Skip to content

AstroLoom v0.14.0

Choose a tag to compare

@shilmar shilmar released this 09 Nov 18:02
· 15 commits to main since this release

Añadido

  • Motor Nativo de Cómputo Astrofotográfico en Rust (astroloom_rs):

    • Implementación de la arquitectura híbrida de alto rendimiento: Interfaz Gráfica en Python (PySide6) acoplada a un núcleo de cálculo de bajo nivel en Rust compilado como módulo de extensión nativo (cdylib vía PyO3 0.23, rust-numpy 0.23, rayon 1.10 y nalgebra 0.33).
    • Vectorización SIMD y Paralelismo Multihilo: Todos los kernels numéricos intensivos liberan de forma estricta el GIL (py.allow_threads) y ejecutan en paralelo con Rayon sobre todos los núcleos lógicos de la CPU con optimizaciones AVX2/FMA y lto = "fat".
    • Arquitectura Zero-Copy y Asignación en Pila L1: Sustitución de millones de asignaciones dinámicas en el heap (malloc/free) por buffers estáticos en la pila ([f32; N]) y selección lineal $O(N)$ con Quickselect (slice.select_nth_unstable_by) para medianas y dispersión $MAD$, erradicando cuellos de botella de recolección de basura (GC).
    • Mecanismo Drop-in Fallback Universal: Todos los subsistemas de core/ incorporan autodetección dinámica de astroloom_rs con respaldo transparente y continuo hacia Python/NumPy/Numba en caso de ejecutarse en entornos sin el binario compilado.
    • Paridad Matemática y Validación Numérica: Verificación cruzada exhaustiva contra las implementaciones de referencia de Python en 18 módulos y suites de tests (diferencia máxima $< 10^{-5}$, idéntica a precisión de coma flotante de 32 bits).
  • Migración Integral de Módulos Críticos a astroloom_rs:

    • Motor de Apilado Estadístico y Registro Elástico TPS (core/stacking.py, src/stacking.rs):
      • Kernels paralelos kappa_sigma_kernel, percentile_kernel y median_kernel en caché L1: $2.77\times$ más rápidos que Numba LLVM JIT.
      • Solver matricial analítico de placa delgada (Thin-Plate Splines - TPS) y evaluación paralela de mallas de remapado elástico (compute_tps_grid_rs y compute_tps_remap_grid_rs), eliminando dependencias de scipy.interpolate.
    • Calibración Pura CFA Pre-Debayer In-Place (core/stacking.py, src/streaming_io.rs):
      • Calibración de Darks, Flats, Bias y pedestal térmico directamente sobre la matriz uint16 de fotodiodos de LibRaw (calibrate_raw_cfa_inplace_rs) sin crear copias intermedias en float32: 0 bytes de asignación adicional en RAM y una aceleración de $4\times$.
    • Extracción de Gradientes y Neutralización de Fondo RBF (core/background_extraction.py, src/background.rs):
      • Interpolador multiescala 2D multicuádrico inverso (fit_and_eval_rbf_proxy) en Rust sustituyendo a scipy.interpolate.RBFInterpolator.
      • Neutralizador fotométrico fusionado (apply_bg_model_fused): Sustracción/división, modulación de suelo y clamping en una sola pasada de memoria por filas (par_chunks_mut). $15.27\times$ más rápido y reducción de $-1.375\text{ MB}$ de RAM (de 1.650 MB a 274 MB en 24 MP).
    • Compositor de Capas y Pipeline del Revelador (core/mask_layers.py, core/stretch.py, src/developer.rs):
      • Kernel fusionado en paralelo (apply_layer_adjustments_fused): Evalúa transformaciones tonales HSV, balance RGB, EV, sombras, altas luces, curvas LUT y mezcla de capas en una sola pasada por píxel ($1.76\times$ a $3.2\times$ más rápido, $<3\text{ ms}$ en viewport 1080p).
      • Fusión Trama (Screen Blend) de capa de estrellas: $9.84\times$ más rápida que NumPy.
      • Estirado adaptativo automático de cielo Starless (auto_stretch_adaptive_starless_rs) con estimación Quickselect de mediana/MAD y MTF por canal: $5.39\times$ más rápido.
    • Estirado Hiperbólico Generalizado (GHS) y Filtros Ópticos (core/ghs.py, core/orton.py, core/star_diffusion.py, src/developer.rs):
      • Precomputación analítica vectorizada de LUT 1D de 16 bits (65.536 puntos) en microsegundos (compute_ghs_lut_rs) con continuidad $C^1$ en puntos de inflexión LP y HP.
      • Aplicación multihilo de GHS en 2D y 3D (apply_ghs_stretch_rs) con preservación fotométrica de luminancia Rec. 709 sin reservas en heap.
      • Resplandor difuso Orton y Star Mist (compute_orton_glow_source_rs y blend_orton_and_diffusion_rs): Compuerta suave Hermite (smoothstep), supresión de picos estelares y mezcla tonal con protección de máscara de horizonte en una pasada.
    • Deconvolución Óptica Regularizada Richardson-Lucy (core/deconvolution.py, src/deconv.rs):
      • Modelado analítico de PSF 2D Moffat astrofísica con parámetro $\beta$ y elipticidad (generate_moffat_psf_rs) y PSF Gaussiana elíptica rotada (generate_gaussian_psf_rs).
      • Bucle iterativo de Richardson-Lucy en Rust (richardson_lucy_deconv_rs) con convolución espacial reflectiva de alto rendimiento (convolve2d_reflect), ping-pong buffers estáticos, amortiguación Bayesiana de ruido basada en MAD y supresión de halos perimetrales (deringing).
      • Fusión cromática reconstruida en una sola pasada con alcance selectivo ('all', 'stars_only', 'background_only').
    • Detección y Fusión Fotométrica de Meteoros (core/meteors.py, src/meteors.rs):
      • Diferencia positiva $\max(0, \text{curr} - \text{bg})$ y estimación estadística simultánea (media, desviación estándar, mediana y MAD con Quickselect) en un único barrido de memoria.
      • Generación continua subpíxel de máscara de cápsula vectorial ajustada a la trayectoria con desvanecimiento suave Hermite.
      • Fusión en modo Aclarar (Lighten) directamente sobre la caja delimitadora (bounding box) o con inserción homográfica sin alojar matrices intermedias de 288 MB por meteoro.
    • Filtros Coronales de Eclipses HDR (core/eclipse.py, src/eclipse.rs):
      • Filtro NRGF continuo (compute_nrgf_profiles_and_detail_rs, apply_nrgf_continuous_rs): Tablas radiales continuas $\mu(r), \sigma(r)$, estimación de ruido de fondo, compuerta radial suave Hermite y recomposición radiométrica RGB sin matrices 2D de radio ni ordenaciones globales ($9.41\times$ más rápido, pasando de 2.0 s a 0.21 s en 24 MP).
      • Normalización multiescala de Morgan & Druckmüller (MGN) en 6 escalas espaciales (combine_mgn_scales_rs, finalize_mgn_lum_rs) con bucles SIMD acumulando in-place ($2.53\times$ más rápido, eliminando 1.5 GB de matrices intermedias).
      • Detección paralela de protuberancias H-alfa ($R/G > 1.15$), supresión adaptativa de croma según SNR y máscara lunar sin mallas densas.
    • Alineación por Asterismos y Cosido Panorámico (core/panorama.py, src/panorama.rs, src/astrometry.rs):
      • Extracción de asterismos de 4 estrellas (quads) normalizados proyectivamente en microsegundos sin GIL ($49.6\times$ más rápido, de 85.3 ms a 1.72 ms por panel).
      • Árbol k-d 4D nativo en Rust con consulta de bolas euclídeas, acumulador de votos y correspondencias mutuas en $<2\text{ ms}$, sustituyendo a scipy.spatial.cKDTree.
      • Algoritmo $O(H \times W)$ de programación dinámica para recorte de rectángulo máximo inscrito sin bordes negros en $<2\text{ ms}$ para panorámicas gigapíxel de más de 100 MP.
      • Emparejamiento RANSAC de triángulos estelares en Rust devolviendo la homografía directa $H$ en microsegundos.
    • Calibración Fotométrica Gaia (PCC) y Filtros Dual-Band (core/pcc.py, core/dualband.py, src/photometry.rs):
      • Regresor robusto Theil-Sen $O(N^2)$ anclado al estándar solar espectral G2V en microsegundos y aplicación paralela de factores de ganancia cromática.
      • Pipeline Dual-Band fusionado (HOO, SHO Hubble Sintético, Foraxx dinámico y Cannistra) con compensación de diafonía de sensor OSC, boost de [OIII] y atenuación de halos magenta (unpurple).
      • Detección y difusión cromática perimetral para reparación de centros estelares saturados o quemados a blanco (unclip_stars).
    • Filtros Espaciales, Supresión de Banding CMOS y Anti-Halo (core/banding.py, core/masking.py, src/spatial_filters.rs):
      • Supresión de banding CMOS horizontal y vertical en tiempo lineal $O(W)$ in-place con modelado estadístico de fondo y filtrado gaussiano 1D.
      • Fusión cielo/suelo con campo de distancias con signo (SDF), rampa cosenoidal y protección anti-ghosting de árboles en horizonte.
      • Clamping adaptativo de halos de horizonte circunscrito al bounding box perimétrico.
    • Trazas de Estrellas (Startrails) y Adaptación Cromática ICC (core/startrails.py, core/icc_manager.py, core/display_transfer.py, src/streaming_io.rs):
      • Acumulación en streaming SIMD de trazas (Lighten y efecto cometa con curvas lineal/coseno/exponencial).
      • Recuperación cromática estelar en el plano cartesiano $(u = S\cos H, v = S\sin H)$ en tiempo real (~0.4s).
      • Conversión matricial Bradford CIE D65/D50 y curvas TRC gamma en una sola pasada para sRGB, AdobeRGB 1998 y ProPhoto RGB en datos de 16 y 32 bits sin duplicar memoria.
    • Diagnóstico Óptico 3x3 y Cribado de Sesión (core/frame_culling.py, src/astrometry.rs):
      • Evaluación paralela multihilo de FWHM subpíxel, excentricidad (momentos centrales $\mu_{20}, \mu_{02}, \mu_{11}$) y censo estelar en cuadrícula 3x3 para clasificación de curvatura de campo vs sensor tilt.

Corregido

  • Sincronización y Persistencia de Diagnóstico de Polvo de Sensor (gui/tab_developer.py):
    • Corrección de sincronización bidireccional entre DeveloperState y panel_dust para parámetros de visualización paso alto (dust_visualize, dust_visualize_threshold), modo de curación y sensibilidad.
    • Invalidación estricta de cachés de pipeline al añadir, mover o eliminar manchas de polvo, previniendo artefactos visuales residuales.
    • Optimización de has_state_changed para ignorar flags efímeros de visualización diagnóstica en el historial de Deshacer/Rehacer.

Mejorado

  • Desacoplo de Dependencias Pesadas (scipy / numba):
    • Los subsistemas clave de apilado, RBF y panorámicas ya no dependen obligatoriamente de scipy.interpolate ni scipy.spatial.
  • Suite de Pruebas de Integración y Paridad:
    • Creación de tests/test_rust_integration.py con 18 tests exhaustivos de disponibilidad, enlace y paridad matemática sobre los 10 subsistemas migrados.