Affine Transformations(仿射变换)

英文版原文链接
先修教程：Remapping(重映射)
下一教程：Histogram Equalization(直方图均衡化)

结果

• 在编译代码之后，我们可以将图像的路径作为参数提供给它。例如，像这样的图片:
  
• 应用第一个仿射变换后得到：
  
• 最后，在应用一个负的旋转(记住负的意思是顺时针)和一个比例因子之后，我们得到:
  

目标

此教程我们将学会：

• 使用OpenCV函数 cv::warpAffine 实现简单的重新映射例程。
• 使用OpenCV函数 cv::getRotationMatrix2D 获得一个 2×3 旋转矩阵

原理

什么是仿射变换?

1、以矩阵乘法(线性变换)和向量加法(平移变换)的形式表示的一种变换。
2、由上可知，我们可以用仿射变换来表示:

• a、旋转(线性变换)
• b、平移(向量加法)
• c、尺度变化(线性变换)

可以看到，在本质上，仿射变换表示两个图像之间的关系。
3、表示仿射变换的常用方法是使用一个2 × 3的矩阵。
$$A={\left[\begin{array}{cc}{a}_{00}& a_{01}\\ a_{10}& a_{11}\end{array}\right]}_{2\times 2}B={\left[\begin{array}{c}{b}_{00}\\ b_{10}\end{array}\right]}_{2\times 1}$$
M = [ A B ] = [ a 00 a 01 b 00 a 10 a 11