opencv python考勤_【python-opencv】opencv基础操作之三

什么是仿射变换？

仿射变换就是图像的线性变换加上平移，用一幅图表示，就是

由 image1 到 image2 的转换经过了三个操作:

1.旋转 (线性变换)

2.缩放操作(线性变换)

3.平移 (向量加)

如果没有了第3个平移的操作，那它就是线性变换。前两个笔记已经整理了图像的旋转、缩放和平移的各个方法，接下来会介绍仿射变换的矩阵表示和使用方法。

仿射变化的矩阵形式

图像的变换要对图像的每一个像素点进行操作，假设其中的一个像素点的坐标是(x,y)，我们用矩阵形式表示：

$${X}=\begin{bmatrix}

{x}\\

{y}\\

\end{bmatrix}\tag{1}$$

我们通常使用$2\times3$矩阵来表示仿射变化。

$${A}=\begin{bmatrix}

{a_{00}} & {a_{01}}\\

{a_{10}} & {a_{11}}\\

\end{bmatrix}_{2\times2}\tag{2}$$

$$B=\begin{bmatrix}

{b_{00}}\\

{b_{10}}\\

\end{bmatrix}_{2\times1}\tag{3}$$$${M}=\begin{bmatrix}

{A} & {B}

\end{bmatrix}

=

\begin{bmatrix}

{a_{00}} & {a_{01}} & {b_{00}}\\

{a_{10}} & {a_{11}} & {b_{10}}\\

\end{bmatrix}_{2\times3}\tag{4}

$$

矩阵${A}、{B}$就是变换矩阵。

经过仿射变换后的点的矩阵坐标是${T}$，我们已经知道放射变换就是线性变换加上平移，用矩阵表示的话就是

$${T}={A}\cdot\begin{bmatrix}

{x}\\

{y}\\

\end{bmatrix}+{B}\tag{5}

$$

也可以写成

$${T}={M}\cdot\begin{bmatrix}

{x, y, 1}

\end{bmatrix}^{T}\tag{6}

$$

计算可得：

$${T}=\begin{bmatrix}

{a_{00}\cdot{x}+a_{01}\cdot{y}+b_{00}}\\

{a_{10}\cdot{x}+a_{11}\cdot{y}+b_{10}}\\

\end{bmatrix}\tag{7}

$$

下面使用代码