M 109

M109 (NGC 3992) est une galaxie spirale barrée située dans la constellation de la Grande Ourse à environ 48 millions d’années-lumière pour un diamètre de près de 150 000 al.

M109 possède au moins trois galaxies satellites, UGC 6923, UGC 6940 et UGC 6969.

Elle est aussi la galaxie la plus brillante d’un vaste groupe de galaxies qui porte son nom. Ce groupe compte au moins 41 membres dans lesquels on retrouve les galaxies NGC 3726, NGC 3782, NGC 3870, NGC 3877, NGC 3893, NGC 3896, NGC 3917, NGC 3922, PGC 37217 ,…

Le groupe de M109 et celui de M101 font partie de l’amas de la Grande Ourse, l’un des amas galactiques du superamas de la Vierge.

Les environs proches de M109 :

Poses réalisées avec le 400 de Boisricheux entre le 10/05/2017 et le 27/05/2017

FiltresNbre posesTemps poseTotalT° caméra
Luminance3010′ 5h00-20°
Rouge810′ 1h20-20°
Vert810′ 1h20 -20°
Bleu810′ 1h20 -20°
Totaux54 9h00

Traitement Pixinsight

1 – Process « Image calibration » pour les brutes de chacun des filtres LRVB en utilisant les masters Bias, Dark et Flat.

2 – Process « Cosmetic correction » par filtre pour chacune des images brutes.

3 – Process « DynamicBackgroundExtraction » par filtre pour chacune des images brutes

4 – Process « SubframeSelector » pour choisir les images ayant la meilleure FWHM et le meilleur Signal/Bruit. Elimination des images les moins bonnes ~ 10%

5 – Scripts « ImagePlateSolve » et « MosaicByCoordinates » pour registrer l’ensemble des images.

6 – Process « ImageIntegration » pour déterminer les bandes noires à supprimer et obtenir l’image « Minimum »

7 – Process « DynamicCrop » pour supprimer les bandes noires sur toutes les images en tenant compte de l’image « minimum »

8 – Process « Imageintegration » pour additionner toutes les images par filtre ( Average, Additive with scaling, Noise evaluation ,BWMV et réglage des réjections de pixels autour de 0.2.

9 – Process « CosmeticCorrection » sur les images additionnées et pour chaque filtre pour éliminer les pixels défectueux résiduels.

10 –  Process « DBE » sur chaque image résultat pour éliminer le gradient résiduel.

11 – « Linearfit » basé sur la couche bleue pour équilibrer les couches LRVB

12 – Utilisation de la fonction « LinearMask » du process « MultiscaleMedianTransform » pour créer un masque pour chaque couche LRVB.

13– Réduction du bruit avec le process  « ATrousWeveletTransform » pour chaque couche.

13- Utilisation du process «LRGBCombinaison (Lightness 0.7 –  Saturation 0.79)» pour additionner les quatre couches.

14 Délinéarisation de l’image résultat avec le process « HistogramTransformation »

15 – Suppression de l’excédent de magenta en inversant l’image, puis en effectuant une suppression de vert avec le process «SCNR» (Le magenta étant l’inverse du vert)

16 – Suppression de l’excédent de vert avec le process «SCNR»

17 – Accentuation des détails avec le process « MultiscaleMedianTransform» 

18 – Accentuation du contraste avec le process « localHistogramEqualization» 

19 – Augmentation des couleurs avec le process «ColorSaturation» 

20 – Assombrir le fond de ciel avec le process «CurvesTransformation» 

21 – Élimination du bruit chromatique résiduel avec le process « ACDNR»