کد‌های ارسالی ناسا چگونه تبدیل به تصویر می‌شوند؟

کد‌های ارسالی ناسا چگونه تبدیل به تصویر می‌شوند؟

بسیاری از داده‌ها و تصاویر خام گیل را می‌توان در گیت‌هاب (Github) مشاهده کرد. ناسا بخش زیادی از داده‌های خود را در این پایگاه در معرض بازدید عموم قرار می‌دهد و علاقه‌مندان می‌توانند خودشان در خانه به پردازش تصاویر بپردازند.

کد خبر : ۸۴۷۳۹
بازدید : ۹۳۴۹
کد‌های ارسالی ناسا چگونه تبدیل به تصویر می‌شوند؟
همه عاشق تصاویر زیبایی هستند که هر هفته از فضا و سیاره‌های مختلف منتشر می‌شود؛ از تصاویر گرفته شده از یک سحابی دوردست توسط تلسکوپ هابل گرفته تا تصاویری از کائنات که با امواج ایکس‌ری گرفته می‌شوند. اما دانشمندان چگونه مجموعه‌ای از کد‌های صفر و یک را به یک تصویر جذاب تبدیل می‌کنند؟ همچنین چگونه تصاویری از فضا ترسیم می‌کنند که آن‌قدر دور است که با چشم غیرمسلح حتی نمی‌توان نشانه‌ای از آن دید؟

تکنولوژی در خدمت اکتشاف فضا
بسیاری از کاوشگران فضایی ناسا، دوربین‌های خاص خود را دارند که اقدام به ثبت تصاویری برای پردازش و نمایش به عموم می‌کنند. کاوشگر جونو یکی از آن‌ها است که توانسته در ماموریت خود به سیاره مشتری، تصاویری با کیفیت، زیبا و باجزئیات فراوان ارسال کند.

اما بسیاری از تصاویری که از مشتری دیده‌اید، به وسیله کوین گیل، یک مهندس نرم‌افزار در آزمایشگاه پیشرانه جت ناسا پردازش شده‌اند. او فرآیند پردازش تصاویر را توضیح می‌دهد و می‌گوید به‌دلیل استفاده کاوشگر «جونو» از یکی از سه فیلتر قرمز، سبز و آبی، تصاویر ارسالی طیفی از خاکستری هستند.

کار گیل این است که سه تصویر ارسالی با فیلتر‌های مختلف را روی هم قرار داده و رنگ‌های واقعی آن را بازسازی کند. اما همه چیز به این سادگی نیست. به‌دلیل حرکت کاوشگر و البته سیاره مشتری، تصویر‌ها کاملا روی یکدیگر منطبق نمی‌شوند و مقداری اعوجاج در آن‌ها وجود دارد.
اغلب، این مشکلات با نرم‌افزار‌های خاصی حل می‌شوند که برای ماموریت کاسینی (کاوشگر زحل که در سال ۱۹۹۷ به فضا پرتاب شد) ساخته شدند. با این حال، گیل بخشی از کار خود را هم با نرم‌افزار‌های عادی مانند فوتوشاپ انجام می‌دهد.

بسیاری از داده‌ها و تصاویر خام گیل را می‌توان در گیت‌هاب (Github) مشاهده کرد. ناسا بخش زیادی از داده‌های خود را در این پایگاه در معرض بازدید عموم قرار می‌دهد و علاقه‌مندان می‌توانند خودشان در خانه به پردازش تصاویر بپردازند.

نتیجه کار‌های پردازشگرانی مانند گیل، نقش مهمی در پروژه‌های علمی دارد. با این حال، هدف افزایش آگاهی عمومی هم در آن دیده می‌شود. در حقیقت، یکی از دوربین‌های کاوشگر جونو با نام جونوکم (JunoCam) با هدف اولیه افزایش آگاهی عمومی روی آن نصب شده است.
به این صورت، ماموریت فضایی جونو نخستین ماموریتی است که انتشار جنبه‌های بصری تحقیقات را برای استفاده عموم مدنظر داشته است. گیل می‌گوید: «ما بسیاری از اجسام و پدیده‌ها را برای اولین‌بار مشاهده می‌کنیم، بنابراین فرصتی برای دانشمندان و البته عموم جامعه است تا ارتباطاتی دست اول و پویا بین اجسام فضایی ببینند.»

در برخی از کارها، مانند ساخت تصاویری واقعی از داده‌های ارسالی کاسینی از سطح زحل، استفاده از رنگ‌های واقعی و دقت در جزئیات، بسیار مهم هستند. این موضوع را گیل یادآور می‌شود: «اگر من بخواهم با رنگ‌ها داستانی واقعی درباره زحل بگویم، لازم است که بسیار علمی کار کنم. باید مطمئن شوم که رنگ‌ها و جزئیات دقیقا مطابق با داده‌های دوربین و البته ماهیت واقعی زحل است.»

با این حال ممکن است در پروژه‌های دیگر، هدف اصلی برجسته‌سازی ویژگی‌های خاصی باشد؛ «به این صورت، اندکی پای هنر به تصویرسازی‌ها باز می‌شود و باید دانست با چه ترکیب و توازن رنگ‌هایی می‌توان به جذابیت تصویر افزود یا توجه مخاطب را جلب کرد.»

به این صورت، هر تصویر فضایی، ابعادی شخصی از سازنده آن نیز در بردارد. پردازشگران کارآزموده‌ای مانند گیل می‌توانند با نگاه به تصاویر پردازش شده جونو و براساس رنگ‌های انتخابی و درجه‌بندی‌های آن‌ها تشخیص بدهند که سازنده آن کیست. او توضیح می‌دهد: «من دوست دارم که برای ترسیم کردن یک داستان یا نشان دادن جنبه‌هایی از سیاره‌های مختلف، از ترکیب‌های خاصی در فیلتر‌های رنگ خود استفاده کنم.»

داستان‌گویی با تصویر
پردازشگران تصویر می‌توانند برای برجسته‌سازی ویژگی‌هایی خاص از اجسام و پدیده‌های فضایی، سبک‌های مختلفی برای رنگ‌بندی استفاده کنند. این اقدام باعث می‌شود تا ویژگی مدنظر به‌چشم آید و دیگران عمیق‌تر به بررسی آن بپردازند.

رنگ‌بندی باعث دیده شدن ویژگی‌هایی می‌شود که (بدون این تکنیک) ممکن بود متوجه آن‌ها نشویم. با این حال، گیل به‌دنبال آن است که بینندگان، بتوانند تصویر را درک کنند.
او می‌گوید: «من نمی‌خواهم مردم را فریب بدهم. اگر من از یک رنگ غیرواقعی برای یک تصویر استفاده کنم، می‌خواهم همه متوجه غیرواقعی بودن آن بشوند؛ بنابراین اگر از یک فیلتر مادون‌قرمز برای رنگ‌بندی یک تصویر خاصی استفاده کنم، رنگ‌هایی به شدت قرمز یا به شدت آبی ترسیم خواهند شد که واقعی نبودنشان مشخص است. نمی‌خواهم مردم درباره چیزی که می‌بینند، سردرگم باشند.».

اما استفاده از داده‌های خارج از طیف مرئی، مزایایی دارد. به‌عنوان مثال، داده‌های مخابره شده از مشتری، شامل بسیاری از مواردی می‌شود که چشم انسان قادر به تشخیصشان نیست؛ «اگر شما تصویری واقعی از مشتری ببینید، به جز یک رنگ بژ بی‌روح و با کمترین جزئیات، چیزی نصیبتان نخواهد شد. اما عبور دادن همین تصویر از فیلتر مادون قرمز باعث زنده و پرروح شدن آن می‌شود.»
کد‌های ارسالی ناسا چگونه تبدیل به تصویر می‌شوند؟
کار در طیف غیرمرئی
رنگ‌بندی طیف مادون‌قرمز تخصص رابرت هرت است. او یک دانشمند تصویرسازی در دانشگاه کلتک (موسسه فناوری کالیفرنیا) است که با ناسا همکاری می‌کند. از دیگر کار‌های او می‌توان به پردازش تصاویر تلسکوپ فضایی اسپیتزر اشاره کرد (که به تازگی از حالت عملیاتی خارج شده است).

هرت می‌گوید: «ما به‌دنبال نمایش عینی داده‌ها با زیباترین رنگ‌های ممکن هستیم؛ بدون آنکه صرفا به‌خاطر زیبایی منجر به تحریف و تغییر واقعیات شویم. در این فرآیند، واقعیاتی برجسته می‌شوند که در بین داده‌ها مخفی شده بودند.»

تلسکوپ فضایی اسپیتزر، داده‌ها را به شکل طول موج‌های مادون قرمز مخابره می‌کرد. به همین دلیل، نیاز بود که پیش از نمایش آن‌ها به‌صورت یک تصویر، تفسیر بیشتری صورت بگیرد. داده‌های دریافتی از دوربین مادون‌قرمز اسپیتزر باید به طیف رنگی مرئی ترجمه می‌شد. با این حال، در این ترجمه باید ارتباط و نسبت‌های طول‌موج‌های کوتاه‌تر با بلندتر حفظ می‌شد.

داده‌های مادون‌قرمز با موفقیت به طیف مرئی ما انتقال پیدا کردند. هرت می‌گوید که راه طبیعی دیگری برای نمایش این اطلاعات به مخاطبان وجود نداشت: «رنگ، یک مفهوم به‌شدت متنوع است که در طول طیف (مرئی) توزیع شده است. آنچه نور مرئی می‌نامیم، چیز خاصی نیست؛ به‌جز آنکه از نظر زیستی برایمان جذاب است.»

فراتر از تصویری زیبا
مخاطب تصاویر اسپیتزر عموم جامعه بودند. هرت با بیان این موضوع، توضیح می‌دهد: «اما به‌دلیل آنکه تصاویر باید مبتنی بر داده‌های علمی باشند، برای جامعه متخصصان هم کاربرد پیدا می‌کنند.» چنین تصاویری به پژوهشگران کمک می‌کند تا حوزه‌های تحقیقاتی خود را در زمینه‌ای گسترده‌تر مشاهده کنند.
«اگر تصویری با رندر خوب، رنگ‌بندی‌های عالی و نور‌هایی مبتنی بر ویژگی‌های متفاوت هر بخش از فضا داشته باشید، این کاربرد علمی ممکن می‌شود.»

هرت توضیح می‌دهد: اسپیتزر حتی یک بررسی کلی از کهکشان راه شیری انجام داد که به (پروژه) گلیمپس (Galactic Legacy Infrared Midplane Survey Extraordinaire) معروف است. داده‌های جمع‌آوری شده در چنین پروژه‌ای نیاز به پردازش‌های پیچیده‌ای دارد و تنها در آن صورت است که برای نمایش بصری مناسب می‌شود.
دلیل، آن است که مرکز کهکشان نور بسیار شدیدی دارد و علاوه بر کاهش دید انسان، نواحی پیرامونی را هم در یک تاریکی نسبی فرو می‌برد.
زمانی که پردازش این داده‌ها تمام شد، تصویری به‌دست آمد که آن را روی یک بنر با طول تقریبی ۴۹ متر چاپ کردیم. این بنر در یک کنفرانس نجوم روی دیوار نصب شد و به پژوهشگران مختلف فرصتی داد تا عملا برای بار نخست، جزئیاتی بصری از حوزه مورد مطالعه‌شان ببینند.

ترسیم نادیده‌ها
تفسیر داده‌های مرئی تلسکوپ‌ها یک مساله است و ترسیم پدیده‌های نادیده چیز دیگری. این پدیده‌های نادیده ممکن است یک سیاره دورافتاده باشد یا اجسامی بسیار غریب مانند سیاه‌چاله.

در مورد سیاره‌های دورافتاده، اغلب اطلاعات ما بسیار اندک است. شاید فقط اطلاعاتی مانند اندازه آن و فاصله‌اش با ستاره میزبان آن را بدانیم. با این حال، این‌گونه اطلاعات کلی فقط می‌تواند ما را در ترسیم یک کره خاکستری‌رنگ کمک کند.
در این شرایط می‌توان با داده‌هایی که درباره برخی ویژگی‌های فیزیکی آن به‌دست آورده‌ایم، به گمانه‌زنی درباره جزئیاتش بپردازیم. اطلاعات اولیه‌ای مانند چگالی، جرم و قفل کشندی (tidally locked) بودن یا نبودن آن به چنین تفسیر‌هایی کمک می‌کند.

در چنین شرایطی، پردازشگران تصویر اغلب به همفکری با پژوهشگران می‌پردازند تا در مدل‌سازی کامپیوتری مشخص کنند کدام مدل‌ها تناسب بیشتری با داده‌های موجود دارند. ممکن است مدل‌سازی‌ها نشان دهند که احتمالا داده‌های دریافتی حاکی از وجود اقیانوسی از آب در سیاره موردمطالعه است.
گاهی نیز (مثلا به‌دلیل نزدیک بودن سیاره مورد مطالعه به ستاره‌اش) این نتیجه به‌دست آید که داده‌های دریافتی و انعکاس نور مشاهده شده در آن، به‌دلیل گرمای بیش از حدی است که فلز‌ها را به حالت مایع درآورده است. حتی ممکن است داده‌ها با مدل دیگری انطباق داشته باشند که حاکی از چگالی بسیار اندک سیاره مدنظر و حالت ابر و پف باشد.

پیش‌بینی علم
تصاویر فضا فقط از منظر زیبایی‌شناختی یا افزایش درک پدیده‌های پیچیده کاربرد ندارد؛ آن‌ها همچنین می‌توانند در پیش‌بینی علم و الهام‌بخشی به پژوهشگران نقش داشته باشند.

هر تصویر کلی کهکشان راه‌شیری را در سال ۲۰۰۸ ایجاد کرد. او از به‌روزترین اطلاعات موجود در علم نجوم بهره برد، اما باز هم برخی از داده‌های دریافتی توجیه‌پذیر نبودند. از این‌رو، مجبور شد فرضیاتی بسازد یا به تفاسیر هنری اتکا کرده و خلأ‌های موجود را با آن‌ها پر کند.

از زمان انتشار آن تصویر، پژوهش‌های بیشتری صورت گرفت و بخشی از فرضیات هرت هم تایید شد. به‌عنوان مثال، در آن زمان، داده‌های دریافتی از تلسکوپ‌ها و کاوشگر‌ها برای ترسیم کل کهکشان راه‌شیری کافی نبود. یکی از نقص‌ها در قسمت بالایی یکی از بازو‌های مارپیچی کهکشان راه‌شیری بود. هرت با این فرض که کهکشان شکلی قرینه دارد، آن قسمت را تکمیل کرد.

این فرض بعد‌ها مورد تایید قرار گرفت. او در این‌باره می‌گوید: «انگار تمام عالم را به تو داده باشند. فوق‌العاده است که گاهی کار‌های هنری تو می‌تواند اکتشافات بعدی را پیش‌بینی کند.»
کد‌های ارسالی ناسا چگونه تبدیل به تصویر می‌شوند؟
۰
نظرات بینندگان
اخبار مرتبط سایر رسانه ها
    سایر رسانه ها
    تازه‌‌ترین عناوین
    پربازدید