Ordnung im FITS-Chaos: Mehrere Teleskope, eine Datenstruktur

1. Welches Problem löst das Programm?

Wer in einer Sternwarte oder im eigenen Garten mehrere Teleskope und Kameras betreibt, kennt das Problem: Ein Dwarf, ein Takahashi Epsilon 160 mit ASI2600MC, ein ASA 10N mit ASI6200MM, vielleicht noch ein Seestar S50pro. Jedes Gerät, jede Aufnahmesoftware und jede Nacht legt die Dateien anders ab:

N.I.N.A. speichert pro Nacht in Ordnern wie LIGHT, DARK, FLAT, BIAS, SNAPSHOT.
Dasselbe Objekt heißt mal M31, mal M 31, m-31 oder Messier 31.
Dasselbe Teleskop taucht als ASA-10N und ASA10 auf.
Dateien anderer Programme (z. B. SharpCap) haben abweichende FITS-Header.
Nach mehreren Kopier- und Backup-Läufen liegen identische Dateien mehrfach herum.
Für die spätere Bearbeitung (z. B. PixInsight, WBPP) braucht man aber pro Objekt, Teleskop und Kamera eine saubere Struktur mit getrennten Light-, Dark-, Flat- und Bias-Ordnern.

Von Hand ist das bei tausenden Dateien fehleranfällig und mühsam. Diese Scripts lesen die FITS-Header aus, sortieren alles automatisch in eine einheitliche Ordnerstruktur und vergeben deterministische Dateinamen:

2025_02_M45-Plejaden_Takahashi-Epsilon160-ED_ASI2600MC-Pro/
├── LIGHT/
├── DARK/
├── FLAT/
├── BIAS/
├── PROCESSING/
├── PRO/
└── FINAL/

Zusätzlich gilt: Es wird nichts überschrieben, nichts gelöscht, und jeder Lauf schreibt eine Logdatei. Mit --dry-run lässt sich vorher prüfen, was passieren würde.

2. Was macht welches Script?

Alle Scripts liegen im Repository und werden mit Python aufgerufen.

`hg-nina-fits-organizer.py` – das Hauptwerkzeug

Sortiert und benennt FITS-Dateien anhand ihrer Header um. Vereinheitlicht Objekt- und Teleskopnamen (M 31 wird zu M31-Andromedagalaxie), erkennt Frame-Typen, ordnet Begleitdateien und Vorschaubilder zu und räumt leere Quellordner auf.

# Erst nur anschauen, was passieren würde
python hg-nina-fits-organizer.py /pfad/zu/nina --dry-run

# Echtlauf
python hg-nina-fits-organizer.py /pfad/zu/nina

# Nur bestehende Zielordner auf das aktuelle Namensschema bringen
python hg-nina-fits-organizer.py /pfad/zu/nina --rename-only --dry-run

Mit --verbose werden auch unveränderte Dateien einzeln gelistet.

`hg-remove-duplicates.py` – Duplikate aufspüren

Findet inhaltlich identische FITS-Dateien (Dateiname egal, Vergleich per SHA-256) und verschiebt die überzähligen Kopien in den Ordner _DUPLICATES_REMOVED/<Zeitstempel>/. Gelöscht wird nichts.

python hg-remove-duplicates.py /pfad/zu/nina --dry-run
python hg-remove-duplicates.py /pfad/zu/nina

`hg-analyse-fits-files.py` – eine Datei untersuchen

Liest den Header einer einzelnen FITS-Datei und gibt Aufnahmedaten sowie Bildstatistiken aus. Die Datei wird nicht verändert.

python hg-analyse-fits-files.py /pfad/zu/bild_0001.fits

`hg-set-filter.py` – FILTER-Header setzen

Setzt den Header-Wert FILTER in allen FITS-Dateien eines Ordners (z. B. für Kameras ohne Filterrad). Erlaubt sind B, G, L, R, RGB, NONE, NOFILTER; Standard ist NOFILTER. Achtung: Die Dateien werden direkt überschrieben, es gibt kein Backup.

python hg-set-filter.py /pfad/zu/LIGHT
python hg-set-filter.py /pfad/zu/LIGHT RGB

3. HowTo für Einsteiger

Ziel: Das Script läuft auf einem normalen Rechner (Windows, macOS oder Linux). Alle Schritte werden nur einmal gebraucht.

Schritt 1: Programme installieren

Programm	Download
Python 3.10 oder neuer	https://www.python.org/downloads/ (unter Windows „Add python.exe to PATH“ anhaken)
Visual Studio Code	https://code.visualstudio.com/
GitHub Desktop	https://desktop.github.com/

In VS Code anschließend die Erweiterung Python (von Microsoft) installieren (Symbol „Extensions“ links in der Leiste).

Schritt 2: Projekt herunterladen

GitHub Desktop starten, mit dem GitHub-Konto anmelden.
File → Clone repository… → Tab URL, die Adresse des Repositories python-nina-fits-organizer einfügen und einen Zielordner wählen.
Open in Visual Studio Code klicken.

Schritt 3: Virtuelle Umgebung einrichten

In VS Code über Terminal → New Terminal ein Terminal öffnen und im Projektordner ausführen:

Windows (PowerShell):

.\make_venv.bat
.\astro_env_win\Scripts\Activate.ps1

macOS / Linux:

./make_venv.sh
source astro_env_mac/bin/activate   # Linux: astro_env_linux/bin/activate

Das Setup erstellt eine eigene Python-Umgebung (venv) und installiert die benötigten Pakete (astropy, numpy). Am Prompt erscheint danach der Name der Umgebung, z. B. (astro_env_mac).

Falls PowerShell das Aktivieren blockiert, einmalig ausführen: Set-ExecutionPolicy -Scope CurrentUser RemoteSigned.

Schritt 4: Script starten

Immer zuerst mit --dry-run testen:

python hg-nina-fits-organizer.py "D:\Bilder\NINA" --dry-run

Sieht die Ausgabe gut aus, ohne --dry-run wiederholen. Pfade mit Leerzeichen in Anführungszeichen setzen.

Später: Updates holen

In GitHub Desktop auf Fetch origin und dann Pull origin klicken. Das Terminal muss danach wieder mit der Umgebung aus Schritt 3 aktiviert werden (nur der Activate-Befehl, nicht das Setup).

Tipp: Vor dem ersten Echtlauf eine Sicherungskopie der Daten anlegen oder zunächst mit einem kleinen Testordner arbeiten.

Die Sternwarte Höfingen in der Presse