📚 课程目录第4章图像几何变换

4. 图像几何变换

几何变换，说白了就是让图像换个姿势。在工业视觉里，这几乎是每个项目都要面对的基础操作。我刚开始做视觉算法时，总觉得几何变换就是调个参数，后来才发现，选错变换模型，轻则定位偏差，重则整个检测流程报废。

今天咱们就把这块彻底捋清楚。从最简单的缩放平移，到最常用的仿射变换，再到透视变换，我会把每个变换的数学本质、OpenCV 实现、以及我在产线上踩过的坑，一次性讲透。

  核心认知： 几何变换的本质是像素坐标的重新映射。你告诉每个像素「你该去哪」，然后插值算法决定「你变成什么颜色」。

4.1 缩放与平移：最基础的坐标操作

4.1.1 图像缩放

缩放是最直观的变换。但你知道吗？缩放不仅仅是改变尺寸，它背后涉及的是采样和插值策略。

我个人习惯把缩放分为两类：

缩小（降采样）： 从原图中挑选或合并像素。用 INTER_AREA 效果最好，能有效避免摩尔纹。
放大（上采样）： 需要「无中生有」地填充像素。用 INTER_CUBIC 或 INTER_LINEAR 更平滑。

我曾经在一个 PCB 缺陷检测项目里，为了省时间直接用默认的线性插值去缩小图像，结果细小的划痕被直接抹掉了。嗯，从那以后，我缩小图像必用 INTER_AREA。

import cv2
import numpy as np

img = cv2.imread('pcb_defect.jpg')
# 缩小：使用 INTER_AREA 保留细节
img_small = cv2.resize(img, None, fx=0.5, fy=0.5, interpolation=cv2.INTER_AREA)
# 放大：使用 INTER_CUBIC 更平滑
img_large = cv2.resize(img, (1024, 1024), interpolation=cv2.INTER_CUBIC)

4.1.2 图像平移

平移就是让图像整体移动。在工业视觉里，平移常用于 ROI 的偏移校正。比如，当传送带上的工件位置有固定偏移量时，我们直接平移图像来对齐检测区域。

平移的变换矩阵很简单：

# 平移矩阵：[[1, 0, tx], [0, 1, ty]]
M_translate = np.float32([[1, 0, 50], [0, 1, 100]])
shifted = cv2.warpAffine(img, M_translate, (img.shape[1], img.shape[0]))

避坑指南： 平移后图像边缘会出现黑色区域。如果你不希望黑边影响后续处理，可以用 cv2.BORDER_REPLICATE 或 cv2.BORDER_REFLECT 来填充边界。

4.2 旋转：绕哪个点转，差别很大

旋转在工业视觉里太常见了。工件在传送带上角度不一致，需要先旋转校正再检测。但很多人忽略了一个关键点：旋转中心的选择。

OpenCV 提供了 cv2.getRotationMatrix2D 来生成旋转矩阵。它的三个参数分别是：旋转中心、角度、缩放比例。

h, w = img.shape[:2]
center = (w // 2, h // 2)  # 绕图像中心旋转
M_rotate = cv2.getRotationMatrix2D(center, 45, 1.0)  # 顺时针45度，不缩放
rotated = cv2.warpAffine(img, M_rotate, (w, h))

你想想看，如果绕左上角 (0,0) 旋转，图像会直接飞出画面。我见过有新手工程师直接默认绕原点旋转，结果调试了半天图像都是黑的。

重要提醒： 旋转后图像尺寸不变，但内容会被裁剪。如果你需要保留完整旋转内容，需要重新计算输出尺寸。公式是：new_w = w * |cosθ| + h * |sinθ|。

4.3 仿射变换：工业视觉的「瑞士军刀」

仿射变换是我在工业项目中使用频率最高的几何变换。它支持平移、旋转、缩放、错切（shear）的任意组合。说白了，仿射变换就是「保持平行线依然平行」的变换。

4.3.1 仿射变换的数学本质

仿射变换用 2×3 矩阵表示。你只需要知道原图中三个不共线的点，以及它们变换后的位置，OpenCV 就能帮你算出整个变换矩阵。

# 原图中的三个点
pts1 = np.float32([[50, 50], [200, 50], [50, 200]])
# 变换后的三个点
pts2 = np.float32([[10, 100], [200, 50], [100, 250]])

M_affine = cv2.getAffineTransform(pts1, pts2)
affined = cv2.warpAffine(img, M_affine, (img.shape[1], img.shape[0]))

4.3.2 我在项目中的实战经验

我曾经做过一个手机中框尺寸测量项目。中框在夹具上的位置每次都有微小偏移，直接测量误差很大。我的解决方案是：

在模板图像上标记三个基准圆心的位置（pts1）
在实际图像中检测这三个圆心（pts2）
用 getAffineTransform 计算变换矩阵
将实际图像仿射变换到模板坐标系

这样一来，所有测量都在统一坐标系下进行，精度从 ±0.3mm 提升到了 ±0.05mm。

  核心公式： 仿射变换矩阵 M = [[a, b, tx], [c, d, ty]]。其中 a,b,c,d 控制旋转和缩放，tx,ty 控制平移。你只需要 3 组对应点就能解出这 6 个参数。

4.4 透视变换：从二维到三维的「欺骗」

透视变换比仿射变换更强大。它允许「近大远小」的效果，能把倾斜拍摄的物体「扶正」。在工业视觉里，透视变换常用于：

倾斜拍摄的二维码/条形码校正
从侧面拍摄的工件正面视图还原
多相机拼接时的视角统一

4.4.1 透视变换 vs 仿射变换

对比维度	仿射变换	透视变换
变换矩阵	2×3（6个自由度）	3×3（8个自由度）
平行线	保持平行	可能不再平行
所需对应点	3个点	4个点
典型应用	旋转校正、平移对齐	倾斜校正、视角转换

4.4.2 透视变换实战：扶正倾斜的工件

假设你从侧面拍到一个矩形工件，它看起来是个梯形。你需要把它校正为正面视角。

# 原图中工件的四个角点（梯形）
pts1 = np.float32([[150, 200], [450, 200], [100, 400], [500, 400]])
# 目标矩形的四个角点
pts2 = np.float32([[0, 0], [400, 0], [0, 300], [400, 300]])

M_perspective = cv2.getPerspectiveTransform(pts1, pts2)
warped = cv2.warpPerspective(img, M_perspective, (400, 300))

我的经验： 透视变换对点位的精度非常敏感。我曾经因为一个角点偏差了 2 个像素，导致校正后的图像边缘出现明显的锯齿。建议使用亚像素级别的角点检测（如 cv2.cornerSubPix）来获取更精确的对应点。

4.5 知识体系总览

下面这张图总结了本章的核心知识结构。你可以把它当作一个快速索引，遇到几何变换问题时，先定位到对应的分支。

4.6 插值算法：像素「搬家」后的颜色填充

无论哪种几何变换，最终都会面临一个问题：变换后的像素坐标往往是小数，但图像只能存储整数坐标。这时候就需要插值算法来「猜」出这个位置的颜色。

OpenCV 提供了多种插值方法，我按实际效果排个序：

插值方法	速度	质量	推荐场景
INTER_NEAREST	最快	最差（锯齿严重）	实时预览、像素艺术
INTER_LINEAR	快	中等	通用场景、实时处理
INTER_CUBIC	慢	好（平滑）	高质量放大
INTER_LANCZOS4	最慢	最好（保留边缘）	离线高精度处理
INTER_AREA	中等	缩小场景最佳	图像缩小（降采样）

性能警告： 在工业实时检测中（比如 60fps 的产线），千万不要用 INTER_LANCZOS4。我曾经在一个项目中用了它，结果处理一帧图像花了 80ms，直接导致产线停摆。后来换成 INTER_LINEAR，速度提升到 5ms，效果完全满足需求。

4.7 本章小结

几何变换是工业视觉的基石。你不需要记住每个矩阵的数学推导，但一定要清楚：

什么时候用仿射？ 当物体是平面且相机视角固定时，比如工件在传送带上的旋转校正。
什么时候用透视？ 当相机从侧面拍摄，或者需要校正倾斜视角时，比如读倾斜的二维码。
插值怎么选？ 缩小用 INTER_AREA，放大用 INTER_CUBIC，实时用 INTER_LINEAR。