(三) OpenCV仿射变换与透射变换(Affine and Perspective Transform)

图像最基本的变换即仿射变换(Affine Transform)和透射变换(Perspective Transform)。仿射变换是对一个向量空间进行一次线性变换并接上一次平移。透射变换是中心投影的射影变换。

1.仿射变换

仿射变换是线性变换与平移的组合。

1.1原理描述

首先，线性变换是什么？线性变换是满足以下两条性质的变换：1）直线在变换后仍然为直线，不能有所弯曲。2）原点必须保持固定。常见的线性有绕原点的旋转，以原点为中心的缩放，原点不变的错切/推移/剪切（shear）。平移（translation）是将物件的每点向同一方向移动相同距离。图像变换中涉及宽度和高度两个方向，以二维为例。

• 1)平移
  

  原点O(0,0)沿$p$平移后到达p点，平移的关系可表示为：
  $\left[\begin{array}{c}{p}_x^{\prime }\\ p_y^{\prime }\end{array}\right]=\left[\begin{array}{c}{p}_x\\ p_y\end{array}\right]+\left[\begin{array}{c}{b}_x\\ b_y\end{array}\right]$即 $p^{\prime }=p+b$

• 2)旋转
  
  
  如上图，坐标系{A}中的向量$p$逆时针旋转$\theta$到$p^{\prime }$位置。求$p^{\prime }$在坐标系{A}中的坐标。
  假设坐标系{A}也逆时针旋转$\theta$得{B}，则$p^{\prime }$在{B}中的坐标为$(p_x,p_y)$,{B} 相对于{A}的变换可通过{B}中的基在{A}的基上投影求嘚。
  ${\hat{x}}_A=(1,0)$
  ${\hat{y}}_A=(0,1)$
  ${\hat{x}}_B=(cos\theta ,sin\theta )$
  ${\hat{y}}_B=(-sin\theta ,cos\theta )$
  
  ${}_B^A\text{R}=\left[\begin{array}{cc}{\hat{X}}_B{\hat{X}}_A& {\hat{X}}_B{\hat{Y}}_A\\ {\hat{Y}}_B{\hat{X}}_A& {\hat{Y}}_B{\hat{Y}}_A\end{array}\right]=\left[\begin{array}{cc}cos\theta & -sin\theta \\ sin\theta & cos\theta \end{array}\right]$
  
  $\left[\begin{array}{c}{p}_x^{\prime }\\ p_y^{\prime }\end{array}\right]{=}_B^A\text{R}\left[\begin{array}{c}{p}_x\\ p_y\end{array}\right]=\left[\begin{array}{cc}cos\theta & -sin\theta \\ sin\theta & cos\theta \end{array}\right]\left[\begin{array}{c}{p}_x\\ p_y\end{array}\right]$变换后的坐标都在坐标系{A}中。

• 3)缩放
  则向量$p=\left[\begin{array}{c}{p}_x\\ p_y\end{array}\right]$沿$X,Y$方向分别缩放$T_x,T_y$得向量$p‘$,其坐标为$p^{\prime }=\left[\begin{array}{c}{p}_x^{\prime }\\ p_y^{\prime }\end{array}\right]=\left[\begin{array}{c}{T}_x{p}_x\\ T_y{p}_y\end{array}\right]$

• 4)剪切

  图片参考自[1]

  如上图是$Y$轴不变，$X$轴逆时针旋转$\psi$发生的错切，以$B$点为例，错切后得$B^{\prime }$点，$B$点为$(x,y)$，则$B^{\prime }$点为$(x,y+xtan\psi )$。

将平移，旋转，缩放和错切写成齐次形式，可写成如下矩阵形式：

• 平移：$T_t=\left[\begin{array}{ccc}1& 0& p_x\\ 0& 1& p_y\\ 0& 0& 1\end{array}\right]$
• 旋转：$T_r=\left[\begin{array}{ccc}cos\theta & -sin\theta & 0\\ sin\theta & cos\theta & 0\\ 0& 0& 1\end{array}\right]$
• 缩放：$T_a=\left[\begin{array}{ccc}{T}_x& 0& 0\\ 0& T_y& 0\\ 0& 0& 1\end{array}\right]$
• 剪切：$T_s=\left[\begin{array}{ccc}1& tan\varphi & 0\\ tan\psi & 1& 0\\ 0& 0& 1\end{array}\right]$

仿射变换是以上四种变换的组合，可写成：

$T=T_s{T}_a{T}_r{T}_t=\left[\begin{array}{ccc}{a}_{00}& a_{01}& a_{02}\\ a_{10}& a_{11}& a_{12}\\ 0& 0& 1\end{array}\right]$

$P^{\prime }=TP$，即：

$\left[\begin{array}{c}{p}_x^{\prime }\\ p_y^{\prime }\\ 1\end{array}\right]=\left[\begin{array}{ccc}{a}_{00}& a_{01}& a_{02}\\ a_{10}& a_{11}& a_{12}\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}{p}_x\\ p_y\\ 1\end{array}\right]$
上式是矩阵的乘法，其可看作三维空间的线性变换，而放射变换是在$z=1$上图形发生的变化。

图片参考自here

1.2 OpenCV API

• getAffineTransform/warpAffine

从1.1中可知，要进行仿射变换需先求出变换矩阵，而变换矩阵$T=\left[\begin{array}{ccc}{a}_{00}& a_{01}& a_{02}\\ a_{10}& a_{11}& a_{12}\\ 0& 0& 1\end{array}\right]$中有6个未知数，因此需要至少3对不共线的点来求。
OpenCV中给出变换前后对应的变换后的3对点可使用getAffineTransform方法得到变换矩阵, warpAffine对源图像变换得到变换图像。

#include 
#include 
#include 

int main(int argv, char **argc)
{
    cv::Mat image = cv::imread("imgs/test.jpeg");
    int width = image.cols;
    int height = image.rows;
    cv::Point2f src[3];
    cv::Point2f dst[3];
    // 实现图像逆时针旋转90度的仿射变换
    // 1. src:左上角点 -> dst:左下角点
    src[0] = cv::Point2f(0., 0);
    dst[0] = cv::Point2f(0., width);
    // 2. src:上边点 -> dst:左边点
    src[1] = cv::Point2f(1, 0);
    dst[1] = cv::Point2f(0, width-1);
    // 3. src:左边点 -> dst:下边点
    src[2] = cv::Point2f(0, 1.);
    dst[2] = cv::Point2f(1., width);
    cv::Mat transform_mat = cv::getAffineTransform(src, dst);
    std::cout << "Affine Transform Matrix: " << transform_mat << std::endl;
    cv::Mat affine_img;
    cv::warpAffine(image, affine_img, transform_mat, cv::Size(height, width));
    cv::imwrite("affine_img.png", affine_img); 
    return 0;
}

• getRotationMatrix2D

  对于旋转这一仿射变换的特例，OpenCV中定义了更为简单的API来获取变换矩阵，那就是getRotationMatrix2D。通过此方法仅通过指定旋转点和旋转角度，即可得到旋转矩阵，该方法还接受1个Scale参数，若仅旋转图像不缩放，最后1个参数Scale可设置为1。如下以绕图像中心为例旋转图像。

  值得注意的时有时候我们旋转图像后不希望丢失原图像信息，因此需要计算旋转后包围图像的最小矩形的宽高。一种是使用OpenCV自带的方法计算，一种是手动计算。

#include 
#include 
#include 


int main(int argv, char **argc)
{
    cv::Mat image = cv::imread("../imgs/test.jpeg");
    double angle = 30;
    int width = image.cols;
    int height = image.rows;
    cv::Mat rot_matrix = cv::getRotationMatrix2D(cv::Point2f(0.5 * width, 0.5 * height), angle, 1.0);
    // 2.1
    double sin_angle = sin(abs(angle) / 180 * M_PI);
    double cos_angle = cos(abs(angle) / 180 * M_PI);
    int new_heiht = width * sin_angle + height * cos_angle;
    int new_width = width * cos_angle + height * sin_angle;
    rot_matrix.at<double>(0, 2) += (new_width - width) / 2;
    rot_matrix.at<double>(1, 2) += (new_heiht - height) / 2;
    // 2.2
    cv::Rect2f bbox = cv::RotatedRect(cv::Point2f(width / 2, height / 2), image.size(), angle).boundingRect2f();
    cv::Mat rot_img;
    cv::warpAffine(image, rot_img, rot_matrix, bbox.size());
    cv::imwrite("rot_img.png", rot_img);
}

2.透射变换

2.1原理描述

1中的仿射变换是在平面上的线性变换加平移，根据其性质可知变换后平行四边形依然是平行四边形，不改变直线的平行关系。透射变换即中心投影变换，利用透视中心、像点、目标点三点共线的条件,按透视旋转定律使承影面（透视面）绕迹线（透视轴）旋转某一角度，破坏原有的投影光线束，仍能保持承影面上投影几何图形不变的变换3。

透视变换公式：
$\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]=\left[\begin{array}{ccc}{a}_{00}& a_{01}& a_{02}\\ a_{10}& a_{11}& a_{12}\\ a_{20}& a_{21}& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]$
从变换公式可知，仿射变换是透射变换的特例。
再通过除以Z轴转换成二维坐标：

$\{\begin{array}{c}{x}^{\prime }=\frac{X}{Z}=\frac{a_{00}x+a_{01}y+a_{02}}{a_{20}x+a_{21}y+1}\\ y^{\prime }=\frac{Y}{Z}=\frac{a_{10}x+a_{11}y+a_{12}}{a_{20}x+a_{21}y+1}\end{array}$

透视变换（Perspective Transformation）是将二维的图片投影到一个三维视平面上，然后再转换到二维坐标下，所以也称为投影映射（Projective Mapping）。

移动投影中心和承影面，可得到各种形状的变换。

图片来自于3

2.2 OpenCV API

透射变换矩阵$\left[\begin{array}{ccc}{a}_{00}& a_{01}& a_{02}\\ a_{10}& a_{11}& a_{12}\\ a_{20}& a_{21}& 1\end{array}\right]$中共有8个未知数，因此至少需要4对不共线的点来求解变换矩阵。OpenCV中提供了getPerspectiveTransform方法来计算变换矩阵，提供了warpPerspective方法来对图像进行变换。

#include 
#include 
#include 

int main(int argv, char **argc)
{
    cv::Mat image = cv::imread("imgs/paper.jpg");
    float w = 420, h = 596;
    cv::Point2f per_src[4];
    per_src[0] = cv::Point2f(380, 444);
    per_src[1] = cv::Point2f(895 , 520);
    per_src[2] = cv::Point2f(88, 1126);
    per_src[3] = cv::Point2f(921, 1272);
    cv::Point2f per_dst[4] = {{0.0f, 0.0f}, {w, 0.0f}, {0.0f, h}, {w, h}};

    cv::Mat per_mat = cv::getPerspectiveTransform(per_src, per_dst);
    cv::Mat perspective_img;
    cv::warpPerspective(image, perspective_img, per_mat, cv::Size(w, h));
    cv::imwrite("perspective_img.png", perspective_img);
    return 0;
}

当然，这里的四个角点是假设已知的，在实际中可通过轮廓检测findContour来获取，后面会把这个补上,已经补上了见，update 2022.11.13。

---

参考：

1.https://cloud.tencent.com/developer/article/1638969
2.https://baike.baidu.com/item/%E9%80%8F%E8%A7%86%E5%8F%98%E6%8D%A2/8746342
3.https://www.jianshu.com/p/1fd77aa1e69e
4.https://www.computervision.zone/my-account/?password-reset=true