背景：
假设有两个不同视角的相同场景的拍摄。对它们应用一个注册算法将会产生一个表示它们之间关系的单应矩阵（Homography Matrix）。通过使用这个单应矩阵对其中一个图像进行变形，理论上会产生两个完全相同的图像（如果忽略非共享区域）。
由于没有完美的情况存在，这两个图像可能并非绝对相同，我们可能会在它们之间发现一些差异，并且这些差异可以在它们相减时明显地展现出来。
示例：
此外，光照条件可能会导致在相减时出现巨大的差异。
问题：
我正在寻找一种可以评估注册过程准确性的度量标准。这个标准应该是：
归一化的： 0 -> 1 的测量值，不涉及图像类型（自然场景、文本、人类...）。例如，如果两个完全不同的注册过程在完全不同的相片对上具有相同的置信度，比如说0.5，这意味着发生了相同的良好（或不良）的配准。即使其中一个对于非常详细的照片，而另一个只是一个带有黑色"Hello"字样的白色背景。
区分失配精度和不同的光照条件：虽然有许多方法来消除这些差异并使两个图像看起来近似相同，但我正在寻找不计算它们而不是修复它们的度量标准（性能问题）。
首先想到的是将两个图像的绝对差异求和。然而，这将产生一个代表误差的数字。当您想将其与另一个注册过程进行比较时，此数字没有意义，因为另一个具有更好的配准但更多细节的图像可能会产生比较大的误差而不是比较小的误差。
很抱歉发了一篇这么长的帖子。我很乐意提供任何进一步的信息并协助找到解决方案。
注：使用OpenCV是可以接受和优先的。