OpenCV 之 cv2.getAffineTransform + warpAffine
getAffineTransform函数
函数作用：
主要用于生成仿射变换矩阵
一个任意的仿射变换都能表示为 乘以一个矩阵 (线性变换) 接着再 加上一个向量 (平移).
综上所述, 我们能够用仿射变换来表示:
旋转 (线性变换)
平移 (向量加)
缩放操作 (线性变换)
你现在可以知道, 事实上, 仿射变换代表的是两幅图之间的 关系 .
我们通常使用 矩阵来表示仿射变换.
考虑到我们要使用矩阵 和 对二维向量 做变换, 所以也能表示为下列形式:
或 
怎样才能求得一个仿射变换?
好问题. 我们在上文有提到过仿射变换基本表示的就是两幅图片之间的 联系 . 关于这种联系的信息大致可从以下两种场景获得:
我们已知 和 T 而且我们知道他们是有联系的. 接下来我们的工作就是求出矩阵
我们已知 and . 要想求得 . 我们只要应用算式 即可. 对于这种联系的信息可以用矩阵 清晰的表达 (即给出明确的2×3矩阵) 或者也可以用两幅图片点之间几何关系来表达.
让我们形象地说明一下. 因为矩阵 联系着两幅图片, 我们以其表示两图中各三点直接的联系为例. 见下图:
点1, 2 和 3 (在图一中形成一个三角形) 与图二中三个点一一映射, 仍然形成三角形, 但形状已经大大改变. 如果我们能通过这样两组三点求出仿射变换 (你能选择自己喜欢的点), 接下来我们就能把仿射变换应用到图像中所有的点.
函数的调用形式：
Mat getAffineTransform(InputArray src, InputArray dst)
参数详解：
InputArray src：表示输入的三个点
InputArray dstL:表示输出的三个点
获取变换矩阵
cv2.warpAffine
opencv中的仿射变换在python中的应用并未发现有细致的讲解，函数cv2.warpAffine的参数也模糊不清，今天和大家分享一下参数的功能和具体效果，如下：
官方给出的参数为：
cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]]) → dst
其中：
src - 输入图像。
M - 变换矩阵。
dsize - 输出图像的大小。
flags - 插值方法的组合（int 类型！）
borderMode - 边界像素模式（int 类型！）
borderValue - （重点！）边界填充值; 默认情况下，它为0。
上述参数中：M作为仿射变换矩阵，一般反映平移或旋转的关系，为InputArray类型的2×3的变换矩阵。
flages表示插值方式，默认为 flags=cv2.INTER_LINEAR，表示线性插值，此外还有：cv2.INTER_NEAREST（最近邻插值） cv2.INTER_AREA （区域插值） cv2.INTER_CUBIC（三次样条插值） cv2.INTER_LANCZOS4（Lanczos插值）
日常进行仿射变换时，在只设置前三个参数的情况下，如 cv2.warpAffine(img,M,(rows,cols))可以实现基本的仿射变换效果，但可以出现“黑边”现象；
这对后续的处理往往造成很大的困扰，第六个参数可以选择填充的颜色，默认为黑色。
在python中设置warpAffine的参数与c++中有所不同，具体如下：
c++中：
warpAffine(src,img,M,Size(a,b),1,0,Scalar(255,255,255));
python中：
cv2.warpAffine(img,M,(rows,cols),flags=cv2.INTER_,borderMode=cv2.BORDER_REFLECT,borderValue=(255,255,255))
在python 中有一个好处是不必按顺序设置，直接指明所设置的参数即可，如将上述图片边界区域填充为白色：
cv2.warpAffine(img,M,(lengh,lengh),borderValue=(255,255,255))
更高级的应用：
参考人脸提取框架MTCNN的相关代码：mtcnn_pytorch/src/align_trans.py
参考：
getAffineTransform https://blog.csdn.net/qq_18343569/article/details/47953505
warp https://blog.csdn.net/qq878594585/article/details/81838260
