齐次坐标和单应性矩阵

齐次坐标主要是应用在矩阵转换中，我们通常运算的坐标系是“笛卡尔坐标系”，我们已经习惯了笛卡尔坐标系的表述方式，一个点都有唯一对应的数据值来表示，比如原点我们就记做(0,0)点。而笛卡尔坐标系和齐次坐标系的根本区别在于“齐次性”。

  所谓齐次坐标就是将一个原本是n维的向量用一个n+1维向量来表示。 显然一个向量的齐次表示是不唯一的，齐次坐标的h取不同的值都表示的是同一个点，比如齐次坐标[10,4,2]、[5,2,1]表示的都是二维点[5,2]。

  那么引进齐次坐标有什么必要，它有什么优点呢？

  由于[10,4,2]、[5,2,1]表示的都是[5,2]一个点，如果有一个公式需要将[5,2]点参与的运算3维运算，而我们的点只有2维的表示，那么我们在值不变的情况下增加一个齐次坐标，使之变成3维，而能够参加运算并不影响最终结果，这就是齐次坐标的价值。

  许多图形应用涉及到几何变换，主要包括平移、旋转、缩放。以矩阵表达式来计算这些变换时，平移是矩阵相加，旋转和缩放则是矩阵相乘，综合起来可以表示为p' = p *m1+ m2(m1旋转缩放矩阵， m2为平移矩阵， p为原向量 ，p'为变换后的向量)。引入齐次坐标的目的主要是合并矩阵运算中的乘法和加法，表示为p' = p*M的形式。即它提供了用矩阵运算把二维、三维甚至高维空间中的一个点集从一个坐标系变换到另一个坐标系的有效方法。

 （个人的理解： 旋转缩放矩阵2*2， 平移矩阵2*1， 两者合并之后为2*3，为计算方便，需要扩展为3*3, 因此二维的坐标点也就变成了三维的齐次坐标）

来源：： https://blog.csdn.net/business122/article/details/51916858?utm_source=blogxgwz1

 

引入了齐次坐标，对于单应性矩阵的理解就会较为容易，将旋转矩阵R 和 平移矩阵T 进行合并，即可得到平面二维坐标变换的单应性矩阵：

矩阵的一个重要作用是将空间中的点变换到另一个空间中。这个作用在国内的《线性代数》教学中基本没有介绍。要能形像地理解这一作用，比较直观的方法就是图像变换，图像变换的方法很多，单应性变换是其中一种方法，单应性变换会涉及到单应性矩阵。单应性变换的目标是通过给定的几个点（通常是4对点）来得到单应性矩阵。

https://www.cnblogs.com/ml-cv/p/5871052.html