2. 图像几何变换基础：平移、旋转、缩放、仿射变换、透视变换的数学表示与矩阵形式
图像几何变换是图像变形补偿与几何校正的理论基石。无论是镜头畸变校正、图像配准、全景拼接，还是数字稳像，其底层运算最终都归结为像素坐标的重新映射。理解平移、旋转、缩放、仿射变换与透视变换的数学本质，以及它们在齐次坐标下的矩阵表达，是后续设计补偿算法、评估校正精度、优化插值策略的前提。本章将从线性代数的视角，系统梳理各类变换的数学表示、矩阵形式及其内在联系，并重点剖析仿射变换与透视变换在工程应用中的差异。
2.1 齐次坐标：统一变换表达的基础
在欧几里得几何中，平移变换无法直接表示为 2×2 矩阵与向量的乘法，因为平移是加法运算而非线性映射。为了将平移、旋转、缩放等变换统一为矩阵乘法形式，我们引入齐次坐标（Homogeneous Coordinates）。其核心思想是将二维平面上的点 (x, y) 表示为三维向量 (x, y, 1)，即增加一个恒为 1 的附加维度。这样，二维空间中的任意线性变换加上平移，就可以通过一个 3×3 矩阵作用于齐次坐标向量来完成。
齐次坐标的引入并非仅仅为了数学上的优雅，它带来了两个关键工程优势：其一，变换的级联（复合）可以通过矩阵乘法直接实现，避免了多次函数调用的开销与误差累积；其二，透视变换中的除法操作（即 w 分量归一化）可以被自然地纳入矩阵框架，使得投影变换也能用统一的矩阵语言描述。在图像处理库（如 OpenCV、MATLAB）中，所有几何变换函数均以齐次矩阵作为核心参数，理解这一点是正确调用 API 的前提。
2.2 基本变换的矩阵表示
2.2.1 平移变换
平移是最简单的几何变换，将图像中每个像素点沿 x 轴方向移动 tx，沿 y 轴方向移动 ty。其齐次坐标矩阵形式为：
| 1 0 tx |
| 0 1 ty |
| 0 0 1 |平移矩阵的逆矩阵只需将 tx、ty 取负即可。在图像校正中，平移常用于将图像中心移至坐标原点，以便后续旋转或缩放操作围绕图像中心进行，避免图像内容偏移出视野。
2.2.2 旋转变换
绕原点逆时针旋转角度 θ 的变换矩阵为：
| cosθ -sinθ 0 |
| sinθ cosθ 0 |
| 0 0 1 |旋转矩阵是正交矩阵，其逆矩阵等于转置矩阵，即 R⁻¹ = Rᵀ。这一性质在图像配准中非常有用——当我们需要反向旋转时，直接取转置即可，无需重新计算三角函数。需要注意的是，图像坐标系通常以左上角为原点，y 轴向下，因此正角度方向与数学惯例相反，实际应用中需根据坐标系定义调整符号。
2.2.3 缩放变换
沿 x 轴缩放 sx 倍，沿 y 轴缩放 sy 倍的矩阵为：
| sx 0 0 |
| 0 sy 0 |
| 0 0 1 |当 sx = sy 时称为各向同性缩放，保持图像纵横比；当 sx ≠ sy 时称为各向异性缩放，会导致图像拉伸变形。在图像校正中，缩放常用于统一不同来源图像的尺寸，或补偿镜头焦距差异带来的尺度变化。缩放矩阵的逆矩阵为对角线元素取倒数。
2.2.4 复合变换与变换顺序
实际工程中，单一变换很少独立使用。例如，绕图像中心 (cx, cy) 旋转的操作需要三步：先将中心平移到原点，再旋转，最后平移回去。其复合矩阵为：
M = T(cx, cy) · R(θ) · T(-cx, -cy)这里矩阵乘法的顺序至关重要：先作用的变换矩阵位于乘法表达式的右侧。由于矩阵乘法不满足交换律，变换顺序的颠倒会产生完全不同的结果。在编写代码时，务必确认所使用的库函数是“先乘后”还是“后乘先”的约定。
| 变换类型 | 矩阵形式（3×3） | 自由度 | 不变性质 | 典型应用 |
|---|---|---|---|---|
| 平移 | [1 0 tx; 0 1 ty; 0 0 1] | 2 | 形状、大小、方向 | 图像对齐、坐标原点移动 |
| 旋转 | [cosθ -sinθ 0; sinθ cosθ 0; 0 0 1] | 1 | 长度、角度、面积 | 图像摆正、方向校正 |
| 缩放 | [sx 0 0; 0 sy 0; 0 0 1] | 2 | 平行性、角度（各向同性时） | 分辨率统一、尺度归一化 |
| 仿射 | [a b tx; c d ty; 0 0 1] | 6 | 平行性、直线性 | 倾斜校正、局部配准 |
| 透视 | [a b c; d e f; g h 1] | 8 | 直线性（共线点映射后仍共线） | 梯形校正、视角变换 |
2.3 仿射变换：线性变换与平移的统一
仿射变换是平移、旋转、缩放、剪切（Shear）的组合，其矩阵形式为 2×3 矩阵（在齐次坐标下为 3×3 矩阵，第三行为 [0 0 1]）。仿射变换最重要的几何性质是保持平行性：原本平行的直线在变换后仍然平行。这意味着矩形经过仿射变换后变为平行四边形，但不会变为任意四边形。仿射变换有 6 个自由度（4 个线性参数 + 2 个平移参数），因此理论上只需 3 组不共线的对应点对即可唯一确定变换矩阵。
在图像几何校正中，仿射变换常用于处理由相机倾斜、扫描仪畸变等引起的整体线性变形。例如，文档扫描图像的倾斜校正，通常通过检测文本行的倾斜角度，构造旋转矩阵进行反向校正。然而，仿射变换无法处理由于透视投影引起的“近大远小”效应——当相机光轴不垂直于目标平面时，图像中的平行线会汇聚于消失点，此时必须使用透视变换。
2.4 透视变换：模拟人眼视觉的投影模型
透视变换（又称投影变换或单应性变换）是最一般的二维平面变换，其矩阵为 3×3 矩阵，但第三行不再固定为 [0 0 1]，而是包含两个非零参数 g 和 h。透视变换的齐次坐标表达式为：
| x' | | a b c | | x |
| y' | = | d e f | | y |
| w' | | g h 1 | | 1 |实际输出坐标为 (x'/w', y'/w')。当 g 和 h 不为零时，w' 不等于 1，从而产生非线性缩放效果。透视变换有 8 个自由度（矩阵整体缩放不影响变换结果，故归一化一个元素），需要 4 组不共线的对应点对来求解。透视变换保持直线性（直线映射后仍为直线），但不保持平行性，也不保持长度比例。
在图像变形补偿中，透视变换是镜头畸变校正、图像拼接、增强现实（AR）中平面标记跟踪的核心工具。例如，当相机以一定角度拍摄矩形屏幕时，屏幕在图像中呈现为梯形，通过透视变换可以将梯形映射回矩形，实现“正面化”校正。
2.5 变换矩阵的求解与参数估计
在实际校正任务中，我们通常不知道变换矩阵的具体参数，而是需要通过图像中的特征点对应关系来估计。对于仿射变换，使用 3 组对应点即可建立 6 个线性方程，通过求解线性方程组得到 6 个参数。对于透视变换，则需要 4 组对应点建立 8 个方程（每组点提供 2 个方程），求解 8 个未知数。
当对应点数量多于最小需求时（例如通过特征匹配得到 50 对匹配点），问题转化为超定方程组的求解。此时通常采用最小二乘法或 RANSAC（随机采样一致性）算法来估计变换矩阵，以抵抗误匹配点的干扰。RANSAC 的基本流程为：随机选取最小样本集（仿射 3 对、透视 4 对）计算变换矩阵，统计所有匹配点在该矩阵下的内点数量，迭代多次后保留内点最多的模型，最后用所有内点重新估计矩阵以提升精度。
2.6 案例拆解：文档图像梯形校正
假设我们使用手机拍摄了一张放置在桌面上的 A4 文档照片，由于拍摄角度并非垂直俯视，文档在图像中呈现为梯形。目标是校正为正面视角，便于 OCR 识别。已知文档的四个角点在图像中的像素坐标分别为：左上 (180, 240)、右上 (620, 200)、右下 (650, 480)、左下 (150, 520)。期望校正后的文档尺寸为 600×800 像素，对应角点坐标为：左上 (0, 0)、右上 (600, 0)、右下 (600, 800)、左下 (0, 800)。
求解步骤如下：
- 建立 4 组对应点对，代入透视变换方程，构造 8 元线性方程组。
- 使用高斯消元法或 SVD 分解求解 3×3 矩阵的 8 个未知参数。
- 对输出图像中的每个像素坐标 (u, v)，计算其在输入图像中的对应位置 (x, y) = M⁻¹ · (u, v, 1)ᵀ。
- 由于计算出的坐标通常为浮点数，需采用双线性插值或三次插值获取像素值。
实际执行中，我们使用 OpenCV 的 getPerspectiveTransform(srcPoints, dstPoints) 函数获取矩阵，再调用 warpPerspective 完成重映射。校正后，文档边缘变为直线且与图像边界平行，OCR 识别准确率显著提升。该案例的代价是校正过程引入了插值误差，图像边缘区域可能出现轻微模糊，可通过使用更高阶插值算法（如 Lanczos）缓解。
2.7 常见误区与总结复盘
在图像几何变换的学习与工程实践中，以下误区值得特别关注：
- 变换顺序混淆： 矩阵乘法不满足交换律，先旋转后平移与先平移后旋转的结果完全不同。建议在代码中明确注释每一步变换的意图，并使用矩阵级联而非逐像素计算。
- 坐标系原点差异： 数学中通常以图像中心为原点，而图像处理库（如 OpenCV）默认以左上角为原点。直接套用数学公式会导致旋转后图像严重偏移，需先平移到中心再旋转。
- 忽视插值影响： 几何变换本身不改变像素值，但重采样过程必然引入插值误差。对于放大操作，最近邻插值会产生锯齿；对于缩小操作，直接采样可能导致混叠，应使用区域插值或金字塔方法。
- 透视变换的过度使用： 当变形本质为仿射时，使用透视变换虽然也能拟合，但会引入不必要的非线性畸变，且对噪声更敏感。应通过残差分析判断模型复杂度是否匹配。