我有两个天文图像适合格式具有不同的分辨率。我想把高分辨率的图像卷积到低分辨率的图像上。我认为这些是要执行的以下步骤。
1.对较高分辨率的图像进行反卷积以获得原始信号。
1.将原始信号与新的卷积滤波器（点扩展函数）进行卷积以获得最终图像。
我试图避免使用Python进行反卷积，因为我不确定这些方法对于射电天文学图像是否可靠。
我想到做傅立叶和逆傅立叶变换来解决这个问题。这是我的代码。
import numpy as np
image=fits.open(directory+file1)
test=image[0].data #test is the image convolved with the old beam
#Using Convolution Theorem
test1=np.fft.ifft2(np.fft.fft2(test)*np.fft.fft2(new_beam)/np.fft.fft2(old_beam))字符串
当我尝试绘制此图时，使用：
plt.imshow(test1, interpolation='none', origin='lower')
plt.xlabel('x [pixels]')
plt.ylabel('y [pixels]')
plt.colorbar()
plt.show()型
我的图像看起来不像卷积图像。有人能指出我做错了什么吗？其次，我应该如何规范我的强度值。我知道对于一个傅立叶变换，你应该做absF（x）/len（x）。如果我必须执行上面的操作，我会怎么做？
1条答案
按热度按时间w3nuxt5m1#
我知道这已经晚了四年，但这是由无线电干涉Python包CASA执行的。这可以通过两个步骤来完成，正如你正确指出的那样，你可以对高斯PSF进行反卷积，然后卷积到一个更平滑的分辨率。您正在寻找以下两个任务，特别是要卷积的imsmooth和要删除现有PSF的deconvolve。但是，您可能需要注意，两个高斯函数的卷积会产生第三个高斯函数，其均值为均值之和，标准偏差为正交相加的标准偏差的平方根。
最后，对于通量归一化，在任何情况下都必须通过PSF的面积进行归一化。希望这对你有帮助。