CogPolarUnwrapTool
CogPolarUnwrapTool 工具能够将环形区域通过极坐标变换 转换为矩形区域，方便读取
转换的步骤：
1.根据环形到矩形的映射来构建一个转换关系。
2.根据这个转换关系将输出图像中的像素点映射到输入图像。
3.对输入图像中的点像素进行采样，并将其赋值到输出图像中相对应的点。
输入区域中的采样点的数量确定输出图像的大小（以像素为单位）。PolarUnwrap工具自动计算输出图像的大小，以便最大限度地减少图像失真。对于圆形输入区域，默认的x轴大小是内弧和外弧长度的平均值，而默认的y轴大小是内半径和外半径之间的差值，如下图所示：
对于椭圆输入区域，默认的x轴大小是内弧和外弧长度的平均值，而默认的y轴大小是最大和最小内半径和外半径之间的差值的平均值，如下所示数字：
将一个图像转换成另一个图像的过程开始于定义源图像内的区域以及该区域如何被转换成矩形输出图像的描述。例如，最简单的图像变换通过指定输入图像的矩形部分和标识变换来创建新的输出图像，如下图所示：
前图中所示的变换在所选区域中的像素与新图像中的像素之间具有一对一的对应关系。然而，其他转变并不是那么简单。例如，如果提供相对于输入图像中的像素旋转的矩形输入区域，则无法简单地转录像素值以创建没有旋转的矩形输出图像，因为整体之间没有对应关系输出图像中的像素位置和输入图像中的整个像素位置。下图显示了从旋转的输入图像生成的输出图像：
其中没有直接对应的变换的其他示例包括极坐标展开变换，如下图所示，以及由棋盘校准工具生成的 非线性变换
添加图像与工具
采样模式
最近相邻取样
如下面的图所示，使用其中心为最接近于采样点作为采样的像素的值：
双线性插值
比 “最近相邻取样法”产生数据更精确，因为它考虑了输入图像中更多像素的值。双线性插值使用以下公式计算采样值：
其中a，b，c和 d是下图所示的四个距离，归一化使得像素中心之间的距离为1，p1，p2，p3和 p4是下面所示的四个像素的值数字。
最近相邻采样方比双线性差值采样方法执行得更快，但它不能产生最准确的变换图像。
