Affine Transformation
Eine affine Transformation bildet Bildkoordinaten durch Rotation, Skalierung, Scherung und Verschiebung ab und unterstützt Augmentierung, Ausrichtung und Vorverarbeitung.
Eine affine Transformation ist eine Koordinatenabbildung, die eine lineare Transformation mit einer Verschiebung kombiniert. Bei Bildern kann sie das Pixelraster drehen, skalieren, spiegeln, scheren oder verschieben und dabei die Geradlinigkeit erhalten. Affine Transformation und affine Abbildung sind Synonyme. In der Computervision unterstützen diese Abbildungen die Ausrichtung, die Datenvorverarbeitung und die Datenerweiterung.
Leonhard Euler führte 1748 den Begriff affin für verwandte Kurven ein, und zwar in Kapitel XVIII von Introductio in analysin infinitorum, Band 2.
Was affine Transformationen erhalten#
Eine invertierbare affine Transformation erhält Geraden, Parallelität und Teilungsverhältnisse auf einer Geraden. Ein Mittelpunkt bleibt ein Mittelpunkt. Längen und Winkel können sich ändern: Scherungen und ungleichmäßige Skalierungen können ein Rechteck in ein Parallelogramm oder einen Kreis in eine Ellipse verwandeln.
Starre Transformationen erhalten Abstände und Winkel; Ähnlichkeitstransformationen erlauben zusätzlich eine gleichmäßige Skalierung. Affine Transformationen erlauben außerdem ungleichmäßige Skalierung und Scherung. Eine Homografie berücksichtigt perspektivische Effekte, etwa parallel verlaufende Straßenränder, die auf einen Fluchtpunkt zulaufen. Eine affine Abbildung erhält die Parallelität und eignet sich zur Anpassung an globale Schrägstellung und Skalierungsänderungen.
So funktioniert die affine Matrix#
Eine zweidimensionale affine Matrix hat sechs Parameter und wird üblicherweise als 2 x 3-Matrix gespeichert. Vier Parameter steuern den linearen Anteil, zwei geben die horizontale und vertikale Verschiebung an. Drei Punktpaare bestimmen die Matrix: Die drei Ausgangspunkte dürfen nicht kollinear sein und bilden ein Dreieck. In OpenCV schätzt cv2.getAffineTransform die Matrix anhand dieser Korrespondenzen.
Durch Hinzufügen einer konstanten dritten Koordinate mit dem Wert 1, einer sogenannten homogenen Koordinate, lässt sich die Verschiebung in die Matrixmultiplikation einbeziehen. Die resultierende 3 x 3-Matrix hat als letzte Zeile 0, 0, 1. Mehrere Transformationen lassen sich durch Matrixmultiplikation kombinieren; erst zu drehen und dann zu verschieben ergibt im Allgemeinen ein anderes Ergebnis als erst zu verschieben und dann zu drehen.
Eine affine Transformation ist genau dann linear, wenn ihre Verschiebung null ist. In einem neuronalen Netz kombiniert eine vollständig verbundene Schicht gelernte Gewichte mit einem Bias-Offset. Die PyTorch-Linear-Schicht wendet standardmäßig eine affine Abbildung an, auf die typischerweise eine nichtlineare Aktivierungsfunktion folgt.
Anwendungen in der Bildverarbeitung und beim Modelltraining#
- Medizinische Bildgebung: Die affine Bildregistrierung richtet Aufnahmen vor dem Vergleich oder der Korrektur von Verformungen aus. Das Beispiel für affine Registrierung von SimpleElastix korrigiert ein Bild, das geschert, auf das 1,2-Fache skaliert, um 10 Grad gedreht und entlang beider Achsen verschoben wurde.
- Dokumentenverarbeitung: Die Schräglagenkorrektur verringert die Neigung von Zeichen vor der optischen Zeichenerkennung. Der Klassifikator für handgeschriebene Ziffern von OpenCV wendet vor der Merkmalsextraktion und der Klassifizierung mit einer Support-Vektor-Maschine eine affine Scherung an.
Das Training für Erkennung und Segmentierung mit Ultralytics YOLO26 unterstützt geometrische Augmentierung durch degrees, translate, scale und shear, wobei Bilder und Annotationen gemeinsam aktualisiert werden. Mit perspective=0.0 ist die Abbildung affin; Rotation und Scherung sind standardmäßig deaktiviert.
Eine affine Transformation in Python anwenden#
Mit pip install opencv-python numpy verwendet dieses Beispiel OpenCV, um ein Bild um seinen Mittelpunkt zu drehen und zu verkleinern:
from urllib.request import urlopen
import cv2
import numpy as np
with urlopen("https://ultralytics.com/images/bus.jpg") as response:
encoded = np.frombuffer(response.read(), dtype=np.uint8)
image = cv2.imdecode(encoded, cv2.IMREAD_COLOR)
height, width = image.shape[:2]
# Für die Drehung um den Mittelpunkt ist auch eine Verschiebung erforderlich.
center = (width / 2, height / 2)
matrix = cv2.getRotationMatrix2D(center, angle=20, scale=0.8)
warped = cv2.warpAffine(image, matrix, (width, height))
cv2.imwrite("affine_result.jpg", warped)Das gespeicherte Bild zeigt eine Drehung um 20 Grad und eine Skalierung auf 80 % der ursprünglichen Abmessungen innerhalb einer unveränderten Ausgabefläche.
Resampling und Fehler bei Annotationen#
Beim Warping wird ein diskretes Pixelraster abgetastet. Bei der bilinearen Interpolation werden benachbarte Pixel miteinander verrechnet; bei der Nächste-Nachbar-Interpolation wird ein vorhandener Wert ausgewählt. Durch Drehungen werden Randbereiche sichtbar, für die keine Quellpixel vorhanden sind, und eine feste Ausgabefläche schneidet Inhalte außerhalb ihrer Grenzen ab. Wiederholtes bilineares Resampling verwischt feine Details, selbst wenn die Koordinatenabbildung invertierbar ist.
Beim überwachten Lernen in der Bildverarbeitung verwenden Bilder und Annotationen dieselbe Abbildung. Unveränderte Labels platzieren Ziele an falschen Positionen. Bei Begrenzungsrahmen müssen alle vier Ecken transformiert werden, bevor ein umschließendes achsenparalleles Rechteck berechnet wird; nach einer Drehung kann dieses zusätzlichen Hintergrund enthalten. Für Schlüsselpunkte außerhalb der Ausgabefläche müssen die Sichtbarkeitsangaben aktualisiert werden. Für kategoriale Segmentierungsmasken wird die Nächste-Nachbar-Interpolation verwendet, damit die diskreten Klassen-IDs erhalten bleiben.










