Affine Transformation
アフィン変換は、回転、スケーリング、せん断、平行移動を通じて画像座標を写像し、データ拡張、位置合わせ、前処理を支援します。
アフィン変換は、線形変換と平行移動を組み合わせた座標写像です。画像では、直線構造を保ちながら、ピクセルグリッドの回転、サイズ変更、反転、せん断、平行移動を行えます。アフィン変換とアフィン写像は同義語です。コンピュータビジョンでは、これらの写像を位置合わせ、データ前処理、データ拡張に利用します。
レオンハルト・オイラーは1748年に、Introductio in analysin infinitorum, volume 2の第18章で、関連する曲線を表す用語としてアフィンを導入しました。
アフィン変換で保たれる性質#
可逆なアフィン変換では、直線、平行性、直線上の間隔比が保たれます。中点は中点のままです。長さや角度は変化する場合があります。せん断や不均等なスケーリングによって、長方形が平行四辺形に、円が楕円に変わることがあります。
剛体変換では距離と角度が保たれ、相似変換ではさらに一様なスケーリングが可能です。アフィン変換では、不均等なスケーリングやせん断も可能です。ホモグラフィでは、平行な道路の端が消失点に向かって収束するような透視効果も表現できます。アフィン写像では平行性が保たれるため、全体的な傾きやスケールの変化を補正できます。
アフィン行列の仕組み#
2次元アフィン行列には6つのパラメーターがあり、一般に2 x 3行列として格納されます。4つのパラメーターが線形部分を制御し、残りの2つが水平方向と垂直方向の平行移動を指定します。3組の点の対応関係から行列を決定できます。3つの始点は同一直線上にあってはならず、三角形を形成する必要があります。OpenCVでは、これらの対応関係から行列を推定するためにcv2.getAffineTransformを使用します。
同次座標と呼ばれる定数の第3座標1を追加すると、平行移動を行列の乗算に組み込めます。得られる3 x 3行列の最終行は0, 0, 1です。複数の変換は行列の乗算で組み合わせられます。一般に、回転してから移動する場合と、移動してから回転する場合では結果が異なります。
アフィン変換は、平行移動がゼロの場合に限り線形変換となります。ニューラルネットワークでは、全結合層が学習済みの重みとバイアスオフセットを組み合わせます。PyTorchのLinear層はデフォルトでアフィン写像を適用し、通常はその後に非線形の活性化関数を適用します。
ビジョンとモデルのトレーニングでの用途#
- 医用画像処理: アフィン画像レジストレーションにより、比較や変形補正の前にスキャン画像を位置合わせします。SimpleElastixのアフィンレジストレーションの例では、せん断、1.2倍のスケーリング、10度の回転、両軸方向への平行移動が加えられた画像を補正します。
- 文書処理: 傾き補正により、光学文字認識の前に文字の傾きを低減します。OpenCVの手書き数字分類器は、特徴抽出とサポートベクターマシンによる分類の前に、アフィンせん断を適用します。
UltralyticsのYOLO26による検出およびセグメンテーションのトレーニングでは、degrees、translate、scale、shearを通じた幾何学的データ拡張に対応しており、画像とアノテーションを同時に更新します。perspective=0.0を使用すると、写像はアフィン変換になります。回転とせん断はデフォルトで無効です。
Pythonでアフィン変換を適用する#
pip install opencv-python numpyを使用して、OpenCVで画像の中心を基準に回転および縮小する例を示します。
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]
# 中心を基準に回転する場合も、平行移動が必要です。
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)保存された画像では、出力キャンバスのサイズを変えずに、20度の回転と元の寸法の80%へのスケーリングが行われています。
リサンプリングとアノテーションの誤差#
ワーピングでは、離散的なピクセルグリッドからサンプリングします。バイリニア補間では隣接するピクセルをブレンドし、最近傍補間では既存の値を選択します。回転すると、元画像のピクセルが存在しない境界領域が現れ、固定サイズのキャンバスでは境界外の内容が切り取られます。座標写像が可逆であっても、バイリニア補間によるリサンプリングを繰り返すと細部がぼやけます。
教師ありビジョンでは、画像とアノテーションに同じ写像を適用します。ラベルを更新しないと、ターゲットの位置がずれます。バウンディングボックスでは、4つの頂点すべてを変換してから、軸に平行な外接矩形を計算する必要があります。回転後は、その矩形に背景が余分に含まれることがあります。キャンバスの外に出たキーポイントには、可視性の更新が必要です。カテゴリ型のセグメンテーションマスクでは、クラスIDを離散値のまま保つため、最近傍補間を使用します。










