天文學與 Python

對科學界而言，尤其是對天文學界來說，Python 是一種偉大的語言工具。各種軟件包，如 NumPy 、 SciPy 、 Scikit-Image 和 Astropy ，（僅舉幾例），都充分證明了 Python 對天文學的適用性，而且有很多用例。（NumPy、Astropy 和 SciPy 是 NumFOCUS 提供資金支持的項目；Scikit-Image 是個隸屬項目）。我在十幾年前脫離天文研究領域，成為了軟件開發者之后，對這些工具包的演進一直很感興趣。我的很多前天文界同事在他們的研究中，使用著前面提到的大部分甚至是全部工具包。以我為例，我也曾為位于智利的超大口徑望遠鏡（VLT）上的儀器編寫過專業天文軟件工具包。

最近令我吃驚的是，Python 工具包竟然演進到如此好用，任何人都可以輕松編寫 數據還原 (data reduction) 腳本，產生出高質量的數據產品。天文數據易于獲取，而且大部分是可以公開使用的，你要做的只是去尋找相關數據。

比如，負責 VLT 運行的 ESO，直接在他們的網站上提供數據下載服務，只要訪問 www.eso.org/UserPortal 并在首頁創建用戶就可以享有數據下載服務。如果你需要 SPHERE 數據，可以下載附近任何一個包含 系外行星(exoplanet)或者 原恒星盤(proto-stellar discs)的恒星的全部數據集。對任何 Python 高手而言，通過還原數據發現深藏于噪聲中的行星或者原恒星盤，實在是件令人興奮的事。

我鼓勵你下載 ESO 或其它天文影像數據，開啟你的探索歷程。這里提供幾條建議：

首先要有一個高質量的數據集。看一些有關包含系外行星或者原恒星盤的較近恒星的論文，然后在 http://archive.eso.org/wdb/wdb/eso/sphere/query 之類的網站檢索數據。需要注意的是，前述網站上的數據有的標注為紅色，有的標注為綠色，標注為紅色的數據是尚未公開的，在相應的“發布日期”處會注明數據將來公開的時間。
了解一些用于獲取你所用數據的儀器的信息。盡量對數據的獲取有一個基本的理解，對標準的數據還原之后應該是什么樣子做到心中有數。所有的望遠鏡和儀器都有這方面的文檔供公開獲取。
必須考慮天文數據的標準問題，并予以校正：數據以 FITS 格式文件保存。需要使用 pyfits 或者 astropy （包含 pyfits ）將其讀入到 NumPy 數組。有些情況下，數據是三維的，需要沿 z 軸使用 numpy.median 將數據轉換為二維數組。有些 SPHERE 數據在同一幅影像中包含了同一片天空的兩份拷貝（各自使用了不同的濾波器），這時候需要使用索引和切片將它們分離出來。全黑圖(master dark)和 壞點圖(bad pixel map)。所有儀器都有快門全關（完全無光）狀態拍攝的特殊圖片，使用 NumPy 掩膜數組 從中分離出壞點圖。壞點圖非常重要，你在合成最終的清晰圖像過程中，需要持續跟蹤壞點。有些情況下，這還有助于你從原始科學數據中扣除暗背景的操作。一般情況下，天文儀器還要拍 標準響應圖(master flat frame)。這是對均勻的單色標準光源拍攝的一張或者一組圖片。你需要將所有的原始數據除以標準響應之后再做后續處理（同樣，使用 Numpy 掩膜數組實現的話，這僅僅是一個簡單的除法運算）。對行星影像，為了使行星在明亮恒星背景下變得可見，需要仰仗 日冕儀(coronagraph)和 角差分成像(angular differential imaging)技術。這一步需要識別影像的光學中心，這是比較棘手的環節之一，過程中要使用 skimage.feature.blob_dog 從原始影像中尋找一些人工輔助影像作為幫助。
要有耐心。理解數據格式并弄清如何操作需要一些時間，繪出像素數據曲線圖或者統計圖有助于你的理解。貴在堅持，必有收獲！你會從中學到很多關于圖像數據及其處理的知識。