假设您有一个单应性 H 关联两个不同图像 Ir 和 I 中描绘的平面。Ir 是参考图像，其中平面平行于图像平面（实际上占据了整个图像）。I 是运行时图像（在任意视点拍摄的平面照片）。让 H 是这样的：
p = Hp'，其中 p 是 Ir 中的一个点，p' 是 I 中的对应点。
假设您有两个点 p1=(x1,y) 和 p2=(x2,y)，x1 < x2，相对于图像 Ir。请注意，它们属于同一行（常见的 y）。令 H'=H^(-1)。使用 H'，您可以计算以下点中 I 中的对应点：(x1,y),(x1+1,y),...,(x2,y)。
问题是：有没有办法避免矩阵向量乘法来计算所有这些点？我想到的最简单的方法是使用单应性来计算 p1 和 p2 的对应点（称它们为 p1' 和 p2'）。为了得到其他的（即：(x1+1,y), (x1+2,y),...,(x2-1, y)），对图像 I 中的 p1' 和 p2' 进行线性插值。
但由于 Ir 和 I 之间存在射影变换，我认为这种方法非常不精确。
还有什么想法吗？这个问题与以下事实有关：我需要一种计算有效的方法来在实时软件中围绕 Ir 中的点 p 提取大量（小）补丁（大约 10x10 像素）。
谢谢你。
附言。也许我使用小补丁的事实会使使用线性插值成为一种合适的方法？