ios 仿射变换详解_ios 仿射变换是矩阵吗-CSDN博客

在有限维的情况，每个仿射变换可以由一个矩阵A和一个向量b给出，它可以写作A和一个附加的列b。一个仿射变换对应于一个矩阵和一个向量的乘法，而仿射变换的复合对应于普通的矩阵乘法，只要加入一个额外的行到矩阵的底下，这一行全部是0除了最右边是一个1，而列向量的底下要加上一个1。

AffineTransform类描述了一种二维仿

仿射变换流程图

射变换的功能，它是一种二维坐标到二维坐标之间的线性变换，保持二维图形的“平直性”（译注： straightness，即变换后直线还是直线不会打弯，圆弧还是圆弧）和“平行性”（译注：par

常用的仿射变换:旋转、倾斜、平移、缩放

allelness，其实是指保二维图形间的相对位置关系不变，平行线还是平行线，而直线上点的位置顺序不变，另特别注意向量间夹角可能会发生变化。）仿射变换可以通过一系列的原子变换的复合来实现，包括：平移（Translation）、缩放（Scale）、翻转（Flip）、旋转（Rotation）和错切（Shear）。

此类变换可以用一个3×3的矩阵来表示，其最后一行为(0, 0, 1)。该变换矩阵将原坐标(x, y)变换为新坐标(x', y')，这里原坐标和新坐标皆视为最末一行为(1)的三维列向量，原列向量左乘变换矩阵得到新的列向量：

几种典型的仿射变换：

public static AffineTransform getTranslateInstance(doubl

仿射变换-例

e tx, double ty)

平移变换，将每一点移动到(x+tx, y+ty)，变换矩阵为：

[ 1 0 tx ]

[ 0 1 ty ]

[ 0 0 1 ]

（译注：平移变换是一种“ 刚体变换”，rigid-body transformation，中学学过的物理，都知道啥叫“刚体”吧，就是不会产生形变的理想物体，平移当然不会改变二维图形的形状。同理，下面的“ 旋转变换”也是刚体变换，而“缩放”、“错切”都是会改变图形形状的。）

public static AffineTransform getScaleInstance(double sx, double sy)

缩放变换，将每一点的横坐标放大（缩小）至sx倍，纵坐标放大（缩小）至sy倍，变换矩阵为：

[ sx 0 0 ]

[ 0 sy 0 ]

[ 0 0 1 ]

当sx=sy时，称为尺度缩放，sx不等于sy时，这就是我们平时所说的拉伸变换。

public static AffineTransform getShearInstance(double shx, double shy)

剪切变换，变换矩阵为：

[ 1 shx 0 ]

[ shy 1 0 ]

[ 0 0 1 ]

相当于一个横向剪切与一个纵向剪切的复合

[ 1 0 0 ][ 1 shx 0 ]

[ shy 1 0 ][ 0 1 0 ]

[ 0 0 1 ][ 0 0 1 ]

（译注：“剪切变换”又称“错切变换”，指的是类似于四边形不稳定性那种性质，街边小商店那种铁拉门都见过吧？想象一下上面铁条构成的菱形拉动的过程，那就是“错切”的过程。）

public static AffineTransform getRotateInstance(double theta)

典型的仿射变换-平移变换

典型的仿射变换-缩放变换

典型的仿射变换-剪切变换

典型的仿射变换-旋转变换

仿射变换可以理解为

・对坐标进行放缩，旋转，平移后取得新坐标的值。

・经过对坐标轴的放缩，旋转，平移后原坐标在在新坐标领域中的值。

如上图所示，XY坐标系坐标轴旋转θ，坐标原点移动（x0，y0）。

XY坐标系中的坐标（X，Y），则求新坐标系xy中的坐标值的方程组为:

X = X･cosθ - Y･sinθ + x0

Y = X･sinθ + Y･cosθ + y0

写成矩阵形式为

| x | | cosθ sinθ | | x0 |

| | = | X Y | * | | + | |

| y | | -sinθ cosθ | | y0 |

为将原点移动的值放入矩阵，则可以加入一个不影响原方程组的解的冗余方程。于是可以写成

X = X･cosθ - Y･sinθ + x0

Y = X･sinθ + Y･cosθ + y0

1 = X･0 + Y･0 + 1

写成矩阵形式为

| x | | cosθ sinθ 0|

| y | = | X Y 1 | * | -sinθ cosθ 0|

| 1 | | x0 y0 1|

这个矩阵就是Helmert变换矩阵。

考虑到新坐标系对于原坐标系在x，y两个坐标轴上的放缩率，可分别表示为λx和λy，则Helmert变换方程组可以修改为

X = (λx)X･cosθ - (λy)Y･sinθ + x0

Y = (λx)X･sinθ + (λy)Y･cosθ + y0

同样按照前述方法写成三阶矩阵为

| x | | (λx)cosθ (λx)sinθ 0|

| y | = | X Y 1 | * | (λy)-sinθ (λy)cosθ 0|

| 1 | | x0 y0 1|

这个矩阵就是affine变换矩阵，仿射矩阵。

仿射变换是二维平面中一种重要的变换，在图像图形领域有广泛的应用。许多人对“仿射”没有一个感官的认识，我觉得很有必要先来说一下“仿射”。

所谓的“仿射变换”就是一种简单的变换，它的变化包括旋转、平移、伸缩，原来的直线仿射变换后还是直线，原来的平行线经过仿射变换之后还是平行线，这就是仿射。

仿射变换的矩阵是其次坐标形式的变换矩阵

这个矩阵包含的变换有旋转和平移，其实是两个矩阵的混合体，许多文章都对这个做了很详细的描述。仿射变换的数学公式里，是如何做到坐标点位置的平移呢？清楚这个才是弄明白仿射变换的关键。

这里有一个非常重要的图，这张图百度百科中就有。利用此图可以完成仿射变换公式的推导，推导如下：

一个点P在原始坐标系下的坐标是(Xsp,Ysp)。然后要完成旋转操作，旋转操作是基于原点的，如何得到旋转之后的点的坐标，这里用到一个技巧，坐标系中某个点的旋转可以等价地去旋转坐标轴，所以有了上图中以(Xs0,Ys0)为中心的虚线与屏幕水平垂直的坐标系。在这个坐标系中确定P的坐标，和在蓝色坐标系中确定旋转之后P的坐标是等价的。基于这个结论，我们可以通过简单的立体几何知识确定P在新坐标系中的坐标。P在新坐标系中的X坐标和Y坐标分别是

经典的仿射变换的模型呼之欲出了。整理上面两个式子得：

这就是仿射变换模型中旋转部分的原理，还有一步，就是平移。

旋转变换之后，我们确定了P点在新坐标系中的位置，然后在这个位置的基础上加上其在X轴和Y轴的偏移即可

仿射变换的矩阵横空出世。当然上图中对这个变换的处理更巧妙，它还是利用了不移动点移动坐标系的策略，将坐标系向相反方向移动了相应的距离。于是有了上图这个经典仿射变换模型的图示展现。上图中我们可以看到，整个在对P点进行仿射变换的过程中，P点的位置并没有移动，我们是通过不断的坐标系的调整来间接达到P点移动的效果，这充分说明了一件事：运动都是相对的。矩阵理论是运动是相对的这一哲学思想的深刻体现，有兴趣大家可以阅读一下这篇文章http://blog.csdn.net/xiaojidan2011/article/details/8213873。

其他参考文章：

http://www.cnblogs.com/shijibao001/articles/1225962.html