常见的图像几何变换

图像的几何变换又称为图像空间变换， 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。常见的几何变换包括旋转、平移、缩放、镜像、转置、错切等，以及几种组合变换，如刚体变换、仿射变换、单应变换

---

旋转

$$\left(\begin{array}{c}{x}^{,}\\ y^{,}\end{array}\right)=\left(\begin{array}{cc}cos(\theta )& -sin(\theta )\\ sin(\theta )& cos(\theta )\end{array}\right)\left(\begin{array}{c}x\\ y\end{array}\right)$$

式中，θ表示旋转角(PS：如果是单坐标系，表示将点逆时针旋转；如果是两个坐标系转换，表示坐标系逆时针旋转，点顺时针旋转)。

M = cv2.getRotationMatrix2D((img.shape[1]*0.5, img.shape[0]*0.5), 30, 1)
img_dst = cv2.warpAffine(img, M, (width, height))

平移

M = np.float32([[1, 0, 100], [0, 1, 200]])
img_dst1 = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

缩放

M = cv2.getRotationMatrix2D((img.shape[1]*0.5, img.shape[0]*0.5), 0, 0.5)
img_dst = cv2.warpAffine(img, M, (width, height))

镜像

• 图像的镜像变换，包括水平镜像、垂直镜像和对角镜像。

• 水平镜像：
  

M = np.float32([[-1, 0, width], [0, 1, 0]])
img_dst = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

• 垂直镜像：
  

M = np.float32([[1, 0, 0], [0, -1, height]])
img_dst = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

• 对角镜像：

M = np.float32([[-1, 0, width], [0, -1, height]])
img_dst = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

转置

M = np.float32([[0, 1, 0], [1, 0, 0]])
img_dst = cv2.warpAffine(img, M, (img.shape[0], img.shape[1]))

错切(倾斜)

• $dx=tan(\theta )$, $dy=0$ 沿着X方向错切

• $dx=0$, $dy=tan(\theta )$ 沿着Y方向错切

M = np.float32([[1, np.tan(0.1), 0], [0, 1, 0]])
img_dst = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

刚体变换

• 2D 的旋转和平移变换/rotation,translation, 3个自由度
• 点与点之间的距离不变，保角性

$$x^{,}=\left(\begin{array}{cc}\vec{R}& \vec{T}\end{array}\right)x$$

相似变换

• 相似变换包括旋转、平移变换，增加了均匀的缩放，4个自由度
• 点之间的距离变化，但是比例保持不变，保角性。

$$x^{,}=\left(\begin{array}{cc}sR& T\\ \vec{0}& 1\end{array}\right)x$$

仿射变换

• 仿射变换包括旋转(两个方向)、平移变换、缩放变换(两个尺度)、倾斜(错切)变换、翻转变换，6个自由度，没有保持保角性和点距比值，但是具有保持平行性。
• 保持平直性和平行性，但是角度会变
• 二维坐标到二维坐标之间的线性变换
  

src_point = np.float32([[526, 233],[1010, 411],[499, 1217]])
dst_point = np.float32([[92, 408],[628, 252],[972, 1058]])
warp_mat = cv2.getAffineTransform(src_point, dst_point)
img1_warp = cv2.warpAffine(img1, warp_mat, (img1.shape[1], img1.shape[0]))

投影变换

• 透视变换，单应变换
• 8个自由度,四组对应点求解
• 保持直线性，但是不保持平行性
• 二维到三维的映射

src_point = np.array([[526, 233],[1010, 411],[499, 1217],[53, 861]])
dst_point = np.array([[92, 408],[628, 252],[972, 1058],[303, 1300]])
H, _ = cv2.findHomography(src_point, dst_point)
img1_warp = cv2.warpPerspective(img1, H, (img2.shape[1], img2.shape[0]))