现有640×512的红外图像和4056×3040的可见光图像，计算单应矩阵，将红外图像的坐标投影到可见光图像的坐标。通过将所有图像扭曲到一个公共坐标系，获得尺寸为4056 × 3040的对齐良好的红外/可见光图像对的代码

这个问题需要用到计算机视觉中的图像配准和单应性矩阵求解方法。下面是大致的步骤：

1. 提取红外图像和可见光图像中的特征点，例如使用SIFT或SURF算法。
2. 使用特征点计算红外图像和可见光图像之间的对应关系，例如使用RANSAC算法。
3. 根据对应点，使用DLT算法计算单应性矩阵。
4. 对红外图像进行单应性变换，将其投影到可见光图像的坐标系中。可以使用MATLAB中的imwarp函数实现。
5. 对投影后的红外图像和可见光图像进行拼接，得到对齐良好的红外/可见光图像对。

下面是一个示例代码：

% 读取红外图像和可见光图像
ir_img = imread('ir_image.png');
vis_img = imread('vis_image.png');

% 提取SIFT特征点
ir_pts = detectSURFFeatures(rgb2gray(ir_img));
vis_pts = detectSURFFeatures(rgb2gray(vis_img));

% 提取特征点描述符
[ir_features, ir_pts] = extractFeatures(rgb2gray(ir_img), ir_pts);
[vis_features, vis_pts] = extractFeatures(rgb2gray(vis_img), vis_pts);

% 匹配特征点
index_pairs = matchFeatures(ir_features, vis_features);
matched_ir_pts = ir_pts(index_pairs(:,1));
matched_vis_pts = vis_pts(index_pairs(:,2));

% 用RANSAC算法计算单应性矩阵
[ir_inliers, vis_inliers] = estimateGeometricTransform(...
    matched_ir_pts, matched_vis_pts, 'projective');

% 对红外图像进行单应性变换
registered_ir = imwarp(ir_img, ir_inliers);
registered_vis = vis_img;

% 对齐两张图像
merged_image = imfuse(registered_vis, registered_ir, 'blend');

% 显示结果
imshow(merged_image);