کد های ارسالی ناسا چگونه تبدیل به تصویر می شوند؟

به گزارش وبلاگ آریاگستر، بسیاری از داده ها و تصاویر خام گیل را می توان در گیت هاب (Github) مشاهده کرد. ناسا بخش زیادی از داده های خود را در این پایگاه در معرض بازدید عموم قرار می دهد و علاقه مندان می توانند خودشان در خانه به پردازش تصاویر بپردازند.

کد های ارسالی ناسا چگونه تبدیل به تصویر می شوند؟

همه عاشق تصاویر زیبایی هستند که هر هفته از فضا و سیاره های مختلف منتشر می گردد؛ از تصاویر گرفته شده از یک سحابی دوردست توسط تلسکوپ هابل گرفته تا تصاویری از کائنات که با امواج ایکس ری گرفته می شوند. اما دانشمندان چگونه مجموعه ای از کد های صفر و یک را به یک تصویر جذاب تبدیل می نمایند؟ همچنین چگونه تصاویری از فضا ترسیم می نمایند که آن قدر دور است که با چشم غیرمسلح حتی نمی توان نشانه ای از آن دید؟

تکنولوژی در خدمت اکتشاف فضا

بسیاری از کاوشگران فضایی ناسا، دوربین های خاص خود را دارند که اقدام به ثبت تصاویری برای پردازش و نمایش به عموم می نمایند. کاوشگر جونو یکی از آن ها است که توانسته در ماموریت خود به سیاره مشتری، تصاویری با کیفیت، زیبا و باجزئیات فراوان ارسال کند.

اما بسیاری از تصاویری که از مشتری دیده اید، از طریق کوین گیل، یک مهندس نرم افزار در آزمایشگاه پیشرانه جت ناسا پردازش شده اند. او فرآیند پردازش تصاویر را شرح می دهد و می گوید به دلیل استفاده کاوشگر جونو از یکی از سه فیلتر قرمز، سبز و آبی، تصاویر ارسالی طیفی از خاکستری هستند.

کار گیل این است که سه تصویر ارسالی با فیلتر های مختلف را روی هم قرار داده و رنگ های واقعی آن را بازسازی کند. اما همه چیز به این سادگی نیست. به دلیل حرکت کاوشگر و البته سیاره مشتری، تصویر ها کاملا روی یکدیگر منطبق نمی شوند و مقداری اعوجاج در آن ها وجود دارد.

اغلب، این مسائل با نرم افزار های خاصی حل می شوند که برای ماموریت کاسینی (کاوشگر زحل که در سال 1997 به فضا پرتاب شد) ساخته شدند. با این حال، گیل بخشی از کار خود را هم با نرم افزار های عادی مانند فوتوشاپ انجام می دهد.

بسیاری از داده ها و تصاویر خام گیل را می توان در گیت هاب (Github) مشاهده کرد. ناسا بخش زیادی از داده های خود را در این پایگاه در معرض بازدید عموم قرار می دهد و علاقه مندان می توانند خودشان در خانه به پردازش تصاویر بپردازند.

نتیجه کار های پردازشگرانی مانند گیل، نقش مهمی در پروژه های علمی دارد. با این حال، هدف افزایش آگاهی عمومی هم در آن دیده می گردد. در حقیقت، یکی از دوربین های کاوشگر جونو با نام جونوکم (JunoCam) با هدف اولیه افزایش آگاهی عمومی روی آن نصب شده است.

به این صورت، ماموریت فضایی جونو نخستین ماموریتی است که انتشار جنبه های بصری تحقیقات را برای استفاده عموم مدنظر داشته است. گیل می گوید: ما بسیاری از اجسام و پدیده ها را برای اولین بار مشاهده می کنیم، بنابراین فرصتی برای دانشمندان و البته عموم جامعه است تا ارتباطاتی دست اول و پویا بین اجسام فضایی ببینند.

در بعضی از کارها، مانند ساخت تصاویری واقعی از داده های ارسالی کاسینی از سطح زحل، استفاده از رنگ های واقعی و دقت در جزئیات، بسیار مهم هستند. این موضوع را گیل یادآور می گردد: اگر من بخواهم با رنگ ها داستانی واقعی درباره زحل بگویم، ضروری است که بسیار علمی کار کنم. باید مطمئن شوم که رنگ ها و جزئیات دقیقا مطابق با داده های دوربین و البته ماهیت واقعی زحل است.

با این حال ممکن است در پروژه های دیگر، هدف اصلی برجسته سازی ویژگی های خاصی باشد؛ به این صورت، اندکی پای هنر به تصویرسازی ها باز می گردد و باید دانست با چه ترکیب و توازن رنگ هایی می توان به جذابیت تصویر اضافه نمود یا توجه مخاطب را جلب کرد.

به این صورت، هر تصویر فضایی، ابعادی شخصی از سازنده آن نیز در بردارد. پردازشگران کارآزموده ای مانند گیل می توانند با نگاه به تصاویر پردازش شده جونو و براساس رنگ های انتخابی و درجه بندی های آن ها تشخیص بدهند که سازنده آن کیست. او شرح می دهد: من دوست دارم که برای ترسیم کردن یک داستان یا نشان دادن جنبه هایی از سیاره های مختلف، از ترکیب های خاصی در فیلتر های رنگ خود استفاده کنم.

داستان گویی با تصویر

پردازشگران تصویر می توانند برای برجسته سازی ویژگی هایی خاص از اجسام و پدیده های فضایی، سبک های مختلفی برای رنگ بندی استفاده نمایند. این اقدام باعث می گردد تا ویژگی مدنظر به چشم آید و دیگران عمیق تر به آنالیز آن بپردازند.

رنگ بندی باعث دیده شدن ویژگی هایی می گردد که (بدون این تکنیک) ممکن بود متوجه آن ها نشویم. با این حال، گیل به دنبال آن است که بینندگان، بتوانند تصویر را درک نمایند.

او می گوید: من نمی خواهم مردم را فریب بدهم. اگر من از یک رنگ غیرواقعی برای یک تصویر استفاده کنم، می خواهم همه متوجه غیرواقعی بودن آن بشوند؛ بنابراین اگر از یک فیلتر مادون قرمز برای رنگ بندی یک تصویر خاصی استفاده کنم، رنگ هایی به شدت قرمز یا به شدت آبی ترسیم خواهند شد که واقعی نبودنشان تعیین است. نمی خواهم مردم درباره چیزی که می بینند، سردرگم باشند..

اما استفاده از داده های خارج از طیف مرئی، مزایایی دارد. به عنوان مثال، داده های مخابره شده از مشتری، شامل بسیاری از مواردی می گردد که چشم انسان قادر به تشخیصشان نیست؛ اگر شما تصویری واقعی از مشتری ببینید، به جز یک رنگ بژ بی روح و با کمترین جزئیات، چیزی نصیبتان نخواهد شد. اما عبور دادن همین تصویر از فیلتر مادون قرمز باعث زنده و پرروح شدن آن می گردد.

کار در طیف غیرمرئی

رنگ بندی طیف مادون قرمز تخصص رابرت هرت است. او یک دانشمند تصویرسازی در دانشگاه کلتک (موسسه فناوری کالیفرنیا) است که با ناسا همکاری می نماید. از دیگر کار های او می توان به پردازش تصاویر تلسکوپ فضایی اسپیتزر اشاره نمود (که به تازگی از حالت عملیاتی خارج شده است).

هرت می گوید: ما به دنبال نمایش عینی داده ها با زیباترین رنگ های ممکن هستیم؛ بدون آنکه صرفا به خاطر زیبایی منجر به تحریف و تغییر واقعیات شویم. در این فرآیند، واقعیاتی برجسته می شوند که در بین داده ها مخفی شده بودند.

تلسکوپ فضایی اسپیتزر، داده ها را به شکل طول موج های مادون قرمز مخابره می کرد. به همین دلیل، احتیاج بود که پیش از نمایش آن ها به صورت یک تصویر، تفسیر بیشتری صورت بگیرد. داده های دریافتی از دوربین مادون قرمز اسپیتزر باید به طیف رنگی مرئی ترجمه می شد. با این حال، در این ترجمه باید ارتباط و نسبت های طول موج های کوتاه تر با بلندتر حفظ می شد.

داده های مادون قرمز با موفقیت به طیف مرئی ما انتقال پیدا کردند. هرت می گوید که راه طبیعی دیگری برای نمایش این اطلاعات به مخاطبان وجود نداشت: رنگ، یک مفهوم به شدت متنوع است که در طول طیف (مرئی) توزیع شده است. آنچه نور مرئی می نامیم، چیز خاصی نیست؛ به جز آنکه از نظر زیستی برایمان جذاب است.

فراتر از تصویری زیبا

مخاطب تصاویر اسپیتزر عموم جامعه بودند. هرت با بیان این موضوع، شرح می دهد: اما به دلیل آنکه تصاویر باید مبتنی بر داده های علمی باشند، برای جامعه متخصصان هم کاربرد پیدا می نمایند. چنین تصاویری به پژوهشگران یاری می نماید تا حوزه های تحقیقاتی خود را در زمینه ای گسترده تر مشاهده نمایند.

اگر تصویری با رندر خوب، رنگ بندی های عالی و نور هایی مبتنی بر ویژگی های متفاوت هر بخش از فضا داشته باشید، این کاربرد علمی ممکن می گردد.

هرت شرح می دهد: اسپیتزر حتی یک آنالیز کلی از کهکشان راه شیری انجام داد که به (پروژه) گلیمپس (Galactic Legacy Infrared Midplane Survey Extraordinaire) معروف است. داده های جمع آوری شده در چنین پروژه ای احتیاج به پردازش های پیچیده ای دارد و تنها در آن صورت است که برای نمایش بصری مناسب می گردد.

دلیل، آن است که مرکز کهکشان نور بسیار شدیدی دارد و علاوه بر کاهش دید انسان، نواحی پیرامونی را هم در یک تاریکی نسبی فرو می برد.

زمانی که پردازش این داده ها تمام شد، تصویری به دست آمد که آن را روی یک بنر با طول تقریبی 49 متر چاپ کردیم. این بنر در یک کنفرانس نجوم روی دیوار نصب شد و به پژوهشگران مختلف فرصتی داد تا عملا برای بار نخست، جزئیاتی بصری از حوزه مورد مطالعه شان ببینند.

ترسیم نادیده ها

تفسیر داده های مرئی تلسکوپ ها یک مساله است و ترسیم پدیده های نادیده چیز دیگری. این پدیده های نادیده ممکن است یک سیاره دورافتاده باشد یا اجسامی بسیار غریب مانند سیاه چاله.

در خصوص سیاره های دورافتاده، اغلب اطلاعات ما بسیار اندک است. شاید فقط اطلاعاتی مانند اندازه آن و فاصله اش با ستاره میزبان آن را بدانیم. با این حال، این گونه اطلاعات کلی فقط می تواند ما را در ترسیم یک کره خاکستری رنگ یاری کند.

در این شرایط می توان با داده هایی که درباره بعضی ویژگی های فیزیکی آن به دست آورده ایم، به برآورد درباره جزئیاتش بپردازیم. اطلاعات اولیه ای مانند چگالی، جرم و قفل کشندی (tidally locked) بودن یا نبودن آن به چنین تفسیر هایی یاری می نماید.

در چنین شرایطی، پردازشگران تصویر اغلب به همفکری با پژوهشگران می پردازند تا در مدل سازی کامپیوتری تعیین نمایند کدام مدل ها تناسب بیشتری با داده های موجود دارند. ممکن است مدل سازی ها نشان دهند که احتمالا داده های دریافتی حاکی از وجود اقیانوسی از آب در سیاره موردمطالعه است.

گاهی نیز (مثلا به دلیل نزدیک بودن سیاره مورد مطالعه به ستاره اش) این نتیجه به دست آید که داده های دریافتی و انعکاس نور مشاهده شده در آن، به دلیل گرمای بیش از حدی است که فلز ها را به حالت مایع درآورده است. حتی ممکن است داده ها با مدل دیگری انطباق داشته باشند که حاکی از چگالی بسیار اندک سیاره مدنظر و حالت ابر و پف باشد.

پیش بینی علم

تصاویر فضا فقط از منظر زیبایی شناختی یا افزایش درک پدیده های پیچیده کاربرد ندارد؛ آن ها همچنین می توانند در پیش بینی علم و الهام بخشی به پژوهشگران نقش داشته باشند.

هر تصویر کلی کهکشان راه شیری را در سال 2008 ایجاد کرد. او از به روزترین اطلاعات موجود در علم نجوم بهره برد، اما باز هم بعضی از داده های دریافتی توجیه پذیر نبودند. از این رو، مجبور شد فرضیاتی بسازد یا به تفاسیر هنری اتکا نموده و خلأ های موجود را با آن ها پر کند.

از زمان انتشار آن تصویر، پژوهش های بیشتری صورت گرفت و بخشی از فرضیات هرت هم تایید شد. به عنوان مثال، در آن موقع، داده های دریافتی از تلسکوپ ها و کاوشگر ها برای ترسیم کل کهکشان راه شیری کافی نبود. یکی از نقص ها در قسمت بالایی یکی از بازو های مارپیچی کهکشان راه شیری بود. هرت با این فرض که کهکشان شکلی قرینه دارد، آن قسمت را تکمیل کرد.

این فرض بعد ها مورد تایید نهاده شد. او در این باره می گوید: انگار تمام عالم را به تو داده باشند. فوق العاده است که گاهی کار های هنری تو می تواند اکتشافات بعدی را پیش بینی کند.

منبع: فرادید

به "کد های ارسالی ناسا چگونه تبدیل به تصویر می شوند؟" امتیاز دهید

امتیاز دهید:

دیدگاه های مرتبط با "کد های ارسالی ناسا چگونه تبدیل به تصویر می شوند؟"

* نظرتان را در مورد این مقاله با ما درمیان بگذارید