参考链接：

http://blog.csdn.net/u012380663/article/details/43273527

http://blog.csdn.net/xiaowei_cqu/article/details/26471527

序言

在图像处理中，对图像进行二维变换有仿射变换(Affine Transformation)，透视变换(Perspective Transformation)(应该还有其他变换，但是我用到的比较多的是这两种变换)。

一、仿射变换

1、概念

仿射变换(Affine Transformation)是空间直角坐标系的变换，从一个二维坐标变换到另一个二维坐标，仿射变换是一个线性变换，他保持了图像的“平行性”和“平直性”，即图像中原来的直线和平行线，变换后仍然保持原来的直线和平行线，仿射变换比较常用的特殊变换有平移(Translation)、缩放(Scale)、翻转(Flip)、旋转(Rotation)和剪切(Shear)。

图1.仿射变换

2、仿射变换的变换公式推导

在opencv提供的仿射变换中，变换的公式是一个2*3的矩阵，如下：

，

，

A是仿射变换2*3矩阵，M是2*2矩阵，表示坐标轴的旋转和缩放，B是2*1矩阵，是坐标轴平移矩阵。

坐标变换如下：

，

可以看出，A矩阵只有6个参数，所以只要知道3个点之间的仿射变换，就可以求出A矩阵。

二、透视变换

透视变换(Perspective Transformation)是指利用透视中心、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。

图2.透视变换

透视变换(Perspective Transformation)是将图片投影到一个新的视平面(Viewing Plane)，也称作投影映射(Projective Mapping)。通用的变换公式为：

u,v是原始图片左边，对应得到变换后的图片坐标x,y,其中

。

变换矩阵

可以拆成4部分，

表示线性变换，比如scaling，shearing和ratotion。

用于平移，

产生透视变换。所以可以理解成仿射等是透视变换的特殊形式。经过透视变换之后的图片通常不是平行四边形(除非映射视平面和原来平面平行的情况)。

重写之前的变换公式可以得到：

所以，已知变换对应的几个点就可以求取变换公式。反之，特定的变换公式也能新的变换后的图片。简单的看一个正方形到四边形的变换：

变换的4组对应点可以表示成：

根据变换公式得到：

定义几个辅助变量：

都为0时变换平面与原来是平行的，可以得到：

不为0时，得到：

求解出的变换矩阵就可以将一个正方形变换到四边形。反之，四边形变换到正方形也是一样的。于是，我们通过两次变换：四边形变换到正方形+正方形变换到四边形就可以将任意一个四边形变换到另一个四边形。

所以，我们可以发现仿射变换就是特殊的透射变换，这里我们在理解它们的变换矩阵时一定要将矩阵分部分析，比如之前的一部分是用来旋转和缩放，一部分是用来平移，还有一部分是用来透射；

之前的(x , y , w)中，w的意义我觉得它就是指投影点到面上的“距离”，这里之所以打引号我个人认为它不是物理距离，更多的带有一种数学上的“单位1”的意义；

两者异同：

所以对于仿射变换，一般地w = w' ， 也就是依然是这个平面，所以就相当于一个2D平面变换(忽略了投影点)；

对于透射变换，一般的w' = f(w) ， f即相应的透射变换，所以这里就是投影点通过这个面投射到另一个承影面，这里投影点就显示了它的功能，所以我们说仿射变换是特殊的透射变换；