Python计算机视觉-仿射扭曲简单实例

1.图像变换的几种形式

在图像映射章节初始，老师向我们介绍了图像之间变换的几种形式，其中包括平移、旋转、尺度变换、仿射变换、透视变换等。而对图像块应用仿射变换称之为图像扭曲或者仿射扭曲，仿射变换的一个简单例子是能够将图像或图像的一部分放置在另一幅图像中，使他们能够和指定的区域或者标记物对齐。扭曲操作可以使用 SciPy 工具包中的 ndimage 包完成。

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。

仿射变换参数( t )求解时，可以用等式两边同时乘上已知矩阵的转置矩阵的方法将往往不可逆的矩阵变换求解：
A t = b
A^T A t = A^T b
t = ( A^T A ) ^-1 A^T b<