Python OpenCV 仿射变换：基于三点对应坐标计算变换矩阵

山间有风

发布时间：2026-10-13| 5人浏览过

原创

本文介绍如何在Python中使用OpenCV进行仿射变换。通过用户选择的三组对应点坐标，利用getAffineTransform函数计算2x3变换矩阵，并调用warpAffine实现图像几何变换。示例代码展示了从读取图像到应用变换的完整流程，适用于需要精确控制图像缩放、平移或旋转的场景。

基于三点对应坐标计算仿射变换矩阵

在实际图像编辑场景中，用户通常通过界面选取特定区域或关键点来定义变换范围，而非直接指定放大倍数。由于仿射变换矩阵为2x3结构，包含六个未知参数，根据代数原理，求解这六个未知数至少需要建立三个独立的线性方程，即需要三组对应的源坐标与目标坐标。因此，只要获取用户选定的三个不同点的坐标，即可计算出所需的变换矩阵。例如，若原始坐标为[0, 0]、[200, 0]和[0, 200]，变换后的目标坐标分别为[0, 0]、[128, 0]和[0, 50]，此时应使用OpenCV提供的getAffineTransform函数来计算该变换矩阵。

以下通过具体代码示例演示该功能的实现过程：

Python OpenCV 仿射变换代码示例


#python 3.7.4,opencv4.1
#蔡军生 https://blog.csdn.net/caimouse/article/details/51749579
#
import cv2
import numpy as np
#图片的路径
imgname = "img1.jpg"
#读取图片
image = cv2.imread(imgname, cv2.IMREAD_COLOR)
#图片的高度和宽度
h,w = image.shape[:2]
#从目标坐标计算出2X3的矩阵，然后调用warpAffine执行
src = np.array([[0, 0], [200, 0], [0, 200]], np.float32)
dst = np.array([[0, 0], [128, 0], [0, 50]], np.float32)
A1 = cv2.getAffineTransform(src, dst)
d1 = cv2.warpAffine(image, A1, (w, h), borderValue = 125)
#显示操作之后的图片
cv2.imshow("d1",d1)
#显示图像
cv2.imshow("image", image)
#等待用户输入，然后删除所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

运行上述代码后的输出结果如下所示：