我一直在使用一些图像处理技术来制作HDR图片和类似图片。我发现很难对齐连拍图像...我尝试了一些简单的运动搜索算法，只是基于比较不同图片之间像素的小样本（如16x16），它们的工作原理非常相似： -在第一张图片中选择一个16x6块，一个高对比度，然后对其进行模糊处理以减少噪点 -在相邻半径中进行比较（也针对噪声进行模糊处理）...（通常使用均方差） -选择最相似的一个。
我尝试了一些改进措施，例如使用这些搜索算法（https://en.wikipedia.org/wiki/Block-matching_algorithm）加快了速度。但是结果不好，当结果不可靠时。此外，它们在计算方面也非常繁琐（例如，这排除了在移动设备上的使用）。
我研究了基于流行的基于研究的算法，例如https://en.wikipedia.org/wiki/Lucas%E2%80%93Kanade_method，但它似乎不太适合大动作。如果我们看到用当今的手机拍摄的连拍图像，其传感器> 12Mpix，则小的移动很容易导致50-100像素的差异。 Lucas Kanade方法似乎更适合少量运动...
这有点令人沮丧，因为似乎有成百上千个执行HDR的应用程序，而且它们似乎能够快速，轻松，可靠地匹配图片...我试图研究OpenCV，但所有这些报价似乎是上述Lucas Kanade方法。我也看到过像https://github.com/almalence/OpenCamera这样的项目，它们可以在纯Java中轻松实现。尽管代码并不容易（一个类可以完成5k行）。没有人有任何指向可靠资源的指针。
答案 0 :(得分：0)
看看Google的HDR+ paper。它使用分层算法进行对齐，该算法非常快速，但不够鲁棒。之后，它使用对对齐失败具有鲁棒性的合并算法。
但是将其用于普通HDR可能有点棘手，因为它说：
我们捕获了恒定曝光的帧，这使对准更加牢固。
Here是另一项需要亚像素精确对准的工作。它使用HDR +论文中引入的对齐方式的改进版本。