3、图像几何变换：resize、warpAffine、getRotationMatrix2D、仿射变换与透视变换

图像几何变换，说白了就是让图像「动起来」——放大缩小、旋转、拉伸、甚至换个视角看。这是图像预处理里最基础也最实用的操作之一。我个人习惯把几何变换分成两类：一类是改变图像尺寸的，比如缩放；另一类是改变图像形状的，比如仿射和透视。咱们一个一个来聊。

3.1 图像缩放：resize

resize 可能是你用得最多的函数了。不管是把大图缩小加速处理，还是把小图放大做输入，都离不开它。

import cv2

img = cv2.imread('example.jpg')
# 指定目标尺寸
resized = cv2.resize(img, (300, 200))
# 按比例缩放
scale_percent = 0.5
width = int(img.shape[1] * scale_percent)
height = int(img.shape[0] * scale_percent)
resized = cv2.resize(img, (width, height))

这里有个坑，我踩过好几次——resize 的尺寸参数是 (宽度, 高度)，而 numpy 数组的 shape 是 (高度, 宽度, 通道数)。顺序反了，图像就变形了。嗯，写代码时多看一眼。

插值方法的选择：

  • 缩小图像：用 cv2.INTER_AREA，效果最平滑，不容易出现锯齿
  • 放大图像：用 cv2.INTER_LINEAR（默认），速度快，效果也不错
  • 追求极致质量：用 cv2.INTER_CUBIC，但速度慢，一般不用

我的经验：做深度学习模型输入时，我习惯用 INTER_LINEAR 放大，用 INTER_AREA 缩小。别小看这个选择，处理人脸图像时，插值方法选不对，关键点检测的精度能掉好几个点。

3.2 仿射变换：warpAffine 与 getRotationMatrix2D

仿射变换，说白了就是「平移 + 旋转 + 缩放 + 错切」的组合。它有个特点：平行线变换后还是平行线。你想想看，矩形经过仿射变换后还是平行四边形，不会变成梯形。

实现仿射变换需要两步：先算变换矩阵，再用 warpAffine 执行变换。

3.2.1 平移变换

import numpy as np

# 向右平移100像素，向下平移50像素
M = np.float32([[1, 0, 100],
                [0, 1, 50]])
shifted = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

平移矩阵很简单，就是单位矩阵加个偏移量。但要注意，平移后图像会超出边界，超出部分默认填黑色。你可以通过 borderMode 参数控制填充方式。

3.2.2 旋转与缩放

旋转就稍微复杂一点了。OpenCV 提供了 getRotationMatrix2D 这个函数，帮你自动生成旋转矩阵。

# 获取旋转矩阵
# 参数：旋转中心，旋转角度（逆时针为正），缩放比例
center = (img.shape[1] // 2, img.shape[0] // 2)
M = cv2.getRotationMatrix2D(center, 45, 1.0)  # 绕中心旋转45度，不缩放

# 执行旋转
rotated = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

注意：旋转后图像会丢失四个角的信息。如果你不想丢失内容，可以调整输出尺寸。我曾经在做文档扫描时，因为没处理好这个，旋转后的文档边缘全被裁掉了，白忙活半天。

为什么会丢失角？因为旋转后的图像尺寸没变，但内容旋转出去了。解决办法是计算旋转后的外接矩形大小：

h, w = img.shape[:2]
cos = abs(M[0, 0])
sin = abs(M[0, 1])
new_w = int(h * sin + w * cos)
new_h = int(h * cos + w * sin)
# 调整平移量，使图像居中
M[0, 2] += (new_w / 2) - center[0]
M[1, 2] += (new_h / 2) - center[1]
rotated = cv2.warpAffine(img, M, (new_w, new_h))

3.2.3 自定义仿射变换

如果你知道变换前后三组对应点的坐标，可以用 getAffineTransform 直接算矩阵。

# 原图中的三个点
pts1 = np.float32([[50, 50], [200, 50], [50, 200]])
# 目标图中的三个点
pts2 = np.float32([[10, 100], [200, 50], [100, 250]])

M = cv2.getAffineTransform(pts1, pts2)
result = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

三个点就够了，因为仿射变换有6个自由度（2x3矩阵），每组对应点提供两个方程，三组正好解出来。

3.3 透视变换：getPerspectiveTransform

透视变换比仿射变换更「自由」。它允许平行线变成相交线——说白了，就是模拟人眼从不同角度观察的效果。你想想看，一个矩形从侧面看过去，就变成梯形了，这就是透视变换。

透视变换需要四组对应点，因为变换矩阵是3x3的，有8个自由度。

# 原图中的四个角点（按顺序：左上、右上、右下、左下）
pts1 = np.float32([[56, 65], [368, 52], [28, 387], [389, 390]])
# 目标图中的四个角点（一个矩形）
pts2 = np.float32([[0, 0], [300, 0], [0, 400], [300, 400]])

# 计算透视变换矩阵
M = cv2.getPerspectiveTransform(pts1, pts2)
# 执行透视变换
result = cv2.warpPerspective(img, M, (300, 400))

经典应用场景：文档矫正

拍身份证、拍文档时，很难保证手机正对着拍。透视变换可以把倾斜的文档「拉正」。我在做身份证识别项目时，就靠这个把准确率从85%提到了97%。

3.4 实战对比：仿射 vs 透视

特性 仿射变换 透视变换
变换矩阵 2x3 3x3
自由度 6 8
对应点数量 3组 4组
平行线关系 保持平行 可能不平行
典型应用 旋转、缩放、平移 视角矫正、文档拉正

我的建议：如果你只是想让图像旋转或缩放，用仿射变换就够了。如果你需要「改变视角」，比如把斜着拍的文档变成正面的，那就用透视变换。别杀鸡用牛刀，也别牛刀杀鸡。

3.5 避坑指南

做几何变换时，有几个坑我反复踩过，分享给你：

  • 坐标顺序搞反：OpenCV 里坐标是 (x, y)，x 是列，y 是行。写代码时多检查一遍。
  • 数据类型不对：变换矩阵必须是 np.float32 类型，用 float64 会报错。
  • 边界处理：变换后图像边缘可能出现黑色区域，用 borderMode=cv2.BORDER_REPLICATE 可以复制边缘像素填充。
  • 逆时针 vs 顺时针：getRotationMatrix2D 的角度是逆时针为正，别搞反了。

我曾经在一个项目里，因为旋转角度符号搞反了，调试了整整一个下午。后来发现就是少了个负号。嗯，这种低级错误，谁还没犯过呢？

好了，几何变换就聊到这儿。下一章咱们聊聊图像滤波，那可是去噪的利器。

← 上一章 📖 返回目录 下一章 →