仿射变换及其变换矩阵的理解

摘要:
//Www.cnblogs.com/shine-lee/p/10950963.html上一张2D图像中编写的常见坐标变换如下图所示:变换矩阵形式没有平移,或者平移量为0的所有仿射变换都可以由以下变换矩阵描述:[x′y′]=[acbd][xy][x′y’]=[abcd][xy]a,ty对应于不同的变换θ,

原文地址:https://www.cnblogs.com/shine-lee/p/10950963.html

写在前面

2D图像常见的坐标变换如下图所示:
Basic set of 2D planar transformations
这篇文章不包含透视变换(projective/perspective transformation),而将重点放在仿射变换(affine transformation),将介绍仿射变换所包含的各种变换,以及变换矩阵该如何理解记忆。

仿射变换:平移、旋转、放缩、剪切、反射

仿射变换包括如下所有变换,以及这些变换任意次序次数的组合
affine transformations

平移(translation)和旋转(rotation)顾名思义,两者的组合称之为欧式变换(Euclidean transformation)或刚体变换(rigid transformation);

放缩(scaling)可进一步分为uniform scalingnon-uniform scaling,前者每个坐标轴放缩系数相同(各向同性),后者不同;如果放缩系数为负,则会叠加上反射(reflection)——reflection可以看成是特殊的scaling;

刚体变换+uniform scaling 称之为,相似变换(similarity transformation),即平移+旋转+各向同性的放缩;

剪切变换(shear mapping)将所有点沿某一指定方向成比例地平移,语言描述不如上面图示直观。

各种变换间的关系如下面的venn图所示:
transformations venn diagram
通过变换矩阵可以更清晰地看出这些变换间的关系和区别。

变换矩阵形式

没有平移或者平移量为0的所有仿射变换可以用如下变换矩阵描述:

[xy]=[acbd][xy][x′y′]=[abcd][xy]

不同变换对应的a,b,c,da,b,c,d 约束不同,排除了平移变换的所有仿射变换为线性变换(linear transformation),其涵盖的变换如上面的venn图所示,其特点是原点位置不变多次线性变换的结果仍是线性变换

为了涵盖平移,引入齐次坐标,在原有2维坐标的基础上,增广1个维度,如下所示:

⎡⎣⎢xy1⎤⎦⎥=[adbecf]⎡⎣⎢xy1⎤⎦⎥[x′y′1]=[abcdef][xy1]

所以,仿射变换的变换矩阵统一用 [adbecf][abcdef] 来描述,不同基础变换的a,b,c,d,e,fa,b,c,d,e,f 约束不同,如下所示:

VuEg5n.png
此外,旋转和平移相乘得到刚体变换的变换矩阵,如下,有3个自由度(θ,tx,tyθ,tx,ty ),这里旋转方向为逆时针方向,因此与上图中的正负号不同,

[cos(θ)sin(θ)sin(θ)cos(θ)txty]⎡⎣⎢xy1⎤⎦⎥=⎡⎣⎢xy1⎤⎦⎥[cos⁡(θ)−sin⁡(θ)txsin⁡(θ)cos⁡(θ)ty][xy1]=[x′y′1]

再乘上uniform scaling得到相似变换,有4个自由度(s,θ,tx,tys,θ,tx,ty ),如下:

[scos(θ)ssin(θ)ssin(θ)scos(θ)txty]⎡⎣⎢xy1⎤⎦⎥=⎡⎣⎢xy1⎤⎦⎥[scos⁡(θ)−ssin⁡(θ)txssin⁡(θ)scos⁡(θ)ty][xy1]=[x′y′1]

自然,仿射变换的变换矩阵有6个自由度(a,b,c,d,e,fa,b,c,d,e,f )。

变换矩阵的理解与记忆

rotate matrix
坐标系坐标原点基向量决定,坐标原点基向量确定了,坐标系也就确定了。

对于坐标系中的位置(x,y)(x,y) ,其相对坐标原点在[1,0][1,0] 方向上的投影为xx ,在[0,1][0,1] 方向上的投影为yy ——这里投影的意思是过(x,y)(x,y) 做坐标轴的平行线与坐标轴的交点到原点的距离,即(x,y)(x,y) 实际为:

[xy]=x[10]+y[01]=[1001][xy][xy]=x[10]+y[01]=[1001][xy]

当坐标系变化,坐标系中的点也跟着变化,但点相对新坐标系xyx′−y′ 坐标系)的位置不变仍为(x,y)(x,y) ,以旋转变换为例,新坐标轴的基向量则变为[cos(θ),sin(θ)][cos⁡(θ),sin⁡(θ)] 和[sin(θ),cos(θ)][−sin⁡(θ),cos⁡(θ)] ,所以点变化到新位置为:

[xy]=x[cos(θ)sin(θ)]+y[sin(θ)cos(θ)]=[cos(θ)sin(θ)sin(θ)cos(θ)][xy][x′y′]=x[cos⁡(θ)sin⁡(θ)]+y[−sin⁡(θ)cos⁡(θ)]=[cos⁡(θ)−sin⁡(θ)sin⁡(θ)cos⁡(θ)][xy]

新位置和新基向量是相对绝对坐标系(xyx−y 坐标系)而言的。其他变换矩阵同理。

总结一下:

  • 所有变换矩阵只需关注一点:坐标系的变化,即基向量和原点的变化
  • 坐标系变化到哪里,坐标系中的所有点也跟着做同样的变化
  • 坐标系的变换分为 基向量的变化 以及 坐标原点的变化,在仿射变换矩阵 ⎡⎣⎢ad0be0cf1⎤⎦⎥[abcdef001] 中, [ad][ad] 和[be][be] 为新的基向量,[cf][cf] 为新的坐标原点,先变化基向量,再变化坐标原点;

这时再对照上面的各种变换矩阵,就很好理解了。

Hierarchy of 2D coordinate transformations

变换矩阵的参数估计

如果给定两个对应点集,如何估计指定变换矩阵的参数?

一对对应点可以列两个线性方程,多个对应点可以列出线性方程组,为了求解参数,需要的对应点数至少为自由度的一半,多个点时构成超定方程组,可以基于最小二乘或者SVD分解等方法进行求解,这里不再展开。

参考

免责声明:文章转载自《仿射变换及其变换矩阵的理解》仅用于学习参考。如对内容有疑问,请及时联系本站处理。

上篇前端自适应----单位remInformatica 简单使用下篇

宿迁高防,2C2G15M,22元/月;香港BGP,2C5G5M,25元/月 雨云优惠码:MjYwNzM=

相关文章

【tensorflow2.0】张量的数学运算

张量的操作主要包括张量的结构操作和张量的数学运算。 张量结构操作诸如:张量创建,索引切片,维度变换,合并分割。 张量数学运算主要有:标量运算,向量运算,矩阵运算。另外我们会介绍张量运算的广播机制。 本篇我们介绍张量的数学运算。 一,标量运算 张量的数学运算符可以分为标量运算符、向量运算符、以及矩阵运算符。 加减乘除乘方,以及三角函数,指数,对数等常见函数,...

delphi 数组定义

在c语言中 有:a[5]={1,2,3,4,5} ; 那么在 delphi中,这个数组的赋值该怎么写?? 问题补充:下面有人说的对,我就是想在声明数组的时候赋初值,至于初值的内容你们不需要知道,我想知道的只是申明的时候赋值的格式,而不是通过一个过程去实现 var  a:=array[1..5] of integer=(1,2,3,4,5) 只有全局变量才能...

matplotlib:python数据处理三剑客之一

1.基本使用 import numpy as np import matplotlib.pyplot as plt import pandas as pd # 生成一系列x x = np.linspace(-1, 1, 50) # 生成对应的y y1 = 2 * x +1 y2 = x ** 2 # 传入对应的x和y,调用plot方法,绘制图像 # pl...

php 二维数组索引乱序 shuffle() 函数;

在实际开发中有一个打乱数组排序的案例   案例代码如下 public function index(){ if(IS_POST){ #获取卖单列表 $buy_list=M('buy')->where(['status'=>1])->field('num')->sele...

14-高效求最长公共子序列(二维数组存不下)

/* See LCS again时间限制:1000 ms | 内存限制:65535 KB难度:3描述There are A, B two sequences, the number of elements in the sequence is n、m;Each element in the sequence are different and less t...

[转]对齐次坐标的理解

“齐次坐标表示是计算机图形学的重要手段之一,它既能够用来明确区分向量和点,同时也更易用于进行仿射(线性)几何变换。”——F.S. Hill, JR。 齐次坐标主要是应用在矩阵转换中,我们通常运算的坐标系是“笛卡尔坐标系”,我们已经习惯了笛卡尔坐标系的表述方式,一个点都有唯一对应的数据值来表示,比如原点我们就记做(0,0)点。而笛卡尔坐标系和齐次坐标系的根...