Algorithm 在平均之前对图像（数据？）堆栈进行线性规格化？

我正在编写一个应用程序，对一系列曝光进行平均/组合/叠加。这通常用于减少合成图像中的噪声

然而，为了优化平均/叠加，通常首先对曝光进行归一化。似乎这个过程为每个曝光分配权重，然后进行组合。我猜这个过程会计算每个图像的整体强度，因为其目的是匹配堆栈中所有图像的强度

我的问题是，我如何合并一个算法，使我能够规范化一系列图像？我想这个问题可以通过问“我如何规范一系列的阅读？”

我脑海中的轮廓如下：

• 计算参考图像的平均值
• 将每个帧的平均值除以参考帧的平均值
• 每个分区的结果是每个帧的权重
• 缩放/乘以一帧中的每个像素与该特定帧的权重

---

这对任何人来说都有意义吗？在过去的一个小时里，我一直在用谷歌搜索，但什么也没找到。还查看了亚马逊上各种图像处理书籍的索引，但也没有发现任何结果。

每个集成都由信号和各种噪声组成-一些是时间独立的（例如偏置或CCD读出噪声），一些是时间依赖的（例如暗电流），还有一些是随机的（散粒噪声）。这样做的目的是去除噪声，保留信号。所以你首先用暗帧（包括暗电流、读出和偏置）减去“固定”源，留下信号和散粒噪声。信号按通量乘以曝光时间进行缩放，散粒噪声按信号的平方根进行缩放

因此，总的来说，信号/噪声按积分时间的平方根进行缩放（假设积分足够短，不会饱和）。因此，通过添加帧，您只需增加曝光时间，从而提高信噪比。你不需要先正常化

---

更复杂的是，还存在瞬态非高斯噪声（例如宇宙线撞击）。处理这些问题的技术有很多，但常见的是“西格玛剪裁”，在这里，您需要额外的过程来计算每个像素的平均值和标准偏差，然后拒绝与平均值存在许多标准偏差的异常值。真实信号将在平均值附近显示高斯波动，而瞬态将在堆栈的一帧中显示大偏差。也许你就是这么想的

是的，我确实在想Sigma Clip。我现在使用的是基于最小二乘法的归一化方法。I计算参考帧和待处理帧的像素之间的最佳匹配。这为我提供了每个像素的偏移和比例因子。我加上偏移量，然后乘以比例因子。最终得到的图像在背景水平和整体亮度上与参考帧匹配。到目前为止，它运作得相当好。