我有一台定制的相机，它包含3个单独的镜头+按三角形排列的滤镜，所以在每次拍摄中我都会得到3个单波段灰度图像（r，g，b）。我想把它们合并成RGB。
问题是，由于3个透镜在物理上是分开的，因此它们捕获的图像没有对齐。因此，当我在软件包QGIS中使用命令qdal_merge时，结果看起来很奇怪。我可能还需要调整r，g，b的重量。我把原始的r、g、b图像和我使用qgis生成的输出放在这个dropbox文件夹中。
是否有现有的开源工具来进行对齐和合并？如果没有，我如何使用opencv？
使用简单的像素强度距离度量（如距离平方和（SSD））组合R、G、B图像是可能的。一个更好的度量是归一化互相关（NCC）（参见维基百科），它首先将图像矩阵归一化为单位向量，并计算这些单位向量的点积（来自2个输入图像）。NCC值越高，两个输入图像的相似性就越大。但是，NCC相似性可能不足以计算两个高分辨率图像的最佳对齐，例如您提供的TIFF图像。因此，应该使用如下所述的下采样方法以较小的尺寸对齐两个输入图像，然后在重新缩放图像时简单地计算偏移。
因此，对于输入图像red、green和blue，有两种方法可以将它们对齐为单个RGB图像：
- 将
blue图像作为参考图像，例如，w.r.t.，我们将其对准red和green图像。现在考虑red和blue图像。在特定窗口内，使用NCC相似性度量计算red和blue图像的最佳对准偏移，并找到shifted_red图像。对green和blue图像执行相同操作。现在将shifted_red、shifted_green和blue图像组合以获得最终的RGB图像 - 对于高分辨率图像，请确定
scale_count。递归地，在每一步都将图像大小调整一半，计算red图像相对于blue图像的偏移量，重新缩放偏移量并应用它。进行这种递归多尺度对齐的好处是减少了计算时间，提高了对齐精度（你不知道搜索解（1）的对齐偏移量的最佳窗口大小，因此这将更好地工作）。重复此方法计算green和blue通道的对准，然后如（1）所示组合最终结果
由于这个问题在计算摄影课程的作业中很常见，我不打算分享任何代码。然而，我已经实现了这两种方法，并对您提供的图像进行了实验。我不知道哪个输入图像是红色的，所以我有两个结果（重新缩放以减小文件大小）：
如果IMG_0290_1.tif为红色，IMG_0290_2.tif为绿色，IMG_0290_3.tif为蓝色：
如果red:1、green:2、blue:3 ，则RGB结果
如果IMG_0290_3.tif是红色，IMG_0290_2.tif是绿色，IMG_0290_1.tif是蓝色（这对我来说更正确）：
如果red:3、green:2、blue:1