4、校准数学基础：线性变换、最小二乘法、仿射变换矩阵

做触摸校准，说白了就是解决一个问题：你点的是 A 点，系统却以为你点的是 B 点。怎么把 B 点映射回 A 点？这就得靠数学了。

我刚开始做触控驱动时，总觉得数学是理论派的事。直到有一次量产前发现一批屏的触摸偏差大到离谱，才老老实实把线性代数翻出来重新啃了一遍。嗯，今天这节内容，就是当年那批血的教训换来的。

4.1 线性变换：校准的起点

先问一个问题：为什么是线性变换？

你想想看，触摸屏和显示屏之间，无非就是平移、旋转、缩放、剪切这几种关系。这些操作，恰好都是线性变换能描述的。说白了，线性变换就是一条直线搞定的事——输入和输出之间是比例关系。

数学上，一个二维线性变换可以写成：

x' = a * x + b * y + c
y' = d * x + e * y + f

这里 (x, y) 是触摸屏上报的原始坐标，(x', y') 是校准后的物理坐标。a, b, c, d, e, f 就是我们要找的六个参数。

我个人习惯把这个公式叫做「六参数模型」。为什么是六个？因为二维仿射变换的自由度就是 6——两个方向各有一个缩放、一个旋转、一个平移，加起来正好六个。

参数	物理含义	典型范围
a, e	X/Y 方向缩放因子	0.8 ~ 1.2
b, d	旋转/剪切因子	-0.1 ~ 0.1
c, f	X/Y 方向平移量	-50 ~ 50 (像素)

4.2 最小二乘法：从数据中找规律

好，公式有了，参数怎么求？

你不可能拿着尺子去量每个像素的偏差。实际做法是：让用户点几个已知坐标的点，然后根据这些「采样点」反推参数。

但问题来了——用户点的时候手会抖，触摸屏本身也有噪声。你采集到的数据，不可能完美落在一条直线上。这时候就需要最小二乘法出马了。

最小二乘法的思路很简单：让误差的平方和最小。什么叫误差？就是「你实际点的位置」和「模型算出来的位置」之间的差距。

数学上，我们定义误差函数：

E = Σ [ (x'_i - (a*x_i + b*y_i + c))² + (y'_i - (d*x_i + e*y_i + f))² ]

然后对 a, b, c, d, e, f 分别求偏导，令偏导等于 0，解这个方程组就行了。

我记得第一次手动推导这个方程组时，算了整整两页草稿纸。后来发现，其实可以用矩阵形式一步到位：

令：
  X = [x1, y1, 1; x2, y2, 1; ...; xn, yn, 1]  (n×3 矩阵)
  Y = [x'_1, y'_1; x'_2, y'_2; ...; x'_n, y'_n]  (n×2 矩阵)
  P = [a, d; b, e; c, f]  (3×2 矩阵)

则最小二乘解为：
  P = (X^T * X)^(-1) * X^T * Y

4.3 仿射变换矩阵：把一切串起来

有了最小二乘法，我们就能求出六个参数。但这六个参数怎么组织，才能方便后续计算？

答案是：仿射变换矩阵。

把前面的公式写成矩阵形式：

[x']   [a  b  c]   [x]
[y'] = [d  e  f] * [y]
[1 ]   [0  0  1]   [1]

这个 3×3 的矩阵，就是仿射变换矩阵。它把平移、旋转、缩放、剪切全部打包在一起。你想想看，有了这个矩阵，任何原始坐标 (x, y) 都能通过一次矩阵乘法得到校准后的坐标 (x', y')，多干净利落。

我个人习惯把这个矩阵叫做「校准矩阵」。在代码里，我通常用一个长度为 6 的数组来存：

// 校准矩阵参数：a, b, c, d, e, f
float calib[6];

// 校准函数
void touch_calibrate(int raw_x, int raw_y, int *cal_x, int *cal_y) {
    *cal_x = (int)(calib[0] * raw_x + calib[1] * raw_y + calib[2] + 0.5f);
    *cal_y = (int)(calib[3] * raw_x + calib[4] * raw_y + calib[5] + 0.5f);
}

4.4 知识体系总览

说了这么多，我把整个校准的数学逻辑画成了一张图，方便你理解：

4.5 实战中的注意事项

理论讲完了，说几个我在项目中踩过的坑：

• 采样点数量：最少 3 个点才能解六参数模型。但我建议用 5 个点以上，因为采样点越多，最小二乘法对噪声的抑制效果越好。
• 采样点分布：别把点都挤在一个角落。尽量覆盖屏幕的四个角和中心，这样校准矩阵对全屏都有较好的效果。
• 矩阵求逆的稳定性：如果采样点几乎共线，矩阵 X^T * X 会接近奇异，求逆结果会爆炸。我遇到过这种情况，后来加了条件数检查，条件数超过阈值就提示用户重新采样。
• 浮点 vs 定点：在嵌入式平台上，能用定点就别用浮点。我一般把参数放大 2^16 倍存成整数，计算时用移位操作还原，速度和精度都能兼顾。