Pillow 图像几何变换与仿射操作
几何变换是图像处理中最基础且最常用的一类操作，在数据预处理、样本增强、图像对齐以及视觉建模等任务中均扮演核心角色。该类操作通过对像素坐标进行系统性映射，改变图像在空间中的结构表达，而不直接修改像素的语义内容。
在 Pillow 中，几何变换主要通过裁剪、翻转、旋转、缩放以及更一般形式的仿射变换来实现。本章围绕这些操作，从坐标模型、实现方式与可视化结果三个层面，对其原理与实践进行说明。
1. 几何变换的坐标表示
一幅二维数字图像可以表示为定义在规则网格上的函数：
I
:
(
x
,
y
)
→
v
,
v
∈
R
c
I: (x, y) \\rightarrow \\mathbf{v}, \\quad \\mathbf{v} \\in \\mathbb{R}^c
I:(x,y)→v,v∈Rc
其中
(
x
,
y
)
(x, y)
(x,y) 为像素坐标，
c
c
c 为通道数。 几何变换通过构造坐标映射函数
T
T
T，在新的坐标系下重建图像：
I
′
(
x
′
,
y
′
)
=
I
(
T
−
1
(
x
′
,
y
′
)
)
I'(x', y') = I(T^{-1}(x', y'))
I′(x′,y′)=I(T−1(x′,y′)) Pillow 在实现几何变换时采用反向映射策略，即在输出图像坐标系中查找原图像的对应位置，从而避免像素空洞问题。
2. 图像裁剪
2.1 原理：区域裁剪与坐标范围
裁剪通过限定坐标范围提取原图像的局部区域。该操作不涉及插值计算，其结果直接来自原始像素数据。
2.2 Pillow 接口：Image.crop()
from PIL import Image # Pillow 的核心图像对象与处理接口
from skimage import data # scikit-image 自带示例数据集（便于复现实验）
from IPython.display import display # 在 Notebook / Jupyter 环境中显示图像
img = Image.fromarray(data.astronaut()) # 将 skimage 返回的 NumPy 数组转换为 PIL.Image 对象
box = (100, 100, 400, 400) # 裁剪区域 (left, upper, right, lower)，右/下边界为“开区间”语义
cropped = img.crop(box) # 按 box 指定的矩形区域裁剪，返回新的 Image 对象（不修改原图）
display(cropped) # 在 Notebook 中直接渲染裁剪后的结果
2.3 可视化：裁剪前后对比
import matplotlib.pyplot as plt # Matplotlib：绘图与可视化
import seaborn as sns # Seaborn：设置更美观的默认主题（这里主要用于风格）
sns.set_theme(style="whitegrid", font="SimHei", rc={"axes.unicode_minus": False})
# style="whitegrid"：白底网格风格（对比更清晰）
# font="SimHei"：中文字体，避免标题中文乱码
# axes.unicode_minus=False：避免负号显示为方块（某些中文字体环境常见问题）
fig, axes = plt.subplots(1, 2, figsize=(10, 4)) # 创建 1 行 2 列子图，画布大小 10×4 英寸
axes[0].imshow(img) # 左图显示原图（PIL.Image 可被 imshow 直接接受）
axes[0].set_title("原始图像") # 设置左图标题
axes[1].imshow(cropped) # 右图显示裁剪结果
axes[1].set_title("裁剪后图像") # 设置右图标题
for ax in axes:
ax.axis("off") # 关闭坐标轴刻度与边框，让图像展示更干净
plt.tight_layout() # 自动调整子图间距，避免标题/图像重叠
plt.show() # 显示整张图
裁剪操作仅改变图像的空间范围，不引入数值近似误差。
2.4 NumPy 视角：数组切片裁剪
import numpy as np # NumPy：数组表示与切片操作
arr = np.array(img) # 将 PIL.Image 转为 NumPy 数组，形状通常为 (H, W, C)
cropped_np = arr[100:400, 100:400] # NumPy 切片裁剪：先行(y/H)后列(x/W)，等价于 box=(100,100,400,400)
从数组角度看，裁剪等价于二维切片操作，具有较低的计算成本。
3. 图像翻转
3.1 原理：坐标反射模型
翻转属于坐标反射变换，不涉及连续插值。
- 水平翻转（左右翻转）：
x
′
=
W
−
1
−
x
,
y
′
=
y
x' = W – 1 – x,\\quad y' = y
x′=W−1−x,y′=y
- 垂直翻转（上下翻转）：
x
′
=
x
,
y
′
=
H
−
1
−
y
x' = x,\\quad y' = H – 1 – y
x′=x,y′=H−1−y
其中
W
W
W、
H
H
H 分别表示图像宽度与高度。
3.2 Pillow 接口：Image.transpose()
flip_lr = img.transpose(Image.FLIP_LEFT_RIGHT) # 左右翻转（沿 y 轴镜像），像素值不变，仅重排位置
flip_tb = img.transpose(Image.FLIP_TOP_BOTTOM) # 上下翻转（沿 x 轴镜像），同样不做插值
3.3 可视化：水平/垂直翻转对比
fig, axes = plt.subplots(1, 3, figsize=(12, 4)) # 创建 1×3 子图：原图/水平翻转/垂直翻转
axes[0].imshow(img) # 原图
axes[0].set_title("原始图像")
axes[1].imshow(flip_lr) # 水平翻转结果
axes[1].set_title("水平翻转")
axes[2].imshow(flip_tb) # 垂直翻转结果
axes[2].set_title("垂直翻转")
for ax in axes:
ax.axis("off") # 隐藏坐标轴，突出图像内容
plt.tight_layout() # 自动布局
plt.show() # 显示图像对比
翻转操作保持像素值不变，仅改变像素在空间中的排列顺序。
3.4 NumPy 视角：步进切片翻转
flip_lr_np = arr[:, ::–1, :] # 水平翻转：对宽度维 W 反向步进（::-1），行(y)与通道(c)不变
flip_tb_np = arr[::–1, :, :] # 垂直翻转：对高度维 H 反向步进（::-1），列(x)与通道(c)不变
4. 图像旋转
4.1 原理：二维旋转与插值
二维旋转可以表示为线性变换：
[
x
′
y
′
]
[
cos
θ
−
sin
θ
sin
θ
cos
θ
]
[
x
y
]
\\begin{bmatrix} x' \\\\ y' \\end{bmatrix} \\begin{bmatrix} \\cos\\theta & -\\sin\\theta \\\\ \\sin\\theta & \\cos\\theta \\end{bmatrix} \\begin{bmatrix} x \\\\ y \\end{bmatrix}
[x′y′][cosθsinθ−sinθcosθ][xy]
旋转后像素坐标通常不再位于整数网格上，因此需要通过插值方法计算新像素值。
4.2 Pillow 接口：Image.rotate()
rotated = img.rotate(45) # 旋转 45°，默认以图像中心为旋转中心；输出尺寸默认不变（可能裁切边缘）
rotated_expand = img.rotate(45, expand=True) # expand=True：自动扩大画布以容纳完整旋转后的图像（常见于数据增强）
4.3 可视化：expand=True 的画布差异
fig, axes = plt.subplots(1, 3, figsize=(12, 4)) # 创建 1×3 子图：原图/旋转不扩展/旋转并扩展
axes[0].imshow(img) # 原始图像
axes[0].set_title("原始图像")
axes[1].imshow(rotated) # rotate(45)：画布不变，边缘可能被裁掉
axes[1].set_title("rotate(45)")
axes[2].imshow(rotated_expand) # rotate(45, expand=True)：画布变大，内容尽量保留
axes[2].set_title("rotate(45, expand=True)")
for ax in axes:
ax.axis("off") # 去掉坐标轴
plt.tight_layout() # 自动布局
plt.show() # 展示对比结果
当启用 expand=True 时，画布尺寸会随旋转角度自动调整，以完整保留图像内容。
5. 图像缩放
5.1 原理：尺度变换与重采样
缩放通过对坐标轴进行线性变换实现：
x
′
=
s
x
x
,
y
′
=
s
y
y
x' = s_x x,\\quad y' = s_y y
x′=sxx,y′=syy 当缩放比例不为整数时，新像素值由插值算法估计。
5.2 Pillow 接口：Image.resize()
methods = {
"NEAREST": Image.NEAREST, # 最近邻：最快、锯齿明显，适合标签/掩码（mask）这类离散值图像
"BILINEAR": Image.BILINEAR, # 双线性：速度与平滑度折中，常用于一般图像缩放
"BICUBIC": Image.BICUBIC # 双三次：更平滑、细节更好但更慢，常用于高质量缩放
}
5.3 可视化：缩放-插值方法对比
fig, axes = plt.subplots(1, 3, figsize=(12, 4)) # 创建 1×3 子图用于对比不同插值结果
for ax, (name, method) in zip(axes, methods.items()): # 同步遍历子图与插值方法
resized = img.resize((256, 256), resample=method) # resize：指定目标尺寸 (W, H)，resample 控制插值策略
ax.imshow(resized) # 显示缩放结果
ax.set_title(name) # 标注插值方法名称
ax.axis("off") # 关闭坐标轴
plt.tight_layout() # 自动布局
plt.show() # 展示对比
不同插值方式在平滑性与边缘保留方面表现不同，应根据应用需求进行选择。
6. 仿射变换
6.1 原理：齐次坐标与仿射矩阵
仿射变换使用齐次坐标表示为：
[
x
′
y
′
1
]
[
a
b
c
d
e
f
0
0
1
]
[
x
y
1
]
\\begin{bmatrix} x' \\\\ y' \\\\ 1 \\end{bmatrix} \\begin{bmatrix} a & b & c \\\\ d & e & f \\\\ 0 & 0 & 1 \\end{bmatrix} \\begin{bmatrix} x \\\\ y \\\\ 1 \\end{bmatrix}
x′y′1
ad0be0cf1
xy1
该模型可以统一描述平移、旋转、缩放与剪切等几何操作。
6.2 Pillow 接口：Image.transform(mode=AFFINE)
matrix = (1, 0.3, 0,
0.2, 1, 0)
# Pillow 的 AFFINE 使用 6 参数矩阵 (a, b, c, d, e, f)，对应：
# x' = a*x + b*y + c
# y' = d*x + e*y + f
# 这里 b=0.3、d=0.2 引入剪切（shear），c=f=0 表示不平移
affine = img.transform(
img.size, # 输出图像大小（这里保持与原图一致）
Image.AFFINE, # 指定变换类型为仿射变换
matrix, # 6 参数仿射矩阵
resample=Image.BICUBIC # 重采样方式：双三次插值，减弱锯齿并提升观感
)
6.3 可视化：仿射变换效果对比
fig, axes = plt.subplots(1, 2, figsize=(10, 4)) # 创建 1×2 子图：原图 vs 仿射结果
axes[0].imshow(img) # 原图
axes[0].set_title("原始图像")
axes[1].imshow(affine) # 仿射变换后的图像
axes[1].set_title("仿射变换结果")
for ax in axes:
ax.axis("off") # 隐藏坐标轴
plt.tight_layout() # 自动布局
plt.show() # 展示结果
仿射变换在保持直线和平行关系的同时，对图像整体结构进行线性调整。
7. 批量几何变换：数据增强示例
def geometric_augmentations(img):
# 将多种几何变换打包返回，便于统一管理与可视化对比
return {
"original": img, # 原始图像（基准）
"rotated": img.rotate(30), # 旋转 30°（默认中心旋转，可能发生裁切）
"flipped": img.transpose(Image.FLIP_LEFT_RIGHT), # 水平翻转（左右镜像）
"scaled": img.resize((224, 224)) # 缩放到固定输入尺寸（常用于深度学习模型输入）
}
augmented = geometric_augmentations(img) # 获取增强结果字典：name -> Image
fig, axes = plt.subplots(1, 4, figsize=(16, 4)) # 创建 1×4 子图用于展示四种版本
for ax, (name, im) in zip(axes, augmented.items()): # 同步遍历子图与增强图像
ax.imshow(im) # 显示当前增强结果
ax.set_title(name) # 用 key 作为标题
ax.axis("off") # 关闭坐标轴
plt.tight_layout() # 自动布局
plt.show() # 展示增强对比
8. NumPy 表示：维度变化与数组形状
arr = np.array(img) # 原图转为 NumPy 数组，通常形状为 (H, W, C)
arr_rotated = np.array(rotated_expand) # 旋转并扩展后的图像转数组（H/W 可能变化）
print(arr.shape) # 打印原图数组形状：验证高度、宽度、通道数
print(arr_rotated.shape) # 打印旋转后数组形状：expand=True 往往导致 H/W 变大
(512, 512, 3) (726, 726, 3)
几何变换主要影响数组的空间维度，通道维度保持不变。
9. 总结
本章围绕 Pillow 提供的几何变换接口，对裁剪、翻转、旋转、缩放以及仿射变换的实现方式与数学背景进行了系统说明。通过结合 NumPy 表示与可视化结果，可以直观理解几何变换对图像空间结构的影响。这些操作构成了图像预处理与数据增强的重要基础。
