Pillow 图像几何变换与仿射操作

Pillow 图像几何变换与仿射操作

几何变换是图像处理中最基础且最常用的一类操作，在数据预处理、样本增强、图像对齐以及视觉建模等任务中均扮演核心角色。该类操作通过对像素坐标进行系统性映射，改变图像在空间中的结构表达，而不直接修改像素的语义内容。

在 Pillow 中，几何变换主要通过裁剪、翻转、旋转、缩放以及更一般形式的仿射变换来实现。本章围绕这些操作，从坐标模型、实现方式与可视化结果三个层面，对其原理与实践进行说明。

---

1. 几何变换的坐标表示

一幅二维数字图像可以表示为定义在规则网格上的函数：
I:(x,y)→v,v∈Rc I: (x, y) \rightarrow \mathbf{v}, \quad \mathbf{v} \in \mathbb{R}^c I:(x,y)→v,v∈Rc

其中 (x,y)(x, y)(x,y) 为像素坐标，ccc 为通道数。

几何变换通过构造坐标映射函数 TTT，在新的坐标系下重建图像：
I′(x′,y′)=I(T−1(x′,y′)) I'(x', y') = I(T^{-1}(x', y')) I′(x′,y′)=I(T−1(x′,y′))

Pillow 在实现几何变换时采用反向映射策略，即在输出图像坐标系中查找原图像的对应位置，从而避免像素空洞问题。

---

2. 图像裁剪

2.1 原理：区域裁剪与坐标范围

裁剪通过限定坐标范围提取原图像的局部区域。该操作不涉及插值计算，其结果直接来自原始像素数据。

2.2 Pillow 接口：Image.crop()

from PIL import Image                 # Pillow 的核心图像对象与处理接口
from skimage import data              # scikit-image 自带示例数据集（便于复现实验）
from IPython.display import display   # 在 Notebook / Jupyter 环境中显示图像

img = Image.fromarray(data.astronaut())  # 将 skimage 返回的 NumPy 数组转换为 PIL.Image 对象
box = (100, 100, 400, 400)              # 裁剪区域 (left, upper, right, lower)，右/下边界为"开区间"语义
cropped = img.crop(box)                 # 按 box 指定的矩形区域裁剪，返回新的 Image 对象（不修改原图）

display(cropped)                        # 在 Notebook 中直接渲染裁剪后的结果

2.3 可视化：裁剪前后对比

import matplotlib.pyplot as plt  # Matplotlib：绘图与可视化
import seaborn as sns            # Seaborn：设置更美观的默认主题（这里主要用于风格）

sns.set_theme(style="whitegrid", font="SimHei", rc={"axes.unicode_minus": False})
# style="whitegrid"：白底网格风格（对比更清晰）
# font="SimHei"：中文字体，避免标题中文乱码
# axes.unicode_minus=False：避免负号显示为方块（某些中文字体环境常见问题）

fig, axes = plt.subplots(1, 2, figsize=(10, 4))  # 创建 1 行 2 列子图，画布大小 10×4 英寸
axes[0].imshow(img)                              # 左图显示原图（PIL.Image 可被 imshow 直接接受）
axes[0].set_title("原始图像")                    # 设置左图标题
axes[1].imshow(cropped)                          # 右图显示裁剪结果
axes[1].set_title("裁剪后图像")                  # 设置右图标题

for ax in axes:
    ax.axis("off")                               # 关闭坐标轴刻度与边框，让图像展示更干净

plt.tight_layout()                               # 自动调整子图间距，避免标题/图像重叠
plt.show()                                       # 显示整张图

裁剪操作仅改变图像的空间范围，不引入数值近似误差。

2.4 NumPy 视角：数组切片裁剪

import numpy as np              # NumPy：数组表示与切片操作

arr = np.array(img)             # 将 PIL.Image 转为 NumPy 数组，形状通常为 (H, W, C)
cropped_np = arr[100:400, 100:400]  # NumPy 切片裁剪：先行(y/H)后列(x/W)，等价于 box=(100,100,400,400)

从数组角度看，裁剪等价于二维切片操作，具有较低的计算成本。

---

3. 图像翻转

3.1 原理：坐标反射模型

翻转属于坐标反射变换，不涉及连续插值。

• 水平翻转（左右翻转）：

x′=W−1−x,y′=y x' = W - 1 - x,\quad y' = y x′=W−1−x,y′=y

• 垂直翻转（上下翻转）：

x′=x,y′=H−1−y x' = x,\quad y' = H - 1 - y x′=x,y′=H−1−y

其中 WWW、HHH 分别表示图像宽度与高度。

3.2 Pillow 接口：Image.transpose()

flip_lr = img.transpose(Image.FLIP_LEFT_RIGHT)  # 左右翻转（沿 y 轴镜像），像素值不变，仅重排位置
flip_tb = img.transpose(Image.FLIP_TOP_BOTTOM)  # 上下翻转（沿 x 轴镜像），同样不做插值

3.3 可视化：水平/垂直翻转对比

fig, axes = plt.subplots(1, 3, figsize=(12, 4))  # 创建 1×3 子图：原图/水平翻转/垂直翻转

axes[0].imshow(img)                               # 原图
axes[0].set_title("原始图像")

axes[1].imshow(flip_lr)                           # 水平翻转结果
axes[1].set_title("水平翻转")

axes[2].imshow(flip_tb)                           # 垂直翻转结果
axes[2].set_title("垂直翻转")

for ax in axes:
    ax.axis("off")                                # 隐藏坐标轴，突出图像内容

plt.tight_layout()                                # 自动布局
plt.show()                                        # 显示图像对比

翻转操作保持像素值不变，仅改变像素在空间中的排列顺序。

3.4 NumPy 视角：步进切片翻转

flip_lr_np = arr[:, ::-1, :]  # 水平翻转：对宽度维 W 反向步进（::-1），行(y)与通道(c)不变
flip_tb_np = arr[::-1, :, :]  # 垂直翻转：对高度维 H 反向步进（::-1），列(x)与通道(c)不变

---

4. 图像旋转

4.1 原理：二维旋转与插值

二维旋转可以表示为线性变换：

x′y′\]\[cos⁡θ−sin⁡θsin⁡θcos⁡θ\]\[xy\] \\begin{bmatrix} x' \\\\ y' \\end{bmatrix} \\begin{bmatrix} \\cos\\theta \& -\\sin\\theta \\\\ \\sin\\theta \& \\cos\\theta \\end{bmatrix} \\begin{bmatrix} x \\\\ y \\end{bmatrix} \[x′y′\]\[cosθsinθ−sinθcosθ\]\[xy

旋转后像素坐标通常不再位于整数网格上，因此需要通过插值方法计算新像素值。

4.2 Pillow 接口：Image.rotate()

rotated = img.rotate(45)                 # 旋转 45°，默认以图像中心为旋转中心；输出尺寸默认不变（可能裁切边缘）
rotated_expand = img.rotate(45, expand=True)  # expand=True：自动扩大画布以容纳完整旋转后的图像（常见于数据增强）

4.3 可视化：expand=True 的画布差异

fig, axes = plt.subplots(1, 3, figsize=(12, 4))  # 创建 1×3 子图：原图/旋转不扩展/旋转并扩展

axes[0].imshow(img)                               # 原始图像
axes[0].set_title("原始图像")

axes[1].imshow(rotated)                           # rotate(45)：画布不变，边缘可能被裁掉
axes[1].set_title("rotate(45)")

axes[2].imshow(rotated_expand)                    # rotate(45, expand=True)：画布变大，内容尽量保留
axes[2].set_title("rotate(45, expand=True)")

for ax in axes:
    ax.axis("off")                                # 去掉坐标轴

plt.tight_layout()                                # 自动布局
plt.show()                                        # 展示对比结果

当启用 expand=True 时，画布尺寸会随旋转角度自动调整，以完整保留图像内容。

---

5. 图像缩放

5.1 原理：尺度变换与重采样

缩放通过对坐标轴进行线性变换实现：

x′=sxx,y′=syy x' = s_x x,\quad y' = s_y y x′=sxx,y′=syy

当缩放比例不为整数时，新像素值由插值算法估计。

5.2 Pillow 接口：Image.resize()

methods = {
    "NEAREST": Image.NEAREST,    # 最近邻：最快、锯齿明显，适合标签/掩码（mask）这类离散值图像
    "BILINEAR": Image.BILINEAR,  # 双线性：速度与平滑度折中，常用于一般图像缩放
    "BICUBIC": Image.BICUBIC     # 双三次：更平滑、细节更好但更慢，常用于高质量缩放
}

5.3 可视化：缩放-插值方法对比

fig, axes = plt.subplots(1, 3, figsize=(12, 4))   # 创建 1×3 子图用于对比不同插值结果

for ax, (name, method) in zip(axes, methods.items()):  # 同步遍历子图与插值方法
    resized = img.resize((256, 256), resample=method)  # resize：指定目标尺寸 (W, H)，resample 控制插值策略
    ax.imshow(resized)                                 # 显示缩放结果
    ax.set_title(name)                                 # 标注插值方法名称
    ax.axis("off")                                     # 关闭坐标轴

plt.tight_layout()                                     # 自动布局
plt.show()                                             # 展示对比

不同插值方式在平滑性与边缘保留方面表现不同，应根据应用需求进行选择。

---

6. 仿射变换

6.1 原理：齐次坐标与仿射矩阵

仿射变换使用齐次坐标表示为：

x′y′1abcdef001xy1 \begin{bmatrix} x' \\ y' \\ 1 \end{bmatrix} \begin{bmatrix} a & b & c \\ d & e & f \\ 0 & 0 & 1 \end{bmatrix} \begin{bmatrix} x \\ y \\ 1 \end{bmatrix} x′y′1 ad0be0cf1 xy1

该模型可以统一描述平移、旋转、缩放与剪切等几何操作。

6.2 Pillow 接口：Image.transform(mode=AFFINE)

matrix = (1, 0.3, 0,
          0.2, 1, 0)
# Pillow 的 AFFINE 使用 6 参数矩阵 (a, b, c, d, e, f)，对应：
# x' = a*x + b*y + c
# y' = d*x + e*y + f
# 这里 b=0.3、d=0.2 引入剪切（shear），c=f=0 表示不平移

affine = img.transform(
    img.size,              # 输出图像大小（这里保持与原图一致）
    Image.AFFINE,          # 指定变换类型为仿射变换
    matrix,                # 6 参数仿射矩阵
    resample=Image.BICUBIC # 重采样方式：双三次插值，减弱锯齿并提升观感
)

6.3 可视化：仿射变换效果对比

fig, axes = plt.subplots(1, 2, figsize=(10, 4))  # 创建 1×2 子图：原图 vs 仿射结果

axes[0].imshow(img)                               # 原图
axes[0].set_title("原始图像")

axes[1].imshow(affine)                            # 仿射变换后的图像
axes[1].set_title("仿射变换结果")

for ax in axes:
    ax.axis("off")                                # 隐藏坐标轴

plt.tight_layout()                                # 自动布局
plt.show()                                        # 展示结果

仿射变换在保持直线和平行关系的同时，对图像整体结构进行线性调整。

---

7. 批量几何变换：数据增强示例

def geometric_augmentations(img):
    # 将多种几何变换打包返回，便于统一管理与可视化对比
    return {
        "original": img,                              # 原始图像（基准）
        "rotated": img.rotate(30),                    # 旋转 30°（默认中心旋转，可能发生裁切）
        "flipped": img.transpose(Image.FLIP_LEFT_RIGHT),  # 水平翻转（左右镜像）
        "scaled": img.resize((224, 224))              # 缩放到固定输入尺寸（常用于深度学习模型输入）
    }

augmented = geometric_augmentations(img)             # 获取增强结果字典：name -> Image
fig, axes = plt.subplots(1, 4, figsize=(16, 4))      # 创建 1×4 子图用于展示四种版本

for ax, (name, im) in zip(axes, augmented.items()):  # 同步遍历子图与增强图像
    ax.imshow(im)                                    # 显示当前增强结果
    ax.set_title(name)                               # 用 key 作为标题
    ax.axis("off")                                   # 关闭坐标轴

plt.tight_layout()                                   # 自动布局
plt.show()                                           # 展示增强对比

---

8. NumPy 表示：维度变化与数组形状

arr = np.array(img)                 # 原图转为 NumPy 数组，通常形状为 (H, W, C)
arr_rotated = np.array(rotated_expand)  # 旋转并扩展后的图像转数组（H/W 可能变化）

print(arr.shape)                    # 打印原图数组形状：验证高度、宽度、通道数
print(arr_rotated.shape)            # 打印旋转后数组形状：expand=True 往往导致 H/W 变大

(512, 512, 3)

(726, 726, 3)

几何变换主要影响数组的空间维度，通道维度保持不变。

---

9. 总结

本章围绕 Pillow 提供的几何变换接口，对裁剪、翻转、旋转、缩放以及仿射变换的实现方式与数学背景进行了系统说明。通过结合 NumPy 表示与可视化结果，可以直观理解几何变换对图像空间结构的影响。这些操作构成了图像预处理与数据增强的重要基础。