一夜天文摄影留下的收获有些特别：同一个天体拍了几十张曝光图像，每张都太暗，或亮度不均，离观测者心中的照片还有距离。开源天文图像处理软件 Siril 为这些重复曝光安排了一套处理流程：先校正相机带来的影响，再对齐各帧中的星空，最后合并测量结果。[1] 顺着流程看下去，就能明白，一次成功的叠加，除了收集足够多的文件，还有许多条件要满足。

流程中有一个容易忽略的重要区别：校准消除反复出现的干扰模式；叠加减少随机波动。 两者解决的问题不同，用其中一步代替另一步，缺陷就会留在结果中。[3][7] 本文依据项目的稳定版文档撰写；2026 年 10 月 23 日查阅时，文档标注的版本为 Siril 1.4.4。

处理以序列为单位

Siril 把相互关联的图像帧组织成一个序列。带编号的 FITS 文件可以组成一个序列；FITS 序列也可以把各帧保存在单一容器中。与图像一同保存的 .seq 文件记录帧的选用状态、统计数据和配准变换等信息。这份文件保存着处理过程中的状态，文档提醒用户避免手动修改。[2]

摄影者可以逐张检查曝光，同时保留每张图像与整个序列的关联。排除某一帧后，它的数据仍然保留；后续操作还要明确设为只处理入选图像。参考帧则是对齐与归一化的基准。[2]

一夜拍摄既有好片，也有少数废片，这样的设计便有了用处。选用哪些图像成为有记录、可重新审视的决定。某次叠加即使决定舍弃一帧，最初的观测数据也可以继续保留。

对齐星空之前，先校正探测器

校准所用的主校准帧，由多张校准曝光合成。偏置帧代表电子偏移量。暗场帧在遮光条件下记录传感器信号，拍摄时应采用与亮场帧相同的曝光时长和 ISO 或增益，温度也应近似。平场帧测量照明和像素响应的不均匀性，其中包括渐晕和灰尘阴影；校准时，用亮场帧除以校准后的平场。[3]

这些操作只核对探测器的账目，识别星云、确定恒星位置都在它们的职责之外。具体效果取决于校准数据能否代表照片拍摄时的实际条件。

核对账目时，还得避免把同一份偏置减去两次。Siril 的手动预处理教程在主暗场帧中保留了偏置信号，因此，从亮场帧中减去这张主暗场帧，就会同时扣除两者的贡献。平场则另行校正偏置。[4] 如果照搬一套处理步骤，却未弄清主校准帧的制备方式，即使每个文件名都看着合理，计算也会出错。

主暗场帧估计的是可重复的信号，单次曝光中的随机波动仍在它的预测范围之外。校准所用的参考测量本身也会引入不确定性。Siril 明确提醒，图像噪声不会因校准而减少，主校准帧的质量因此格外重要。[3][7]

配准既要计算，也有存储代价

校准之后，各帧中的星空位置仍略有差别。配准把相应的特征对齐。Siril 将这个过程分为特征检测、计算相对于参考帧的变换，以及应用变换生成对齐图像。它的全局配准利用恒星组成的三角形匹配星点分布，再用 RANSAC 在估计变换的同时剔除误匹配。[5]

计算变换与应用变换分开，也会影响磁盘上的文件。对于整数像素平移，叠加时可以在读取各帧的同时使用已保存的偏移量。更复杂的变换通常要先导出配准后的图像，文件名常带有 r_ 前缀。因此，序列保存了对齐信息，与序列中的像素已经移动到位，是两个不同的状态。[5]

以一幅 2400 万像素、含三个 32 位通道的 RGB 图像为例，不计文件头，未经压缩的像素数据占 288 MB。一百幅就占 28.8 GB。这里计算的是未压缩的数据；每多保存一个处理阶段的结果，都会增加相应的存储需求。[2]

配准可以把偏移的恒星移回正确位置。拍摄时有云飘过的曝光，即使完成对齐，与晴空下的曝光仍有差别。逐帧检查仍是流程的一部分。

决定哪些测量值应当合在一起

Siril 的带剔除功能的平均值叠加，会先排除离群像素值，再计算平均值。在此之前，归一化先把各图像的亮度水平调整到与参考帧可比较的关系。省去这一步，背景亮度的变化就容易干扰对异常高值或低值的判断。[6]

例如，一条卫星轨迹在某次曝光中留下异常明亮的数值，而其他曝光在同一位置记录的是背后的天空。剔除这个离群值后，同一帧其他位置的有效测量仍然保留。Siril 可以保存剔除图，标出哪些位置舍弃了采样值；文档中就展示了移除卫星轨迹的实例。[6]

局部受到干扰，与整张曝光都已受损，需要分别处理。这是我对软件分别设置整帧排除和单个像素剔除这两类控制的理解。[2][6]

增加帧数有帮助，但收益会递减。通常假定各次曝光条件可比、随机噪声相互独立，在此条件下，信噪比的提升与合并帧数的平方根成正比：十六帧的信噪比约为单帧的四倍，六十四帧约为八倍。要把提升幅度翻倍，帧数就得增至四倍。[6][7] 对于反复出现的校准误差，单纯扩大叠加规模，并没有同样的收益关系。

脚本保留步骤顺序，判断仍要由人完成

Siril 可以自动执行这套流程。项目沿用的预处理教程把输入文件放进 lights、darks、flats 和 biases 文件夹，中间产物保存在 process 中。教程强调，要选对工作目录，并预留相当于输入文件体积数倍的磁盘空间。[8] 有了这些文件夹名称，自动处理程序便能明确知道各处应当放入什么。

自动化带来了便利，理解流程本身仍需要学习。在一篇独立的 1.2.6 版上手评测中，Jacob Little 提到，学习 Siril 时，他反复查阅文档。[9] 这篇较早版本的评测记录的是学习体验，关于当前版本具体行为的判断超出了它的适用范围。

即使已经完成叠加，结果在线性显示模式下初看仍会近乎全黑。项目教程把调整显示以便检查图像，与随后为完成照片而做的处理，分成了不同步骤。[8] 因此，仅凭最初看起来令人失望，还不足以认定叠加失败。

这套架构的价值在于，它让每一步都有具体的问题可查：应用的主校准帧是否正确？完成配准的是哪个序列？变换后的各帧是否已经导出？剔除操作舍弃了什么？星云随着这些决定逐渐显现，而各阶段之间留下的文件，让这些决定都有据可查。

来源

1. Siril 官方项目网站——天文图像处理阶段、自动化、源码获取与稳定版信息。
2. Siril 1.4.4 文档，“Sequences”（序列）——FITS 的存储形式、帧的选用、参考图像与 .seq 处理状态。
3. Siril 1.4.4 文档，“Calibration”（校准）——主偏置帧、主暗场帧与主平场帧，拍摄条件的匹配，以及校准引入的不确定性。
4. Dominique Dhoosche，“Manual pre-processing”（手动预处理），Siril——教程对主暗场帧中偏置信号的处理，以及各项操作的顺序。
5. Siril 1.4.4 文档，“Registration”（配准）——特征匹配、变换，以及保存偏移量与导出配准图像之间的区别。
6. Siril 1.4.4 文档，“Stacking”（叠加）——归一化、平均值叠加、像素剔除、剔除图与信噪比的变化规律。
7. Rafa Barbera，“Signal to noise ratio”（信噪比），Siril——随机波动、暗场扣除的局限，以及增加曝光帧数时递减的收益。
8. Colmic，“Full image processing (pre-processed with scripts)”（完整图像处理：使用脚本预处理），Siril——既有的文件夹工作流程、中间文件存储与线性叠加结果的检查；教程最初基于 0.99.8.1 版编写。
9. Jacob Little，“Siril astrophotography software review”（Siril 天文摄影软件评测），Space.com，2026 年 3 月 16 日——针对 1.2.6 版的独立上手体验及其学习要求。
10. Siril 图库，Olivier Moulard，“M27 – Dumbbell Nebula”（M27——哑铃星云）——照片、摄影者署名与各滤镜的拍摄时长。