Image processing 如何获得缩放、旋转和缩放；特征跟踪后的翻译？

我已经实现了一个Kanade–Lucas–Tomasi特性跟踪器。我在两张照片上使用了它，它们显示了相同的场景，但相机在拍照之间移动了一点

结果我得到了特征的坐标。例如：

1. Picture:
| feature | (x,y)=val       |
|---------|-----------------|
| 1       | (436,349)=33971 |
| 2       | (440,365)=29648 |
| 3       | ( 36,290)=29562 |

2nd Picture:
| feature | (x,y)=val    |
|---------|--------------|
| 1 | (443.3,356.0)=0    |
| 2 | (447.6,373.0)=0    |
| 3 | ( -1.0, -1.0)=-4   |

所以我知道特征1和2在两幅图像中的位置，并且在第二幅图像中找不到特征3。要素1和要素2的坐标不一样，因为相机放大了一点并且也移动了

---

哪种算法适用于获取两幅图像之间的比例、旋转和平移？是否有一个稳健的算法，也考虑了异常值？

如果你不知道图像之间发生了什么移动，那么你需要计算它们之间的单应性。然而，单应性需要计算4个点

如果两幅图像中有4个点相对位于一个平面上（同一平面，例如窗口），则可以按照中的步骤计算将在图像之间变换的单应矩阵

请注意，虽然旋转和平移可能发生在两个图像之间，但它们也可能是从不同角度拍摄的。如果发生这种情况，那么单应是您唯一的选择。相反，如果图像确实只是旋转和平移（例如2个卫星图像），则您可能会找到其他方法，但单应性也会有所帮助

根据相机是校准的还是未校准的，跟踪特征以分别计算基本矩阵或基本矩阵

将矩阵分解为R，T。使用多视图几何手册获取公式的任何帮助

---

警告：这些步骤仅在特征来自不同深度平面且覆盖广阔视野时有效。如果所有特征都位于一个平面上，则应估计单应性并尝试将其分解

这个问题太宽泛了。建议你阅读一些关于“运动结构”的参考资料，并重新聚焦。