siempre con excelentes resultados.
Integración de dcraw revisión 1.423Dcraw por David Coffin es el corazón del módulo de soporte de formatos raw DSLR en PixInsight. La revisión 1.423 es la última versión de dcraw disponible en la fecha de publicación, así que puede suponer que todos los modelos actuales de cámaras digitales de las principales marcas (Canon, Nikon, etc.) estarán soportados.
=================
Espero que os guste. ¡Disfrutadla!
