YOLOのライセンス
Ultralytics用語集に戻る

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#

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。

ソリューションを見る

スポーツにおけるコンピュータービジョン

スポーツにおけるコンピュータービジョン

Ultralytics YOLOが、選手やボールの追跡、パフォーマンス分析、コーチングへの知見、アスリートのリハビリを通じて、スポーツビジョンをどのように支えるかをご紹介します。
詳しく見る
航空画像向けコンピュータービジョン

航空画像向けコンピュータービジョン

Ultralytics YOLOを使用して、ドローンや航空画像をリアルタイムの知見に変換し、農業、水産養殖、自然保護、地理空間分析に活用できます。
詳しく見る
航空宇宙分野のコンピュータービジョン

航空宇宙分野のコンピュータービジョン

Ultralytics YOLOを活用して航空宇宙分野でコンピュータビジョンを導入し、航空機検査、滑走路上のFOD検出、空港の地上業務、複合材の欠陥検出に活用できます。
詳しく見る
セキュリティ分野のコンピュータービジョン

セキュリティ分野のコンピュータービジョン

Ultralytics YOLOモデルであらゆる施設を保護しましょう。ビジョンAIは、周辺監視、脅威検知、ナンバープレート認識、職場の安全管理を支援します。
詳しく見る
ロボティクス分野のコンピュータービジョン

ロボティクス分野のコンピュータービジョン

Ultralytics YOLOモデルで、よりスマートなマシンを実現しましょう。ロボティクスにおけるビジョンAIは、自律ナビゲーション、認識、物体追跡、リアルタイム制御を支援します。
詳しく見る
物流におけるコンピュータービジョン

物流におけるコンピュータービジョン

Ultralytics YOLOモデルで物流を効率化しましょう。ビジョンAIにより、荷物検査、仕分け、車両追跡、倉庫のリアルタイム安全監視を実現します。
詳しく見る
小売業におけるコンピュータービジョン

小売業におけるコンピュータービジョン

Ultralytics YOLOモデルで小売のあり方を変革しましょう。ビジョンAIにより、在庫追跡、棚の監視、行列管理、より高度な顧客インサイトを実現します。
詳しく見る
医療分野におけるコンピュータービジョン

医療分野におけるコンピュータービジョン

Ultralytics YOLOモデルで医療ソリューションを構築しましょう。医療分野のビジョンAIは、医用画像処理の高速化、より高度な診断、患者モニタリングを実現します。
詳しく見る
製造業におけるコンピュータービジョン

製造業におけるコンピュータービジョン

Ultralytics YOLOモデルで製造を最適化しましょう。ビジョンAIは、品質管理、欠陥検出、PPE準拠、組立ラインの自動化を推進します。
詳しく見る
自動車分野におけるコンピュータービジョン

自動車分野におけるコンピュータービジョン

Ultralytics YOLOモデルで自動車分野にコンピュータービジョンを導入しましょう。ビジョンAIは、道路の安全性、運転支援、車両の自動化を向上させ、よりスマートな道路を実現します。
詳しく見る
農業におけるコンピュータービジョン

農業におけるコンピュータービジョン

Ultralytics YOLOモデルでスマート農業にビジョンAIを導入しましょう。作物のモニタリング、家畜の追跡、精密農業を支援し、より高く効率的な収量を実現します。
詳しく見る

AIの未来を一緒に築きましょう!

機械学習の未来に向けた歩みを始めましょう