Ich habe vom Mai letzten Jahres noch ein paar Aufnahmen der Sonneblumen Galaxie M63. Da ich die Deep Sky Fotografie nur selten und dann weder mit passendem Equipment (gekühlte Kameras), noch mit Ausdauer (sprich: vielen Bildern mit summierter langer Belichtungszeit) unter dem Berliner Schmutzlichthimmel vornehme, gehören die wenigen Deep Sky Bilder von mir in die Ecke der Schande. 😉 Ich bin bei der Mondfotografie beheimatet und betreibe die Deep Sky Fotografie aus allgemeinem Interesse. Ich taste mich hier eher trippelschrittweise voran, um zu sehen, was mit meinem Equipment in Berlin möglich ist.
Mit rund 31 Bildern und daraus resultieren nur 20 Minuten Gesamtbelichtungszeit entstand mit PixInsight auf die Schnelle das folgende Ergebnis:
Wer sich das Bild länger anschaut, wir ansatzweise die flockige Struktur der Spiralarme erkennen. Sehen wir hier ein Vergleichsbild auf Wikipedia:
Von Credit Line and Copyright Adam Block/Mount Lemmon SkyCenter/University of Arizona – http://www.caelumobservatory.com/gallery/m63.shtml, CC BY-SA 3.0 us, Link
Ich habe meine Ausgangsbilder dann mal der LLM AI “Claude.ai” gegeben und im Coworker Modus eine kurze Anweisung gegeben. Die AI hat nach einigem Nachdenken dann genau beschrieben, welche Schritte sie ausführt. Und erstaunlicherweise klangen die Schritte ganz nach den Prozessschritten und Funktionen wie in PixInsight. Claude.ai schrieb sich dazu dann für jeden Python Programme und erklärte sie. Natürlich analysierte Claude.ai die Ursprungsbilder und die Bilder aus den Zwischenergebnissen sehr ausführlich in seinen “Selbstgesprächen”:
Irgendwann kam dann die erste entscheidende Erkenntnis:
Even with sigma=1.5, the galaxy maximum drops to only 32-35% of its original value! This is because the galaxy core is very compact (only 1-3 pixels at peak brightness). A Gaussian filter with sigma=1.5 would spread out any narrow peaks significantly.
The fundamental problem is now clear:
- The galaxy core signal is extremely concentrated in just a few pixels
- ANY spatial filtering that’s strong enough to reduce background noise will also reduce the galaxy core signal
- We can’t have both: smooth background AND sharp galaxy core
This is a fundamental limitation of the data.
With only 20 minutes of integration from an uncooled camera, I’m barely above the noise floor. But I can approach this differently using a multi-scale strategy-decomposing the image into different frequency scales and denoising each one separately, aggressively smoothing the background while
Es war aber nett, von der KI es weiter zu versuchen. 👍😀 Sie probierte hin und her, stellte fest, dass andere Verfahren besser sind und schrieb weitere Python Programme mit OpenCV Modulen usw. usw. Am Ende fand die KI das Ergebnis ganz gut. Aber ich nicht 😉. Die Bilder waren an Aggressivität von den angewandten Prozessen zugrunde gegangen. D.h. ich war mit meinen manuell ausgeführten Schritten in PixInsight zu einem besseren Ergebnis gekommen. Die vielen fehlgeschlagenen Versuche der KI mit verschiedenen Algorithmen und Bildbearbeitungsbibliotheken zeigen mir, dass ich wirklich an die Grenzen meiner Bilder angekommen bin. Und sich nichts weiter herausholen lässt, was der Rede wert wäre.
PS: Ich werde mir bei diesem Objekt bei einem nächsten Aufnahmeversuch dann viel mehr Zeit nehmen, so dass ich auf eine gute Belichtungszeit im Stundenbereich komme.
PPS: Claude.ai hat mir übrigens ein MacOS Programm (Apple Swift Programmiersprache) erstellt, mit der ich eine gewisse manuelle Recherche Tätigkeit im Web sowie in einem seit langem nicht mehr gepflegten Astronomieprogramm bei der Erstellung meiner monatlichen Vorschau einspare. Ebenso die manuellen Paste & Copy und manuellen Abtippenaktionen. Ja, ich war mal Programmierer. Und ja, ich habe meinen Astronomie-Bot auf Mastodon selber programmiert. Aber ich kenne weder Swift, noch die Apple Programmierumgebung XCode. Mit Claude.ai habe ich dann in rund einer Stunde besagtes Programm erstellt. Die Kompetenz besteht jetzt eher darin, die Anforderungen beschreiben zu können, ohne dass man die konkrete Programmiersprache kennen muss. Natürlich sollte man die Programmierkonzepte kennen, um das Ergebnis des KI einschätzen zu können bzw. zu erkennen, welcher Ansatz für die eigentliche Programmierung sinnvoll ist. So hat die KI Auf- und Untergangszeiten von Sonne, Mond und Planeten per Algorithmus errechnet. Und läuft damit wie ein Anfänger in gewisse Spezialsituationen hinein, wo Ausnahmen im Algorithmus programmiert werden müssen. Als ich das merkte, wies ich Claude.ai an, eine geeignete Bibliothek zu verwenden, die mit allen Ausnahmesituationen bei diesen Berechnungen umgehen kann. Und siehe, danach lief alles einwandfrei.
