在计算机视觉领域，图像的几何变换是基础中的基础。无论是文档矫正、车牌识别还是全景拼接，都离不开两种核心变换：仿射变换与透视变换。很多初学者容易混淆二者的区别，本文将从矩阵原理、计算过程、自由度、接口调用到实战示例，全方位拆解二者的差异，帮你彻底搞懂！

一、先看效果：平行四边形 vs 梯形

在开始枯燥的数学推导前，我们先直观感受一下两种变换的效果差异：

变换类型	核心特性	典型效果示意图
仿射变换	保持平行性	矩形 → 平行四边形（如平移后的卡片）
透视变换	打破平行性，模拟近大远小	矩形 → 梯形（如斜拍文档矫正为正视图）

二、数学本质：有没有“透视除法”？

1. 仿射变换：线性运算，无除法

仿射变换本质是二维平面内的线性变换（平移+旋转+缩放+错切），其核心公式为：
$$\{\begin{array}{l}{x}^{\prime }=a\cdot x+b\cdot y+c\\ y^{\prime }=d\cdot x+e\cdot y+f\end{array}$$
对应的矩阵形式为（$2\times 3$ 矩阵）：
$$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\end{array}\right]=\left[\begin{array}{ccc}a& b& c\\ d& e& f\end{array}\right]\cdot \left[\begin{array}{c}x\\ y\\ 1\end{array}\right]$$

通俗理解：想象你在桌面上推一张扑克牌——它可以平移、旋转、拉伸，但始终是“平的”，原来平行的边（如上下边）变换后依然平行。

2. 透视变换：非线性运算，必须除法

透视变换模拟三维空间的视角变换（近大远小），其核心公式为：
$$\{\begin{array}{l}{x}^{\prime }=\frac{a\cdot x+b\cdot y+c}{g\cdot x+h\cdot y+1}\\ y^{\prime }=\frac{d\cdot x+e\cdot y+f}{g\cdot x+h\cdot y+1}\end{array}$$
对应的矩阵形式为（$3\times 3$ 矩阵）：
$$\left[\begin{array}{c}u\\ v\\ w\end{array}\right]=\left[\begin{array}{ccc}a& b& c\\ d& e& f\\ g& h& 1\end{array}\right]\cdot \left[\begin{array}{c}x\\ y\\ 1\end{array}\right]$$
最终坐标需通过透视除法得到：$x^{\prime }=\frac{u}{w},y^{\prime }=\frac{v}{w}$。

通俗理解：想象你把扑克牌拿起来对着眼睛看——离你近的边显得宽，远的边显得窄，原来平行的边（如上下边）会在远处相交于一点（消失点）。

三、自由度与未知数：为什么仿射要3点，透视要4点？

很多人会问：“自由度是不是就是未知数的个数？”——不完全是！自由度是描述变换复杂度的指标，而未知数可能因“冗余约束”（如尺度不变性）多于自由度。

1. 仿射变换：6个自由度，需3个点

仿射变换由**平移（2自由度）+旋转（1自由度）+缩放（2自由度）+错切（1自由度）**组成，共 6个自由度。
每个对应点 $(x,y)\to (x^{\prime },y^{\prime })$ 提供2个方程（x方向和y方向），因此需要 $6÷2=3$ 个点才能解出全部参数。

2. 透视变换：8个自由度，需4个点

透视变换的 $3\times 3$ 矩阵本应有9个未知数，但因尺度不变性（矩阵乘以任意非零常数效果相同），可固定最后一个参数为1，剩余 8个自由度。
同理，每个点提供2个方程，因此需要 $8÷2=4$ 个点。

四、OpenCV实战：接口调用与代码示例

搞清楚原理后，我们用OpenCV实际跑一遍两种变换，看看代码层面的差异。

1. 仿射变换：cv2.warpAffine

接口原型：

dst = cv2.warpAffine(
    src,       # 输入图像
    M,         # 2×3仿射矩阵
    dsize,     # 输出图像尺寸 (width, height)
    flags=cv2.INTER_LINEAR,  # 插值方式
    borderMode=cv2.BORDER_CONSTANT,  # 边界填充模式
    borderValue=(0,0,0)      # 边界填充颜色
)

如何获取矩阵 M？

• 旋转/平移：直接用 cv2.getRotationMatrix2D

  # 绕中心点(200,200)旋转45°，缩放1.0倍
  M = cv2.getRotationMatrix2D(center=(200,200), angle=45, scale=1.0)
  

• 三点映射：用 cv2.getAffineTransform（需3组对应点）

  src_pts = np.float32([[0,0], [100,0], [0,100]])  # 原图3点
  dst_pts = np.float32([[10,20], [110,30], [5,120]])  # 目标3点
  M = cv2.getAffineTransform(src_pts, dst_pts)
  

完整示例：平移+旋转

import cv2
import numpy as np

img = cv2.imread("card.jpg")
rows, cols = img.shape[:2]

# 1. 定义仿射矩阵：向右平移100，向下平移50
M = np.float32([[1, 0, 100], [0, 1, 50]])

# 2. 执行变换
dst = cv2.warpAffine(img, M, (cols, rows))  # dsize保持原图尺寸

cv2.imshow("Affine Result", dst)
cv2.waitKey(0)

2. 透视变换：cv2.warpPerspective

接口原型：

dst = cv2.warpPerspective(
    src,       # 输入图像
    M,         # 3×3透视矩阵（单应性矩阵）
    dsize,     # 输出图像尺寸 (width, height)
    flags=cv2.INTER_LINEAR,
    borderMode=cv2.BORDER_CONSTANT,
    borderValue=(0,0,0)
)

如何获取矩阵 M？

必须用 cv2.getPerspectiveTransform，且需4组对应点：

# 原图4个角点（斜拍的文档）
src_pts = np.float32([[56,65], [368,52], [28,387], [389,390]])
# 目标4个角点（正视图的文档，宽300，高300）
dst_pts = np.float32([[0,0], [300,0], [0,300], [300,300]])
M = cv2.getPerspectiveTransform(src_pts, dst_pts)

完整示例：斜拍文档矫正

import cv2
import numpy as np

img = cv2.imread("document_skewed.jpg")
rows, cols = img.shape[:2]

# 1. 定义4组对应点（手动标注或用特征点检测）
src_pts = np.float32([[56,65], [368,52], [28,387], [389,390]])
dst_pts = np.float32([[0,0], [300,0], [0,300], [300,300]])

# 2. 计算透视矩阵
M = cv2.getPerspectiveTransform(src_pts, dst_pts)

# 3. 执行变换（输出300×300的正视图）
dst = cv2.warpPerspective(img, M, (300, 300))

cv2.imshow("Perspective Result", dst)
cv2.waitKey(0)

五、核心区别总结表

对比维度	仿射变换	透视变换
数学本质	线性变换（无除法）	非线性变换（需透视除法）
矩阵形状	2×3	3×3
核心特性	保持平行性	打破平行性，模拟近大远小
自由度	6个	8个
所需对应点	3个	4个
典型应用	平移、旋转、缩放、错切	文档矫正、鸟瞰图、车牌校正
OpenCV接口	cv2.warpAffine	cv2.warpPerspective

六、常见问题解答（FAQ）

Q1：为什么透视变换的矩阵是3×3，但OpenCV里有时看到2×4？

A：3×3是数学上的完整矩阵，矩阵最右下角的值默认为1，2×4是是OpenCV为了计算方便而设计的“计算中间体”，是计算时中间步骤的“紧凑存储格式”（将8个自由度展开为2行4列），实际使用时仍需reshape为3×3。

Q2：仿射变换能实现“近大远小”吗？

A：不能。仿射变换是平面内的线性变换，无法模拟三维视角的深度变化，只能产生平行四边形变形。

Q3：如何判断该用哪种变换？

A：若变换后需要保持平行边（如旋转后的图片），用仿射；若需要矫正视角（如斜拍的文档变正），用透视。

七、总结

仿射变换与透视变换的本质区别在于是否引入“透视除法”：

• 仿射是“平面游戏”，只有乘法和加法，适合简单的平移旋转；
• 透视是“立体游戏”，多了除法步骤，能模拟真实世界的近大远小。

掌握二者的区别，不仅能帮你写出正确的代码，更能让你在实际项目中灵活选择变换方式——毕竟，选对工具才能事半功倍！

如果觉得本文有帮助，欢迎点赞收藏，有问题欢迎在评论区留言讨论～ 🚀

原创不易，转载请注明出处！