¿Qué método se utiliza para calcular la 'calidad' de una imagen solar/planetaria?

Un poco más de investigación, y descubrí que el principio básico, del cual se derivan varias variaciones, es tomar la suma de los cuadrados de la diferencia entre píxeles adyacentes, para obtener una puntuación.

El principio es que una imagen de mayor calidad tiene una mayor probabilidad de que haya diferencias significativas en los valores de píxeles adyacentes, es decir, que puede haber una variación significativa de píxel a píxel, mientras que una imagen de menor calidad tendrá píxeles adyacentes de valor similar, ya que han "borroso" juntos. Por lo tanto, al tomar el cuadrado de la diferencia de píxeles adyacentes y sumarlos, las imágenes de mayor calidad mostrarán una puntuación o suma significativamente más alta.

Voy a demostrar esto con un ejemplo simplificado a continuación, pero estoy interpretando el significado de "píxeles adyacentes" de una manera particular, y espero que si me equivoco, alguien me lo diga y pueda modificar esta respuesta. adecuadamente.

Imagine que estamos tomando imágenes de un objeto que llena exactamente el marco de nuestra pequeña cámara de 16 píxeles. En el medio de este objeto hay un cuadrado muy oscuro, que casualmente llena exactamente los 4 píxeles centrales de nuestra cámara. Si la visión de este objeto es perfecta, la cámara se expondrá con un valor de 255 para cada uno de los píxeles claros y 0 para cada uno de los píxeles oscuros.

Así es como se calcularían las diferencias entre píxeles adyacentes (supongo que solo hay diferencias horizontales y verticales, no diagonales):

Sin embargo, el movimiento de la cámara o la mala visibilidad dieron como resultado que la luz se extendiera más entre los píxeles, los cálculos de las diferencias entre píxeles adyacentes serían diferentes:

La puntuación, que es la suma de los cuadrados de las diferencias, para la primera imagen (perfecta) es 520200 .

La puntuación de la imagen borrosa es 304200 . Por lo tanto, la suma de los cuadrados de las diferencias entre píxeles adyacentes sugiere que la primera imagen es la mejor.

Esta estrategia no es perfecta, obviamente. La presunción es que las mejores imágenes mostrarán una mejor puntuación debido a las mayores diferencias entre los píxeles adyacentes, pero esto es una suposición.

La elevación al cuadrado de la diferencia tiene como objetivo dar mayor peso a las diferencias más grandes, pero encontré un comentario en el sitio web de soporte de PIPP que dice que PIPP ha modificado el algoritmo básico para dar aún mayor peso a los cambios de contraste más nítidos sobre los cambios de contraste más bajos, por lo que quizás cuadrar las diferencias a veces no es suficiente.

Aparentemente, esta estrategia de medición de calidad no funciona cuando el objeto es pequeño en el sensor y puede ser brillante o incluso sobreexpuesto. Los métodos anteriores pueden seleccionar marcos borrosos y manchados en lugar de marcos que en realidad son mejores. En este caso, una estrategia que observa el histograma de valores para el cuadro y selecciona el que tiene el pico más alto, puede producir una mejor selección de cuadros apropiados de 'mejor calidad'. Asume que el histograma tendrá una mayor cantidad de fotogramas que comparten un valor de píxel en un rango más pequeño, en lugar de distribuir la luz en un rango más amplio de valores de píxel.

Una estrategia de medición de calidad alternativa simplemente suma los valores de todos los píxeles de una imagen. Una puntuación más alta indicará que pasó más luz al sensor, lo que implica que menos nubes (por ejemplo) se interpusieron en el camino.