图像处理中的仿射变换

1. 摘抄自https://zhuanlan.zhihu.com/p/80852438
2. 摘抄自https://blog.csdn.net/weixin_51571728/article/details/124434728

一、概述

图像的几何变换主要包括：平移、缩放、旋转、仿射、透视等等。图像变换是建立在矩阵运算基础上的，通过矩阵运算可以很快的找到不同图像的对应关系。理解变换的原理需要理解变换的构造方法以及矩阵的运算方法。
图像的几何变换主要分为三类：刚性变换、仿射变换和透视变换，如下图：
仿射变换是从一个二维坐标系变换到另一个二维坐标系，属于线性变换。通过已知3对坐标点可以求得变换矩阵。
透视变换是从一个二维坐标系变换到一个三维坐标系，属于非线性变换。通过已知4对坐标点可以求得变换矩阵。
二、图像基本变换
图像的几何变换包含很多变换，其中有一些基本变换，而仿射变换和透视变换就是对这些基本变换进行组合实现的。

基本变换具体包括：平移（Translation）、缩放（Scale）、旋转（Rotation）、翻转（Flip）和错切（Shear）。

a. 平移

b. 缩放

c. 旋转

d. 翻转

e. 错切

错切亦称为剪切或错位变换，包含水平错切和垂直错切，常用于产生弹性物体的变形处理。

二、利用opencv实现仿射变换

摘抄自https://blog.csdn.net/weixin_51571728/article/details/124434728

在OpenCV中仿射函数为cv2.warpAffine()，它通过一个变换矩阵（映射矩阵）M 实现变换，具体为：dst(𝑥, 𝑦) = src(𝑀11𝑥 + 𝑀12𝑦 + 𝑀13, 𝑀21𝑥 + 𝑀22𝑦 + 𝑀23)。如下图所示，通过一个变换矩阵M将原始图像O变换为仿射图像R。

仿射图像R=变换矩阵M × 原始图像O

利用仿射函数cv2.warpAffine()可以实现对图像的平移、旋转、翻转等操作，其函数的语法格式如下：dst = cv2.warpAffine( src, M, dsize[, flags[, borderMode[, borderValue]]] )

参数解析:
dst ：仿射变换后输出的图像，该图像的类型与原始图像的类型相同，由dsize 决定它的的实际大小。
src ：要进行仿射变换的原始图像。
M ：一个 2×3 的变换矩阵。使用不同的变换矩阵可以实现不同的仿射变换。
dsize：输出图像的尺寸大小。
flags ：插值方法，默认为 INTER_LINEAR。当该值为 WARP_INVERSE_MAP 时，意味着 M 是逆变换类型，实现从目标图像 dst 到原始图像 src 的逆变换

概述中给出的旋转矩阵是3x3的。opencv中的变换矩阵M为2*3,数学计算中的变换矩阵需要在最后一行下增加[0,0,1]

1. 平移的变换矩阵
   M = np.float32([[1, 0, x], [0, 1, y]]) #转换矩阵M
2. 以图像中心为圆点，逆时针旋转 60°，并将目标图像缩小为原始图像的 0.7 倍
   M = cv2.getRotationMatrix2D((width/2, height/2), 60, 0.7) #生成转换矩阵M
3. 根据3个点的坐标，及其变换后的坐标，获取变换矩阵

p1=np.float32([[0,0],[cols-1,0],[0,rows-1]])
p2=np.float32([[0,rows*0.33],[cols*0.85,rows*0.25],[cols*0.15,rows*0.7]])
M=cv2.getAffineTransform(p1,p2) #转换矩阵 M

4. 透视
   仿射变换可以将矩形映射为任意平行四边形，而透视变换可以将矩形映射为任意四边形。通过函数cv2.warpPerspective()可以实现透视变换，其语法为dst = cv2.warpPerspective( src, M, dsize[, flags[, borderMode[, borderValue]]] )

参数解析：
dst ：透视处理后的输出图像，与原始图像具有相同的类型。dsize 决定输出图像的实际大小。
src：要进行透视变换的图像。
M ：一个 3×3 的变换矩阵。
dsize ：输出图像的尺寸大小。
flags ：插值方法，默认为 INTER_LINEAR。当该值为WARP_INVERSE_MAP 时，意味着 M 是逆变换类型，能实现从目标图像 dst 到原始图像 src 的逆变换
透视变换需要知道4个点的左边及其变换后的坐标

pts1 = np.float32([[150,50],[400,50],[60,450],[310,450]])
pts2 = np.float32([[50,50],[rows-50,50],[50,cols-50],[rows-50,cols-50]])
M=cv2.getPerspectiveTransform(pts1,pts2)    #转换矩阵M