仿射变换——图像到图像

一，单应性变换

单应性变换就是一个平面到另一个平面的映射关系。

如图，两张图片中相同颜色的点叫做corresponding Points，比如两个红点就是一对corresponding points。单应性矩阵(Homography)就是一个从一张图像到另一张图像映射关系的转换矩阵(3*3)。可以由下面的公式来表示：

以图像中的红点为例，可以将单应性变换写成如下形式：

二，仿射变换

它相当于一个平移变换和一个非均匀变换的复合，用A矩阵表示，A为3×3矩阵，A={{a11,a12,tx},{a21,a22,ty},{0,0,1}}    其中A可以分解为：A=R(a)R(-b)DR(b)，其中D={{c1,0},{0,c2}}左上角2×2矩阵为旋转部分，tx和ty为平移因子，它有6个自由度，即旋转4个，x方向平移，y方向平移。他能保持平行性，不能保持垂直性，Image中各部分变换前后面积比保持不变，共线线段或者平行线段的长度比保持不变，矢量的线性组合不变。面积被缩放了c1*c2=detA倍。

仿射变换主要包括平移变换、旋转变换、缩放变换（也叫尺度变换）、倾斜变换（也叫错切变换、剪切变换、偏移变换）、翻转变换，有六个自由度。 

仿射变换的特点：
仿射变换保持二维图形的“平直性”和“平行性”，但是角度会改变。 
“平直性”：变换后直线还是直线、圆弧还是圆弧。 
“平行性”：平行线还是平行线，直线上点的位置顺序不变。 
它有6个自由度，即旋转4个，也就是前述大矩形的4个元素都可以同时改变，x方向平移，y方向平移。它能保持平行性，不能保持垂直性，Image中各部分变换前后面积比保持不变，共线线段或者平行线段的长度比保持不变，矢量的线性组合不变。
 

三，alpha通道(图像通道)

Alpha通道是一个单独通道，相当于一个关联表一样的东西，来定义这个像素点的透明度的属性，当只有它这一张图的时候不会有什么作用，但是当将有透明度的图片和其他的图片进行叠加的时候，透明度就能够产生它的作用了。如果一张透明的图片，则阿尔法的作用之就是0，在叠加的时候，这块区域上的图片之后又本来的颜色，而不会有它自己的颜色。alpha的作用位1的时候，就是将图片覆盖在了这块区域上。 

实现代码：

 # -*- coding: utf-8 -*-
from PCV.geometry import warp, homography
from PIL import Image
from pylab import *
from scipy import ndimage

# example of affine warp of im1 onto im2

im1 = array(Image.open('D:/img/logo.png').convert('L'))
im2 = array(Image.open('D:/img/jmu.jpg').convert('L'))
# set to points
tp = array([[88,180,180,88],[40,36,605,605],[1,1,1,1]])
#tp = array([[675,826,826,677],[55,52,281,277],[1,1,1,1]])
im3 = warp.image_in_image(im1,im2,tp)
figure()
gray()
subplot(141)
axis('off')
imshow(im1)
subplot(142)
axis('off')
imshow(im2)
subplot(143)
axis('off')
imshow(im3)

# set from points to corners of im1
m,n = im1.shape[:2]
fp = array([[0,m,m,0],[0,0,n,n],[1,1,1,1]])
# first triangle
tp2 = tp[:,:3]
fp2 = fp[:,:3]
# compute H
H = homography.Haffine_from_points(tp2,fp2)#返回给定对应点的最优仿射变换
im1_t = ndimage.affine_transform(im1,H[:2,:2],#扭曲
(H[0,2],H[1,2]),im2.shape[:2])
# alpha for triangle
alpha = warp.alpha_for_triangle(tp2,im2.shape[0],im2.shape[1])#三角形的alpha图像
im3 = (1-alpha)*im2 + alpha*im1_t
# second triangle
tp2 = tp[:,[0,2,3]]
fp2 = fp[:,[0,2,3]]
# compute H
H = homography.Haffine_from_points(tp2,fp2)
im1_t = ndimage.affine_transform(im1,H[:2,:2],
(H[0,2],H[1,2]),im2.shape[:2])
# alpha for triangle
alpha = warp.alpha_for_triangle(tp2,im2.shape[0],im2.shape[1])
im4 = (1-alpha)*im3 + alpha*im1_t
subplot(144)
imshow(im4)
axis('off')
show()

实验结果：

参考：

https://blog.csdn.net/chaolei3/article/details/79531140 

https://blog.csdn.net/algzjh/article/details/80152230