如果你这个系列一路跟到了第五篇恭喜你现在正式进入“动手整形”阶段了。前面几篇我们把图像读进来、调过像素、看过颜色通道到《图像基本变换》这一篇核心就一个字动。这里说的动不是像素点级别的加减乘除而是把整张图当作一个可拉伸、可旋转、可平移、可透视变形的平面用 OpenCV 里几个现成函数把它摆成你想要的样子。这篇会覆盖缩放、平移、旋转、仿射变换、透视变换这几类最常用的几何操作并且会先把背后的矩阵逻辑讲明白再给出可以直接跑通的代码。不管你是做图像预处理、做简单校正还是搞数据增强这些操作都躲不开。1. 图像变换绕不开的一个底层逻辑坐标映射1.1 变换的数学本质像素从一个位置挪到另一个位置刚开始接触 OpenCV 的人最容易把“图像变换”理解成某种黑魔法调用一个函数图片就转了、就放大了、就变形了。其实所有几何变换底层都做同一件事——坐标映射。说得再直白一点变换之前的图像里有某个像素它原本在坐标 (x, y) 上变换之后我想把它放到新的坐标 (x, y) 上。这个“从旧坐标到新坐标”的对应关系就是变换的核心。实际实现时OpenCV 不是一个个像素去搬而是用一个矩阵去描述这种对应关系然后让底层帮你批量处理整张图。这个矩阵分两种2 行 3 列的矩阵用于仿射变换3 行 3 列的矩阵用于透视变换。为什么是这两个尺寸因为平移、旋转、缩放、错切这类操作只需要二维线性变换加上一个偏移量就能描述用 2x3 矩阵就够了而透视变换里坐标不仅会被平移、旋转还会因为“近大远小”产生一个和坐标本身相关的除法关系必须把维度提上去用 3x3 的矩阵才能完整表达。很多教程会直接丢给你“调用 cv2.warpAffine”和“调用 cv2.warpPerspective”两句话却不解释为什么有两个 warp。记住这个区别warpAffine 处理的是保持平行关系的变换你原来图里的两条平行线变换之后还是平行线warpPerspective 处理的是透视关系改变平行线可能交汇、矩形可能变成任意四边形。前者像是把一张画纸在桌面水平拖动、旋转后者更像是你从不同角度斜着看这张纸。1.2 为什么 OpenCV 把这么多变换归成一类如果你手边有 OpenCV 的文档会发现图像变换那一章里摆了一堆函数resize、warpAffine、warpPerspective、flip、getRotationMatrix2D、getAffineTransform、getPerspectiveTransform。名字五花八门但它们有一个共同点最终都归结到“让一个像素去一个新的位置”。正因为它共享同一个底层思路所以使用习惯也是统一的。不管用哪种变换心里都要有一条主线先根据你的需求构造出对应的变换矩阵再把矩阵交给 warp 系列函数warp 函数会负责处理像素采集、空洞填充以及边界问题。这条主线和后面的参数细节是绑在一起的所以我建议你先把这套“矩阵驱动”的思维建立起来再往下看每类变换的具体用法就不会迷路。我见过不少初学者今天学一个 resize明天学一个 rotate遇到函数就查一次参数也把效果调出来了但是换一个任务就不知道该怎么组合。问题就出在缺少这条主线。图像变换不是一个个孤立的小技巧它是一套体系选定变换类型 → 构造矩阵 → 送入 warp → 检查输出尺寸与边界所有操作都在这条流水线上。2. 六个基本变换的核心参数逐个说清楚2.1 缩放resize 的插值方式决定放大画质缩放是所有变换里最常用也最容易被低估的一个。cv2.resize 的使用方式看着很简单无非是给定输出尺寸或者给定缩放系数 fx、fy但真正影响效果的是插值参数。先说尺寸指定的两个方式。第一种是直接传 dsize也就是cv2.resize(img, (new_w, new_h))注意这里的第一维是列数、宽度不是行数、高度后面实操部分会再讲一遍这个坑第二种是 dsize 传(0, 0)然后靠 fx、fy 缩放系数决定输出尺寸例如cv2.resize(img, None, fx0.5, fy0.5)就是把宽高各缩小一半。两种方式二选一你给了 dsizefx、fy 就算填了也会被忽略反过来如果 dsize 是 (0, 0)就按 fx、fy 算。插值方式才是重点。默认情况下 OpenCV 用cv2.INTER_LINEAR也就是双线性插值它速度快、画质均衡适合大部分场景。但如果你把一张小图放大到两倍以上用双线性会出现明显的模糊和锯齿感这时候建议换cv2.INTER_CUBIC也就是双三次插值。它会在目标位置周围取 4x4 的邻域加权计算效果细腻很多代价是计算量更大。而如果做的是缩小尤其是把一张高分辨率大图缩到很小的尺寸推荐用cv2.INTER_AREA。它做区域插值能有效减少摩尔纹和闪烁感视频帧缩小时比线性插值更稳。我自己的习惯是缩小优先 INTER_AREA放大优先 INTER_CUBIC实时视频处理这种对速度敏感的场景才退回到 INTER_LINEAR。还有一种 INTER_NEAREST最近邻插值速度最快但锯齿最严重一般只在像素风处理、或者做某些特殊 mask 生成的时候才会用到正常照片处理不要选它。2.2 平移与旋转矩阵构造里的坐标方向陷阱平移放在 OpenCV 的几何变换里是和旋转一起用warpAffine处理的。它的 2x3 矩阵长这样[ 1 0 tx ] [ 0 1 ty ]tx、ty 分别表示向右、向下移动的像素数。这个矩阵可以直接写成np.float32数组看起来非常简单但很多人在这一步栽跟头原因在于没有意识到图像坐标的原点在左上角x 轴向右y 轴向下所以正数的 ty 是向下移动不是向上。如果我想把图片往上移 50 像素要写的是 ty 等于 -50。旋转稍复杂一点OpenCV 提供了cv2.getRotationMatrix2D(center, angle, scale)。它一次性帮你算好旋转加缩放加平移的复合矩阵center 是旋转中心angle 是旋转角度scale 是旋转时同时进行的缩放系数。这里有一个几乎每个月都会被问到的坑angle 为正数时图像到底往哪个方向转至少在我测试的 OpenCV 各个版本里angle 传 45视觉结果是图片顺时针旋转了 45 度。很多人按数学直觉以为正数是逆时针结果绕晕了。原因在于图像坐标系的 y 轴朝下数学里逆时针的定义在显示时被镜像了一下。你要是不确定就先在彩色测试图上转个 30 度看一眼输出是顺时针还是逆时针记下这个经验比背公式靠谱。真要实现逆时针效果传 -angle 就行。还有一点容易被忽略getRotationMatrix2D 返回的矩阵配合 warpAffine 使用时第三个参数 dsize 如果和原图不一致就要考虑旋转后内容会不会被裁掉。旋转一张横的大图 90 度输出尺寸还是原来的 (w, h)那内容显示时就会变形。通常做法是先算出旋转后能容纳完整内容的新尺寸再改 dsize或者先扩展一下画布、再旋转、再裁剪。2.3 仿射与透视变换三对点、四对点的配对规则仿射和透视变换是这一篇里最能体现“坐标映射”思想的两个操作因为它们不再是靠函数生成固定矩阵而是由你指定对应点OpenCV 根据这些点反算出变换矩阵。cv2.getAffineTransform(src, dst)需要三对对应点因为三对点可以唯一确定一个 2x3 仿射矩阵。src 是原图中三个点的坐标dst 是变换后这三个点要去的目标位置。实操里最常见的用法是取一个三角形的三个顶点比如左上、右上、左下的三个点然后指定它们的目标位置OpenCV 会算出一个合适的矩阵。难点不在函数本身而在配对顺序src 的第一对点和 dst 的第一对点必须对应同一个物理位置。顺序乱掉变换出来的图就完全不是你想要的样子。cv2.getPerspectiveTransform(src, dst)需要四对对应点得到 3x3 的单应性矩阵然后交给cv2.warpPerspective。四对点的顺序同样关键。我通常约定按“左上、右上、右下、左下”的顺序取点这样在构造 dst 四边形的时候也不容易乱。如果不小心把最后一个点放到另外的相对位置比如取成了左下、右上、右下、左上整个透视结果会变成不可预期的扭曲条带很难排查。仿射和透视的实际差异用一句话概括仿射变换改变位置、角度、大小和错切但保持平行性不变透视变换可以做到同一平面上的四点任意变形比如把一张倾斜拍摄的矩形纸片拉回正向矩形。后者的应用价值巨大文档拍照矫正、身份证件提取、显示屏区域校正基本都靠透视变换实现。3. 实操过程一份可运行的脚本跑通五种变换3.1 准备测试图片和环境这一节的代码依赖 opencv-python 和 numpy直接用 pip 装好就行。测试图片我建议别用网图就在本地用一张自己的照片或者现场拿 OpenCV 生成一张带网格的图这样更容易看出平移、旋转、透视这些操作到底改变了什么。我先说一个能快速验证变换效果的思路准备一张类似信纸的网格图网格线可以让你直观看到“平行线是否还平行”“边缘是否被改变”“拉伸方向是什么”。网格图生成代码很简单用 numpy 创建一张白色画布每隔固定间距画横线和竖线即可。后面所有变换跑完把结果放到同一个窗口里对比观察比只看单张输出有用得多。在这套演示里我们统一约定读入的图像变量叫 img它的大小为 h、w用img.shape[:2]获取。之后所有输出尺寸都用 (w, h) 的格式来传这是 OpenCV 的统一约定千万别记反。3.2 平移、旋转、缩放、仿射、透视的具体实现下面是每类变换的最小可运行实现。为了方便你直接跑我在代码里把每步操作的注释写得完整一些。import cv2 import numpy as np # 生成一张 600x400 的网格测试图 w, h 600, 400 img np.full((h, w, 3), 255, dtypenp.uint8) step 50 for x in range(0, w, step): cv2.line(img, (x, 0), (x, h), (0, 0, 0), 1) for y in range(0, h, step): cv2.line(img, (0, y), (w, y), (0, 0, 0), 1) # 1. 平移向右 80 像素向下 40 像素 M_trans np.float32([[1, 0, 80], [0, 1, 40]]) translated cv2.warpAffine(img, M_trans, (w, h)) # 2. 旋转围绕中心旋转 30 度不缩放 center (w // 2, h // 2) M_rotate cv2.getRotationMatrix2D(center, 30, 1.0) rotated cv2.warpAffine(img, M_rotate, (w, h)) # 3. 缩放缩小一半用 INTER_AREA放大两倍用 INTER_CUBIC resized_down cv2.resize(img, None, fx0.5, fy0.5, interpolationcv2.INTER_AREA) resized_up cv2.resize(img, None, fx2.0, fy2.0, interpolationcv2.INTER_CUBIC) # 4. 仿射变换把左上、右上、左下三个点移到新位置 src_pts np.float32([[50, 50], [300, 50], [50, 200]]) dst_pts np.float32([[10, 100], [280, 60], [80, 240]]) M_affine cv2.getAffineTransform(src_pts, dst_pts) affined cv2.warpAffine(img, M_affine, (w, h)) # 5. 透视变换把倾斜四边形区域拉回正矩形 src_quad np.float32([[120, 80], [480, 60], [500, 360], [100, 340]]) dst_quad np.float32([[0, 0], [500, 0], [500, 400], [0, 400]]) M_persp cv2.getPerspectiveTransform(src_quad, dst_quad) persped cv2.warpPerspective(img, M_persp, (500, 400)) # 简单展示结果 cv2.imshow(translated, translated) cv2.imshow(rotated, rotated) cv2.imshow(affined, affined) cv2.imshow(persped, persped) cv2.waitKey(0) cv2.destroyAllWindows()这段代码跑通之后你会看到非常直观的区别平移图只是格子整体挪动边缘被截断旋转图的四角会出现黑色三角区域这是因为原图旋转后挡不住整个画布仿射图的网格线仍是直线且保持平行透视图的网格线则出现了近大远小的变化明显不再是简单平移旋转能得到的。一个很重要的细节藏在透视变换的 dsize 上。上面的代码里我写了cv2.warpPerspective(img, M_persp, (500, 400))输出尺寸是 500x400也就是输出图是一个固定宽高的矩形。透视变换矩阵可以把任意四边形映射到任意四边形如果你想让结果完整包含原内容并且不留过多黑边输出尺寸和矩阵之间需要反复配合不是随便写个数字就行。平时我更倾向于先根据 dst 四点的边界计算合适的输出尺寸再传给 warpPerspective。3.3 透视变换的典型应用文档拍照矫正代码演示只是让你建立手感下面说一个真实工作里近乎天天用的例子文档拍照矫正。拍一张纸质的文档因为手机角度不垂直纸面拍出来的照片里纸的轮廓是一个梯形文字也向远角倾斜。矫正的核心操作就是透视变换手动或通过边缘检测算出纸的四个角点把这些角点作为 src_quad目标位置 dst_quad 设为一个标准矩形然后执行 warpPerspective就能得到正面视角的文档图。具体做的时候通常先对图片做灰度、二值化、找轮廓用cv2.approxPolyDP拟合出四边形的四个顶点再按照“左上、右上、右下、左下”的顺序整理点集。整理顺序这件事没那么简单因为你拿到的四个点不一定按这个顺序返回需要先求和、先求差来排序。比如左上角是 x 和 y 都最小的点右下角是 x 和 y 都最大的点右上角是 x 大 y 小的点左下角是 x 小 y 大的点。这个排序逻辑我每次都会写成一个独立小函数复用到不同项目里。矫正后的图像别忘了再做一次分辨率调整否则小图拉伸到大尺寸时文字边缘会发糊。我的做法是先透视矫正再按文档宽度重新缩放最后做一次小幅锐化。这个组合拳在移动端扫描场景里非常常见。4. 常见问题与排查技巧实录4.1 为什么图片空了一大块坐标和 dsize 的坑学到图像变换几乎每个人都会遇到一次“为什么我旋转后图片少了一块”或者“为什么平移方向跟我预期完全相反”。这类问题九成出在两个地方。第一坐标方向。图像坐标系原点是左上角x 正方向向右y 正方向向下。平移矩阵里的 ty 为正数时图像内容是向下走的。如果你习惯了数学坐标系y 轴向上很容易写反。第二dsize 是宽度乘以高度也就是 (w, h)不是 (h, w)。这一点非常反直觉因为img.shape返回的是 (h, w, c)很多人顺手就把 shape 前两个值传给 dsize。结果就是输出图像的长和宽被交换旋转、仿射全都变形。只要是 warpAffine 和 warpPerspective 的最后一个位置参数我每次都会提醒自己写 (w, h) 或某个自定义的新尺寸。4.2 旋转角度的方向为什么和感觉反了这个问题我在前文提到过这里单独列出来。getRotationMatrix2D 的正角度在 OpenCV 的默认坐标系下输出效果是顺时针旋转。原因是图像的 y 轴向下数学里定义的逆时针在图像坐标系里被翻转了。排查方法也很简单不要在脑子里绕公式直接在测试图上转 90 度看结果里文字的朝向。记下你当前这个环境的实际行为之后遇到 angle 的方向问题就不慌了。写通用代码时我一般都会在注释里写清楚“正角度为顺时针逆时针请传负数”防止自己隔几个月之后又忘了。还有一个和旋转相关的坑旋转之后的黑色区域。默认情况下 warpAffine 用cv2.BORDER_CONSTANT也就是黑色填充所以旋转之后四角会出现黑边。如果你不希望黑边可以传参数borderModecv2.BORDER_REPLICATE让边缘像素向外复制填充或者borderModecv2.BORDER_WRAP做循环填充。我做数据增强时经常用 BORDER_REPLICATE生成的新图视觉上更自然不容易给模型带来多余的黑色干扰。4.3 透视变换结果扭曲点顺序不一致透视变换最隐蔽的问题就是点顺序。getPerspectiveTransform 对四对点的顺序很敏感同一个点在 src 和 dst 中的下标必须一一对应同时四点的整体排列要保持一致。举个例子如果 src 里的顺序是“左上、右上、右下、左下”而 dst 里我写的顺序是“左上、右下、右上、左下”那么变换矩阵就会试图把图形扭成一个蝴蝶结形状输出结果乱七八糟完全不是预期的梯形拉正。排查时我会把 src_quad 和 dst_quad 的值打印出来再画到原图上逐个标注点号确认每个点的语义。多花一分钟做这个检查比直接看变换结果猜问题高效得多。4.4 常见问题速查表下表是我自己整理的最小排查手册适合所有刚上手的人直接对照。现象主要原因解决办法平移方向反了ty 正负理解错ty 为正是向下移向上移用负数变换后图片长宽变了dsize 传成 (h, w)统一按 (w, h) 传尺寸放大后图片模糊用了默认 INTER_LINEAR放大改用 INTER_CUBIC缩小后出现摩尔纹用了线性/三次插值缩小改用 INTER_AREA旋转出现严重黑边BORDER_CONSTANT 默认值按需改 BORDER_REPLICATE / BORDER_WRAP透视结果扭曲四点顺序不一致统一用左上、右上、右下、左下角度方向与预期相反图像坐标系 y 轴向下正角为顺时针逆时针传负角4.5 边界、数据类型和一次调用返工率最后补一个容易被忽略的点warp 系列函数对输入图像类型有要求通常直接传np.uint8的图像没问题但如果你在前一步做了归一化把图像变成了 float32 且范围在 0 到 1 之间warp 之后输出的数据范围、显示效果都会跟你预期不同。我踩过的坑是把预处理归一化后的图像直接拿去旋转结果 imshow 看到一片黑。排查后发现是数据范围不对显示前没有重新映射回 0 到 255。解决办法是养成习惯几何变换尽量在 uint8 阶段完成颜色、像素级别的归一化放到几何变换之后再做。如果必须在 float 图上做几何变换显示前记得用 np.clip 把值拉到合理区间。5. 实操下来的几点个人体会这个系列写到这里图像基本变换的核心内容已经全部过了一遍。说实话这些函数单个看都不难难的是组合使用时怎么控制坐标系、输出尺寸、边界策略这些“看不见的变量”。我最初练这部分的时候也经历过旋转方向搞反、透视点顺序写乱、把 dsize 传成 shape 然后对着变形的图片发懵的事后来养成了一套习惯可以有效降低返工率。第一个习惯是先构造小尺寸测试图用网格或文字图案验证每种变换的方向与裁剪行为确认无误后再套到真实业务数据上。第二个习惯是所有涉及点对的操作我都用独立变量存点并打印出来核对顺序绝不直接写到调用里。第三个习惯是输出尺寸统一封装成函数比如取变换前后内容的包围盒再计算新尺寸避免每个地方都手写一遍 (w, h) 导致错漏。最后分享一个小技巧做视觉数据增强时不要只单独用某一种变换试着把平移、旋转、透视组合起来用比如先透视模拟视角变化再随机裁剪、缩放这样生成的训练样本覆盖度会好很多。这个方向如果大家感兴趣后面我可以再出一篇专门讲组合变换做数据增强的内容。
