《Python人脸识别：从入门到工程实践》 ——3.5　图像的几何变换

3.5　图像的几何变换

图像的几何变换就是指在不改变图像原有内容的基础上，将图像的像素空间位置进行改变，以达到变换图像中像素点位置的目的。图像的几何变换一般包括图像空间变换和插值运算，常见的变换运算包括平移、旋转、缩放等。

3.5.1　平移

图像的平移比较容易理解，这与我们在实际生活中将物体搬移是一个道理。我们可以想象，图像是由若干个像素点组成的，对于彩***像来说，这个像素点是包含了RGB 3种颜色的；对于灰度图像来说，就是一个简单的矩阵，这个矩阵中某一个元素的数值就是图像中该像素点的灰度值。我们演示一下图像平移的过程，如图3-9所示。

图3-9　图像平移过程演示

图3-9演示的是某一个4行4列共计16个像素点的灰度图像向右下角平移一个单位之后的过程。我们可以看到，图3-9a中是一个完整的字母Z的图形，在向右下角平移一个单位的时候，由于图像尺寸的限制，在图3-9b中位于阴影区域外部的像素点必然会被丢弃。在图3-9c中，我们使用灰度值为0的像素点来填补空白部分，这个过程就是图像的平移过程。

我们可以看到，在图像进行平移的过程中，必然会造成某些像素点的丢失，同时，也会导致图像中产生空白区域，空白区域我们可以自己指定像素进行填充。当然，我们也可以选择先扩展图像的画布，然后再进行平移，这样只会引入一些空白部分，而不会导致像素点的丢失。我们通过图3-10来展示对图像进行平移后的效果。

我们可以看到，对图像进行平移操作其实就是对图像中的各个像素点进行平移操作，或者说对其坐标轴进行移动。我们用下面的式子来表述这个数学过程：　　　

图3-10　图像平移效果

将其用矩阵的形式来表示，就可以表示为：

可以看到，这个过程是一个非常简单的线性变换过程，只需进行矩阵的加法运算即可。