OpenCV 中的仿射变换

### OpenCV中仿射变换的几何性质解释 #### 什么是仿射变换？ 仿射变换是一种二维坐标到二维坐标的线性变换，它保持了共线性和比例关系不变。具体来说，在仿射变换下，直线仍然会映射成直线，并且平行线仍保持平行[^1]。 #### 几何性质描述 仿射变换由六个自由度组成：两个旋转角度、两个缩放因子以及两个平移向量 \(t_x\) 和 \(t_y\)。其矩阵形式如下所示： \[ M = \begin{bmatrix} a & b & t_x \\ c & d & t_y \\ 0 & 0 & 1 \end{bmatrix} \] - **旋转**：通过调整参数 \(a, b, c,\) 和 \(d\) 可以实现图像绕某个中心点的旋转操作[^1]。 - **缩放**：\(a\) 和 \(d\) 控制着水平方向和垂直方向上的尺度变化；当它们大于零小于一的时候代表缩小，反之则放大[^1]。 - **剪切**：如果仅改变其中一个维度的比例而另一个固定，则会产生倾斜效果即所谓的“shearing”现象。 - **平移**：最后两项 \(t_x\) 和 \(t_y\) 负责整体位移，使得整个图形可以在平面内移动而不发生形变[^2]。 这些基本的操作组合起来能够完成复杂的空间转换需求，比如校正透视失真或者匹配不同视角下的同一场景对象等应用场合。 ```python import numpy as np import cv2 # 定义原始图片中的三个点及其对应的目标位置 pts_src = np.float32([[50, 50], [200, 50], [50, 200]]) pts_dst = np.float32([[10, 100], [200, 50], [100, 250]]) # 计算仿射变换矩阵 M M = cv2.getAffineTransform(pts_src, pts_dst) # 应用仿射变换至输入图像 img_input 上得到结果图 img_output img_output = cv2.warpAffine(img_input, M, (cols, rows)) ``` 以上代码片段展示了如何基于给定点集计算出相应的仿射变换矩阵并应用于实际图像之上。 #### 插值的作用 由于仿射变换可能不会正好落在整数像素网格上，因此需要采用某种方法估计新位置处的颜色值。这就是为什么提到过插值的重要性——为了使最终输出更加连续和平滑。 ---