Licenza YOLO
Torna al glossario di Ultralytics

Affine Transformation

La trasformazione affine mappa le coordinate dell'immagine tramite rotazione, ridimensionamento, taglio e traslazione, supportando l'aumento dei dati, l'allineamento e il preprocessing.

Una trasformazione affine è una mappatura di coordinate che combina una trasformazione lineare con una traslazione. Nelle immagini può ruotare, ridimensionare, riflettere, deformare tramite taglio o spostare la griglia di pixel, preservando la struttura delle linee rette. Trasformazione affine e mappa affine sono sinonimi. Nella visione artificiale, queste mappature supportano l'allineamento, il preprocessing dei dati e l'aumento dei dati.

Leonhard Euler introdusse il termine affine per curve correlate nel 1748, nel capitolo XVIII di Introductio in analysin infinitorum, volume 2.

Cosa preservano le trasformazioni affini#

Una trasformazione affine invertibile preserva le linee rette, il parallelismo e i rapporti tra le distanze lungo una retta. Un punto medio rimane tale. Le lunghezze e gli angoli possono cambiare: il taglio e il ridimensionamento non uniforme possono trasformare un rettangolo in un parallelogramma o un cerchio in un'ellisse.

Le trasformazioni rigide preservano distanze e angoli; le trasformazioni di similitudine consentono anche il ridimensionamento uniforme. Le trasformazioni affini consentono inoltre il ridimensionamento non uniforme e il taglio. Un'omografia include effetti prospettici, come i bordi paralleli di una strada che convergono verso un punto di fuga. Una mappatura affine preserva il parallelismo e corregge le variazioni globali di inclinazione e scala.

Come funziona la matrice affine#

Una matrice affine bidimensionale ha sei parametri, comunemente memorizzati in una matrice 2 x 3. Quattro controllano la parte lineare e due specificano la traslazione orizzontale e verticale. Tre coppie di punti determinano la matrice: i tre punti di origine devono essere non collineari, formando un triangolo. In OpenCV, cv2.getAffineTransform stima la matrice a partire da queste corrispondenze.

L'aggiunta di una coordinata omogenea costante pari a 1 incorpora la traslazione nella moltiplicazione di matrici. La matrice risultante 3 x 3 ha come riga finale 0, 0, 1. Più trasformazioni si combinano tramite moltiplicazione di matrici; ruotare e poi traslare dà in genere un risultato diverso dal traslare e poi ruotare.

Una trasformazione affine è lineare se e solo se la sua traslazione è nulla. In una rete neurale, un livello completamente connesso combina i pesi appresi con un termine di bias. Il livello Linear di PyTorch applica per impostazione predefinita una mappatura affine, in genere seguita da una funzione di attivazione non lineare.

Applicazioni nella visione e nell'addestramento dei modelli#

L'addestramento per il rilevamento e la segmentazione di Ultralytics YOLO26 supporta l'aumento geometrico tramite degrees, translate, scale e shear, aggiornando insieme immagini e annotazioni. Con perspective=0.0, la mappatura è affine; la rotazione e il taglio sono disattivati per impostazione predefinita.

Applicare una trasformazione affine in Python#

Con pip install opencv-python numpy, questo esempio usa OpenCV per ruotare e ridurre un'immagine attorno al suo 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]

# Anche la rotazione attorno al centro richiede una traslazione.
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)

L'immagine salvata mostra una rotazione di 20 gradi e un ridimensionamento all'80% delle dimensioni originali, all'interno di un canvas di output invariato.

Ricampionamento ed errori nelle annotazioni#

La trasformazione geometrica ricampiona una griglia discreta di pixel. L'interpolazione bilineare fonde i pixel vicini; l'interpolazione nearest-neighbor seleziona un valore esistente. La rotazione espone aree dei bordi prive di pixel sorgente e un canvas fisso ritaglia il contenuto che supera i suoi limiti. Il ricampionamento bilineare ripetuto sfuma i dettagli più fini, anche quando la mappatura delle coordinate è invertibile.

Nella visione supervisionata, immagini e annotazioni condividono la stessa mappatura. Le etichette non aggiornate collocano gli oggetti in posizioni errate. Le caselle di delimitazione richiedono la trasformazione di tutti e quattro gli angoli prima di calcolare un rettangolo circoscritto allineato agli assi, che dopo la rotazione può includere ulteriore sfondo. I punti chiave che si trovano fuori dal canvas richiedono l'aggiornamento della visibilità. Le maschere di segmentazione categoriale usano l'interpolazione nearest-neighbor per mantenere gli ID di classe discreti.

Esplora le soluzioni

La visione artificiale nello sport

La visione artificiale nello sport

Scopri come Ultralytics YOLO alimenta la computer vision nello sport con il tracciamento di giocatori e palloni, l'analisi delle prestazioni, gli approfondimenti per gli allenatori e la riabilitazione degli atleti.
Scopri di più
Computer vision per immagini aeree

Computer vision per immagini aeree

Trasforma immagini aeree e riprese da drone in informazioni utili in tempo reale per agricoltura, acquacoltura, conservazione e analisi geospaziale con Ultralytics YOLO.
Scopri di più
Computer vision nel settore aerospaziale

Computer vision nel settore aerospaziale

Applica la visione artificiale nel settore aerospaziale con Ultralytics YOLO per l'ispezione degli aeromobili, il rilevamento di FOD sulle piste, le operazioni di terra aeroportuali e il rilevamento di difetti nei materiali compositi.
Scopri di più
Visione artificiale nella sicurezza

Visione artificiale nella sicurezza

Proteggi ogni sito con i modelli Ultralytics YOLO. L'IA visiva alimenta il monitoraggio perimetrale, il rilevamento delle minacce, il riconoscimento delle targhe e la sicurezza sul lavoro.
Scopri di più
Visione artificiale nella robotica

Visione artificiale nella robotica

Dai più potenza alle macchine intelligenti con i modelli Ultralytics YOLO. Nell'ambito della robotica, l'IA visiva alimenta la navigazione autonoma, la percezione, il tracciamento degli oggetti e il controllo in tempo reale.
Scopri di più
Visione artificiale nella logistica

Visione artificiale nella logistica

Semplifica la logistica con i modelli Ultralytics YOLO. L'IA per la visione consente l'ispezione dei pacchi, la selezione, il tracciamento dei veicoli e il monitoraggio della sicurezza nei magazzini in tempo reale.
Scopri di più
Visione artificiale nel commercio al dettaglio

Visione artificiale nel commercio al dettaglio

Ripensa il commercio al dettaglio con i modelli Ultralytics YOLO. L'IA per la visione consente di tracciare le scorte, monitorare gli scaffali, gestire le code e ottenere informazioni più approfondite sui clienti.
Scopri di più
Visione artificiale in ambito sanitario

Visione artificiale in ambito sanitario

Crea soluzioni sanitarie con i modelli Ultralytics YOLO. In ambito sanitario, l'IA per la visione consente di elaborare più rapidamente le immagini mediche, migliorare la diagnostica e monitorare i pazienti.
Scopri di più
Computer vision nella produzione

Computer vision nella produzione

Ottimizza la produzione con i modelli Ultralytics YOLO. La visione basata sull'IA migliora il controllo qualità, il rilevamento dei difetti, la conformità ai requisiti sui DPI e l'automazione delle linee di assemblaggio.
Scopri di più
Computer vision nel settore automobilistico

Computer vision nel settore automobilistico

Applica la computer vision al settore automobilistico con i modelli Ultralytics YOLO. La visione basata sull'IA migliora la sicurezza stradale, i sistemi di assistenza alla guida e l'automazione dei veicoli, per strade più intelligenti.
Scopri di più
Visione artificiale in agricoltura

Visione artificiale in agricoltura

Porta l'IA visiva nell'agricoltura intelligente con i modelli Ultralytics YOLO. Gestisci il monitoraggio delle colture, il tracciamento del bestiame e l'agricoltura di precisione per ottenere raccolti più abbondanti e intelligenti.
Scopri di più

Costruiamo insieme il futuro dell'IA!

Inizia il tuo percorso verso il futuro del machine learning