结合几种图像算法
我正在寻找可以根据质量因素组合图像的算法。 例如，您可以拍摄同一场景的50至100张照片，但某些图像中某些区域的质量很差，因为它们是人为因素或其他因素。
现在对于每一个像素，我选择了一个质量因子在黑暗中的最佳质量因子，但我们肯定有很多可能的组合，并且很多质量都是基于像素/色块/基于图像的。
我试图研究这个主题，但我没有找到如何正确描述它，你知道一些算法或至少是这个“问题”的名字吗？
更新 ：注意某些所需的像素或像素区域仅出现在少数情况下，例如100个图像中的10个。 它导致我们不能使用简单的平均或类似的方法。
其中一个解决方案是平均图像。
如果你有每个样本的质量因子比你可以做加权平均。
您可以使用以下算法来提高平均值： -
将图像分成4 * 4或8 * 8的块
计算所有这些块中的自相关
较高的自相关意味着较小的噪音，因此，您可以为自相关分析提供较高的质量因子，否则就会降低质量因子。
使用定义的质量因子对块进行加权平均平均
上一篇: Combine several images algorithms
下一篇: processing before digit recognition with KNN classifier