图像处理中的常用几何变换——平移、旋转、缩放、相似变换、仿射变换及单应性变换

1. Overview

几何变换，又称空间变换，是图形处理的一个方面，是各种图形处理算法的基础。它将一幅图像中的坐标位置映射到另一幅图像中的新坐标位置，其实质是改变像素的空间位置，估算新空间位置上的像素值。
几何变换不改变图像的像素值， 只是在图像平面上进行像素的重新安排。适当的几何变换可以最大程度地消除由于成像角度、透视关系乃至镜头自身原因所造成的几何失真所产生的负面影响。几何变换常常作为图像处理应用的预处理步骤， 是图像归一化的核心工作之一。此外几何变换也是深度学习中数据增强的一种常用方法。
文本将从平移，旋转，缩放，相似变换，仿射变换介绍到更为普遍的单应性变换。

2. 平移（Translation）

图像的平移就是在xy平面内对图像进行移动，所以该操作有两个自由度。

3. 相似变换（Similarity transformations）

相似变换是平移、旋转和缩放的集合，那么相似变换后图片中的垂直和平行关系不会改变，比如变换前平行的特征变换后依然保持平行。

3. 旋转（Rotate）

下面是平移+旋转，如果令$t_x=0,t_y=0$ 则是单旋转。

4 长宽比（Aspect Ratio）调整

比如手机的横屏和竖屏就是典型的长宽比对调。

5. 剪切（Shear）映射

6. 仿射变换

仿射变换是前面几种变换的集合，其有六个自由度。

其一般形式的变化数学表达式如下：
$$\left[\begin{array}{ccc}a& b& c\\ d& e& f\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{c}x\prime \\ y\prime \\ 1\end{array}\right]$$
仿射变换后平行关系依然保持平行，但是垂直已经无法保证。

7. 单应性变换（Homogeneous Transformation）/ 透视变换（Perspective Transformation）

其实单应性矩阵相比上面的各种变换就是更为普遍的变换形式。给定相同维度的两个投影空间P（V）和P（W），单应性是从P（V）到P（W）的映射，这是由向量空间的同构引起的。

图像中的2D点 $(x,y)$ 可以被表示成3D向量的形式 $(u,v,w)$，其中 $x\prime =u/w$， $y\prime =v/w$。它被叫做点的齐次表达，位于投影平面P2上。所谓单应就是发生在投影平面P2上的点和线可逆的映射。其它叫法包括透视变换、射影变换、投影变换和平面投影变换等。

单应变换矩阵是一个 $3\ast 3$ 的矩阵H。这个变换可以被任意乘上一个非零常数，而不改变变换本身。所以它虽然具有9个元素，但是具有8个自由度。这意味着它里面有8个未知参数待求。所以在做特征点匹配的时候（比如利用RANSAC对shift特征点进行匹配）选择4对点来计算模型。

我们知道单应性变换具有八个自由度，但是应该如何来理解呢？


透视变换之后不保证垂直和平行关系，仅保证直线变换之后仍然是直线。

参考

1. Geometric Transformations
2.Planar Homographies