图像仿射变换原理5：组合变换矩阵的OpenCV-Python实现

仿射变换是平面内的，是多次线性变换的结果，保留了平行性，用3个点就可得到对应的变换矩阵。透视变换 2D-3D，必须用4个点才能得到变换矩阵；

本节详细介绍了透视变换的概念、变换矩阵、作用以及OpenCV-Python相关的处理函数getPerspectiveTransform 和warpPerspective的语法及参数含义，并分析了输入图像和输出图像四对点确认透视变换矩阵的原理。最后提供了一个案例，来演示透视变换的代码实现及效果。本文的有些内容如四对点确认透视变换矩阵，在其他公开资料也有所提及，但老猿结合齐次坐标和矩阵运算将其细化了，应该是网上公开资料首次全面介绍。相关内容有助于理解透视变换的概念和OpenCV-Python透视变换的应用方式。

1. 原理 1.1 原理 仿射变换（Affine Transformation 或Affine Map）是一种二维坐标（x, y）到二维坐标（u, v）的线性变换，其数学表达式形式如下： 对应的齐次坐标矩阵表示形式为： 仿射变换保持了二维图形的“平直性”（直线经仿射变换后依然为直线）和“平行性”（直线之间的相对位置关系保持不变，平行线经仿射变换后依然为平行线，且直线上点的位置顺序不会发生变化）...

变换矩阵 M 是 np.float32 类型 ndarray 二维数组（2行*3列）。变换矩阵 M = np.float32([[1,0,tx],[0,1,ty]])，tx 表示向右移动的像素值，ty 表示向下移动的像素值；注意：如果值是负数表示向相反方向移动的像素值。dsize 输出图像的大小格式为元组 (width, height)。

主要流程： 1.首先得到灰度图像 2.对灰度图像进行二值化 3.然后找一个最小矩形框住对象轮廓（opencv中有相应的函数） 4.这个最小矩形的函数会返回一个角度 5.我们利用这个角度得到一个旋转的矩形（仿射变换所需要的） 6.使用仿射变换得到矫正后的图像 1.得到灰度图像 //读取图像 src= cv.imread('imageTextR.png') //cv.imshow('src',src) //cvtColor函数用于转换色彩空间，将图像转换为GRAY灰度图像 gray=cv.cvtColor(

本节介绍了仿射变换的概念、类型、基本仿射变换矩阵、OpenCV-Python与仿射变换相关的主要函数及语法说明，并提供了两种不同方式实现的图像旋转和任选三个点将圈定子图放大的示例。通过阅读相关内容可以有助于大家理解仿射变换的概念和仿射变换的OpenCV-Python实现方法。

可以理解一下常规的翻转和平移。“线性变换”+“平移” 空间变换中的仿射变换对应着五种变换，平移，缩放，旋转，翻转，错切。而这五种变化由原图像转变到变换图像的过程，可以用仿射变换矩阵进行描述。而这个变换过程可以用一个3*3的矩阵与原图进行相乘得到。 仿射变换（Affine Transformation）其实是另外两种简单变换的叠加：一个是线性变换，一个是平移变换 共线性：若几个点变换前在一条线上，则仿射变换后仍然在一条线上 共线比例不变性：变换前一条线上两条线段的比例，在变换后比例不变 平行性：若两条线变换.

一般对图像的变化操作有放大、缩小、旋转等，统称为几何变换，对一个图像的图像变换主要有两大步骤，一是实现空间坐标的转换，就是使图像从初始位置到终止位置的移动。二是使用一个插值的算法完成输出图像的每个像素的灰度值。其中主要的图像变换有：仿射变换、投影变换、极坐标变换。 ##仿射变换## 二维空间坐标的仿射变换公式：$$ \left( \begin{matrix} \overline{x} \ \ove...

引言 本篇是在实验楼所做实验，因为感觉整个过程做得十分通畅，另外脉络比较清晰，加上了点自己的理解，整理成学习笔记。 图像平移 图像平移的数学推导 简单来说，图像的本质可以看做一个三维矩阵，第一维为长度，第二维是宽度，第三维是通道数(RGB)，如果一张图在 python 中是一个变量 image，那么其长宽即 width， height = image.shape[:2]。 图像的平移就是在 xy 平面内对图像进行移动，所以该操作有两个自由度。其表达式为： [x′y′]=[1001]×[xy]+[b0b1]

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 旋转 (线性变换)缩放操作(线性变换)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，如何利用仿射变换，它的原理是什么，就是接下来要说的内容。

单应性变换 OpenCV中提供了用于生成单应性变换矩阵的函数findHomography,其定义如下: retval, mask = findHomography(srcPoints, dstPoints, method=None, ransacReprojThreshold=None ,mask=None, maxIters=None, confidence=None) 参数说明如下： ●srcPoints: 输入图像平面上点的坐标。 ●dstPoints: 输出图像平面上点的坐标。 ●method:单

几何变换、缩放、旋转、重映射等

这是OpenCV图像处理的第四节，从原理和代码角度叙述了图像的几何变换过程。

近年来，随着手机具有这种内置功能，图像编辑变得越来越流行，它可以让您裁剪、旋转图像并对图像进行更多处理。在这篇文章中，我们将探索和学习这些图像编辑技术。具体来说，我们将学习如何：基本图像转换操作图像的旋转和平移是图像编辑中最基本的操作之一。两者都属于更广泛的仿射变换类别。因此，在研究更复杂的转换之前，您应该首先学习使用OpenCV中可用的函数旋转和平移图像。查看下面的图片，我们将在这里的所有转换示例中使用它。Python C++ 使用OpenCV的图像旋转 通过定义变换矩阵MMM，可以将图像旋转一定角度θ\

ndarray 的加法 与c++中Mat加法直接将123+150截断为255的方式不同，ndarray的处理方式是对大于255的数对255求余数再减1 import numpy as np src1 = np.array([[23, 123,90],[100, 250, 0]],np.uint8)#uint8 即 uchar src2 = np.array([[125, 150,60],[100,...

这个函数接受原始图像、计算得到的仿射变换矩阵和目标图像的大小作为输入，然后根据变换矩阵对原始图像进行变换，生成目标图像。1、选择三个点：在原始图像中选择三个点 (x1, y1)，(x2, y2)，(x3, y3)，并分别确定它们在目标图像中的对应点 (x1’, y1’)，(x2’, y2’)，(x3’, y3’)。1、选择三个点：在进行仿射变换之前，我们需要选择原始图像中的三个点和目标图像中对应的三个点。其中，(x, y)是原始图像中的像素位置，(x’, y’)是目标图像中的像素位置。

本文主要介绍了图像仿射变换的基本概念、变换类型及变换矩阵的详细解释，并提供了使用Python实现图像仿射变换的示例代码。在实际的图像处理应用中，对于不同类型的图像变换，可以根据实际需求选择合适的变换类型和相应的变换矩阵进行操作。在仿射变换中，原图像和目标图像之间存在一种线性映射关系，即一个点在原图像上的位置经过一定的变换后，可以映射到目标图像上相应的位置。本文将介绍仿射变换的基本概念、变换类型及变换矩阵的详细解释，并提供使用Python实现图像仿射变换的源代码。图像仿射变换：变换类型及变换矩阵详解。

opencv提供了两个变换函数，cv2.warpAffine和cv2.warpPerspective，使用这两个函数可以实现所有类型的变换。