Affine Transformation
La transformación afín mapea las coordenadas de la imagen mediante rotación, escalado, cizallamiento y traslación, y sirve para el aumento de datos, la alineación y el preprocesamiento.
Una transformación afín es un mapeo de coordenadas que combina una transformación lineal con una traslación. En las imágenes, puede rotar, cambiar el tamaño, reflejar, cizallar o desplazar la cuadrícula de píxeles sin alterar la estructura de las líneas rectas. Transformación afín y aplicación afín son sinónimos. En visión artificial, estos mapeos sirven para la alineación, el preprocesamiento de datos y el aumento de datos.
Leonhard Euler introdujo el término afín para curvas relacionadas en 1748, en el capítulo XVIII de Introductio in analysin infinitorum, volumen 2.
Qué conservan las transformaciones afines#
Una transformación afín invertible conserva las líneas rectas, el paralelismo y las proporciones entre distancias a lo largo de una línea. Un punto medio sigue siendo un punto medio. Las longitudes y los ángulos pueden cambiar: el cizallamiento y el escalado desigual pueden convertir un rectángulo en un paralelogramo o un círculo en una elipse.
Las transformaciones rígidas conservan las distancias y los ángulos; las transformaciones de semejanza también permiten un escalado uniforme. Las transformaciones afines permiten además el escalado desigual y el cizallamiento. Una homografía incluye efectos de perspectiva, como los bordes paralelos de una carretera que convergen hacia un punto de fuga. Un mapeo afín conserva el paralelismo y permite ajustar los cambios globales de inclinación y escala.
Cómo funciona la matriz afín#
Una matriz afín bidimensional tiene seis parámetros, que suelen almacenarse en una matriz de 2 x 3. Cuatro controlan la parte lineal y dos especifican la traslación horizontal y vertical. Tres pares de puntos determinan la matriz: los tres puntos de origen no deben ser colineales, sino formar un triángulo. En OpenCV, cv2.getAffineTransform estima la matriz a partir de estas correspondencias.
Añadir una tercera coordenada constante de 1, denominada coordenada homogénea, incorpora la traslación a la multiplicación de matrices. La matriz resultante de 3 x 3 tiene una última fila de 0, 0, 1. Las transformaciones múltiples se combinan mediante la multiplicación de matrices; rotar y luego desplazar suele dar un resultado distinto de desplazar y luego rotar.
Una transformación afín es lineal si y solo si su traslación es cero. En una red neuronal, una capa totalmente conectada combina pesos aprendidos con un término de sesgo. La capa Linear de PyTorch aplica un mapeo afín de forma predeterminada, normalmente seguido de una función de activación no lineal.
Usos en visión y entrenamiento de modelos#
- Diagnóstico por imagen: El registro de imágenes afín alinea las exploraciones antes de compararlas o corregir deformaciones. El ejemplo de registro afín de SimpleElastix corrige una imagen sometida a cizallamiento, escalada 1,2 veces, rotada 10 grados y trasladada en ambos ejes.
- Procesamiento de documentos: La corrección de inclinación reduce la inclinación de los caracteres antes del reconocimiento óptico de caracteres. El clasificador de dígitos escritos a mano de OpenCV aplica un cizallamiento afín antes de la extracción de características y la clasificación mediante máquinas de vectores de soporte.
El entrenamiento de detección y segmentación de Ultralytics YOLO26 admite el aumento geométrico mediante degrees, translate, scale y shear, actualizando las imágenes y las anotaciones a la vez. Con perspective=0.0, el mapeo es afín; la rotación y el cizallamiento están desactivados de forma predeterminada.
Aplicar una transformación afín en Python#
Con pip install opencv-python numpy, este ejemplo utiliza OpenCV para rotar y reducir una imagen alrededor de su centro:
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]
# La rotación alrededor del centro también requiere traslación.
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)La imagen guardada muestra una rotación de 20 grados y un escalado al 80 % de las dimensiones originales dentro de un lienzo de salida sin cambios.
Errores de remuestreo y anotación#
La deformación remuestrea una cuadrícula de píxeles discreta. La interpolación bilineal combina los píxeles vecinos; la interpolación por vecino más cercano selecciona un valor existente. La rotación deja al descubierto zonas de los bordes sin píxeles de origen, y un lienzo fijo recorta el contenido que queda fuera de sus límites. El remuestreo bilineal repetido suaviza los detalles finos, incluso cuando el mapeo de coordenadas es invertible.
En la visión supervisada, las imágenes y las anotaciones comparten el mismo mapeo. Si las etiquetas no se actualizan, los objetos quedan en ubicaciones incorrectas. Para transformar las cajas delimitadoras, hay que transformar las cuatro esquinas antes de calcular un rectángulo envolvente alineado con los ejes, que puede incluir más fondo tras la rotación. Los puntos clave que quedan fuera del lienzo requieren actualizar su visibilidad. Las máscaras categóricas de segmentación utilizan interpolación por vecino más cercano para conservar los identificadores de clase discretos.










