我通过阅读研究论文并尝试复制他们的测试和结果来学习 OpenCV 应用程序。我可能在人迹罕至的地方跳得太深了，现在我很好奇进行这项调查的正确方法。
目标：1）注册这两个图像。2）堆叠曝光（这个系列实际上有20多个）。3）学习。
下面附上一张用手机拍摄的示例图像，在低光下，在连拍模式下。如果要进行水平拉伸，则会看到很少有硬边（一些纸张），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 实现运行了这个，正如预期的那样，结果匹配不佳。
我还没有偶然发现用于增加边缘检测的正确技术。如前所述，不存在硬边。但是我想我以前读过可以使用 max 函数对图像进行下采样并获得更好的“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，也找不到类似活动的任何描述。在这里的帮助将不胜感激。
此外，如果有任何撰写的论文讨论这种技术，我可以指出我会很感激。我对天文摄影和星星堆叠非常熟悉，并期待在不同类型的图像集上尝试下毛毛雨。
下采样图像技术我试图更好地指示边缘：高斯差异、拉普拉斯、定向边缘检测等。
我很感激你花时间帮助我学习如何扩大我的努力。
谢谢你。
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的一组测试中。它使它们“更漂亮”，但老实说，算法并不关心它们是在“人类视觉空间”还是“线性数字计数”中。我可以将其发布为漂亮的图像，但是如果没有这些锐利的边缘，大多数过滤器都会失败并且匹配不会成功——这是我的问题的症结所在。
