Por qué una misma región del cielo tiene imágenes tan distintas

En una imagen aparece una mancha gris granulada; en otra, estrellas brillantes y nubes de colores. ¿El segundo telescopio tuvo que recoger más luz? Quizá. Pero ambas imágenes podrían proceder de los mismos números, corregidos de distintas contribuciones sistemáticas y mostrados de formas diferentes.

Una imagen astronómica es una manera de representar mediciones. La calibración considera la respuesta del instrumento; el registro relaciona coordenadas; el apilado combina exposiciones; y un mapa de color asigna colores visibles a los números. Ninguno de esos pasos convierte por sí solo algo no medido en una medición. Hay que comprobar todo el recorrido, además del atractivo de la imagen final.

Seguiremos ese recorrido con un fragmento real y abierto de un cuadro CCD de Palomar. Otros ejemplos sintéticos explican el ruido y los valores atípicos: están identificados y no sustituyen observaciones. Un requisito útil es detectores e instrumentos científicos. Las ramas visibles añaden álgebra, pero la respuesta principal se entiende sin ellas.

De la placa al archivo: una observación puede releerse

La fotografía permitió conservar una escena celeste después de que el observador abandonara el telescopio. El desarrollo de placas secas de gelatina en la década de 1870 facilitó la fotografía astronómica; los archivos preservaron material para comparaciones posteriores. Sin embargo, la densidad de ennegrecimiento de la emulsión no constituye ya una escala lineal calibrada de flujo: también hay que comprender el método de registro. Harvard Wolbach: historia de la colección.

Una matriz electrónica proporciona directamente una cuadrícula de números sobre los que realizar operaciones y guardar parámetros asociados. Surgió otro problema: ¿cómo transferirlos entre ordenadores incompatibles? El acuerdo básico de FITS se desarrolló en 1979; distintas instituciones intercambiaron archivos correctamente ese año, y Wells, Greisen y Harten publicaron su descripción en 1981. NASA: origen de FITS.

FITS conserva matrices numéricas o tablas junto con cabeceras que describen los datos. Pueden contener un cuadro bidimensional, un espectro, un cubo o una lista de eventos. JPEG suele guardar una representación ya elegida, a menudo con pérdidas. El archivo de una imagen atractiva y el que permite comprobar una medición cumplen funciones diferentes. El propio formato FITS no garantiza una calibración correcta. NASA: contenido de FITS.

Nuestro ejemplo tiene autores, fecha y límites concretos

Usamos Erik Tollerud y Matthew Craig, Palomar LFC chip 0, DOI 10.5281/zenodo.3254683, publicado el 24 de junio de 2019 bajo CC BY 4.0. Son cuadros reales sin procesar de bias, dark, flat y ciencia seleccionados para enseñanza. Aquí mostramos nuestra reducción de un fragmento pequeño; las observaciones originales las realizaron los autores del conjunto. Datos y derechos de reutilización, descripción de los ejemplos de Astropy.

El archivo científico ccd.037.0.fits contiene un campo llamado vv124_1, filtro g′, exposición de 300.062 s del 16 de enero de 2016. La matriz original tiene 2080×4128 muestras. Tomamos una región de 32×32: x desde 378 incluido hasta 410 excluido, y desde 776 hasta 808, contando desde cero. Conservamos el mismo rectángulo en todas las etapas; la primera fila se muestra arriba, sin afirmar que indique el norte.

El conjunto solo contiene un cuadro científico en g′ y otro en i′. No los promediaremos como repeticiones de un mismo filtro. Los dark se obtuvieron en marzo, después del cuadro de cielo de enero, y las cabeceras pertinentes no incluyen temperatura. Esto permite reproducir el procedimiento didáctico documentado, pero no demuestra estabilidad de la cámara ni precisión de la fotometría absoluta. Ese es el límite de un ejemplo honesto. Astropy: contenido y secuencia de calibración.

La cuenta de un píxel aún no es el flujo de una estrella

La luz genera carga, la electrónica la lee y un convertidor registra una cuenta en ADU, unidades de código digital. A la señal útil se añaden cielo, corriente oscura, desplazamiento electrónico y fluctuaciones aleatorias. La sensibilidad de los píxeles y la iluminación a través de la óptica tampoco son uniformes. Por eso un píxel bruto más brillante no siempre corresponde a una zona más luminosa del cielo. Astropy: componentes de una imagen CCD.

La codificación del archivo es otra cuestión. En nuestro FITS, el entero de 16 bits con signo almacenado se transforma con BSCALE=1, BZERO=32768. Sirve para representar cuentas no negativas; no es el bias físico de la cámara. Restar BZERO como «luz sobrante» después de leer correctamente los datos los dañaría. Astropy: datos FITS escalados.

Continuaremos en ADU sin inventar una conversión más precisa a electrones o energía. La cabecera incluye una ganancia nominal de 1.1 e⁻/ADU, pero no disponemos de una medición independiente de ella. Incluso calibrado, un píxel individual contiene estrella y cielo; no es una luminosidad estelar ya medida.

Una región auxiliar sirve de referencia para el cero electrónico

Una parte de la matriz leída de un CCD no se utiliza como imagen ordinaria del cielo. Una región de overscan adecuada ayuda a estimar el nivel electrónico de esa lectura. También contiene ruido: una muestra aislada no debe tratarse como el cero exacto de toda la cámara.

Para esta LFC, la documentación recomienda tomar en cada fila la mediana de 25 columnas x=2055…2079, restarla a los píxeles de la fila y eliminar las columnas auxiliares de la imagen. El BIASSEC nominal de la cabecera comienza antes, pero sus primeras columnas están contaminadas por luz filtrada. Aquí seguir ciegamente la cabecera es menos fiable que comprobar documentación y perfil del cuadro. Astropy: estudio del overscan de LFC, definición de la mediana por fila en ccdproc.

En la fila de nuestro píxel de control, la mediana es 1116 ADU. El valor bruto 3338 ADU se convierte en 2222 ADU tras la corrección. No se «amplifica» la estrella: cambia el punto cero. Esta regla corresponde a este conjunto; otra cámara puede tener un overscan inservible o un esquema de lectura completamente distinto.

Rama · Con fórmulasOpcional: el álgebra explica unidades y límites de las correcciones.

Por qué se resta el desplazamiento y se divide por el flat

En un detector lineal sencillo, sean la cuenta bruta R y el bias B en ADU, la tasa de señal oscura d en ADU/s, el tiempo t en s y la respuesta relativa F adimensional. La estimación de señal con cielo es:

C = (R − B − td)/(F).

El desplazamiento y la señal oscura se suman a la cuenta, por eso se restan. La respuesta multiplica la contribución luminosa, por eso se divide por ella. Con F = 1 el flat no cambia nada; con F = 0 la división no recupera una señal que el detector no midió. El modelo excluye saturación, no linealidad, memoria del detector y correlaciones entre todas las correcciones. Astropy: ecuaciones de calibración.

Nuestro procedimiento usa overscan de fila O y dark combinado D en lugar de B y td separados. Ese dark ya contiene bias residual después de corregir su propio overscan. La ecuación pasa a ser C = (R − O − D)/F. No se resta otro bias, ni se escala un dark completo con bias en proporción al tiempo. Para escalar hace falta otro procedimiento coherente, separando primero el bias.

Si consideramos independientes R,O,D,F, para A = R − O − D la propagación de errores pequeños en primer orden es:

(σ_(A))^(2) = (σ_(R))^(2) + (σ_(O))^(2) + (σ_(D))^(2),; (σ_(C))^(2) ≈ ((σ_(A))^(2))/((F)^(2)) + ((A)^(2)(σ_(F))^(2))/((F)^(4)).

Todos los términos tienen unidades ADU²; la incertidumbre del flat se multiplica por el cuadrado de la señal. En una reducción real, las referencias compartidas, la normalización y el overscan crean correlaciones: entonces también hacen falta términos de covarianza. Es una ecuación didáctica, no una estimación ya realizada de toda la incertidumbre de nuestro cuadro.

Los dark y los flat deben corresponder a la medición

Un dark se toma sin luz de la escena para estimar las contribuciones del detector y la electrónica. Para nuestro cuadro científico tomamos tres dark de 300 s, restamos el overscan propio de cada uno y calculamos la media. Los tres flat g′ cuentan con otros tres dark de 70 s. Siguiendo la guía, aceptamos diferencias de exposición de hasta 0.062 s como pequeña aproximación didáctica, sin escalar los dark. EXPTIME y la palabra independiente DARKTIME de la cabecera describen magnitudes distintas; este procedimiento usa EXPTIME.

Un flat registra un campo aproximadamente uniforme a través de la óptica y el filtro correspondientes. Mide desigualdades relativas: sensibilidad, viñeteado y sombras de polvo. Antes hay que corregir sus propias contribuciones aditivas. De lo contrario se intentaría corregir la sensibilidad luminosa mediante un desplazamiento electrónico. Astropy: calibración de los flat de este conjunto.

En este ejemplo pequeño dividimos cada flat corregido por su media dentro del mismo rectángulo 32×32 y promediamos los tres mapas relativos. Es nuestra normalización local, no el procedimiento completo de la guía con normalización y rechazo de valores atípicos en todo el detector. La respuesta media queda en 1; no hemos medido la eficiencia cuántica global ni las pérdidas del telescopio. Cada filtro necesita sus propios flat. Astropy: combinación de flat.

Seguir el mismo rectángulo sin cambiar de imagen

Ya tenemos el recorte bruto, tras corregir overscan de fila, tras restar dark combinado y tras dividir por el flat. Los cuatro primeros paneles comparten una escala lineal de 0–4000 ADU. Las correcciones pequeñas parecen pequeñas: la figura no las exagera con estiramientos automáticos distintos y ocultos. El quinto panel solo cambia la representación de los números finales para distinguir mejor niveles débiles.

Un fragmento real en todas las etapas

1. Cuentas sin calibrar

Cuentas sin calibrar · Datos: Erik Tollerud y Matthew Craig, Palomar LFC chip 0, CC BY 4.0; reducción local propia. Cuadro científico ccd.037.0.fits, g′, 300.062 s, 16 de enero de 2016. Recorte 32×32: x378:410, y776:808 desde cero, límites superiores excluidos. Primera fila arriba; no orientado al norte. Los cuatro primeros paneles comparten una escala lineal 0–4000 ADU → negro–blanco; el quinto muestra los mismos números finales con asinh(10q)/asinh(10). Píxeles ampliados sin interpolación. Permanece el cielo; no es fotometría absoluta. El flat se normaliza solo en este recorte; los dark son de marzo y faltan temperaturas en las cabeceras. Son límites del ejemplo didáctico, no pruebas de estabilidad de la cámara.

Lineal · 0–4000 ADU

2. Sin overscan de fila

Sin overscan de fila · Datos: Erik Tollerud y Matthew Craig, Palomar LFC chip 0, CC BY 4.0; reducción local propia. Cuadro científico ccd.037.0.fits, g′, 300.062 s, 16 de enero de 2016. Recorte 32×32: x378:410, y776:808 desde cero, límites superiores excluidos. Primera fila arriba; no orientado al norte. Los cuatro primeros paneles comparten una escala lineal 0–4000 ADU → negro–blanco; el quinto muestra los mismos números finales con asinh(10q)/asinh(10). Píxeles ampliados sin interpolación. Permanece el cielo; no es fotometría absoluta. El flat se normaliza solo en este recorte; los dark son de marzo y faltan temperaturas en las cabeceras. Son límites del ejemplo didáctico, no pruebas de estabilidad de la cámara.

Lineal · 0–4000 ADU

3. Sin dark combinado

Sin dark combinado · Datos: Erik Tollerud y Matthew Craig, Palomar LFC chip 0, CC BY 4.0; reducción local propia. Cuadro científico ccd.037.0.fits, g′, 300.062 s, 16 de enero de 2016. Recorte 32×32: x378:410, y776:808 desde cero, límites superiores excluidos. Primera fila arriba; no orientado al norte. Los cuatro primeros paneles comparten una escala lineal 0–4000 ADU → negro–blanco; el quinto muestra los mismos números finales con asinh(10q)/asinh(10). Píxeles ampliados sin interpolación. Permanece el cielo; no es fotometría absoluta. El flat se normaliza solo en este recorte; los dark son de marzo y faltan temperaturas en las cabeceras. Son límites del ejemplo didáctico, no pruebas de estabilidad de la cámara.

Lineal · 0–4000 ADU

4. Corrección de flat

Corrección de flat · Datos: Erik Tollerud y Matthew Craig, Palomar LFC chip 0, CC BY 4.0; reducción local propia. Cuadro científico ccd.037.0.fits, g′, 300.062 s, 16 de enero de 2016. Recorte 32×32: x378:410, y776:808 desde cero, límites superiores excluidos. Primera fila arriba; no orientado al norte. Los cuatro primeros paneles comparten una escala lineal 0–4000 ADU → negro–blanco; el quinto muestra los mismos números finales con asinh(10q)/asinh(10). Píxeles ampliados sin interpolación. Permanece el cielo; no es fotometría absoluta. El flat se normaliza solo en este recorte; los dark son de marzo y faltan temperaturas en las cabeceras. Son límites del ejemplo didáctico, no pruebas de estabilidad de la cámara.

Lineal · 0–4000 ADU

5. Mismos datos · asinh

Mismos datos · asinh · Datos: Erik Tollerud y Matthew Craig, Palomar LFC chip 0, CC BY 4.0; reducción local propia. Cuadro científico ccd.037.0.fits, g′, 300.062 s, 16 de enero de 2016. Recorte 32×32: x378:410, y776:808 desde cero, límites superiores excluidos. Primera fila arriba; no orientado al norte. Los cuatro primeros paneles comparten una escala lineal 0–4000 ADU → negro–blanco; el quinto muestra los mismos números finales con asinh(10q)/asinh(10). Píxeles ampliados sin interpolación. Permanece el cielo; no es fotometría absoluta. El flat se normaliza solo en este recorte; los dark son de marzo y faltan temperaturas en las cabeceras. Son límites del ejemplo didáctico, no pruebas de estabilidad de la cámara.

No lineal · 0–4000 ADU

Datos: Erik Tollerud y Matthew Craig, Palomar LFC chip 0, CC BY 4.0; reducción local propia. Cuadro científico ccd.037.0.fits, g′, 300.062 s, 16 de enero de 2016. Recorte 32×32: x378:410, y776:808 desde cero, límites superiores excluidos. Primera fila arriba; no orientado al norte. Los cuatro primeros paneles comparten una escala lineal 0–4000 ADU → negro–blanco; el quinto muestra los mismos números finales con asinh(10q)/asinh(10). Píxeles ampliados sin interpolación. Permanece el cielo; no es fotometría absoluta. El flat se normaliza solo en este recorte; los dark son de marzo y faltan temperaturas en las cabeceras. Son límites del ejemplo didáctico, no pruebas de estabilidad de la cámara. Datos y método

La media simple de tres cuadros de calibración reduce parte de la incertidumbre aleatoria, pero no elimina todo el ruido de una referencia ni garantiza que no haya valores atípicos. No la presentamos como un patrón de uso científico con máscara completa y rechazo robusto. Preparar una cadena fiable también exige conservar versiones de algoritmos, parámetros, listas de datos rechazados y comparaciones diagnósticas. Los cuadros originales no deben sobrescribirse con imágenes terminadas.

El recorrido de un píxel medido

Magnitud / operaciónValorUnidad
Valor bruto R3338ADU
Mediana de fila O1116ADU
R − O2222ADU
Dark combinado D4.667ADU
R − O − D2217.333ADU
Respuesta normalizada F0.998176636adimensional
(R − O − D) / F2221.384ADU
Dividir entre 300.062 s7.403ADU/s
El mismo píxel original x394,y792, desde cero. Las 25 muestras de overscan de su fila, x2055:2080, tienen mediana 1116 ADU. Dark es la media de tres cuadros de 300 s tras sus propias correcciones de fila, conservando el bias residual; no se resta otro bias. Flat es la media de tres flats g′ limpiados y normalizados localmente. El valor incluye cielo; ADU/s no es flujo físico. Se aceptan diferencias de exposición de hasta 0.062 s siguiendo la guía didáctica, sin escalar dark. Datos y método

Rama · Comprobación numéricaOpcional: se calculan cuentas reales, no una estrella sintética.

Recalcular un píxel hasta ADU por segundo

En x394,y792, tras corregir overscan quedan 2222 ADU, el dark medio es D = 14/3 ADU y la respuesta local F = 0.9981766364. Por tanto:

C = (2217.333333)/(0.9981766364),; C ≈ 2221.384 ADU.

Al dividir entre la exposición real obtenemos:

C/t = (2221.383723)/(300.062),; C/t ≈ 7.40308 ADU/s.

Es la tasa de acumulación de un píxel que incluye cielo. El flujo estelar requiere estimar el fondo, integrar espacialmente o ajustar la respuesta y realizar calibración fotométrica. Un flat casi unitario no debería duplicar arbitrariamente la cuenta: sirve como control sencillo de coherencia. Dos implementaciones numéricas independientes de los mismos valores originales concuerdan; eso verifica la aritmética, no la temperatura de cámara que falta.

Un píxel defectuoso necesita máscara, no una medición inventada

Un píxel muerto, uno caliente inestable y una estrella saturada plantean problemas distintos. Una máscara conserva qué valor se rechazó y por qué. Cero significa un valor nulo medido en cierta escala; un dato ausente indica que no existe una medición utilizable. Sustituir ausencias por ceros antes de promediar oscurece sistemáticamente el resultado.

Incluso «dividir solo si 0.5<F<1.5» no comprueba completamente un píxel. Es únicamente un límite didáctico de respuesta; no excluyó ninguno de los 1024 píxeles del recorte. Esto no demuestra ausencia de saturación, defectos transitorios o partículas. Para un instrumento real se necesitan sus indicadores de calidad y diagnósticos.

Una partícula puede dejar una marca local abrupta que no aparece en otra exposición. Pero un objeto celeste variable también podría faltar en una repetición. Por eso se buscan indicios coherentes: forma, repetibilidad, comportamiento en coordenadas del detector y del cielo, defectos conocidos y otras observaciones. Astropy: rayos cósmicos y requisitos para buscarlos.

Contrastar un valor atípico con otra exposición

Tercera exposicióncon valor añadido498 ADURepetición aparteprimera exposición100 ADUMedia ordinaria4 mediciones200 ADUMedia con máscara3 aquí, 4 fuera100.667 ADUCoordenada marcada x1,y1
Control sintético, no cuadros de Palomar ni un rayo cósmico confirmado. Cuatro matrices registradas 9×9: fondo 100, píxel central 300, vecinos 150 ADU; adiciones comunes 0,+2,−2,0. Solo se añaden 400 ADU conocidos al píxel x1,y1 del tercer cuadro. Escala común 0–500 ADU. En esa coordenada: 100,102,498,100; media ordinaria 200, media excluyendo el valor contaminado conocido 100.667 ADU con tres mediciones. Las demás coordenadas usan cuatro. Una estrella nueva no puede descartarse automáticamente como artefacto; hacen falta datos independientes y una máscara justificada. Datos y método

En este ejemplo sintético conocemos de antemano dónde se añadió el valor contaminado. La media sin máscara conserva una mancha brillante; tres mediciones independientes de esa contaminación muestran fondo ordinario. No es una regla automática de «eliminar todo lo brillante». Si falta una repetición válida, puede interpolarse para mostrar la imagen, pero debe mantenerse la marca: el número insertado no se ha convertido en observación.

Un pequeño desplazamiento del telescopio sitúa una estrella en otros píxeles. Promediar índices iguales sin registro la difumina. Primero se identifican correspondencias o se usa una descripción de coordenadas verificada; se estiman desplazamiento, rotación, escala y distorsiones necesarias, y se transfieren los datos a una cuadrícula coherente. El error se comprueba con residuos de posiciones estelares, además de la impresión de suavidad.

Durante el remuestreo, píxeles de entrada vecinos pueden contribuir conjuntamente a los nuevos. Cambian las correlaciones del ruido y la respuesta efectiva. En los bordes algunas imágenes carecen de datos: junto al resultado hacen falta una máscara y un mapa del número de exposiciones aceptadas o de pesos. La suma total se conserva solo bajo las condiciones definidas por el método y la geometría; un recorte o un borde pueden alterarla.

El apilado combina magnitudes comparables. Si los tiempos difieren, las cuentas pueden expresarse en ADU/s con pesos e incertidumbres apropiados. Sumar filtros distintos sin explicación mezcla mediciones espectrales. Nuestra pareja real g′/i′ permanece por tanto como dos canales diferentes; el ruido del apilado se estudia aparte a continuación. Astropy: para qué combinar cuadros.

Rama · Más a fondoOpcional: remuestreo unidimensional sencillo, no la cadena de Palomar.

Un ruido más suave puede estar correlacionado

Imaginemos errores independientes en píxeles vecinos x_(i), todos con varianza (σ)^(2). Para desplazar medio píxel, un ejemplo lineal sencillo toma:

y_(i) = (x_(i) + x_(i − 1))/(2).

Cada nuevo valor tiene varianza (σ)^(2)/2, pero los vecinos comparten un píxel original:

Cov⁡(y_(i),y_(i + 1)) = (σ)^(2)/4.

Así, menos grano en pantalla no implica automáticamente más información independiente. En el modelo didáctico comprobado con borde periódico se conserva la suma de valores; un remuestreo real con bordes recortados exige contabilizar la cobertura por separado. Esto explica por qué no siempre se puede calcular la incertidumbre de una apertura solo con el número de píxeles y una cifra de «ruido por píxel».

Más exposiciones ayudan si los errores no se repiten juntos

En exposiciones iguales repetidas se conserva la señal celeste constante, mientras las desviaciones aleatorias independientes se compensan parcialmente. La media mantiene la señal en la escala de una exposición y reduce su incertidumbre aleatoria. La suma aumenta tanto señal útil como ruido absoluto; importa su cociente, SNR.

Un error de un dark compartido, un flat incorrecto o un fondo parásito sin eliminar pueden entrar de la misma forma en cada cuadro. No desaparecen por repetir la suma cien veces. Tampoco se obtienen nuevos datos independientes copiando un archivo. Astropy: ruido de calibración.

El ruido independiente y el común disminuyen de forma distinta

σ de la media · ADU024681014163264N · número de cuadrosRuido independienteCon error común
Nσ independiente · ADUσ con error común · ADU
11010.198
455.385
162.5003.202
641.2502.358
Modelo propio de la media de exposiciones iguales: σ independiente=10 ADU por cuadro; error aditivo común σc=2 ADU compartido por todos. Azul: 10/√N; óxido: √(100/N+4), sin sumar σ linealmente. La señal útil media del ejemplo es 100 ADU. N cuenta cuadros aceptados, no segundos. Sin escena variable, pesos, clipping ni estimación medida del ruido de LFC. El término común no desaparece al apilar. Datos y método

Rama · Con fórmulasOpcional: exposiciones independientes e idénticamente distribuidas de una escena constante.

Cuándo crece realmente la SNR como la raíz de N

Para N mediciones X_(i) con igual señal media S, varianza (σ)^(2) y covarianzas mutuas nulas:

\begin{gathered} \bar X=\frac1N\sum_{i=1}^N X_i,\\ \sigma_{\bar X}=\frac{\sigma}{\sqrt N}. \end{gathered}

Entonces \mathrm{SNR}_{\bar X}=S\sqrt N/\sigma. En la suma, la señal pasa a NS, el ruido a √(N)σ y la SNR es la misma. La ley supone exposiciones independientes comparables, sin variabilidad ni no linealidad sin considerar. Esas condiciones importan más que memorizar la palabra «raíz». Astropy: combinación de imágenes.

Añadamos un error aditivo con desviación típica σ_(c), independiente del ruido aleatorio, pero común a todos los cuadros. Ahora:

\sigma_{\bar X}=\sqrt{\frac{\sigma^2}{N}+\sigma_c^2}.

Con S = 100 ADU, σ = 10 ADU y N = 16, el ruido independiente de la media es 2.5 ADU y SNR=40. Con un término común σ_(c) = 2 ADU, la incertidumbre total pasa a unos 3.202 ADU y SNR≈31.23. Para N grande permanecen los 2 ADU compartidos. Es nuestro presupuesto sintético, no ruido medido de LFC. El rechazo de valores atípicos, los pesos desiguales y las exposiciones correlacionadas necesitan la estadística correspondiente.

Del píxel calibrado a una conclusión científica queda otro paso

El cielo es luz real que también ha registrado el instrumento. Para medir una estrella se estima el fondo local en regiones vecinas adecuadas, se separa del objeto y se considera la incertidumbre de esa estimación. Si hay un gradiente, un único número para todo el cuadro puede ser un modelo malo. Si una nebulosa débil ocupa casi todo el campo, un «aplanamiento de fondo» agresivo puede restar parte de la propia nebulosa.

Después se integra la señal del objeto en una apertura o se ajusta un modelo de respuesta espacial. Comparar instrumentos requiere una escala fotométrica, banda espectral, condiciones atmosféricas para datos terrestres, unidades y correcciones propias del método. Nuestros 7.40308 ADU/s en un píxel no sustituyen esos pasos. No hemos restado cielo ni obtenido un flujo publicado de VV124. Astropy: límites de la calibración mínima.

El enfoque artificial o la deconvolución también necesitan un modelo de respuesta y comprobar residuos. Se puede aprovechar mejor la información existente, pero un detalle espacial desconocido no queda demostrado porque un algoritmo dibuje un borde nítido. Las repeticiones y un método de reducción independiente son especialmente útiles para comprobarlo.

El color es honesto cuando se conoce su relación con los números

Una cámara monocroma con filtro mide intensidad dentro de una banda espectral concreta. Varios mapas pueden representarse mediante los canales rojo, verde y azul de una pantalla. En el visible, la elección puede aproximar una apariencia familiar; en infrarrojo o bandas estrechas el color puede mostrar un intervalo invisible o diferencias de emisión. NASA explica expresamente este procedimiento para imágenes de Hubble. NASA: filtros y colores asignados.

Los canales se miden; los colores se asignan

Canal de mediciónValor hipotéticoColor de pantalla
Más corto0.2Azul · B
Intermedio0.5Verde · G
Más largo1Rojo · R

Mezcla sintética · RGB (255, 128, 51)

Mapa didáctico explícito de tres canales normalizados hipotéticos: más corto → azul B, intermedio → verde G, más largo → rojo R. Los valores 0.2,0.5,1 producen RGB=(255,128,51) tras redondear. Pseudocolor sintético, no tres bandas medidas de nuestro conjunto de dos canales ni una vista a simple vista. Se conserva el orden de longitudes de onda; una imagen real también necesita filtros, stretch, normalización, máscaras y leyenda. Asignar color no mide un canal ausente. Datos y método

El pseudocolor no significa que la medición sea inventada si el mapa se declara y se basa en datos. En cambio, llamar medido a un canal sintético sería incorrecto. Nuestro conjunto LFC tiene g′ e i′; el mapa de tres canales es una ilustración sintética aparte, sin añadir un «tercer filtro» inexistente.

Igualmente, calibración y stretch son operaciones distintas. Una representación lineal conserva la proporcionalidad de niveles dentro de su escala; una no lineal realza detalles débiles frente a los brillantes. Los límites inferior y superior pueden recortar valores para mostrar la imagen. El PNG final de pantalla no debe sustituir a la matriz numérica original al medir. El brillo y el color también dependen de la pantalla y de sus ajustes.

Las imágenes de radio y gamma empiezan en otro lugar

En un interferómetro se combinan señales de distintas antenas con información temporal y de fase. Los datos corresponden a determinadas escalas espaciales, en lugar de a un cuadro óptico ya formado. La configuración de líneas de base, la calibración de amplitud y fase y el método de reconstrucción afectan al resultado; para el brillo global también importan mediciones adicionales. Rellenar escalas ausentes con una textura agradable no las recupera. ALMA: interferometría, explicación de interferómetros en el curso.

En Fermi LAT, el análisis relaciona un modelo del cielo gamma con los eventos registrados esperados mediante la respuesta del detector; los parámetros se ajustan usando la verosimilitud de los datos. Una mancha en un mapa de cuentas, un modelo de cuentas esperadas y un mapa de significación estadística son productos distintos. Pocos eventos y una respuesta ancha no desaparecen al colorear. NASA FSSC: verosimilitud y respuesta.

Por eso no se traslada mecánicamente la receta óptica bias/dark/flat a cualquier lista de eventos o visibilidad de radio. La lógica común es más amplia: conocer la magnitud medida, la respuesta instrumental, la calidad de los datos, los supuestos de reconstrucción y la forma de representación.

Cómo leer una imagen hermosa y comprobar su recorrido

Empieza por el pie: ¿qué telescopio, instrumento, fecha, filtros y origen de datos? Después identifica qué observas: cuentas, flujo, un modelo, un mapa estadístico o una ilustración artística. Para comprobar hacen falta archivos originales y parámetros; para interpretar, máscara, cobertura, unidades, escala y mapa de color.

Nuestro ejemplo puede recorrerse hacia atrás: del contraste realzado a los mismos números calibrados; de estos al flat y al dark combinado; después al overscan de fila y a los 3338 ADU originales. El fragmento numérico procede del FITS indicado; las figuras de reducción se construyen con esos números. La portada artística y los esquemas sintéticos separados no son observaciones. La estabilidad desconocida de la cámara y la incertidumbre fotométrica completa siguen sin conocerse.

Una buena imagen astronómica puede ser científicamente correcta y expresiva. Los datos trazables y las transformaciones honestas permiten comprobarla. Para entender de dónde salen los números antes de procesarlos, vuelve a detectores, espectrógrafos y polarímetros.