在计算机视觉的世界里，图像从来都不是静止的像素堆砌 —— 我们想让倾斜的文档变端正、让远处的物体 “靠近” 观察、让变形的画面回归真实，这些需求的核心，都离不开几何变换。它就像一位像素指挥家，通过精准的数学规则，让每个像素找到自己的新位置，既保留图像的核心信息，又实现形态的灵活调整。今天就带大家一站式掌握几何变换的原理、基础实战与进阶用法，从理论到落地全覆盖。

一、几何变换的核心：像素的 “坐标迁徙”

几何变换的本质很简单：改变图像中每个像素的坐标位置，但不改变像素本身的颜色信息（除非涉及插值填充）。所有变换都建立在两个核心步骤上：

1. 映射计算：确定原始图像像素（x,y）在目标图像中的新坐标（x’,y’），核心是 “变换矩阵”；
2. 插值填充：目标图像的部分坐标可能没有原始像素对应，需要通过算法估算颜色（解决 “空像素” 问题）。

其中，变换矩阵是灵魂—— 不同的变换（平移、旋转、缩放等），本质就是不同的矩阵运算。我们可以把每个像素的坐标看作一个向量，乘以对应的变换矩阵，就能得到它的新位置，这也是几何变换 “可叠加、可组合” 的关键。

二、常用几何变换：从基础到实用

1. 平移（Translation）：像素的 “平行搬家”

最直观的变换：让整个图像沿着 x 轴（左右）或 y 轴（上下）移动，形态和大小不变。

• 核心公式：x’=x+tx，y’=y+ty（tx、ty 为平移量，正数表示右 / 下移动）；
• 应用场景：图像对齐、目标跟踪（保持物体在画面中心）。

2. 缩放（Scaling）：图像的 “放大缩小”

改变图像尺寸，分 “等比例缩放”（保持宽高比）和 “非等比例缩放”（拉伸 / 压缩）。

• 核心公式：x’=xsx，y’=ysy（sx、sy 为缩放因子，>1 放大，<1 缩小）；
• 关键注意：放大需用插值算法补充细节，避免模糊；
• 应用场景：统一模型输入尺寸、全景图裁剪、数字变焦。

3. 旋转（Rotation）：让图像 “转个圈”

以某个点为中心旋转（默认图像中心），θ 逆时针为正、顺时针为负。

• 核心公式（原点为中心）：x’=xcosθ - ysinθ，y’=xsinθ + ycosθ；
• 实际步骤：中心平移到原点→旋转→平移回原位置（避免偏移）；
• 应用场景：文档矫正、自动驾驶画面调整、游戏角色姿态旋转。

4. 仿射变换（Affine Transformation）：灵活的 “线性变形”

平移、缩放、旋转的 “组合套餐”，可实现剪切变形，核心是 “保持平行线不变”。

• 数学本质：3x2 变换矩阵（6 个参数），通过 3 对对应点求解；
• 经典案例：身份证照片矫正、无人机航拍视角修正。

5. 透视变换（Perspective Transformation）：模拟 “真实视角”

允许平行线交汇（符合人眼透视），可将梯形矫正为矩形，改变 “深度感”。

• 数学本质：3x3 透视矩阵，通过 4 对对应点求解；
• 应用场景：车牌识别矫正、AR 场景融合、建筑摄影畸变修正。

三、关键技术：插值算法 —— 解决 “像素空窗”

几何变换后需通过插值填充 “空像素”，常见三种算法：

• 最近邻插值：速度快，画面有锯齿；
• 双线性插值：取 4 个像素加权平均，效果均衡（应用最广）；
• 双三次插值：取 16 个像素加权平均，细节清晰，计算量较大。

四、实战场景：几何变换的 “落地用法”

1. 图像预处理：统一尺寸、数据增强（旋转 / 平移提升模型鲁棒性）；
2. 文档数字化：矫正倾斜 / 透视畸变，方便 OCR 识别；
3. 视频剪辑：镜头推拉（缩放）、摇移（平移 + 旋转）；
4. 自动驾驶：透视变换还原道路鸟瞰图，辅助识别车道线。

五、基础实战：OpenCV 核心代码模板（Python）

以下代码包含 5 种基础变换，注释详细，直接复制运行（需先安装：pip install opencv-python）。

python

运行

import cv2
import numpy as np

# 读取原始图像（替换为你的图片路径）
img = cv2.imread("test.jpg")
height, width = img.shape[:2]  # 获取图像高、宽（HWC格式）

# -------------------------- 1. 平移变换 --------------------------
tx, ty = 50, 30  # x右移50像素，y下移30像素
M_trans = np.float32([[1, 0, tx], [0, 1, ty]])  # 平移矩阵
img_trans = cv2.warpAffine(img, M_trans, (width, height))

# -------------------------- 2. 缩放变换 --------------------------
scale = 0.8  # 等比例缩小80%
# 方法1：等比例缩放
img_scale1 = cv2.resize(img, None, fx=scale, fy=scale, interpolation=cv2.INTER_LINEAR)
# 方法2：指定目标尺寸（640x480）
img_scale2 = cv2.resize(img, (640, 480), interpolation=cv2.INTER_LINEAR)

# -------------------------- 3. 旋转变换 --------------------------
angle = 30  # 逆时针旋转30度（负数为顺时针）
M_rot = cv2.getRotationMatrix2D((width/2, height/2), angle, 1.0)  # 旋转矩阵（中心为轴）
img_rot = cv2.warpAffine(img, M_rot, (width, height))  # 执行旋转

# -------------------------- 4. 仿射变换 --------------------------
# 原图3个点 + 目标图3个对应点（顺时针选角点）
pts1 = np.float32([[50, 50], [width-50, 50], [50, height-50]])
pts2 = np.float32([[30, 80], [width-20, 60], [40, height-30]])
M_affine = cv2.getAffineTransform(pts1, pts2)  # 生成仿射矩阵
img_affine = cv2.warpAffine(img, M_affine, (width, height))

# -------------------------- 5. 透视变换 --------------------------
# 原图4个点 + 目标图4个对应点（凸四边形）
pts1_persp = np.float32([[50, 50], [width-50, 50], [width-50, height-50], [50, height-50]])
pts2_persp = np.float32([[0, 0], [600, 0], [550, 400], [50, 400]])  # 梯形矫正为矩形
M_persp = cv2.getPerspectiveTransform(pts1_persp, pts2_persp)  # 生成透视矩阵
img_persp = cv2.warpPerspective(img, M_persp, (600, 400))  # 执行透视变换

# -------------------------- 显示与保存 --------------------------
# 拼接结果图（方便对比）
result1 = np.hstack([cv2.resize(img, (300, 200)), cv2.resize(img_trans, (300, 200)), cv2.resize(img_rot, (300, 200))])
result2 = np.hstack([cv2.resize(img_scale1, (300, 200)), cv2.resize(img_affine, (300, 200)), cv2.resize(img_persp, (300, 200))])

cv2.imshow("平移+旋转", result1)
cv2.imshow("缩放+仿射+透视", result2)
cv2.waitKey(0)  # 按任意键关闭窗口
cv2.destroyAllWindows()

cv2.imwrite("perspective_result.jpg", img_persp)  # 保存透视变换结果

代码关键说明

1. 插值算法选择：INTER_NEAREST（快）、INTER_LINEAR（均衡）、INTER_CUBIC（高清）；
2. 避免裁剪：旋转 / 透视时可放大dsize（如(width*1.2, height*1.2)），防止边缘被裁；
3. 对应点选取：仿射需 3 对、透视需 4 对，优先选图像角点 / 特征点，确保对应关系准确。

六、进阶实战：高频场景拓展代码

进阶场景 1：批量处理文件夹内所有图像

自动遍历文件夹，批量执行旋转 + 缩放，适用于大量图像预处理。

python

运行

import cv2
import numpy as np
import os

# 配置参数
input_folder = "input_images"  # 输入文件夹路径
output_folder = "output_images"  # 输出文件夹路径
target_size = (640, 480)  # 目标缩放尺寸
rotate_angle = -15  # 顺时针旋转15度

# 创建输出文件夹（不存在则创建）
if not os.path.exists(output_folder):
    os.makedirs(output_folder)

# 遍历所有图像文件
for filename in os.listdir(input_folder):
    # 过滤支持的图像格式
    if filename.endswith((".jpg", ".jpeg", ".png", ".bmp")):
        img_path = os.path.join(input_folder, filename)
        img = cv2.imread(img_path)
        if img is None:
            print(f"跳过无法读取的文件：{filename}")
            continue
        
        height, width = img.shape[:2]
        
        # 步骤1：批量旋转（白色填充边缘）
        M_rot = cv2.getRotationMatrix2D((width/2, height/2), rotate_angle, 1.0)
        img_rot = cv2.warpAffine(img, M_rot, (width, height), borderValue=(255,255,255))
        
        # 步骤2：批量缩放（统一到目标尺寸）
        img_scale = cv2.resize(img_rot, target_size, interpolation=cv2.INTER_LINEAR)
        
        # 保存结果
        output_path = os.path.join(output_folder, filename)
        cv2.imwrite(output_path, img_scale)
        print(f"处理完成：{filename}")

print("所有图像批量处理完毕！")

进阶场景 2：结合 OCR 的文档矫正完整流程

自动检测文档边缘，矫正倾斜 / 透视畸变，提升 OCR 识别准确率（需安装pytesseract：pip install pytesseract）。

python

运行

import cv2
import numpy as np
import pytesseract

# 配置Tesseract路径（Windows需指定，如r"C:\Program Files\Tesseract-OCR\tesseract.exe"）
pytesseract.pytesseract.tesseract_cmd = "tesseract"

def document_correction(img_path):
    # 步骤1：读取图像并预处理（灰度化+二值化）
    img = cv2.imread(img_path)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    _, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
    
    # 步骤2：检测文档轮廓
    contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    max_contour = max(contours, key=cv2.contourArea)  # 取面积最大的轮廓（文档边缘）
    
    # 步骤3：获取文档四角点（近似多边形）
    approx = cv2.approxPolyDP(max_contour, 0.02*cv2.arcLength(max_contour, True), True)
    if len(approx) != 4:
        raise Exception("未检测到文档四角点，请确保图像清晰")
    
    # 排序四角点（顺时针：左上→右上→右下→左下）
    approx = approx.reshape(4, 2).astype(np.float32)
    approx = sorted(approx, key=lambda x: x[0]+x[1])  # 左上（和最小）、右下（和最大）
    top_left, top_right = sorted(approx[:2], key=lambda x: x[0])
    bottom_left, bottom_right = sorted(approx[2:], key=lambda x: x[0])
    pts1 = np.float32([top_left, top_right, bottom_right, bottom_left])
    
    # 步骤4：透视矫正（将文档矫正为矩形）
    width_doc = int(max(cv2.norm(top_right-top_left), cv2.norm(bottom_right-bottom_left)))
    height_doc = int(max(cv2.norm(bottom_left-top_left), cv2.norm(bottom_right-top_right)))
    pts2 = np.float32([[0,0], [width_doc,0], [width_doc,height_doc], [0,height_doc]])
    
    M_persp = cv2.getPerspectiveTransform(pts1, pts2)
    img_corrected = cv2.warpPerspective(img, M_persp, (width_doc, height_doc))
    
    # 步骤5：OCR识别（对比矫正前后效果）
    text_original = pytesseract.image_to_string(gray)
    text_corrected = pytesseract.image_to_string(cv2.cvtColor(img_corrected, cv2.COLOR_BGR2GRAY))
    
    return img_corrected, text_original, text_corrected

# 执行文档矫正
img_corrected, text_orig, text_corr = document_correction("document.jpg")

# 显示结果
cv2.imshow("矫正前", cv2.imread("document.jpg"))
cv2.imshow("矫正后", img_corrected)
print("矫正前OCR结果：", text_orig)
print("矫正后OCR结果：", text_corr)

cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.imwrite("corrected_document.jpg", img_corrected)

进阶场景 3：实时视频流中的几何变换

读取摄像头画面，实时执行旋转 + 缩放，适用于实时监控、自动驾驶预览等场景。

python

运行

import cv2
import numpy as np

# 配置参数
rotate_angle = 90  # 实时旋转90度
scale_factor = 0.7  # 实时缩放70%

# 打开摄像头（0为默认摄像头）
cap = cv2.VideoCapture(0)
if not cap.isOpened():
    print("无法打开摄像头")
    exit()

while True:
    # 读取一帧视频
    ret, frame = cap.read()
    if not ret:
        print("无法读取视频帧")
        break
    
    height, width = frame.shape[:2]
    
    # 步骤1：实时旋转
    M_rot = cv2.getRotationMatrix2D((width/2, height/2), rotate_angle, 1.0)
    frame_rot = cv2.warpAffine(frame, M_rot, (width, height))
    
    # 步骤2：实时缩放
    frame_scale = cv2.resize(frame_rot, None, fx=scale_factor, fy=scale_factor, interpolation=cv2.INTER_LINEAR)
    
    # 显示实时结果
    cv2.imshow("实时几何变换（旋转+缩放）", frame_scale)
    
    # 按ESC键退出（等待1ms刷新画面）
    if cv2.waitKey(1) & 0xFF == 27:
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

七、总结：几何变换的核心价值

几何变换是计算机视觉的 “基础工具链”—— 它不改变图像核心信息，却能将原始图像转化为 “符合需求的标准形态”，为后续的识别、检测、分析扫清障碍。从简单的照片缩放，到复杂的 AR 场景融合，再到批量文档处理，几何变换始终是背后的核心支撑。