[计算机视觉：算法与应用]学习笔记一：图像形成

1. 2D点可以利用一对值（x,y）来表示，也可以利用齐次坐标来表示，那么什么是齐次坐标？用齐次坐标表示有什么优势？

参考：参考百度百科【齐次坐标】

# 二维点(x,y)的齐次坐标表示为(hx,hy,h)。由此可以看出，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(8,4,2)、(4,2,1)表示的都是二维点(4,2)。

# 齐次坐标正常化处理(点的齐次表达式转换为二维笛卡尔坐标)：

[X,Y,H]->[X/H,Y/H,1]=[x,y,1].

几何上的解释可以看成：发生在三维空间的变换限制在H=1的平面内。

# 引进齐次坐标，有什么必要呢？？？

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；缩放和旋转是矩阵相乘。综合起来，对于一个刚体，几何变换可以形容为Rigid_after=Matrix1*Rigid_before+Matrix2.其中，Matrix1是旋转和缩放矩阵；Matrix2是平移矩阵。

引入齐次坐标的主要目的就是，合并矩阵运算中的乘法和加法。

2. 2D图像仿射变换（Affine）及自由度？

二维仿射变换是一种二维坐标到二维坐标的线性变换，保持了二维图像的“平直性”（straightness：即变换之后，直线还是直线，圆弧还是圆弧）和“平行性”（parallelness:图像间的位置保持不变，平行关系不改变，线上点的顺序不改变）。向量之间的夹角会发生改变。

仿射变换可以通过一系列的子变换的复合形式构成。

#2D 平移变换（2个自由度）

#2D 旋转变换（3个自由度）

#2D 缩放

#2D 剪切