本文介绍如何将一个位于旧矩形内的点，按其在旧矩形中的归一化相对位置（u, v ∈ [0,1]），精确映射到新矩形中对应位置，适用于地理坐标系下的矩形区域对齐场景。
本文介绍如何将一个位于旧矩形内的点，按其在旧矩形中的**归一化相对位置（u, v ∈ [0,1]）**，精确映射到新矩形中对应位置，适用于地理坐标系下的矩形区域对齐场景。
在地理信息系统（GIS）或地图可视化开发中，常需将某点在原始矩形区域（如旧地图切片）中的空间位置，等比例映射到另一个坐标系下、大小与朝向相似但位置不同的目标矩形（如新地图切片或缩放后的视图）。此时，直接平移坐标（如用左上角偏移量相加）是错误的——因为两个矩形的宽高可能不同，且点在矩形内的相对占比才是保持空间关系的关键。
正确做法是采用双线性归一化映射（Normalized Coordinate Mapping）：先将点在 rectangleOld 中的位置转换为标准化的二维参数 (u, v)（即横向和纵向占比），再将该参数反向应用到 rectangleNew 上，得到目标坐标。
✅ 映射原理与步骤
假设每个矩形由5个顶点构成闭合环（首尾重复），我们取对角顶点定义矩形范围：
-
rect[0]：左下角（或左上角，需统一；本例中为左下角风格，y 值较小者为底边） -
rect[2]：右上角（对角顶点）
⚠️ 注意：此处假设矩形边与坐标轴平行（即非旋转矩形）。若存在旋转，需先做仿射变换，本文不涉及。
1. 计算归一化坐标 (u, v)
// 提取 rectangleOld 的左下角和右上角（索引0和2） double oldMinX = rectangleOld[0][0]; // 经度（x） double oldMaxX = rectangleOld[2][0]; double oldMinY = rectangleOld[0][1]; // 纬度（y） double oldMaxY = rectangleOld[2][1]; // pointIntoRectangleOld = [x, y] double px = pointIntoRectangleOld[0]; double py = pointIntoRectangleOld[1]; // 归一化：u ∈ [0,1] 表示从左到右占比；v ∈ [0,1] 表示从下到上占比 double u = (px - oldMinX) / (oldMaxX - oldMinX); double v = (py - oldMinY) / (oldMaxY - oldMinY);
2. 应用到 rectangleNew 得到新坐标
// 提取 rectangleNew 对应角点
double newMinX = rectangleNew[0][0];
double newMaxX = rectangleNew[2][0];
double newMinY = rectangleNew[0][1];
double newMaxY = rectangleNew[2][1];
double newX = newMinX + u * (newMaxX - newMinX);
double newY = newMinY + v * (newMaxY - newMinY);
System.out.printf("Mapped point: [%.6f, %.6f]%n", newX, newY);
? 验证示例（基于你提供的数据）
-
rectangleOld宽 ≈ 142.1356，高 ≈ 136.3972 -
pointIntoRectangleOld距左边界 ≈ 65.8252 →u ≈ 0.463 - 距底边界 ≈ 68.1535 →
v ≈ 0.500 -
rectangleNew宽 ≈ 142.1356（巧合相同），高 ≈ 136.3972 → 新点应接近中心
→ 计算得：[-22940.822892, 6706762.120215]（符合预期）
⚠️ 关键注意事项
-
顶点顺序必须一致：确保
rect[0]和rect[2]确实代表同一语义角（如“西南–东北”）。建议预处理时显式提取minX,maxX,minY,maxY：double oldMinX = Arrays.stream(rectangleOld).mapToDouble(p -> p[0]).min().orElse(0); // 同理获取 max/min Y
-
除零保护：实际代码中需判断
oldMaxX == oldMinX或oldMaxY == oldMinY，避免 NaN。 - 坐标系一致性：本方法假设经纬度近似平面（小范围适用）；大范围跨纬度区域应使用投影坐标（如 Web Mercator）或球面插值，但归一化思想不变。
-
Java 实现提示：使用
double而非float保证精度；避免字符串解析（如原代码中的parseDouble），直接操作数组数值。
✅ 总结
该映射本质是仿射空间的线性重参数化：将点从旧矩形的局部坐标系（以 [0,0]→[1,1] 为单位正方形）变换到新矩形的同一单位空间，再映射回世界坐标。它不依赖绝对位移，只依赖矩形的几何比例关系，因此鲁棒、可逆、且易于扩展至多维超矩形。掌握此方法，即可高效实现地图缩放、图层对齐、ROI（感兴趣区域）同步等核心功能。
