如何对图像局部区域应用Affine Transform（仿射变换）？

问题描述 #

现有带3个黑色矩形锚点的图像，可通过这些锚点生成仿射变换矩阵。用这个矩阵直接处理整张图很容易，但如果只需要对图中绿色矩形的局部区域做变换，目前只能先把绿色区域扩成全图尺寸再变换、重新裁剪——但大图这么做太耗时。现在需要直接裁剪绿色区域后做变换，得到和全图变换后对应区域完全一致的结果。

参考效果 #

• 全图变换：整张图经过仿射变换后的完整输出
• 局部裁剪原图：从原图中截取的绿色矩形区域
• 预期结果：该绿色区域变换后，和全图变换里对应位置的区域完全匹配

解决方案 #

核心是调整仿射变换矩阵，让它适配裁剪后的局部图像坐标系，步骤如下：

1. 记录局部区域的偏移：先记好绿色矩形在原图里的左上角坐标(x0, y0)，也就是裁剪区域相对于原图的偏移量。
2. 修正变换矩阵的平移项：原矩阵的平移分量是基于原图坐标系的，要把它调整成适配局部坐标系的数值，本质是把原图坐标的偏移从变换里剔除。
3. 直接处理局部图像：用修正后的矩阵对裁剪好的绿色区域做变换，结果就和全图变换后的对应区域完全一致。

代码示例（OpenCV） #

import cv2
import numpy as np

# 已知参数：
# src_pts：原图中3个锚点的坐标（原图坐标系）
# dst_pts：全图变换后锚点的目标坐标
# roi_rect：绿色矩形区域，格式为(x0, y0, width, height)（左上角坐标+宽高）

# 1. 生成原图到全图变换的仿射矩阵
M_full = cv2.getAffineTransform(src_pts, dst_pts)

# 2. 提取局部区域的偏移量
x0, y0 = roi_rect[0], roi_rect[1]

# 3. 修正矩阵，适配局部坐标系
M_local = M_full.copy()
# 修正x方向平移分量
M_local[0, 2] -= x0 * M_local[0, 0] + y0 * M_local[0, 1] + x0
# 修正y方向平移分量
M_local[1, 2] -= x0 * M_local[1, 0] + y0 * M_local[1, 1] + y0

# 4. 裁剪局部区域
img_roi = img[y0:y0+roi_rect[3], x0:x0+roi_rect[2]]

# 5. 计算变换后局部区域的尺寸，避免内容被截断
dst_roi_width = int(np.abs(roi_rect[2] * M_local[0,0]) + np.abs(roi_rect[3] * M_local[0,1]))
dst_roi_height = int(np.abs(roi_rect[2] * M_local[1,0]) + np.abs(roi_rect[3] * M_local[1,1]))

# 6. 执行局部变换
img_roi_transformed = cv2.warpAffine(img_roi, M_local, (dst_roi_width, dst_roi_height))

原理说明 #

仿射变换的齐次坐标公式是[x', y', 1] = [x, y, 1] × M，其中(x,y)是原图坐标，(x',y')是变换后坐标。裁剪后的局部区域里，任意点的局部坐标(x_local, y_local)对应原图坐标(x_local + x0, y_local + y0)。把这个对应关系代入原变换公式，整理后就能得到适配局部坐标系的新矩阵——这样直接处理局部图，结果就和全图变换的对应区域完全一致，不用浪费时间处理整张图。

内容的提问来源于stack exchange，提问作者Lamp