VisualApplets
基础与示例

图像在二维空间（坐标分别为 x 和 y）中的旋转和平移组合可以用以下公式表示：

这里 x' 和 y' 是目标图像中的坐标。旋转角度为 和 分别是 x 和 y 方向的平移参数。则平移和旋转的逆过程为：

因此，源图像中的坐标计算如下：

对于 VA 设计，由于目标到源的映射，我们需要进行逆变换以计算坐标。 Scaling 坐标可以通过与常数相乘来实现。 x 和 y 方向。

当物体的放大倍率随距光轴距离的变化而变化时，就会出现光学畸变。此时图像呈桶形或枕形。对于 VA 设计，我们使用根据 [ ] 的多项式假设。Par09扭曲的坐标 由未失真坐标计算得出 作为：

坐标系是相对于畸变光学中心而言的。参数 是径向畸变系数。某些开源程序（例如 OpenCV）允许使用标定图像来计算这些参数 [16a对于所有 包含校正参数的查找表 可以通过 Python 示例代码进行计算。您可以在 \examples\Processing\Geometry\GeometricTransformation\distortion_correction.py 路径下找到它。利用此表，可以通过将畸变坐标与未畸变坐标进行简单的相乘来计算出所有的畸变坐标。

当摄像机未垂直于被拍摄物体放置时，就会出现这种梯形畸变。变换矩阵 M 为 3x3，其元素为： 这种影响可以通过以下方式纠正：[16b] 创建 HDR 图像：

请注意，由于目标到源的映射关系，我们在此处执行反向校正。变量 和 分别是 Keystone 畸变坐标和 Keystone 校正坐标。 可以使用 OpenCV 函数进行计算 [16b].

请参阅相关章节对图像矩进行详细的理论描述。