cl> ls bias0.fits bias5.fits flat4.fits obj0.fits obj5.fits bias1.fits flat0.fits flat5.fits obj1.fits obj6.fits bias2.fits flat1.fits flat6.fits obj2.fits obj7.fits bias3.fits flat2.fits flat7.fits obj3.fits obj8.fits bias4.fits flat3.fits flat8.fits obj4.fits obj9.fits |
まず、バイアスの平均値を作りましょう。リストを作ってみましょうか。その後 imcombine を行います。 パラメータは average にしておいたとします。
cl> files bias?.fits > bias.list cl> imcombine @bias.list bias.fits |
こうして、複数のバイアスフレームをコンバインして、データの質を高めたバイ アスフレームが1枚出来ました。
さて、これを他の全てのフレームから引きます。またリストを作りましょうか。 その後引き算します。
cl> files obj?.fits > obj.list cl> files flat?.fits > flat.list cl> files %obj%obj_b%?.fits > obj_b.fits cl> files %flat%flat_b%?.fits > flat_b.fits cl> imarith @obj.list - bias.fits @obj_b.list cl> imarith @flat.list - bias.fits @flat_b.fits |
ここまでで、オブジェクトからもフラットからもバイアスを引くことが出来ました。その結果は、それぞれ obj_b.list と flat_b.fits で定められた名前で生成されているはずです。 さて、フラットを1枚にまとめてみましょう。今度はちょっと枚数が多いので、 メジアンをとってみましょうか。 いちいち epar をするのも面倒なので、一時的にパラメータを変更します 22。
次のようにしてみて下さい。
cl> imcombine @flat_b.fits flat.fits combine=median |
さて、このままオブジェクトを割るとえらいことになります。フラットのカウン ト値にもよりますが、オブジェクトフレームのカウント値が異常に小さくなって しまいます。そこで、このフレームが感度ムラのみを表すような規格化をしましょ う23。そのために、こ のフレームのカウント値を見てみます。
cl> imstat flat.fits # IMAGE NPIX MEAN STDDEV MIN MAX flat.fits 4190209 24224. 2179. 0. 65469. |
カウントの平均値は 24224 だということがわかりました。これで割ってみましょう。
cl> imarith flat.fits / 24224 nflat.fits cl> imstat nflat.fits # IMAGE NPIX MEAN STDDEV MIN MAX nflat.fits 4190209 1. 0.08995 0. 2.703 |
cl> files %obj%reduc%?.fits > reduc.list cl> imarith @obj_b.list / nflat.fits @reduc.list |
こうして、リダクションを終えました。きれいな画像が出来ているはずです。