YOLO 라이선스 받기
Ultralytics 용어집으로 돌아가기

Affine Transformation

아핀 변환은 회전, 스케일링, 전단 및 평행 이동을 통해 이미지 좌표를 매핑하며, 데이터 증강, 정렬 및 전처리를 지원합니다.

아핀 변환은 선형 변환과 평행 이동을 결합하는 좌표 매핑입니다. 이미지에서 아핀 변환은 직선 구조를 유지하면서 픽셀 격자를 회전, 크기 조정, 반사, 전단 또는 이동할 수 있습니다. 아핀 변환과 아핀 사상은 동의어입니다. 컴퓨터 비전에서 이러한 매핑은 정렬, 데이터 전처리 및 데이터 증강을 지원합니다.

Leonhard Euler는 1748년 Introductio in analysin infinitorum, volume 2의 제18장에서 관련 곡선을 가리키는 용어 affine을 도입했습니다.

아핀 변환으로 보존되는 것#

가역 아핀 변환은 직선, 평행성 및 직선상의 간격 비율을 보존합니다. 중점은 계속 중점으로 유지됩니다. 길이와 각도는 변할 수 있습니다. 전단 및 비균일 스케일링은 직사각형을 평행사변형으로, 원을 타원으로 바꿀 수 있습니다.

강체 변환은 거리와 각도를 보존하며, 유사 변환은 여기에 균일 스케일링을 허용합니다. 아핀 변환은 비균일 스케일링과 전단도 허용합니다. 호모그래피는 평행한 도로 가장자리가 소실점으로 수렴하는 현상과 같은 원근 효과를 포함합니다. 아핀 매핑은 평행성을 보존하므로 전반적인 기울어짐과 스케일 변화를 보정합니다.

아핀 행렬의 작동 방식#

2차원 아핀 행렬은 6개의 매개변수로 구성되며, 일반적으로 2 x 3 행렬에 저장됩니다. 네 개의 매개변수는 선형 부분을 제어하고, 나머지 두 개는 수평 및 수직 평행 이동을 지정합니다. 세 쌍의 점으로 행렬을 결정할 수 있습니다. 세 개의 원본 점은 동일 직선상에 있어서는 안 되며, 삼각형을 형성해야 합니다. OpenCV에서 cv2.getAffineTransform은 이러한 대응점으로 행렬을 추정합니다.

동차 좌표라고 하는 세 번째 좌표에 상수 1을 추가하면 행렬 곱셈에 평행 이동을 포함할 수 있습니다. 이렇게 만들어진 3 x 3 행렬의 마지막 행은 0, 0, 1입니다. 여러 변환은 행렬 곱셈으로 결합할 수 있습니다. 회전 후 이동하는 결과는 일반적으로 이동 후 회전하는 결과와 다릅니다.

아핀 변환은 평행 이동이 0일 때만 선형 변환입니다. 신경망에서 완전 연결 계층은 학습된 가중치와 바이어스 오프셋을 결합합니다. PyTorch의 Linear 계층은 기본적으로 아핀 매핑을 적용하며, 일반적으로 비선형 활성화 함수가 뒤따릅니다.

비전 및 모델 학습에서의 활용#

Ultralytics YOLO26의 탐지 및 분할 학습은 degrees, translate, scale 및 shear를 통해 기하학적 증강을 지원하며, 이미지와 어노테이션을 함께 업데이트합니다. perspective=0.0을 사용하면 매핑은 아핀 변환이며, 회전과 전단은 기본적으로 비활성화됩니다.

Python에서 아핀 변환 적용하기#

pip install opencv-python numpy을 사용하는 이 예제에서는 OpenCV를 이용해 이미지 중심을 기준으로 이미지를 회전하고 축소합니다.

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]

# 중심을 기준으로 회전하려면 평행 이동도 필요합니다.
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)

저장된 이미지에는 변경되지 않은 출력 캔버스 안에서 20도 회전하고 원래 크기의 80%로 스케일링한 결과가 표시됩니다.

리샘플링 및 어노테이션 오류#

워핑은 이산 픽셀 격자를 샘플링합니다. 쌍선형 보간은 인접 픽셀을 혼합하고, 최근접 이웃 보간은 기존 값을 선택합니다. 회전하면 원본 픽셀이 없는 테두리 영역이 드러나며, 고정된 캔버스 경계 밖의 콘텐츠는 잘립니다. 좌표 매핑이 가역적이더라도 쌍선형 리샘플링을 반복하면 미세한 디테일이 흐려집니다.

지도 학습 기반 비전에서는 이미지와 어노테이션에 동일한 매핑을 적용합니다. 레이블을 그대로 두면 타깃이 잘못된 위치에 놓입니다. 바운딩 박스는 네 모서리를 모두 변환한 다음 외접 축 정렬 사각형을 계산해야 하며, 회전 후에는 이 사각형에 추가 배경이 포함될 수 있습니다. 캔버스 밖에 있는 키포인트는 가시성 정보를 업데이트해야 합니다. 범주형 분할 마스크는 이산 클래스 ID를 유지하기 위해 최근접 이웃 보간을 사용합니다.

솔루션 살펴보기

스포츠 분야의 컴퓨터 비전

스포츠 분야의 컴퓨터 비전

Ultralytics YOLO가 선수 및 공 추적, 경기력 분석, 코칭 인사이트, 선수 재활을 통해 스포츠 비전을 구현하는 방법을 알아보세요.
자세히 알아보기
항공 이미지 컴퓨터 비전

항공 이미지 컴퓨터 비전

Ultralytics YOLO를 활용해 드론 및 항공 이미지를 농업, 양식업, 보전, 지리 공간 분석을 위한 실시간 인사이트로 전환하세요.
자세히 알아보기
항공우주 분야의 컴퓨터 비전

항공우주 분야의 컴퓨터 비전

Ultralytics YOLO를 활용해 항공기 검사, 활주로 FOD 감지, 공항 지상 운영, 복합재 결함 감지 등 항공우주 분야에 컴퓨터 비전을 적용하세요.
자세히 알아보기
보안 분야의 컴퓨터 비전

보안 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 모든 시설을 보호하세요. Vision AI는 경계 모니터링, 위협 감지, 번호판 인식, 작업장 안전을 지원합니다.
자세히 알아보기
로보틱스 분야의 컴퓨터 비전

로보틱스 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 더 스마트한 머신을 구현하세요. 로보틱스 분야의 Vision AI는 자율 주행, 인식, 객체 추적, 실시간 제어를 지원합니다.
자세히 알아보기
물류 분야의 컴퓨터 비전

물류 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 물류를 간소화하세요. 비전 AI는 화물 검사, 분류, 차량 추적, 실시간 창고 안전 모니터링을 지원합니다.
자세히 알아보기
리테일 분야의 컴퓨터 비전

리테일 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 리테일의 새로운 가능성을 열어 보세요. 비전 AI는 재고 추적, 선반 모니터링, 대기열 관리, 더욱 심층적인 고객 인사이트를 지원합니다.
자세히 알아보기
의료 분야의 컴퓨터 비전

의료 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 의료 솔루션을 구축하세요. 의료 분야의 비전 AI는 의료 영상 판독을 가속화하고, 진단을 개선하며, 환자 모니터링을 지원합니다.
자세히 알아보기
제조 분야의 컴퓨터 비전

제조 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 제조 공정을 최적화하세요. 비전 AI는 품질 관리, 결함 탐지, PPE 규정 준수, 조립 라인 자동화를 지원합니다.
자세히 알아보기
자동차 분야의 컴퓨터 비전

자동차 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 자동차 분야에 컴퓨터 비전을 적용하세요. 비전 AI는 도로 안전, 운전자 지원, 차량 자동화를 개선해 더 스마트한 도로를 구현합니다.
자세히 알아보기
농업 분야의 컴퓨터 비전

농업 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 스마트 농업에 비전 AI를 도입하세요. 작물 모니터링, 가축 추적, 정밀 농업을 지원하여 더 높은 수확량과 더 스마트한 농업을 실현합니다.
자세히 알아보기

함께 AI의 미래를 만들어 가세요!

머신러닝의 미래와 함께 여정을 시작하세요