VisualApplets
教程与示例

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 这些是畸变系数。一些开源程序，例如 OpenCV，可以使用校准图像来计算这些参数。16a对于所有 包含校正参数的查找表 可以用 Matlab 程序计算。您可以在 \examples\Processing\Geometry\GeometricTransformation\LUTDistortionCorrection.m 中找到它。利用这张表，只需将畸变后的坐标与未畸变后的坐标相乘，即可计算出所有畸变后的坐标。

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。