多曝光图像融合

非深度学习方法：

参考Galaxies99开发的基于对齐方法的HDR合成方法工具包AlignHDRToolkit。
（可以主要地）参考使用 OpenCV 进行高动态范围（HDR）成像

都是主要分为以下3个步骤：

1. 对齐方法

我们在中提供了以下对齐方法对齐.py，您可以自由选择要使用的方法。

1. MTB（AlignMTB（**kwargs））：MTB alignment method，是OpenCV的内置方法；**kwargs是cv2.createAlignMTB（）的参数。
   参考Median Thresold Bitmap (MTB)算法中文详解
   算出图像的均值，然后把大于均值的设置为1，小于的设为0，得到均值二值图；两张曝光不同的图像的均值二值图，做异或运算（相同为1，不同为0），就可以得到差异图/偏移量图。。。（然后呢？如何根据偏移量做对齐？）
2. MTB金字塔（AlignMTBPyramid（grey_-approx，threshold_-range，ref_-id））：G Ward发表的MTB金字塔对齐方法[1]；grey_-approx是灰色近似方法，threshold_-range是中值阈值范围，ref_-id是参考图像id。
3. 基于特征的ORB（AlignFeatureORB（min_matches，match_percent，**kwargs））（默认）：由E Rublee[2]发布的基于特征的ORB对齐方法；min_matches是最小匹配对，match_percent是所选匹配对的百分比，**kwargs