バックグラウンド：
2 つの異なる視点から同じシーンの 2 つのショットがあると仮定します。それらに登録アルゴリズムを適用すると、それらの間の関係を表すホモグラフィ行列が得られます。このホモグラフィ マトリックスを使用してそれらの 1 つをワープすると、(理論的には) 2 つの同一の画像が得られます (非共有領域が無視される場合)。
完全なものは存在しないため、2 つの画像は完全に同一ではない可能性があります。それらの間にいくつかの違いが見られる場合があります。この違いは、それらを差し引いて明らかに示すことができます。
例：
さらに、照明条件によっては、差し引いたときに大きな差が生じる場合があります。
問題：
登録プロセスの精度を評価できる指標を探しています。このメトリックは次のようになります。
正規化:画像タイプ (自然シーン、テキスト、人物など) に関係のない 0->1 測定値。たとえば、まったく異なる写真のペアに対する 2 つのまったく異なるレジストレーション プロセスが同じ信頼度 (0.5 としましょう) を持っている場合、これは同じ良い (または悪い) レジストレーションが発生したことを意味します。これは、ペアの一方が非常に詳細な写真用であり、もう一方が黒で「こんにちは」と書かれた白い背景であっても適用する必要があります。
位置ずれの精度と照明条件の違いの区別: この違いをなくして 2 つの画像をほぼ同じに見せる方法はたくさんありますが、修正するのではなく、それらをカウントしない測定を探しています (パフォーマンスの問題)。
最初に頭に浮かんだことの 1 つは、2 つの画像の絶対的な違いを合計することです。ただし、これはエラーを表す数値になります。別の登録プロセスと比較する場合、この数値は意味がありません。登録がより適切であるが、より詳細な別の画像は、より小さい誤差ではなく、より大きな誤差をもたらす可能性があるためです。
長い投稿で申し訳ありません。さらなる情報を提供し、解決策を見つけるために協力できることをうれしく思います。
PS OpenCVの使用は許容され、望ましいです。