要计算不同图像的每个像素的平均亮度的一致性，可以采用以下步骤：

1. 加载图像：首先，需要加载所有要比较的图像。可以使用图像处理库（如OpenCV）来加载图像。以下是使用OpenCV加载图像的示例代码：

import cv2

image1 = cv2.imread('image1.jpg')
image2 = cv2.imread('image2.jpg')

2. 转换为灰度图像：为了计算亮度，需要将彩色图像转换为灰度图像。可以使用图像处理库来完成这个步骤。以下是使用OpenCV将图像转换为灰度图像的示例代码：

gray_image1 = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)
gray_image2 = cv2.cvtColor(image2, cv2.COLOR_BGR2GRAY)

3. 计算亮度：计算每个像素的亮度值。可以遍历图像的每个像素，并计算其亮度值的平均值。以下是计算亮度的示例代码：

import numpy as np

average_brightness1 = np.mean(gray_image1)
average_brightness2 = np.mean(gray_image2)

4. 计算不一致性：比较每个图像的平均亮度，并计算其差异。可以使用任何差异度量方法，如均方差（Mean Squared Error）或结构相似性指数（Structural Similarity Index，SSIM）。以下是使用均方差计算不一致性的示例代码：

mse = np.mean((gray_image1 - gray_image2) ** 2)
inconsistency = mse / (average_brightness1 * average_brightness2)

这样，可以得到不同图像的每个像素的平均亮度计算的不一致性。根据具体需求，可以选择不同的方法和指标来计算不一致性。