Nehmen Sie zuerst das ursprüngliche Beteigeuze-Bild von ALMA und entfernen Sie die roten und grünen Kanäle. Erhöhen Sie dann die Helligkeit des blauen Kanals um das 10- bis 20-fache, und viele Details kommen zum Vorschein.
Dies ist das resultierende Bild, das vom Original reproduziert werden kann .
Wenn Sie in das Bild hineinzoomen, werden Sie winzige konzentrische "Wellen" bemerken.Blauverschobenes Licht bezeichnet hochenergetische Teilchen (im Gegensatz zur Rotverschiebung).
Meine Hypothese (ich bin kein Astronom!) ist, dass wir Hintergrundstrahlung sehen, während der Stern selbst den Hintergrund verdeckt.Die Wellen würden dann eine Gravitationsbiegung anzeigen, wenn diese schweren Teilchen die überdehnte Korona des Sterns durchqueren.
Gibt es eine akzeptierte Hypothese über diese Artefakte?
BEARBEITEN :
Der innere Ring aus Pixel-Chaos um den schwarzen Fleck ist außerhalb des Farbumfangs und somit "ungültige Daten". Die Wellen befinden sich innerhalb der Korona und schließlich sind die äußeren Teile des Bildes relativ unbeeinflusste Hintergrundstrahlung von anderen Objekten. Es gibt KEINE ARTEFAKTE auf den R- und G-Kanälen.
Dieses Bild zeigt, was ich mit "Wellen" meine:
Als Gegenargument für mich selbst zeige ich dieses neuere Bild von SPHERE mit ähnlichen Artefakten. Vielleicht sollte ich zu dem Schluss kommen, dass die High-Level-Struktur real ist , während die Low-Level-Strukturen Artefakte sind, die dadurch verursacht werden, dass das Messinstrument selbst seine Empfindlichkeitsstufen erreicht.
PS: Ich habe diese Frage auch auf reddit gepostet .
BEARBEITEN : Histogramm des blauen Kanals
So sehen Sie die Farbinformationen des blauen Kanals. Ich benutze Krita, das keineswegs ein wissenschaftliches Werkzeug ist, aber seine sofortige Anwendung hilft.
Laden Sie das Bild vom obigen ESO-Quelllink herunter (es ist das 91,6 MB große Original-TIFF-Bild in voller Größe).
Gehen Sie dann in Krita zu "Filter > Anpassen > Farbanpassungskurven ...". Wählen Sie in der Kanal-Dropdown-Liste „B“ und beobachten Sie das folgende Bild:
Ich habe die interessante Zone mit ROT hervorgehoben. Auf dem Hintergrund sehen Sie ein Histogramm und dass Farbinformationen nur ganz links zwischen den Balken vorhanden sind. Alle anderen Intensitäten (vielleicht Bytewert 10 und höher?) kommen im Bild nicht vor.
Ganz rechts befindet sich eine kaum sichtbare Population von "Bytewert 255 Pixel", das sind die Pixel außerhalb des Farbumfangs.
Um diese Pixel zu sehen, ziehen Sie den Knopf in der oberen rechten Ecke nach links, sodass die Kurve zwischen den beiden roten Balken, die ich gezeigt habe, steil von 0 bis 255 verläuft. Dadurch wird die Intensität um den Faktor 10 oder 20 vergrößert und sehr schwache Pixel einem helleren Blau zugeordnet.
Das hochgeladene Bild (zweiter Link oben) ist das resultierende Bild dieses Prozesses. Es gibt KEINEN GENAUEN ORT, von dem ich spreche. Es ist eine Aura rund um den schwarzen Fleck in der Mitte.
Dies ist nur eine teilweise und vielleicht vorübergehende Antwort, die veröffentlicht wurde, um der Sache auf den Grund zu gehen. Ich denke, dass die Kommentare korrekt sind, Sie sehen wahrscheinlich ein Artefakt der Bildmanipulation und die Originaldaten sind nur eine 2D-Intensitätskarte.
Ich habe das Originalbild unter https://cdn.eso.org/images/screen/potw1726a.jpg heruntergeladen , zurück in .png konvertiert und in Python mit matplotlib und numpy analysiert. Im Moment sehe ich diese mysteriösen Ringe nicht, aber wenn Sie Pixelkoordinaten aus dem Originalbild bereitstellen und mehr erklären könnten, wie Sie die Ringe sichtbar gemacht haben, wäre das großartig!
Bildaufteilung in drei Farbkanäle:
Linienscans in x und y durch Mitte und Maximum:
Gleich, aber multipliziert mit 256 (8 Bit pro Kanal) und auf einer logarithmischen Skala aufgetragen:
Das Streudiagramm von G und B gegenüber R zeigt, dass diese korreliert sind. Wir sehen uns wahrscheinlich nur künstliche Färbungen aus einer Tabelle an, nicht verschiedene Datenkanäle. Auch hier könnte es ähnlich laufen .
import numpy as np
import matplotlib.pyplot as plt
fname = 'Betelgeuse in false colors.png'
img = plt.imread(fname)
print(img.shape)
if True:
plt.figure()
plt.subplot(2, 2, 1)
plt.imshow(img)
plt.title('RGB')
for i , char in enumerate('RGB'):
plt.subplot(2, 2, i+2)
plt.imshow(img[..., i], cmap='gray', vmin=0, vmax=1)
plt.title(char + ' channel', fontsize=16)
plt.show()
rgbx_cen = img[640]
rgbx_570 = img[570]
rgby_cen = img[:, 640]
rgby_570 = img[:, 520]
things = rgbx_cen, rgbx_570, rgby_cen, rgby_570
names = 'rgbx_cen', 'rgbx_570', 'rgby_cen', 'rgby_570'
if True:
plt.figure()
for i, (thing, name) in enumerate(zip(things, names)):
plt.subplot(2, 2, i+1)
r, g, b = thing.T[:3]
print(r.shape, g.shape, b.shape)
plt.plot(r, '-r')
plt.plot(g, '-g')
plt.plot(b, '-b')
plt.title(name, fontsize=16)
plt.show()
if True:
plt.figure()
for i, (thing, name) in enumerate(zip(things, names)):
plt.subplot(2, 2, i+1)
r, g, b = thing.T[:3]
print(r.shape, g.shape, b.shape)
plt.plot(255*r, '-r')
plt.plot(255*g, '-g')
plt.plot(255*b, '-b')
plt.yscale('log')
plt.title(name, fontsize=16)
plt.suptitle('scaled 0 to 255', fontsize=16)
plt.show()
if True:
r, g, b = [x.flatten() for x in np.moveaxis(img, 2, 0)[:3, ::8, ::8].copy()]
plt.figure()
plt.subplot(1, 2, 1)
plt.plot(r, g)
plt.title('green vs. red')
plt.subplot(1, 2, 2)
plt.plot(r, b)
plt.title('blue vs. red')
plt.show()
Was auch immer diese winzigen Artefakte verursacht, es ist nicht astrophysikalisch. Das von ALMA erhaltene Bild ist monochrom , dh es wird über einen einzelnen Frequenzkanal (4 GHz Breite bei 338 GHz – siehe O'Gorman et al. 2017 , woher das Originalbild stammt) erhalten.
Die Intensitätskarte wurde dann unter Verwendung einer Farbtabelle für den öffentlichen Gebrauch koloriert.
Um eine räumliche Struktur herzustellen, sollten Sie alle Farbinformationen wegwerfen und die Gesamtintensität betrachten.
Dort gibt es eine echte Struktur, die höchstwahrscheinlich mit Variationen in der Temperatur- und Dichtestruktur in der äußeren Atmosphäre des Sterns zu tun hat. Jede reale Struktur hat keine scharfen Kanten oder feinen Details, da jedes Detail durch die räumliche Auflösung verwischt wird, die eine Breite von etwa 20 % der Scheibe des Sterns hat (dh die Scheibe wird effektiv durch etwa 5x5 unabhängige Helligkeitsmessungen abgetastet ).
Rory Alsop
Pela
PID
PID
PID
ProfRob
Pela