倾斜二维码投影识别

例程相对路径（自行替换）：
examples\hdevelop\Identification\Data-Code\2d_data_codes_rectify_symbol.hdev

识别效果：


核心代码：

1. XCoordCorners := [130, 225, 290, 63]
   
2. YCoordCorners := [101, 96, 289, 269]
   
3. gen_cross_contour_xld (Crosses, XCoordCorners, YCoordCorners, 6, 0.785398)
   
4. hom_vector_to_proj_hom_mat2d (XCoordCorners, YCoordCorners, [1, 1, 1, 1], [70, 270, 270, 70], [100, 100, 300, 300], [1, 1, 1, 1], 'normalized_dlt', HomMat2D)
   
5. projective_trans_image (Image_slanted, Image_rectified, HomMat2D, 'bilinear', 'false', 'false')

复制代码

代码解释：
hom_vector_to_proj_hom_mat2d
使用上面给定的点组计算齐次变换矩阵，至少四组点（最佳）满足的关系方程，如果给的点组不满足四组，则不存在唯一解。


如果正好提供了四对，则矩阵HomMat2D以完全期望的方式对它们进行变换，如果给定的点对多于四对，则hom_vector_to_proj_hom_mat2d寻求最小化变换误差。
为了实现这种最小化，有两种不同的算法可用，可以使用参数方法选择要使用的算法。
Method='normalized_dlt '：对于传统的几何问题，通常会产生更好的结果。
Method='dlt '：如果坐标Qw或Pw之一等于0，则必须选择该方法。

与vector_to_proj_hom_mat2d相反，hom_vector_to_proj_hom_mat2d对点使用齐次坐标，因此无穷远处的点(Pw = 0或Qw = 0)可用于确定变换。如果使用有限点，通常Pw和Qw设置为1，在这种情况下，也可以使用vector_to_proj_hom_mat2d，见下图：

vector_to_proj_hom_mat2d的优点在于，可以使用一种额外的优化方法，并且可以考虑点的协方差。
如果点之间的对应关系尚未确定，则应使用proj_match_points_ransac来确定对应关系以及变换。

如果要转换的点是在标准图像坐标中指定的，则必须在Px中传递它们的行坐标，在Py中传递它们的列坐标。
这对于获得图像的右手坐标系是必要的。
特别是，这确保了旋转在正确的方向上进行。注意，矩阵的(x，y)顺序很自然地对应于图像中坐标的通常(row，column)顺序。

参数表：

1. Px (输入控制类型，实数、整数及数组) ：输入X坐标值
   
2. Py (输入控制类型，实数、整数及数组) ：输入Y坐标值
   
3. Pw (输入控制类型，实数、整数及数组) ：输入W坐标值
   
4. Qx (输入控制类型，实数、整数及数组) ：输入Qx坐标值
   
5. Qy (输入控制类型，实数、整数及数组) ：输入Qy坐标值
   
6. Qw (输入控制类型，实数、整数及数组) ：输入Qw坐标值
   
7. Method (输入控制类型，字符串) ：估计算法， 'dlt'、 'normalized_dlt'（默认）
   
8. HomMat2D  (输出控制类型，hom_mat2d实数) ：齐次射影变换矩阵

复制代码

学习了

这个不错啊，学习

谢谢学习了

学习一下

学习了

学习一下哈

学习以下。。。。

学习了，仿射变换           。

学习了