VisualApplets
基礎與範例

在以 x 和 y 為座標的二維空間中，圖像旋轉與平移的組合可表示為：

此處 x' 和 y' 為目標影像中的座標。旋轉角度為 進行明確的生命週期管理即呼叫 分別是 x 方向和 y 方向的平移參數。 因此，其逆平移與旋轉為：

因此，原始影像中的座標計算方式如下：

對於 VA 設計，由於存在目標至源頭的映射關係，我們需要逆變換來進行座標計算。 座標的Scaling 可透過與常數相乘來實現 針對 x 方向和 y 方向。

當物體的放大倍率隨其與光軸的距離而變化時，便會產生光學畸變。此時，成像會呈現 桶狀或針墊狀。對於 VA 設計， 我們根據 [Par09]. 扭曲的座標 是根據未失真的座標計算得出的 如：

這些座標是以畸變的光學中心為基準的。這些參數 是徑向畸變係數。某些開源程式（例如 OpenCV）允許透過校準影像來計算這些 參數 [Ope16a]. 對於所有 一個包含校正參數的查表 可透過一個 Python 範例程式碼進行計算。您可以在 \examples\Processing\Geometry\GeometricTransformation\distortion_correction.py 中找到該程式碼。利用此表格，所有變形的座標 皆可透過與未變形的座標進行簡單的乘法運算來計算。

當攝影機未與拍攝對象呈垂直狀態時，便會出現這種梯形變形。 假設有一個 3×3 變換矩陣 M，其元素為 此效應可透過以下方式加以修正： [Ope16b]:

請注意，由於目標至來源的映射關係，我們在此進行逆校正。這些變數 進行明確的生命週期管理即呼叫 分別是經畸變變形的 Keystone 座標與 經畸變校正後的 Keystone 座標。 可透過 OpenCV 函式 [Ope16b]。

有關影像矩的詳細理論說明，請參閱 該節。