仿射变换以及其变换矩阵的理解

文章目录


写在前面
写在前面
仿射变换:平移、旋转、放缩、剪切、反射
变换矩阵形式
变换矩阵的理解与记忆
变换矩阵的参数估计
参考

写在前面
2D图像常见的坐标变换如下图所示:
仿射变换以及其变换矩阵的理解_第1张图片
这篇文章不包含透视变换(projective/perspective transformation),而将重点放在仿射变换(affine transformation),将介绍仿射变换所包含的各种变换,以及变换矩阵该如何理解记忆。

仿射变换:平移、旋转、放缩、剪切、反射
仿射变换包括如下所有变换,以及这些变换任意次序次数的组合:
仿射变换以及其变换矩阵的理解_第2张图片

平移(translation)和旋转(rotation)顾名思义,两者的组合称之为欧式变换(Euclidean transformation)或刚体变换(rigid transformation);

放缩(scaling)可进一步分为uniform scaling和non-uniform scaling,前者每个坐标轴放缩系数相同(各向同性),后者不同;如果放缩系数为负,则会叠加上反射(reflection)——reflection可以看成是特殊的scaling;

刚体变换+uniform scaling 称之为,相似变换(similarity transformation),即平移+旋转+各向同性的放缩;

剪切变换(shear mapping)将所有点沿某一指定方向成比例地平移,语言描述不如上面图示直观。各种变换间的关系如下面的venn图所示:

仿射变换以及其变换矩阵的理解_第3张图片

仿射变换以及其变换矩阵的理解_第4张图片
仿射变换以及其变换矩阵的理解_第5张图片
仿射变换以及其变换矩阵的理解_第6张图片
仿射变换以及其变换矩阵的理解_第7张图片
仿射变换以及其变换矩阵的理解_第8张图片
仿射变换以及其变换矩阵的理解_第9张图片

你可能感兴趣的:(python,计算机视觉)