企业官网建设流程全解析

手机里攒了一大堆纸质材料的照片：会议投影拍糊了的角度、课桌上歪着拍的笔记、发票单据随手一按就存了下来。这类照片有个共同的毛病——成像平面和物体平面不平行，导致画面内容倾斜，还有近大远小的透视畸变，想直接归档根本没法看。OpenCV里能处理这个问题的两个核心工具，就是本期标题里的仿射变换和透视变换。它俩能把图像里任意一个四边形区域重新映射到目标矩形区域，做文档矫正、图像配准、场景拼接之前的几何对齐，都离不开。

这周的 OpenCV 每周实例练习 03，我把这两个变换放在一起讲透。不只是教你调用 cv2.warpAffine 和 cv2.warpPerspective，而是从矩阵怎么构造、为什么是2x3和3x3、取点顺序有什么坑、旋转之后黑边怎么处理，到实际场景里到底该用哪个，全部过一遍。适合刚接触图像处理、想搞懂几何变换原理的同学，也适合已经写过不少 warp 代码、但经常被参数和报错折腾的开发者。

1. 先从坐标变换的视角理解这两个名字到底在干什么

1.1 像素点是怎么被“搬”到新位置的

图像处理里的几何变换，本质上是做一次坐标映射。原图每个像素点 (x, y) 存着一个颜色值，变换要做的是把它搬到新位置 (x', y')。向右平移10像素，就是 x' = x + 10；绕中心转30度，也是一组坐标公式，只是稍微复杂一点。整张图所有点都搬完，再通过插值算法算新位置上的像素值，这就是 OpenCV 的 warp 系列函数内部干的事。

很多初学的人把 warpAffine 当成“滤镜”，输入一张图输出一张图，中间是黑盒。这个理解会坑到你，因为后面一旦涉及到坐标换算、ROI 提取、拼接重叠区域，你全得手算某个点被变换到了哪儿。OpenCV 提供了两个函数专门干这个事：cv2.transform 用于仿射矩阵的坐标映射，cv2.perspectiveTransform 用于透视矩阵的坐标映射。我建议在跑任何 warp 之前，先拿原图的几个角点坐标，用这两个函数算一下变换后的坐标，看看和你预想的是否一致。这一步能绕开一大半“玄学变形”。

1.2 2x3 还是 3x3：多出来的一行究竟多了什么能力

仿射变换的矩阵是2x3，写作 [A | t]，A 是2x2线性部分，负责旋转、缩放、倾斜，t 是平移向量。它的几何性质可以用一句话记住：直线还是直线，平行线还是平行线。也就是说，不管你怎么旋转、缩放、平移、切变，原本平行的两条边在结果里依然平行。

透视变换的矩阵是3x3，比仿射多了一整行参数。它表达的是针孔相机成像模型，也就是我们常说的“近大远小”的投影过程。透视变换下直线依然是直线，但原本平行的线可能在结果中相交于一点，这就是绘画理论里的灭点现象。

换算到自由度上：仿射矩阵有6个自由参数（线性部分4个加平移2个），解这6个未知数至少需要6个方程，所以 getAffineTransform 要求你给3组对应点，因为3组点产生3×2=6个方程。透视矩阵去掉整体缩放自由度后还有8个自由参数，需要4组对应点提供4×2=8个方程，所以 getPerspectiveTransform 要4组点。

从这个角度再看两者关系就清楚了：透视变换是更一般的模型，仿射变换是透视变换的一个特例。当透视矩阵的第三行固定成 [0 0 1] 时，齐次坐标的 w 恒等于1，不需要归一化，就退化成仿射。OpenCV 给仿射函数返回2x3矩阵而不是3x3，也正是因为这个第三行永远是常数，没必要存。

2. 仿射变换实操：旋转、平移、缩放和倾斜的配套用法

2.1 一行生成旋转矩阵：getRotationMatrix2D 参数单位别搞错

先看最常用的旋转。cv2.getRotationMatrix2D(center, angle, scale) 生成一个2x3矩阵，参数分别是旋转中心、旋转角度、缩放比例。这里最隐蔽的坑是角度单位：这个函数用的是角度制（degree），不是弧度制。我之前见过有人把 math.pi / 4 直接塞进去，结果图像旋转角度完全不对劲，因为函数内部默认你给的是度。如果是弧度，得先转成角度，直接用 angle_degree = angle_radian * 180 / math.pi。

代码很直接：

import cv2 import numpy as np img = cv2.imread("memo.jpg") h, w = img.shape[:2] center = (w // 2, h // 2) M = cv2.getRotationMatrix2D(center, 15, 1.0) # 逆时针15度，不缩放 rotated = cv2.warpAffine(img, M, (w, h)) cv2.imwrite("memo_rotated.jpg", rotated)

得到 M 之后，如果你好奇矩阵里每个位置是什么，可以看这个公式。设角度为 θ，缩放为 s，旋转中心为 (cx, cy)，那么：

M = [ α β (1 - α)cx - βcy ] [ -β α βcx + (1 - α)cy ]

其中 α = s · cos θ，β = s · sin θ。注意第三列是两个平移项，它并不是简单地为0，而是为了保证绕 (cx, cy) 旋转时不产生额外的偏移。手动拼旋转矩阵的时候，千万别把角度值直接填进去，要先算 cos 和 sin，否则出来的矩阵根本不代表旋转。

如果你只需要旋转，这段代码够用了。但有两个问题必须留意：一是旋转后图像四角会超出原画布，原尺寸直接 warp 会裁掉内容；二是旋转角度较大时，图像边缘会留下大块黑边。裁剪和黑边的解决方案，放到第5节避坑部分详细说。

2.2 三点定仿射：getAffineTransform 为什么只要三组点

旋转只是仿射变换的一个特例，更一般的情况是给定三组对应点，求整个仿射矩阵。cv2.getAffineTransform(src, dst) 就是干这个的，src 和 dst 分别是源图像上的3个点和目标图像上对应的3个点。

src = np.float32([[50, 80], [400, 120], [80, 500]]) dst = np.float32([[0, 0], [400, 0], [0, 600]]) M = cv2.getAffineTransform(src, dst) aligned = cv2.warpAffine(img, M, (400, 600))

这个例子里，我把源图中一个三角形的三个顶点映射到目标矩形的三个角，第四角由矩阵外推出来。三个点必须不共线，否则几何上无法唯一确定变换，凑出来的矩阵也不稳定。

实际操作中选点有个讲究：三个点尽量分散，覆盖图像中你想校正的主要区域。如果三个点全挤在图像一角，矩阵对远处点的外推误差会大得吓人。比如要校正一整张文稿，我习惯选左上、右上、左下这三个点，让三角形尽量覆盖纸面区域，这样右下角虽然不是原始数据点，但外推出来的结果通常也能看。

2.3 实操案例：把文本倾斜的扫描图像自动摆正

自动摆正文本图像，算是仿射变换一个非常典型的应用。思路不复杂：先把图像二值化，找到文字区域的最小外接矩形，拿到倾斜角，然后旋转回去。

def get_text_angle(gray): # 反色二值化，文字区域变成白色 binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[1] # 所有非零像素的坐标，即所有文字像素 coords = np.column_stack(np.where(binary > 0)) angle = cv2.minAreaRect(coords)[-1] # minAreaRect返回的角度范围是[-90, 0) # 需要根据长短边方向换算成实际的文本旋转角 if angle < -45: angle = -(90 + angle) else: angle = -angle return angle

cv2.minAreaRect 返回一个旋转矩形，最后一个值是矩形相对于水平方向的夹角，范围在 -90 到 0 之间。这里需要对角度做换算，否则容易把横排文本判断成 90 度旋转。拿到角度后，用第2.1节的方式构造旋转矩阵，把图转回来：

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) angle = get_text_angle(gray) center = (w // 2, h // 2) M = cv2.getRotationMatrix2D(center, angle, 1.0) rotated = cv2.warpAffine(img, M, (w, h), borderMode=cv2.BORDER_CONSTANT, borderValue=(255, 255, 255))

这个流程对白底黑字的扫描件效果很稳。但注意如果原图带有复杂背景或者照片是倾斜透视拍出来的，仅靠旋转摆正是做不到的，那种情况要交给下一节的透视变换。

3. 透视变换实操：四角确定一个映射，把歪斜照片拉正

3.1 单应性与四对点：为什么四点就能唯一确定

当拍摄平面物体（比如一张纸、一块牌、一页屏幕）时，从三维世界到二维照片的映射可以用一个3x3单应矩阵描述，这个矩阵就是透视变换矩阵。单应矩阵有8个自由度，所以理论上4对对应点就能解出唯一解。

这4个点怎么来的，取决于你的场景。有交互式程序，人拿鼠标在图上点4个角；有自动化流程，先用边缘检测加轮廓提取找到四边形，再取4个顶点；还有特征匹配路线，在两张图之间找4组匹配点对，算两图之间的单应。

无论哪条路线，都需要保证4个点覆盖的区域是合理的凸四边形，而且点的顺序必须一致。getPerspectiveTransform 内部是按你给的顺序建立对应关系的，src 的第 i 个点映射到 dst 的第 i 个点。顺序一旦错乱，输出的图像就是拧巴的。

3.2 warpPerspective 完整流程：手动取四角实现页面矫正

先看一组最简单的调用，假设我已经手工从照片里确定了文档四角坐标。

import cv2 import numpy as np img = cv2.imread("receipt.jpg") h, w = img.shape[:2] # 源点顺序：左上 -> 右上 -> 右下 -> 左下 src = np.float32([[170, 95], [620, 135], [690, 760], [110, 720]]) # 目标矩形：这里先用原图分辨率 dst = np.float32([[0, 0], [w, 0], [w, h], [0, h]]) M = cv2.getPerspectiveTransform(src, dst) warped = cv2.warpPerspective(img, M, (w, h)) cv2.imwrite("receipt_warped.jpg", warped)

这个例子里，dst 用了原图的宽高，所以校正后的图像保持了原始分辨率，只是把四边形的视觉透视拉平了。如果照片里的文档区域本身很小，你希望输出更大、更清晰的图，就把 dst 的宽高设得比原图更大，warpPerspective 的第三个参数同步改成输出尺寸。

这里还有一个非常重要的细节：getPerspectiveTransform 和 getAffineTransform 都要求传入浮点数组。我用 np.float32 就是为了满足数据类型要求，直接传 Python 的 int 列表会报类型错误。

3.3 目标宽高比的估算：怎么避免矫完发现形状不对

很多初学的人会直接跳过宽高比，拿原图尺寸或者随便一个比例做 dst，矫正完发现纸张被横向拉宽或者纵向拉长，整个形状不对。道理很简单：纸面在照片中是四边形，四条边因为透视各不一样长。如果目标矩形还按原图分辨率做，映射时就会产生一个随机的缩放比例。

更稳妥的做法是，根据源点之间的距离估算纸张的真实宽高比，再按比例构建 dst。

# 计算源四边形的四边长度 left = np.linalg.norm(src[0] - src[3]) right = np.linalg.norm(src[1] - src[2]) top = np.linalg.norm(src[0] - src[1]) bottom = np.linalg.norm(src[2] - src[3]) # 取平均作为目标宽高 out_w = int(round((top + bottom) / 2)) out_h = int(round((left + right) / 2)) dst = np.float32([[0, 0], [out_w, 0], [out_w, out_h], [0, out_h]]) warped = cv2.warpPerspective(img, dst, (out_w, out_h))

如果明确知道拍摄对象的标准尺寸比例，比如普通名片大概是 1.586 : 1，A4 纸大概是 1.414 : 1，直接用这个比例构造 dst 更准。四边平均法适合对比例没有硬要求、只求顺眼的场合。

3.4 自动提取四角：轮廓近似那条经典流程

手动点四个点适合调试和 demo，但真要做批量矫正，就得让程序自己找文档角点。经典流程是用 Canny 边缘检测、findContours 找轮廓、approxPolyDP 把轮廓近似成四边形。

def find_document_corners(gray): blurred = cv2.GaussianBlur(gray, (5, 5), 0) edged = cv2.Canny(blurred, 75, 200) contours, _ = cv2.findContours(edged, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) contours = sorted(contours, key=cv2.contourArea, reverse=True) for c in contours: peri = cv2.arcLength(c, True) approx = cv2.approxPolyDP(c, 0.02 * peri, True) if len(approx) == 4: return approx.reshape(4, 2).astype(np.float32) return None

approxPolyDP 的第二个参数是“最大距离阈值”，取周长的 2% 是比较常用的初始值。如果轮廓本身很平滑，2% 会得到过多顶点，调大一点；如果轮廓抖动大，调小一点。这个参数说白了就是“允许折线偏离原始轮廓多远”，理解了这个，调起参来就不会瞎试。

拿到四个角之后，顺序大概率是乱的。我在下一节专门说排序问题，因为这一步直接决定透视变换结果要不要“拧麻花”。

4. 仿射和透视到底怎么选：场景选择的核心判断法

4.1 一句话判断法：平行线还是不是平行线

选仿射还是透视，最直观的判断标准就看一件事：你需要的输出里，原本平行的线是否必须保持平行。

拍桌子上的便签纸，便签本身是矩形，照片里由于角度关系变成了不规则四边形，上下两条边在照片里已经不平行了。你的目标是把它矫正回一个矩形，让上下边平行，这需要透视变换。反过来，一张已经扫描好的电子文档，只是扫描时纸张放歪了，图像里纸的边依然是直的、上下边依然平行，只是整体旋转了一个角度，这种用仿射变换就行。

核心道理就一句：仿射变换保持平行，透视变换不保持平行。你的目标需要哪种性质，就用哪种变换。

4.2 从自由度和计算开销看选型

仿射只需要3组点，数据需求少；透视需要4组点，对点的精度更敏感。在线上识别管线里，如果特征匹配只能稳定找到3组点，你没法拼出4组可用点，硬做透视变换只会放大噪声。更好的做法是先退化到仿射，把整体姿态纠正掉一部分，后面再做精细对齐。

计算开销方面，同样尺寸的图像，warpPerspective 比 warpAffine 要慢一些。因为透视变换在插值循环里多了一步除以 w 的归一化操作，像素越多差距越明显。在大图上跑实时视频流时，如果你确认位移基本是平移和旋转，就别非用透视不可。反过来也不能因为有性能压力就一律用仿射，透视畸变明显的图硬用仿射凑，角点位置差得离谱，后面所有下游处理都会跟着崩。

4.3 组合使用：一张图里先透视再仿射

实际项目里常常是二者配合的。比如手机拍了一张倾斜的表格照片，第一步用透视变换把纸张区域拉成正面矩形，消除投影畸变；第二步再用仿射变换微调角度和缩放，让表格线精确对齐到像素网格，或者把图像缩放到统一分辨率。

矩阵叠加也简单，先把仿射矩阵扩成3x3，然后做矩阵乘法，最后再截回需要的维度。顺序是右乘：先作用的矩阵放在右边。

def combine_affine(M1, M2): # M1 先作用，M2 后作用 M1_3 = np.vstack([M1, [0, 0, 1]]) M2_3 = np.vstack([M2, [0, 0, 1]]) combined = M2_3 @ M1_3 return combined[:2]

这个习惯养成之后，你会发现很多看似复杂的几何校正，拆成几个简单的仿射步骤，比直接怼一个透视矩阵好调试得多。

5. 常见报错与避坑手册：这些坑我自己都踩过

5.1 数据类型不匹配，函数直接报错

OpenCV 的 getAffineTransform 和 getPerspectiveTransform 对输入类型有严格要求，要 float32 或 float64。如果你直接传包含 int 的列表或者 numpy int 数组，最常见的报错是：

error: (-215:Assertion failed) src.checkVector(2, CV_32F) > 0

这类报错的意思是“需要CV_32F类型的数据”。解决办法很无脑但很有效：所有传给变换函数的点，统一 np.float32。别在代码里一会儿 int 一会儿 float 地混着来，Python 不报错不代表 OpenCV 不报错。

另外注意，warpAffine 的 M 参数必须是2x3矩阵，warpPerspective 的 M 必须是3x3矩阵。形状不对会直接碰到 assert 失败。如果自己手动构造矩阵，记得 m.shape 先看一眼。

5.2 旋转之后黑边怎么处理

用 warpAffine 旋转时，默认边界填充是黑色。嵌入到白色背景的扫描文档里，黑边非常突兀。两种办法：

一是设置边框颜色，用白边填充：

rotated = cv2.warpAffine(img, M, (w, h), borderMode=cv2.BORDER_CONSTANT, borderValue=(255, 255, 255))

二是旋转的同时扩大画布，不裁掉任何像素。计算旋转后的新宽高有个固定公式：

angle_rad = np.deg2rad(45) cos_a = abs(np.cos(angle_rad)) sin_a = abs(np.sin(angle_rad)) new_w = int(h * sin_a + w * cos_a) new_h = int(h * cos_a + w * sin_a) M = cv2.getRotationMatrix2D(center, 45, 1.0) # 把旋转中心和画布偏移叠进矩阵第三列 M[0, 2] += (new_w - w) / 2 M[1, 2] += (new_h - h) / 2 rotated = cv2.warpAffine(img, M, (new_w, new_h))

这里的关键是，getRotationMatrix2D 生成的矩阵只负责旋转，画布变大了之后图像整体会偏在左上角，所以要把画布偏移的一半补进平移项。这个手法很有用，做旋转扩边统一用这个。

5.3 点顺序乱掉，图像拧成麻花

透视变换里最经典的失败现场：src 和 dst 的点顺序不一致，输出图像四个角互相错位，看上去像图像被“拧”了一下。原因就是 getPerspectiveTransform 按索引建立对应关系，src[0] 映射到 dst[0]，src[1] 映射到 dst[1]，以此类推。顺序一旦乱，对应关系全错。

自动提取轮廓得到的四点顺序是任意的，所以要做一次排序。很多人用“坐标求和最小是左上角、最大是右下角”这个经典技巧：

def order_points(pts): pts = np.array(pts, dtype="float32") rect = np.zeros((4, 2), dtype="float32") s = np.sum(pts, axis=1) d = np.diff(pts, axis=1) rect[0] = pts[np.argmin(s)] # 左上 rect[2] = pts[np.argmax(s)] # 右下 rect[1] = pts[np.argmin(d)] # 右上 rect[3] = pts[np.argmax(d)] # 左下 return rect

这个方法对“比较正”的四边形适用，但如果文档旋转角度很大，或者拍摄视角特别刁钻，sum/diff 排序会出错。更稳健一点的办法是先算四个点的质心，然后按与质心连线与水平轴的夹角排序，这样始终能得到按角度旋转排列的顺序。我在生产代码里一般用角度排序，经典 sum/diff 只用在界面预览这种要求不高的场景。

5.4 组合变换时，平移项算不明白

把旋转、缩放、平移三个操作用矩阵乘法组合时，最常出错的是平移项。很多人以为第三列就是简单的目标位置偏移量，忘了旋转和缩放会改变坐标基准。比如你想先旋转再平移，结果却把平移量加到旋转矩阵的第三列上，得到的效果完全不是预想位置。

我调试这类问题有个土办法：取原图左上角 (0,0)、右上角 (w,0)、中心点 (w/2,h/2) 三个点，用 cv2.transform 直接算变换后的坐标，看看落在哪。如果坐标不在预期区域，就知道是平移项加错了，还是旋转中心不对。这个办法比干盯矩阵数字直观得多，推荐你也试试。

5.5 问题排查速查表

6. 最后再分享一点个人经验

做仿射和透视变换这一年多，我最大的体会是：几何变换的代码量不大，难的是对矩阵的理解和对坐标位置的敏感。很多人卡在参数调不出来，其实就是没搞清变换前后坐标是怎么对应的。我现在每写一段 warp 代码，必然先手动确认三个点变换后的位置，确认无误再往下做。

另外，OpenCV 里这类函数的参数名有点误导性，warpAffine 的第三参数是输出图像的尺寸，也就是画布宽高，不是“缩放比例”。一开始我老在这里填 (0.5, 0.5)，结果图像被裁得只剩一个小角，排查了半天才反应过来。这类 API 细节，文档里写得再清楚，都不如自己踩一次坑记得牢。

如果你手头正好有一批歪斜的照片或者不平整的文档扫描件，建议先别急着套滤镜，按这篇文章的顺序，先取点、再算矩阵、再验证、最后 warp。这套流程跑顺之后，你会发现所谓的“图像几何校正”，本质上就是一个矩阵的事。下一期我打算接着写这些变换在图像拼接里的应用，感兴趣的话可以先把今天这两个函数的参数吃透，到时候直接上手。