如何理解计算机视觉的仿射变换？

仿射变换先理解一下齐次坐标的表示方法。通常上，一向量A（x,y,z)是表示三维的图片，但是往往存在一个视觉误差理解。—两条平行的直线在无穷远处就会表现出相交的情况。那么为了避免这种情况。将3维的坐标使用4维的坐标表示。此刻A(x,y,z,w)。
4D->3D==A（x/w,y/w,z/w)=A(x,y,z,w)。

还有一种更为详细的解释齐次坐标系的理解：https://blog.csdn.net/u012999985/article/details/83024978
这里简述一下：

一个向量v以及基oabc，可以找到一组坐标(v1,v2,v3)，使得v = v1 a + v2 b + v3----（1）
而对于一个点p，则可以找到一组坐标（p1,p2,p3），使得 p – o = p1 a + p2 b + p3 c （2），—(点可以使用点到原点的表示向量)
我们现在把（1）（2）写成矩阵的形式：v = (v1 v2 v3 0) X (a b c o) --------------p = (p1 p2 p3 1) X (a b c o),

3D向量的第4个代数分量是0，而3D点的第4个代数分量是1。以此表示一个向量还是点