在计算机视觉领域，图像的几何变换是基础中的基础。无论是文档矫正、车牌识别还是全景拼接，都离不开两种核心变换：仿射变换 与透视变换 。很多初学者容易混淆二者的区别，本文将从矩阵原理 、计算过程 、自由度 、接口调用 到实战示例，全方位拆解二者的差异，帮你彻底搞懂！
一、先看效果：平行四边形 vs 梯形
在开始枯燥的数学推导前，我们先直观感受一下两种变换的效果差异：
| 变换类型 | 核心特性 | 典型效果示意图 |
|---|---|---|
| 仿射变换 | 保持平行性 | 矩形 → 平行四边形（如平移后的卡片） |
| 透视变换 | 打破平行性，模拟近大远小 | 矩形 → 梯形（如斜拍文档矫正为正视图） |
二、数学本质：有没有"透视除法"？
1. 仿射变换：线性运算，无除法
仿射变换本质是二维平面内的线性变换 （平移+旋转+缩放+错切），其核心公式为：
{x′=a⋅x+b⋅y+cy′=d⋅x+e⋅y+f\begin{cases} x' = a \cdot x + b \cdot y + c \\ y' = d \cdot x + e \cdot y + f \end{cases}{x′=a⋅x+b⋅y+cy′=d⋅x+e⋅y+f
对应的矩阵形式为（2×32 \times 32×3 矩阵）：
x′y′\]=\[abcdef\]⋅\[xy1\]\\begin{bmatrix} x' \\\\ y' \\end{bmatrix} = \\begin{bmatrix} a \& b \& c \\\\ d \& e \& f \\end{bmatrix} \\cdot \\begin{bmatrix} x \\\\ y \\\\ 1 \\end{bmatrix}\[x′y′\]=\[adbecf\]⋅ xy1 **通俗理解**：想象你在桌面上推一张扑克牌------它可以平移、旋转、拉伸，但始终是"平的"，原来平行的边（如上下边）变换后依然平行。 #### 2. 透视变换：非线性运算，必须除法 透视变换模拟**三维空间的视角变换** （近大远小），其核心公式为： {x′=a⋅x+b⋅y+cg⋅x+h⋅y+1y′=d⋅x+e⋅y+fg⋅x+h⋅y+1\\begin{cases} x' = \\frac{a \\cdot x + b \\cdot y + c}{g \\cdot x + h \\cdot y + 1} \\\\ y' = \\frac{d \\cdot x + e \\cdot y + f}{g \\cdot x + h \\cdot y + 1} \\end{cases}{x′=g⋅x+h⋅y+1a⋅x+b⋅y+cy′=g⋅x+h⋅y+1d⋅x+e⋅y+f 对应的矩阵形式为（3×33 \\times 33×3 矩阵）： \[uvw\]=\[abcdefgh1\]⋅\[xy1\]\\begin{bmatrix} u \\\\ v \\\\ w \\end{bmatrix} = \\begin{bmatrix} a \& b \& c \\\\ d \& e \& f \\\\ g \& h \& 1 \\end{bmatrix} \\cdot \\begin{bmatrix} x \\\\ y \\\\ 1 \\end{bmatrix} uvw = adgbehcf1 ⋅ xy1 最终坐标需通过**透视除法** 得到：x′=uw, y′=vwx' = \\frac{u}{w},\\ y' = \\frac{v}{w}x′=wu, y′=wv。 **通俗理解**：想象你把扑克牌拿起来对着眼睛看------离你近的边显得宽，远的边显得窄，原来平行的边（如上下边）会在远处相交于一点（消失点）。 ### 三、自由度与未知数：为什么仿射要3点，透视要4点？ 很多人会问："自由度是不是就是未知数的个数？"------**不完全是**！自由度是描述变换复杂度的指标，而未知数可能因"冗余约束"（如尺度不变性）多于自由度。 #### 1. 仿射变换：6个自由度，需3个点 仿射变换由\*\*平移（2自由度）+旋转（1自由度）+缩放（2自由度）+错切（1自由度）\*\*组成，共 **6个自由度** 。 每个对应点 (x,y)→(x′,y′)(x,y) \\to (x',y')(x,y)→(x′,y′) 提供2个方程（x方向和y方向），因此需要 6÷2=36 \\div 2 = 36÷2=3 个点才能解出全部参数。 #### 2. 透视变换：8个自由度，需4个点 透视变换的 3×33 \\times 33×3 矩阵本应有9个未知数，但因**尺度不变性** （矩阵乘以任意非零常数效果相同），可固定最后一个参数为1，剩余 **8个自由度** 。 同理，每个点提供2个方程，因此需要 8÷2=48 \\div 2 = 48÷2=4 个点。 ### 四、OpenCV实战：接口调用与代码示例 搞清楚原理后，我们用OpenCV实际跑一遍两种变换，看看代码层面的差异。 #### 1. 仿射变换：`cv2.warpAffine` ##### 接口原型： ```python dst = cv2.warpAffine( src, # 输入图像 M, # 2×3仿射矩阵 dsize, # 输出图像尺寸 (width, height) flags=cv2.INTER_LINEAR, # 插值方式 borderMode=cv2.BORDER_CONSTANT, # 边界填充模式 borderValue=(0,0,0) # 边界填充颜色 ) ``` ##### 如何获取矩阵 `M`？ * **旋转/平移** ：直接用 `cv2.getRotationMatrix2D` ```python # 绕中心点(200,200)旋转45°，缩放1.0倍 M = cv2.getRotationMatrix2D(center=(200,200), angle=45, scale=1.0) ``` * **三点映射** ：用 `cv2.getAffineTransform`（需3组对应点） ```python src_pts = np.float32([[0,0], [100,0], [0,100]]) # 原图3点 dst_pts = np.float32([[10,20], [110,30], [5,120]]) # 目标3点 M = cv2.getAffineTransform(src_pts, dst_pts) ``` ##### 完整示例：平移+旋转 ```python import cv2 import numpy as np img = cv2.imread("card.jpg") rows, cols = img.shape[:2] # 1. 定义仿射矩阵：向右平移100，向下平移50 M = np.float32([[1, 0, 100], [0, 1, 50]]) # 2. 执行变换 dst = cv2.warpAffine(img, M, (cols, rows)) # dsize保持原图尺寸 cv2.imshow("Affine Result", dst) cv2.waitKey(0) ``` #### 2. 透视变换：`cv2.warpPerspective` ##### 接口原型： ```python dst = cv2.warpPerspective( src, # 输入图像 M, # 3×3透视矩阵（单应性矩阵） dsize, # 输出图像尺寸 (width, height) flags=cv2.INTER_LINEAR, borderMode=cv2.BORDER_CONSTANT, borderValue=(0,0,0) ) ``` ##### 如何获取矩阵 `M`？ 必须用 `cv2.getPerspectiveTransform`，且需**4组对应点**： ```python # 原图4个角点（斜拍的文档） src_pts = np.float32([[56,65], [368,52], [28,387], [389,390]]) # 目标4个角点（正视图的文档，宽300，高300） dst_pts = np.float32([[0,0], [300,0], [0,300], [300,300]]) M = cv2.getPerspectiveTransform(src_pts, dst_pts) ``` ##### 完整示例：斜拍文档矫正 ```python import cv2 import numpy as np img = cv2.imread("document_skewed.jpg") rows, cols = img.shape[:2] # 1. 定义4组对应点（手动标注或用特征点检测） src_pts = np.float32([[56,65], [368,52], [28,387], [389,390]]) dst_pts = np.float32([[0,0], [300,0], [0,300], [300,300]]) # 2. 计算透视矩阵 M = cv2.getPerspectiveTransform(src_pts, dst_pts) # 3. 执行变换（输出300×300的正视图） dst = cv2.warpPerspective(img, M, (300, 300)) cv2.imshow("Perspective Result", dst) cv2.waitKey(0) ``` ### 五、核心区别总结表 | 对比维度 | 仿射变换 | 透视变换 | |--------------|------------------|-----------------------| | **数学本质** | 线性变换（无除法） | 非线性变换（需透视除法） | | **矩阵形状** | 2×3 | 3×3 | | **核心特性** | 保持平行性 | 打破平行性，模拟近大远小 | | **自由度** | 6个 | 8个 | | **所需对应点** | 3个 | 4个 | | **典型应用** | 平移、旋转、缩放、错切 | 文档矫正、鸟瞰图、车牌校正 | | **OpenCV接口** | `cv2.warpAffine` | `cv2.warpPerspective` | ### 六、常见问题解答（FAQ） #### Q1：为什么透视变换的矩阵是3×3，但OpenCV里有时看到2×4？ A：3×3是数学上的完整矩阵，矩阵最右下角的值默认为1，2×4是是OpenCV为了计算方便而设计的"计算中间体"，是计算时中间步骤的"紧凑存储格式"（将8个自由度展开为2行4列），实际使用时仍需reshape为3×3。 #### Q2：仿射变换能实现"近大远小"吗？ A：不能。仿射变换是平面内的线性变换，无法模拟三维视角的深度变化，只能产生平行四边形变形。 #### Q3：如何判断该用哪种变换？ A：若变换后需要**保持平行边** （如旋转后的图片），用仿射；若需要**矫正视角**（如斜拍的文档变正），用透视。 ### 七、总结 仿射变换与透视变换的本质区别在于**是否引入"透视除法"**： * 仿射是"平面游戏"，只有乘法和加法，适合简单的平移旋转； * 透视是"立体游戏"，多了除法步骤，能模拟真实世界的近大远小。 掌握二者的区别，不仅能帮你写出正确的代码，更能让你在实际项目中灵活选择变换方式------毕竟，选对工具才能事半功倍！ 如果觉得本文有帮助，欢迎点赞收藏，有问题欢迎在评论区留言讨论～ 🚀 **原创不易，转载请注明出处！**