Python 改进了模糊和弱光图像的配准

我通过阅读研究论文并尝试复制它们的测试和结果来学习OpenCV应用程序。我可能有点太离经叛道了，现在很好奇如何进行这项调查

目标：1）注册这两个图像。2） 叠加曝光（在这个系列中实际上有20多张）。3） 学习

下面是一张用手机在微光下以突发模式拍摄的图片。如果要水平拉伸，可以看到几乎没有硬边（一些板材），但有足够的细节，可以手动将图像的各个部分相互对齐。我通过ORB和SIFT的默认OpenCV实现运行了这一过程，正如预期的那样，返回时匹配不好

我还没有找到正确的技术来提高边缘检测。如上所述，不存在硬边。然而，我认为我以前读过这样一篇文章：可以使用max函数对图像进行降采样，从而获得更好的“边缘”检测。该边缘应该能够为更高分辨率的图像提供配准单应性。但我既找不到这样做的资源，也找不到任何类似活动的描述。在此帮忙将不胜感激

此外，如果有任何作者的论文讨论这项技术，我可以指出，我将不胜感激。我非常熟悉天体摄影和恒星叠加，并期待着尝试在不同类型的图像集上使用“毛毛雨”

下采样的图像技术，我试图更好地表明边缘：高斯，拉普拉斯，方向边缘检测的差异，以及其他一些

我很感激你花了这么多时间来帮助我学习如何扩大我在这方面的努力

多谢各位

编辑：修改图像的对比度、亮度或色调响应对图像内容的相关性没有影响。至少在我能够运行的有限测试集中。这让它们“更漂亮”，但老实说，这些算法并不在乎它们是在“人类视觉空间”还是在“线性数字计数”中。我可以把它贴成一张漂亮的图片，但是，如果没有这些锐利的边缘，大多数过滤器都会失败，匹配也不会成功——这就是我这里的问题的症结所在

---

显示您的代码和生成的边缘图像。你试过精明的边缘检测吗？请阅读本论坛的“帮助”部分，了解如何提出好的问题，并提供最少的可验证和可复制的代码集。我已经尝试过Canny-没有边可以找到（前200行除外）。这是（我认为）第一个基本问题。我最初认为，通过拉普拉斯金字塔或高斯金字塔的下采样，我可以创建足够多的可以检测的边缘。对于代码，我不相信我能提供的任何东西都能增加价值——我现在更坚持理论。所有代码都是OpenCV文档和其他StackExchange PostSy中的“默认示例”，您可以使用非线性对比度调整（如gamma调整）来增强这两幅图像。我建议你试试相位相关法。看，看一看。还要看看我应该先处理修改过的调整过的图像吗？由于它们不在线性空间（即照片），我认为调整色调不是一个好的第一步。但是我没有测试调整音调是否会影响匹配。我应该——你是第二个提出这个建议的人。我知道图像是暗的，这是尝试使用它的一个很好的理由。我将尝试制作一个新的具有更好曝光率的数据集，并人为地降低曝光率。显示您的代码和生成的边缘图像。你试过精明的边缘检测吗？请阅读本论坛的“帮助”部分，了解如何提出好的问题，并提供最少的可验证和可复制的代码集。我已经尝试过Canny-没有边可以找到（前200行除外）。这是（我认为）第一个基本问题。我最初认为，通过拉普拉斯金字塔或高斯金字塔的下采样，我可以创建足够多的可以检测的边缘。对于代码，我不相信我能提供的任何东西都能增加价值——我现在更坚持理论。所有代码都是OpenCV文档和其他StackExchange PostSy中的“默认示例”，您可以使用非线性对比度调整（如gamma调整）来增强这两幅图像。我建议你试试相位相关法。看，看一看。还要看看我应该先处理修改过的调整过的图像吗？由于它们不在线性空间（即照片），我认为调整色调不是一个好的第一步。但是我没有测试调整音调是否会影响匹配。我应该——你是第二个提出这个建议的人。我知道图像是暗的，这是尝试使用它的一个很好的理由。我将尝试制作一个新的数据集，使其具有更好的曝光率，并人为地降低曝光率。