OpenCV：在处理 getOptimalNewCameraMatrix 和 stereoRectify 时如何使用自由缩放参数（alpha）？
OpenCV: How to use free scaling parameter (alpha) when dealing with getOptimalNewCameraMatrix and stereoRectify?
处理 getOptimalNewCameraMatrix 和 stereoRectify 时如何使用自由缩放参数（alpha）：应该使用相同的值吗？
据我了解，我想有几件事让我想到这个问题值得一提：
在 getOptimalNewCameraMatrix 中，OpenCV 文档说 "alpha Free scaling parameter between 0 (when all the pixels in the undistorted image are valid) and 1 (when all the source image pixels are retained in the undistorted image)" [我觉得 1 = 保留源像素 = 最小化损失]
在 stereoRectify 中，OpenCV 文档说 "alpha Free scaling parameter.... alpha=0 means that ... (no black areas after rectification). alpha=1 means that ... (no source image pixels are lost)
所以最后 alpha 似乎是一个可能以相同方式“起作用”的参数？ （1 = 没有源像素丢失 - 听起来像，这里不确定）
据我了解，在 calibrateCamera 之后，可能需要调用 getOptimalNewCameraMatrix（计算新矩阵作为输出），然后调用 stereoRectify（使用新的计算矩阵作为输入）：是否要使用相同的 alpha？
这两个 alpha 相同吗？还是想使用 2 个不同的 alpha？
alpha 相同。
值的选择完全取决于应用程序。问问自己：
应用程序是否需要查看所有输入像素才能完成其工作（因为，例如，它必须使用所有图像边缘附近的“额外”FOV，或者因为您知道应用程序感兴趣的场景主题可能靠近边缘，您甚至不能丢失它的像素）？
- 是：选择 alpha=1
- 否：选择一个保留“有趣”部分的 alpha 值
图像可预测地位于未失真图像内。
在后一种情况下（同样，取决于应用程序），您可能需要计算输入图像中未失真图像的边界。这只是一条多边形曲线，可以用多边形近似到您需要的任何精度级别，精确到像素。或者你可以使用口罩。
处理 getOptimalNewCameraMatrix 和 stereoRectify 时如何使用自由缩放参数（alpha）：应该使用相同的值吗？
据我了解，我想有几件事让我想到这个问题值得一提：
在
getOptimalNewCameraMatrix中，OpenCV 文档说"alpha Free scaling parameter between 0 (when all the pixels in the undistorted image are valid) and 1 (when all the source image pixels are retained in the undistorted image)"[我觉得 1 = 保留源像素 = 最小化损失]在
stereoRectify中，OpenCV 文档说"alpha Free scaling parameter.... alpha=0 means that ... (no black areas after rectification). alpha=1 means that ... (no source image pixels are lost)所以最后 alpha 似乎是一个可能以相同方式“起作用”的参数？ （1 = 没有源像素丢失 - 听起来像，这里不确定）
据我了解，在
calibrateCamera之后，可能需要调用getOptimalNewCameraMatrix（计算新矩阵作为输出），然后调用stereoRectify（使用新的计算矩阵作为输入）：是否要使用相同的 alpha？
这两个 alpha 相同吗？还是想使用 2 个不同的 alpha？
alpha 相同。
值的选择完全取决于应用程序。问问自己：
应用程序是否需要查看所有输入像素才能完成其工作（因为，例如，它必须使用所有图像边缘附近的“额外”FOV，或者因为您知道应用程序感兴趣的场景主题可能靠近边缘，您甚至不能丢失它的像素）？
- 是：选择 alpha=1
- 否：选择一个保留“有趣”部分的 alpha 值 图像可预测地位于未失真图像内。
在后一种情况下（同样，取决于应用程序），您可能需要计算输入图像中未失真图像的边界。这只是一条多边形曲线，可以用多边形近似到您需要的任何精度级别，精确到像素。或者你可以使用口罩。