在圖像處理領域，正向扭曲（Forward Warping）和反向扭曲（Backward Warping）是兩種核心的圖像坐標映射與像素重采樣技術，核心區別在于“像素映射的方向”——是從“原始圖像”到“目標圖像”，還是從“目標圖像”到“原始圖像”。這種方向差異直接導致了兩者在操作邏輯、結果質量（如是否產生空洞）和適用場景上的顯著不同，以下結合具體場景（如視角變換、幀間插值）詳細對比：

一、核心定義：像素映射的“方向相反”

先明確一個基礎概念：圖像變換的本質是將原始圖像（Source Image）的像素，通過特定幾何規則（如相機運動、視角變化）映射到目標圖像（Target Image）的對應位置。兩種扭曲的核心差異就體現在“誰主動找誰”：

類型	核心邏輯（像素映射方向）	通俗理解
正向扭曲	從原始圖像的每個像素出發，計算它在目標圖像中“應該去的位置”，并將原始像素值“搬”過去。	“原始像素主動找目標位置”——比如原始圖像的像素A，算好它在目標圖的坐標后，把A的值放到目標圖對應點。
反向扭曲	從目標圖像的每個像素出發，計算它在原始圖像中“來自哪個位置”，再從原始圖像“取”像素值。	“目標像素主動找原始來源”——比如目標圖像的像素B，算好它在原始圖的坐標后，從原始圖對應點“抄”值過來。

二、關鍵區別：從操作到結果的全方位對比

為了更直觀，我們以“相機從視角1（原始圖像S）移動到視角2（目標圖像T），需要生成視角2對應的圖像”為例，對比兩者的差異：

1. 操作流程：“主動推” vs “主動拉”

• 正向扭曲（Forward Warping）流程：

  1. 遍歷原始圖像S的每一個像素（x,y）；
  2. 根據幾何變換規則（如相機的旋轉、平移、深度信息），計算該像素在目標圖像T中的對應坐標（x’, y’）；
  3. 將S(x,y)的像素值（如RGB）賦值給T(x’, y’)。

  👉 問題：原始圖像的像素可能扎堆映射到目標圖像的同一位置（導致像素重疊，部分信息丟失），也可能有目標圖像的位置“沒有原始像素過來”（導致空洞，即黑色/空白區域）。

• 反向扭曲（Backward Warping）流程：

  1. 遍歷目標圖像T的每一個像素（x’, y’）；
  2. 根據幾何變換的“逆規則”（反向計算相機運動），找到該像素在原始圖像S中的對應坐標（x,y）——這里（x,y）可能是小數（如234.5, 156.8）；
  3. 若（x,y）在原始圖像S的范圍內，用插值法（如雙線性插值）計算S(x,y)的像素值（因為沒有“小數坐標的像素”，需用周圍4個整數像素加權計算），再賦值給T(x’, y’)；若（x,y）在S外，可設為背景色（如白色）。

  👉 優勢：目標圖像的每一個像素都能“找到來源”，不會出現空洞；且通過插值能讓像素過渡更平滑，避免重疊問題。

2. 結果質量：空洞與平滑度的差異

這是兩者最直觀的區別，直接影響圖像變換后的可用性：

• 正向扭曲：

  • 必然產生空洞：因為原始圖像的像素是離散的，目標圖像的某些位置可能沒有任何原始像素映射過來（比如拉伸圖像時，原始像素“覆蓋不到”目標圖像的邊緣）；
  • 可能出現像素重疊：多個原始像素映射到目標圖像的同一位置，后賦值的像素會覆蓋先賦值的，導致信息丟失；
  • 結果示例：拉伸一張“正方形含圓形”的圖像，正向扭曲后圓形邊緣會出現鋸齒和空白空洞。

• 反向扭曲：

  • 無空洞：目標圖像的每個像素都主動找原始圖像的來源，即使（x,y）是小數，也能通過插值補全；
  • 平滑度高：插值法（如雙線性、雙三次）能讓像素值過渡自然，避免鋸齒；
  • 結果示例：同樣拉伸“正方形含圓形”的圖像，反向扭曲后圓形邊緣平滑，無空白區域。

3. 幾何變換依賴：“正規則” vs “逆規則”

兩種扭曲都需要“幾何變換規則”（描述原始圖像到目標圖像的空間關系），但依賴的規則方向相反：

• 正向扭曲：依賴“原始→目標”的正變換規則（如相機的位姿變換矩陣M）——直接用M計算S(x,y)→T(x’, y’)。
• 反向扭曲：依賴“目標→原始”的逆變換規則（如M的逆矩陣M?1）——用M?1計算T(x’, y’)→S(x,y)。

👉 注：在實際場景（如相機視角變換）中，“逆變換規則”往往更容易獲取（比如已知目標視角的相機參數，反向推原始視角的位置），這也是反向扭曲更常用的原因之一。