Kategorie: astro

Gestern habe ich den Sichelnebel fotografiert. (siehe Titelbild, erstellt vom Odyssey, ohne Nacharbeit) Die Aufnahme ist nicht optimal, was sich mit den Wetterverhältnissen erklären lässt. Allerdings ist die Größe des Nebels optimal für mein Teleskop.

Der Sichelnebel (NGC 6888) hat einen realen Durchmesser von ca. 25 Lichtjahren und
eine scheinbare Größe am Nachthimmel von etwa 18 × 12 Bogenminuten (was etwas
mehr als der halben Fläche des Vollmondes entspricht).

Entscheidend für einen Vergleich ist jedoch nicht die tatsächliche Größe, sondern die scheinbare Größe, da die Sichtabstände ganz unterschiedlich sein können

Nebel mit fast identischer scheinbare Größe (~18 Bogenminuten) (KI generiert)

Irisnebel (NGC 7023): Dieser wunderschöne, staubige Reflexionsnebel im Sternbild
Kepheus hat eine scheinbare Ausdehnung von exakt 18 Bogenminuten. Er ist der Erde
deutlich näher (ca. 1.300 Lichtjahre) und hat daher trotz gleicher scheinbarer Größe
einen viel kleineren echten Durchmesser (ca. 6 Lichtjahre).

Pac-Man-Nebel (NGC 281): Die Kernregion dieses hellen Emissionsnebels im
Sternbild Kassiopeia wird in vielen Katalogen mit einer scheinbaren Größe von rund 18
Bogenminuten angegeben (obwohl schwächere Ausläufer auf Fotos bis zu 30
Bogenminuten messen können).

Sternhaufen Stock 18 (im kleinen Rosettennebel Sh2-170): Der Kernbereich dieses
ionisierten H-II-Gebiets im Perseus-Arm misst am Himmel ebenfalls genau 18
Bogenminuten.

Kokonnebel (IC 5146): Er ist mit rund 12 Bogenminuten minimal kleiner, bildet aber
aufgrund seiner runden Form und des anschließenden Dunkelnebels ein ähnlich
kompaktes, wunderschönes Deep-Sky-Ziel im Sternbild Schwan (unweit des
Sichelnebels).

Ähnliche Dimension, aber runder strukturiert

Helixnebel (NGC 7293): Dieser gigantische planetarische Nebel („Auge Gottes“)
misst am Himmel etwa 16 × 28 Bogenminuten. Er erstreckt sich in einer Dimension
also fast genauso weit wie der Sichelnebel, ist insgesamt durch seine Ringform aber
flächig präsenter.

Hantelnebel (M 27): Mit ca. 8 × 5 Bogenminuten ist er zwar ein gutes Stück kleiner,
gehört für Astrofotografen jedoch in dieselbe Kategorie kompakterer, detailreicher
Nebelstrukturen, die mit mittleren Brennweiten (z. B. 400–800 mm) perfekt in Szene
gesetzt werden können.

( KI-Antworten können Fehler enthalten. )

Die PNG Dateien, die sich während einer Sitzung speichern lassen, als auch das preview JPG speichert Unistellar nur als 8 Bit Datei, sRGB. Das ist nicht weiter tragisch, da dieser Farbraum ohne am weitesten genutzt wird.

Um z.B. einen Nebel in C1 mittels KI einfach und schnell zu maskieren eignet sich ein PNG besser. Bei JPG`s ist die KI Maskierung in der Regel erfolglos.

Nachstehend die Erklärung.

Dass sich 8-Bit-PNG-Dateien in Capture One per KI (Künstliche Intelligenz) oft spürbar besser und sauberer maskieren lassen als JPG-Dateien, liegt primär an der Art der Bildkompression und dem Erhalt von Objektkanten. Obwohl beide Formate in diesem Szenario mit einer Farbtiefe von 8-Bit arbeiten, unterscheiden sie sich in zwei Kernbereichen fundamental:

Verlustfreie vs. verlustbehaftete Kompression

PNG (Verlustfrei): Das PNG-Format nutzt eine verlustfreie Kompression. Jedes Pixel und jede Farbabstufung bleiben exakt so erhalten, wie sie abgespeichert wurden. Es gibt keine künstlich hinzugefügten Fehler im Bild.
JPG (Verlustbehaftet): JPGs komprimieren Daten, indem sie das Bild in 8×8 Pixel große Blöcke unterteilen und feine Farbunterschiede mathematisch „zusammenfassen“, um Speicherplatz zu sparen.

2. Das Problem der „Artefakte“ an Kanten

Künstliche Intelligenzen zur Maskierung (wie das AI-Masking in Capture One) analysieren Kontraste, Strukturen und Konturen, um Motive präzise vom Hintergrund zu trennen.
An harten Kanten (z. B. zwischen einer Person und dem Himmel) entstehen bei JPGs sogenannte Block- oder Mosquito-Artefakte (feines Pixelrauschen und „Matsch“ direkt an der Grenze).
Die KI von Capture One wird durch diese Kompressionsartefakte verwirrt, da die exakte Kante durch die Blockbildung „verschmiert“ ist.
Bei einer PNG-Datei hingegen ist die Kante auf Pixelebene absolut scharf und eindeutig definiert. Die KI kann den Pixelübergang fehlerfrei lesen und die Maske exakt an der echten Objektkante anlegen.