Image Warping
这次的这个小任务花了很长时间，现在回头看看，之前之所以没能在规定的时间内完成，主要原因是我花了很多时间去看了论文之外的相关资料，以下是这次assignment遇到的几个问题：
1、Forward Mapping ? Reverse Mapping ?
一开始读文章的时候，我对warping还不是太了解。两篇论文都是在讲述如何将坐标算出来，看完论文，我觉得好像是在说Forward Mapping，这也算是我对warping问题的初步理解。于是我上网找了一些相关资料，发现还有Reverse Mapping这种方式，同时也了解了两种方式的不同。原来大多数方法用的是Reverse Mapping，这个答案是正确的吗？论文里面并没有介绍这方面。这个问题我一开搞错了，导致了后面做得不对，后来才知道，原来文章中使用的是Forward Mapping。不过，我这也算是给自己科普了：
其实，现在的方法很多基于Reverse mapping，通过映射函数算出来的坐标点可能并不是整数值，而这种情况的话，就会产生权重问题，而Reverse mapping的话则是通过周围点算出中间非整数坐标点的像素值进行拷贝的，所以更加合理，而且不易产生空白或者许多的白点。
Thinking：能不能把这次的任务中的两个方法用Reverse mapping做出来？
2、Memory leaks！
这个问题是最折腾人的，内存泄漏的问题，我弄了比较长的时间，甚至还在论坛上发帖求助，但是，未果。经过这次，总结出来这么几点：
No.1--delete []pointer和delete pointer，不要搞错啊！
No.2--delete前要记得判断非空
No.3--还有虚构函数记得要delete指针成员
No.4--delete之后的指针，如果还需要用到的话，记得令其等于NULL
No.5--变量最好初始化，申请空间的时候，可以+1，这样子可以避免越界
No.6--delete和new不要忘记是成对出现的，申请空间之后，记得释放掉
总之，养成良好的习惯，可以降低内存泄漏这个错误出现的概率。
3、Radial Basis Function
使用RBF方法的话，需要解方程求出function对应的Ai，也就是系数，然后还要算出仿射分量Tx+B中矩阵T和向量B，总的来说，总共有2N+6个未知数，每一维有N+3个未知数。
通过N个控制点可以得到N个方程，但是，还不够求未知数，所以再需要三个方程。这个方程就是仿射可微条件：
所有Ai相加只和为0，Ai和Xi相乘只和为0，Ai和Yi相乘只和为0。
这样子就可以解出未知数
4、封装和继承
这次记得封装，但是忘了继承。写OOD的代码，最好是提取共性，封装，使用继承
这次的任务快做好了，才想起来可以使用继承，但是，好像有太急于提交，所以作罢，不过后来修改版就加入了继承。
虽然花了蛮多时间的，但是，这次收获很多！效率还是需要提高！加油！