Python 为什么openCV warpAffine将我的整个图像设置为零？

因此，我试图在OpenCV Python中编写一个函数，它将获取一个图像，一个显示已识别手指区域的二进制图像，以及一个2x（图像宽度）矩阵，该矩阵包含在该图像中找到的手指边缘的位置数据，作为输入，然后对图像进行归一化并将其作为输出返回

为了使其正常化，我将通过平行于边缘的手指区域投影一条基线，然后尝试旋转图像，使该基线平行于图像矩形的边缘。因此，该函数绘制基线，确定仿射变换矩阵，然后使用WarpeAffine对图像进行归一化。不幸的是，由于我不太清楚的原因，warpAffine的输出只是一个满是零的矩阵。我的代码如下所示。任何帮助都将不胜感激，谢谢！：）

---

正如Mika所评论的，rotmat前两行的最后一列应该是翻译

矩阵的平移系数为0，0：

rotmat = np.float32([[math.cos(rot), math.sin(rot), 0], [-math.sin(rot), math.cos(rot), 0]])

这种旋转矩阵是“中心变换”矩阵——当（0，0）坐标位于中心坐标时，变换用于变换（x，y）坐标

变换图像坐标时，（0，0）为左上角坐标，因此变换不应为（0，0）

---

还有其他问题（很难理解）

以下代码的目的是什么：

tmat = np.float32([[1, 0, 0], [0, 1, tr]])
tfmat = rotmat * tmat

它看起来像转换链，但NumPy中的

*

是元素乘法，转换链需要矩阵乘法

tfmat = rotmat @ tmat

这是行不通的，因为转换链需要平方矩阵（3x3）。
仿射变换矩阵的最后一行是

[0,0,1]

---

要获取旋转的变换矩阵，可以使用OpenCV方法。
结果应用“左上”变换（平移系数不是零）。
该方法返回2x3矩阵-您需要添加

[0,0,1]

作为最后一行，以便将其转换为转换矩阵

---

将“居中”转换为“左上”转换：

如果您使用的是中心变换，并且需要将其转换为“左上”变换，那么数学就不那么难了。
矩阵表示法是：

trans=cen2top@centered\u trans@top2cen

（当

@

应用矩阵乘法时）

---

以下是构建“左上”旋转变换矩阵的示例（请阅读注释）：

---

结果:

---

我试着教你一些数学…
我希望它能帮助您解决问题标题处的问题：

为什么openCV warpAffine将我的整个图像设置为零

使用错误的变换矩阵扭曲可能会导致图像充满零

---

---

可能还有其他问题，但我无法测试您的代码，因为您没有发布

img

，

fvr

，以及

边缘

您使用了哪个角度？如果围绕原点（图像的左上角）旋转，很容易将整个图像旋转到视图之外，例如>=90度计数器顺时针旋转t在我看来很奇怪。第三行的最后一个元素应为1。前两行的最后一列应该是译文？谢谢你提供了非常详细的答案：）

tfmat = rotmat @ tmat

import numpy as np
import cv2

img = cv2.imread('chelsea.png')

rot = 30*np.pi/180

cols, rows = img.shape[1], img.shape[0]

# Centered transformation - translation coefficients are 0
centered_trans = np.float64([[ np.cos(rot), np.sin(rot), 0], 
                             [-np.sin(rot), np.cos(rot), 0],
                             [ 0,           0,           1]])

# Transform top-left coordinate to centered coordinate: x translation = -(cols-1)/2, y translation = -(rows-1)/2
top2cen = np.float64([[1,    0,   -(cols-1)/2],
                      [0,    1,   -(rows-1)/2],
                      [0,    0,    1]])

# Transform centered coordinate to top-left coordinate - x translation = (cols-1)/2, y translation = (rows-1)/2
cen2top = np.float64([[1,      0,    (cols-1)/2],
                      [0,      1,    (rows-1)/2],
                      [0,      0,    1]])

# We need the rotation matrix to be "top left" - coordinate (0, 0) is the top left coordinate:
# Assume column vector u = [x, y, 1] applies top-left coordinates.
# 1. Transform u to centered coordinates:              centerd_u = top2cen*u
# 2. Apply centered_trans on centerd_u:                centerd_v = centered_trans*centerd_u = centered_trans*top2cen*u
# 3. Transform centerd_v to top-left coordinates:      v = cen2top*centerd_v = cen2top*centered_trans*top2cen*u
# The transformation from "top-left" to "top-left" is:                         cen2top*centered_trans*top2cen
trans = cen2top @ centered_trans @ top2cen  # Note: we don't really need to use matrix multiplications for solving this.

# Remove the last row.
rotmat = trans[0:2, :]

# The result should be the same result as cv2.getRotationMatrix2D
# https://docs.opencv.org/master/da/d6e/tutorial_py_geometric_transformations.html
# cols-1 and rows-1 are the coordinate limits.
M = cv2.getRotationMatrix2D(((cols-1)/2.0, (rows-1)/2.0), 30, 1)  # Used as reference


img = cv2.warpAffine(img, rotmat, (cols, rows), cv2.INTER_CUBIC)

cv2.imshow('img', img)
cv2.waitKey()
cv2.destroyAllWindows()