Hoi @ed-defesche,
De bad pixels kunnen we er makkelijk uithalen met een badpixel map op basis van een setje darks. Dit is altijd een veel betere keuze dan ze te moeten verwijderen met een outlier rejection filter zoals sigma/winsor clipping.
Clipping moet en wil je alleen gebruiken als het niet anders kan en dan ook terughoudend, want het kan destructief zijn voor de SNR van de integratie als je het te aggresief toepast.
Problemen in je data die je kan oplossen tijdens calibratie (zoals hot pixels) wil je daarom altijd in het calibratie proces verwijderen.
Voor wat betreft de superbias en invloed op SNR. 1 bias frame heeft over het algemeen al een zeer lage noise vergeleken met de noise in je light opnames. Als je een masterbias maakt op basis van 100 frames (of liever nog meer, want je hoeft hem maar 1 keer te maken in lange tijd) dan is de noise in die masterbias vrijwel 0 en te verwaarlozen tov de noise in je light frames.
Het verschil tussen het toepassen van een superbias (uit PI) of gewoon een masterbias is qua invloed op de SNR volgens mij niet te zien, visueel, maar ook statistisch niet, maar ik wordt graag verbaasd. Dus als iemand een link kan tonen die wat anders zegt bestudeer ik hem graag.
Ik zou me dus absoluut geen zorgen maken over de SNR van je data bij gebruik van een normale masterbias in vergeijking met een zogenaamde superbias. Sterker, ik zou zelf beargumenteren dat je met een gedegen masterbias altijd aan de goede kant zit qua calibratie, terwijl je met een superbias eerder een gok neemt of het wel werkt om je read noise patronen van je sensor perfect te calibreren.
(Bij heel veel zaken in data calibratie nemen heel veel programma’s shortcuts voor gebruikers gemak. De vraag is, denk ik, echt of dit verstandig is en of het leidt tot betere resultaten….)