Affine Transformation
Аффинное преобразование отображает координаты изображения с помощью поворота, масштабирования, сдвига и переноса, поддерживая аугментацию, выравнивание и предварительную обработку.
Аффинное преобразование — это отображение координат, объединяющее линейное преобразование с переносом. В изображениях оно может поворачивать, изменять размер, отражать, сдвигать или перемещать сетку пикселей, сохраняя структуру прямых линий. Аффинное преобразование и аффинное отображение — синонимы. В компьютерном зрении такие отображения используются для выравнивания, предварительной обработки данных и аугментации данных.
Леонард Эйлер ввел термин аффинный для родственных кривых в 1748 году, в главе XVIII «Введения в анализ бесконечно малых», том 2.
Что сохраняют аффинные преобразования#
Обратимое аффинное преобразование сохраняет прямые линии, параллельность и отношения отрезков на одной прямой. Середина отрезка остается его серединой. Длины и углы могут изменяться: сдвиг и неравномерное масштабирование могут превратить прямоугольник в параллелограмм, а окружность — в эллипс.
Жесткие преобразования сохраняют расстояния и углы; преобразования подобия дополнительно допускают равномерное масштабирование. Аффинные преобразования также допускают неравномерное масштабирование и сдвиг. Гомография учитывает эффекты перспективы, например схождение параллельных краев дороги к точке схода. Аффинное отображение сохраняет параллельность и подходит для моделирования глобальных изменений перекоса и масштаба.
Как работает аффинная матрица#
Двумерная аффинная матрица содержит шесть параметров и обычно хранится как матрица 2 x 3. Четыре параметра задают линейную часть, а два определяют горизонтальный и вертикальный перенос. Матрицу определяют три пары точек: три исходные точки не должны лежать на одной прямой, образуя треугольник. В OpenCV cv2.getAffineTransform вычисляет матрицу по этим соответствиям.
Добавление постоянной третьей координаты, равной 1 и называемой однородной координатой, позволяет включить перенос в умножение матриц. Полученная матрица 3 x 3 имеет последнюю строку 0, 0, 1. Несколько преобразований объединяются с помощью умножения матриц; поворот с последующим переносом, как правило, не эквивалентен переносу с последующим поворотом.
Аффинное преобразование является линейным тогда и только тогда, когда перенос равен нулю. В нейронной сети полносвязный слой объединяет обучаемые веса со смещением. Слой Linear в PyTorch по умолчанию выполняет аффинное отображение, за которым обычно следует нелинейная функция активации.
Применение в компьютерном зрении и обучении моделей#
- Медицинская визуализация: Аффинная регистрация изображений выравнивает сканы перед сравнением или коррекцией деформации. Пример аффинной регистрации в SimpleElastix исправляет изображение, которое было сдвинуто, увеличено в 1,2 раза, повернуто на 10 градусов и перенесено по обеим осям.
- Обработка документов: Устранение перекоса уменьшает наклон символов перед оптическим распознаванием символов. Классификатор рукописных цифр в OpenCV применяет аффинный сдвиг перед извлечением признаков и классификацией с помощью метода опорных векторов.
Обучение детекторов и моделей сегментации Ultralytics YOLO26 поддерживает геометрическую аугментацию с помощью degrees, translate, scale и shear, одновременно обновляя изображения и аннотации. При использовании perspective=0.0 отображение является аффинным; по умолчанию поворот и сдвиг отключены.
Применение аффинного преобразования в Python#
В этом примере pip install opencv-python numpy использует OpenCV, чтобы повернуть изображение и уменьшить его вокруг центра:
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]
# Для поворота вокруг центра также требуется перенос.
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)На сохраненном изображении показан поворот на 20 градусов и масштабирование до 80% от исходных размеров в неизмененном выходном холсте.
Передискретизация и ошибки аннотации#
При геометрическом преобразовании выполняется выборка дискретной сетки пикселей. Билинейная интерполяция смешивает соседние пиксели; интерполяция методом ближайшего соседа выбирает существующее значение. При повороте появляются области границ, для которых нет исходных пикселей, а фиксированный холст обрезает содержимое за его пределами. Повторная билинейная передискретизация смягчает мелкие детали, даже если отображение координат обратимо.
При обучении с учителем в компьютерном зрении изображения и аннотации должны подвергаться одному и тому же преобразованию. Если метки не обновить, целевые объекты будут расположены неправильно. Для ограничивающих рамок нужно преобразовать все четыре угла, прежде чем вычислять охватывающий осевой прямоугольник, который после поворота может включать дополнительный фон. Для ключевых точек, вышедших за границы холста, нужно обновить сведения о видимости. Для категориальных масок сегментации используется интерполяция методом ближайшего соседа, чтобы сохранить дискретные идентификаторы классов.










