Affine Transformation
仿射变换通过旋转、缩放、错切和平移映射图像坐标,可用于数据增强、对齐和预处理。
仿射变换是一种坐标映射,它将线性变换与平移结合起来。在图像中,仿射变换可以旋转、调整大小、反射、错切或移动像素网格,同时保持直线结构不变。仿射变换和仿射映射是同义词。在计算机视觉中,这类映射可用于对齐、数据预处理和数据增强。
1748 年,莱昂哈德·欧拉在《无穷分析引论》第 2 卷第 XVIII 章中,用 affine 一词描述相关曲线。
仿射变换保持哪些性质#
可逆仿射变换会保持直线、平行关系以及直线上的间距比例。中点仍然是中点。长度和角度则可能发生变化:错切和非等比缩放可以将矩形变成平行四边形,或将圆变成椭圆。
刚性变换保持距离和角度;相似变换还允许等比缩放。仿射变换还允许非等比缩放和错切。单应变换包含透视效果,例如平行的道路边缘朝消失点汇聚。仿射映射会保持平行关系,适用于拟合整体倾斜和缩放变化。
仿射矩阵的工作原理#
二维仿射矩阵有六个参数,通常存储为一个 2 x 3 矩阵。其中四个参数控制线性部分,另外两个指定水平和垂直平移。三个点对即可确定该矩阵:三个源点必须不共线,从而构成一个三角形。在 OpenCV 中,cv2.getAffineTransform 根据这些对应点估算矩阵。
添加一个值为 1 的常数第三坐标(称为齐次坐标),即可通过矩阵乘法将平移纳入计算。所得 3 x 3 矩阵的末行是 0, 0, 1。多个变换可通过矩阵乘法组合;先旋转再移动通常不同于先移动再旋转。
当平移量为零时,仿射变换恰好是线性变换。在神经网络中,全连接层将学习到的权重与偏置项结合起来。PyTorch 的 Linear 层默认执行仿射映射,通常后接非线性激活函数。
在视觉任务和模型训练中的应用#
- 医学影像:图像配准会在比较扫描图像或校正形变前对齐图像。SimpleElastix 的仿射配准示例会校正经过错切、缩放至 1.2 倍、旋转 10 度并沿两个轴平移的图像。
- 文档处理:倾斜校正可在光学字符识别前减小字符倾斜。OpenCV 的手写数字分类器会先进行仿射错切,再进行特征提取和支持向量机分类。
Ultralytics YOLO26检测和分割训练支持通过 degrees、translate、scale 和 shear进行几何增强,并同步更新图像和标注。使用 perspective=0.0 时,映射为仿射变换;默认禁用旋转和错切。
在 Python 中应用仿射变换#
使用 pip install opencv-python numpy 时,此示例通过 OpenCV围绕图像中心旋转并缩小图像:
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]
# 围绕中心旋转还需要平移。
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)保存的图像在未改变的输出画布中旋转了 20 度,并缩放至原始尺寸的 80%。
重采样和标注错误#
变形操作会对离散像素网格进行采样。双线性插值会混合相邻像素;最近邻插值则选择一个已有值。旋转会显露没有源像素的边缘区域,而固定画布会裁切超出边界的内容。即使坐标映射可逆,反复进行双线性重采样也会使精细细节变模糊。
在监督式视觉任务中,图像和标注使用相同的映射。未同步更新标签会导致目标位置错误。边界框需要先变换全部四个角点,再计算外接轴对齐矩形;旋转后,这可能会包含额外的背景。关键点超出画布时,需要更新其可见性。类别型分割掩码使用最近邻插值,以保留离散类别 ID。










