opencv图像仿射变换，cv2.warpAffine

深藏阁楼爱情的钟 2023-09-29 08:36 9阅读 0赞

**目录**

仿射变换原理介绍

cv2.warpAffine函数介绍

代码实例

--------------------

## 仿射变换原理介绍 ##

**仿射变换**，又称**仿射映射**，是指在[几何][Link 1]中，一个[向量空间][Link 2]进行一次[线性变换][Link 3]并接上一个[平移][Link 4]，变换为另一个向量空间。

在有限维的情况，每个仿射变换可以由一个矩阵A和一个向量b给出，它可以写作A和一个附加的列b。一个仿射变换对应于一个矩阵和一个向量的乘法，而仿射变换的复合对应于普通的[矩阵乘法][Link 5]，只要加入一个额外的行到矩阵的底下，这一行全部是0除了最右边是一个1，而列向量的底下要加上一个1。

在opencv中就相当于是对图像的坐标进行操作(x,y)，对坐标进行矩阵运算。运算过后会生成新的矩阵，仿射变换就相当于是原始图像和新生成图像之间的映射，下面给出运算矩阵。

**下面的M相当于就是一个运算矩阵。2行3列**

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16][]

**根据定义，我们的坐标就可以根据A，B来进行运算**

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 1][]

**可以很轻易的得出以下方程**

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 2][]

**通过方程我们就可以很轻易的看出，c1和c2就相当于是让图像平移，而a和b这2个参数就是对图像进行旋转，缩放等操作。**

**由于图像是3维的，所以这里还需要增加下维度，构建齐次方程进行运算**

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 3][]

上面仅仅是个人理解，如果有误还请指出

--------------------

## cv2.warpAffine函数介绍 ##

cv2.warpAffine函数用于仿射变换

def warpAffine(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None)

*  src：输入图像
 *  M：**运算矩阵，2行3列的，数据类型要求是float32位及以上**
 *  dsize：运算后矩阵的大小，也就是输出图片的尺寸
 *  dst：输出图像
 *  flags：插值方法的组合，与resize函数中的插值一样，可以查看[cv2.resize][]
 *  borderMode：像素外推方法，详情参考官网
 *  borderValue：在恒定边框的情况下使用的borderValue值；默认情况下，它是 0

--------------------

## 代码实例 ##

下面代码对M矩阵给出不同的值，查看图像变换情况，首先改变c1和c2

M = np.float32([[1, 0, 50], [0, 1, 50]])

上面的代码就相当于是对图像进行平移，向左平移50，向上平移50

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 4][]

--------------------

改变下其他值，改变b1和a2

M = np.float32([[1, 0.2, 0], [0.2, 1, 0]])

这个就好像是对图片进行了3维的旋转

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 5][]

--------------------

改变b2和a1

M = np.float32([[1.3, 0, 0], [0, 1.3, 0]])

这个就相当于是对图片进行了放大

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 6][]

--------------------

**完整代码**

import cv2
    import numpy as np
    
    lp = cv2.resize(cv2.imread('../images/lp.jpg'), None, fx=0.7, fy=0.7)
    h, w, channel = lp.shape
    
    M = np.float32([[1, 0, 50], [0, 1, 50]])
    new_lp1 = cv2.warpAffine(lp, M, (w, h))
    M = np.float32([[1, 0.2, 0], [0.2, 1, 0]])
    new_lp2 = cv2.warpAffine(lp, M, (w, h))
    M = np.float32([[1.3, 0, 0], [0, 1.3, 0]])
    new_lp3 = cv2.warpAffine(lp, M, (w, h))
    
    cv2.imshow('lp', np.hstack((lp, new_lp1, new_lp2, new_lp3)))
    cv2.waitKey(0)
    cv2.destroyAllWindows()

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 7][]

[Link 1]: https://baike.baidu.com/item/%E5%87%A0%E4%BD%95/303227
[Link 2]: https://baike.baidu.com/item/%E5%90%91%E9%87%8F%E7%A9%BA%E9%97%B4/5936597
[Link 3]: https://baike.baidu.com/item/%E7%BA%BF%E6%80%A7%E5%8F%98%E6%8D%A2/5904192
[Link 4]: https://baike.baidu.com/item/%E5%B9%B3%E7%A7%BB/2376933
[Link 5]: https://baike.baidu.com/item/%E7%9F%A9%E9%98%B5%E4%B9%98%E6%B3%95/5446029
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/c2a7b693cf8e4a18ad86ccbd4dcda924.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg==,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 1]: https://img-blog.csdnimg.cn/8ce063599e5d4e4bb3ef5c172fe0db40.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg==,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 2]: https://img-blog.csdnimg.cn/603a13c8c57444949bacb89bb63d4c40.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg==,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 3]: https://img-blog.csdnimg.cn/e3ca756253274a8db43c2904301f23e8.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg==,size_20,color_FFFFFF,t_70,g_se,x_16
[cv2.resize]: https://blog.csdn.net/m0_51545690/article/details/123957299
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 4]: https://img-blog.csdnimg.cn/f681e7adda2941068b30fff8a9c17fc6.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg==,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 5]: https://img-blog.csdnimg.cn/9a0f6218ae7348f99aea9c797c708bcf.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg==,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 6]: https://img-blog.csdnimg.cn/4470233641144a598050a0e61facf9c6.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg==,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 7]: https://img-blog.csdnimg.cn/7d5f5d42ea374c9195987a50524fd6c3.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg==,size_20,color_FFFFFF,t_70,g_se,x_16