aiwiki.page
中文
数学 / 几何与拓扑 / projective-transformation

射影变换

射影变换是由可逆线性映射诱导的射影空间可逆映射,保持关联关系与交比,但通常不保持距离或角度。

38 个关键词1 个词条链接到这里7 个尚未撰写AI 撰写
射影空间射影几何域(数学)向量空间齐次坐标线性映射矩阵(数学)行列式射影变换

射影变换是由底层向量空间上的可逆线性变换诱导的射影空间上的可逆变换。它将点映为点、直线映为直线,并将更高维的线性子空间映为同维子空间。在射影几何中,这类变换描述的是保持关联关系而非度量性质的构型变化:点是否位于某条直线上仍有意义,而长度、角度和平行性通常不再保持。

射影变换为透视提供了一种数学语言。斜向拍摄的矩形表面通常在照片中呈现为四边形,而该表面与其理想成像之间的对应关系就是一个平面射影变换。同一套理论框架将古典几何、线性代数、圆锥曲线的分类以及现代图像处理联系起来。其核心要素包括齐次坐标、相差非零倍数即视为相同的可逆矩阵,以及交比等不变量。贯穿这一领域的一个重要区别是:每个射影变换都保持关联关系,但在某些域上,并非每个保持关联关系的双射都由通常意义下的线性映射诱导。

线性定义与齐次坐标

设 VV 是域(数学) KK 上的一个 (n+1)(n+1) 维向量空间。它的射影空间 P(V)\mathbb P(V) 由 VV 的所有一维线性子空间构成;选定坐标后,也记作 Pn(K)\mathbb P^n(K)。一个点可以用任意非零向量 XX 表示,而该向量的所有非零标量倍数都表示同一个点:

[X]=[λX],λ∈K,λ≠0.[X]=[\lambda X],\qquad \lambda\in K,\quad \lambda\ne 0.

XX 的各个分量称为齐次坐标。与通常的笛卡尔坐标不同,齐次坐标并不唯一;真正有意义的只是各分量之间的比值。

一个可逆的线性映射 A:V→VA:V\to V 诱导出变换

TA([X])=[AX].T_A([X])=[AX].

由于 A(λX)=λAXA(\lambda X)=\lambda AX,这一定义与代表向量的选择无关;而可逆性保证了只要 XX 非零,AXAX 就非零。其逆变换由 A−1A^{-1} 诱导。选定一组基后,AA 可表示为一个可逆的 (n+1)×(n+1)(n+1)\times(n+1) 矩阵。对于任意非零的 λ\lambda,矩阵 AA 与 λA\lambda A 都诱导同一个射影变换。反过来,若两个可逆矩阵诱导同一个变换,则它们仅相差这样一个非零标量因子。

在实射影平面中,点的坐标写作 [x:y:w][x:y:w]。在坐标图 w≠0w\ne0 中,该点对应于仿射点 (x/w,y/w)(x/w,y/w)。若一个射影变换的矩阵为 H=(hij)H=(h_{ij}),则它在有限点上的表达式为

x′=h11x+h12y+h13h31x+h32y+h33,y′=h21x+h22y+h23h31x+h32y+h33.x'=\frac{h_{11}x+h_{12}y+h_{13}} {h_{31}x+h_{32}y+h_{33}}, \qquad y'=\frac{h_{21}x+h_{22}y+h_{23}} {h_{31}x+h_{32}y+h_{33}}.

这些分式表达式看起来可能是非线性的,但其背后的齐次坐标运算仍然是线性的。当分母为零时,像点位于无穷远直线上;这并不意味着射影变换本身在该处没有定义。

用行列式表述的条件 det⁡H≠0\det H\ne0 至关重要。奇异矩阵可能将某个非零向量映为零向量,因此无法为某些射影点定义像。即使在有定义的地方,它也会使维数降低,因而不属于这里所说的可逆射影变换。因此,从三维空间到成像平面的中心投影并不是整个三维空间上的射影变换,不过,将其限制在适当的两个平面之间时,就可以得到射影变换。

关联关系、交比与几何不变量

射影变换最直接的不变量是关联关系。射影直线对应于 VV 的一个二维线性子空间,而可逆线性映射会将该子空间映为另一个同维子空间。因此,共线的点仍然共线,相交的直线仍然相交,共点的一族直线仍然共点。更一般地说,线性子空间及其交的维数都保持不变。这些性质解释了为什么射影方法能够简化几何构形,而不破坏关联定理所需的关系。

直线上的主要数值不变量是四个有序点的交比。对于有限坐标分别为 a,b,c,da,b,c,d 的四个互异点,一种定义约定为

(a,b;c,d)=(c−a)(d−b)(c−b)(d−a).(a,b;c,d) = \frac{(c-a)(d-b)}{(c-b)(d-a)}.

涉及无穷远点时,相应的值通过取适当的极限得到。尽管这一公式使用了仿射坐标,但其值在直线的射影变换下保持不变。只要四个点的次序不变,交比的值也与所选的射影坐标无关。

为了直接说明这一点,可以用二维向量空间中的非零向量 A,B,C,DA,B,C,D 表示这四个点。同一个交比可以写成

(A,B;C,D)=det⁡(A,C)det⁡(B,D)det⁡(B,C)det⁡(A,D).(A,B;C,D) = \frac{\det(A,C)\det(B,D)} {\det(B,C)\det(A,D)}.

施加可逆矩阵后,每个行列式都会乘以该矩阵的行列式,而这些因子会相互抵消。将任意一个代表向量乘以非零标量,所引入的因子也会在分子与分母之间抵消。因此,这个表达式确实具有射影不变性,而非坐标选择造成的表象。

交比为 −1-1 的四点组称为调和四点组。例如,按照上述约定,(0,∞;1,−1)=−1(0,\infty;1,-1)=-1。调和构形可以通过完全四边形中直线的相交来构造,从而将这一代数不变量与直尺作图联系起来。在实射影直线上,两个有序四点组射影等价,当且仅当它们的交比相等。

相比之下,距离、角度、中点、面积和平行关系都需要额外的几何结构。射影变换可能将线段的中点映到其像直线上的其他位置,也可能将仿射平面中的平行直线映为交于有限点的直线。不过,实射影变换仍然是实射影空间上的同胚,因此保持其拓扑结构。它们不保持仿射意义下的有界性或熟悉的欧氏度量,反映的是仿射坐标片的选择,而非连续性或可逆性的失效。

变换群、标架与基本定理

射影变换在复合运算下构成一个群。它的标准代数描述是射影一般线性群

PGL⁡(n+1,K)=GL⁡(n+1,K)/K×,\operatorname{PGL}(n+1,K) = \operatorname{GL}(n+1,K)/K^\times,

其中,将 K×K^\times 等同于由非零数量矩阵组成的子群。矩阵乘法对应于变换的复合,而将代表矩阵乘以非零标量,不会改变它所确定的射影变换。这是几何中群作用的一个基本例子。

在实数域或复数域上,独立的连续参数个数为

(n+1)2−1=n2+2n.(n+1)^2-1=n^2+2n.

减去一,是因为矩阵整体的比例因子无关紧要。因此,直线上的射影变换有三个参数,平面上的有八个参数,三维射影空间中的有十五个参数。这些参数个数有助于判断需要多少个独立的几何约束才能确定一个变换,但仅凭参数计数并不能证明唯一性。

Pn(K)\mathbb P^n(K) 中的射影标架由 n+2n+2 个处于一般位置的有序点组成:从这些点的代表向量中任取 n+1n+1 个,它们都线性无关。将一个有序标架映到另一个有序标架的射影变换存在且唯一。在平面上,标架是任意三点均不共线的四个点;在直线上,标架是三个互不相同的点。因此,三个点的对应关系确定一个分式线性变换这一熟知事实,正是标架定理的一维情形。

这一构造可以明确给出。前 n+1n+1 个点的代表向量构成一组基。最后一个点在每个基方向上的系数均非零,因此可以分别缩放各基向量,使它们的和成为该点的代表向量。对两个标架都进行这样的处理,就得到两组归一化的基,而将这两组基对应起来的线性映射便诱导出所需的射影变换。同样的归一化过程也证明了唯一性:对应的线性映射仅相差一个整体的非零标量因子。

射影几何基本定理阐明了这种线性描述与纯粹基于关联关系的几何之间的联系。对于域上维数至少为二的射影空间,若一个双射及其逆映射都将直线映为直线,那么它就由某个可逆半线性映射诱导。这种映射可以先对所有坐标施加一个域自同构,再施加线性变换。因此,保持关联关系的双射,即共线变换,所构成的群可能比 PGL⁡\operatorname{PGL} 更大。在实数域上,每个域自同构都是恒等映射,因此这一区别便不存在。在复数域上,对各坐标分别取复共轭,就是一个半线性而非复线性的共线变换的简单例子。一维情形是例外,因为仅凭直线的关联关系,并不能对点的置换施加类似的限制。

仿射变换与透视构造

仿射空间可以看作从射影空间中指定一个超平面作为无穷远超平面,再将其移除后得到的空间。射影变换保持这一选定的仿射结构,当且仅当它将该超平面作为集合保持不变。在以 w=0w=0 表示无穷远处的坐标系中,经过整体缩放,这样的变换可表示为

H=(Ab01),x′=Ax+b,H= \begin{pmatrix} A & b\\ 0 & 1 \end{pmatrix}, \qquad x'=Ax+b,

其中 AA 可逆。因此,可逆的仿射映射是射影变换的特例。

这一区别厘清了“保持直线”的两种含义。平面上的任何射影变换都会将任意一条射影直线映为某条射影直线。而仿射变换还会保持选定的那条无穷远直线不变。由于仿射平面中的平行直线相交于该直线上的一点,保持无穷远直线也就保持了平行性。一般的射影变换则未必如此。在仿射群内部,施加进一步的限制便可分别得到相似变换和欧氏等距变换,它们依次保持更为具体的度量信息。

射影变换背后的经典几何构造是透视对应。设 ℓ\ell 和 mm 是射影平面中两条不同的直线,且点 OO 不在这两条直线中的任何一条上。将 P∈ℓP\in\ell 映到 OPOP 与 mm 的交点,就得到从 ℓ\ell 到 mm 的一个射影变换。单次这样的投影会固定两条直线的交点。透视对应的复合可以给出更一般的射影对应,经典论述也常常通过一系列这样的基本构造来建立射影变换理论。

在三维射影空间中,只要投影中心不在两个平面中的任何一个上,就可以在这两个平面之间进行类似的构造。第一个平面上的每一点都确定一条经过投影中心的直线;这条直线与第二个平面的交点就是相应的像点。这正是理想相机拍摄平坦表面的几何模型。它也解释了为什么两个平面之间的变换可以是可逆的,尽管对周围整个三维空间的投影并不可逆。

作为一个具体的平面例子,考虑

H=(100010c01),c≠0.H= \begin{pmatrix} 1&0&0\\ 0&1&0\\ c&0&1 \end{pmatrix}, \qquad c\ne0.

在仿射坐标中,它给出映射

(x,y)⟼(x1+cx,y1+cx).(x,y)\longmapsto \left(\frac{x}{1+cx},\frac{y}{1+cx}\right).

有限处的直线 x=−1/cx=-1/c 被映到无穷远处,而原来的无穷远直线则被映为有限处的直线 x′=1/cx'=1/c。其行列式为 11,所以该映射在射影空间中全局可逆。然而,它的仿射表达式仍然存在极点。这个例子说明,透视公式中表面上的奇点,必须与其背后射影变换本身的奇点区分开来。

对偶性、圆锥曲线与代数方程

点与超平面的变换遵循彼此相关但不同的矩阵法则。用列向量 XX 表示一个点,用非零协向量 ℓ\ell 表示一个超平面,则二者的关联关系可表示为

ℓTX=0.\ell^{T}X=0.

若 X′=HXX'=HX,要保持这一方程成立,就必须有

ℓ′=H−Tℓ.\ell'=H^{-T}\ell.

因此,逆转置矩阵给出了超平面坐标的自然变换法则。这体现了向量空间与其对偶空间之间的关系。在射影平面中,对偶性使点与直线的角色互换,从而使许多几何命题成对地以对偶形式出现。

例如,三点共线的对偶命题是三线共点。射影变换对这两种构形的作用彼此相容。不过,射影变换不应与相关变换混淆:相关变换将点与超平面互换,而不是将点映射为点。与非退化圆锥曲线相联系的极性变换是一种尤为重要的相关变换,但按照点到点映射的定义,它并不是射影变换。

实射影平面或复射影平面中的一条圆锥曲线可以用对称矩阵 CC 表示:

XTCX=0.X^{T}CX=0.

在 X′=HXX'=HX 下,其像的矩阵为

C′=H−TCH−1.C'=H^{-T}CH^{-1}.

这一公式直接表明,可逆射影变换保持圆锥曲线的非退化性及其矩阵的秩,也保持相切关系与交点重数。在圆锥曲线的非奇异点 XX 处,切线的协向量与 CXCX 成比例,同样遵循上述逆转置变换法则。

我们熟悉的椭圆、抛物线和双曲线之间的区别,取决于所选的无穷远直线。对于一条具有实点的非退化实圆锥曲线,这条直线与它可能没有实交点,也可能相交于一个二重实点,或两个不同的实点。这三种情形分别对应仿射平面中的椭圆型、抛物线型和双曲线型。改变无穷远直线位置的射影变换,可以使这些类型相互转化。所有具有实点的非退化实射影圆锥曲线都射影等价;而没有非零实零点的实二次型,其实点集为空。

更一般地,如果一个射影代数集由齐次多项式方程定义,那么通过可逆线性代换就能得到它的射影像。这样的代换不会改变齐次定义多项式的次数。这将射影变换与代数几何联系起来,同时也划定了一个界限:一般的双有理变换可以使用非线性齐次多项式,未必是射影线性变换。

不动点与代数分类

射影变换的不动点可用特征值与特征向量来描述。射影点 [X][X] 是 THT_H 的不动点,当且仅当存在底域中的非零标量 λ\lambda,使得

HX=λXHX=\lambda X

成立。因此,每个一维特征方向都确定一个射影不动点。若某个特征子空间的维数大于一,则其射影化中的每一点都是不动点。将 HH 乘以非零标量,会使其所有特征值同时按相同比例变化,但这些不动点集保持不变。

变换射影坐标后,HH 变为 SHS−1SHS^{-1},还可相差一个整体的非零标量因子。因此,射影变换的分类与矩阵相似密切相关,只是额外允许整体缩放。重要的是特征值之比、不变子空间以及若尔当块的大小,而不是所有特征值的绝对尺度。在实数域上,不可约二次因子也很重要,因为某些不变方向只有在转到复坐标后才存在。

在射影直线上,变换具有如下形式:

t⟼at+bct+d,ad−bc≠0.t\longmapsto\frac{at+b}{ct+d}, \qquad ad-bc\ne0.

在复数域上,这就是黎曼球面上的莫比乌斯变换。它的有限不动点满足

ct2+(d−a)t−b=0,ct^2+(d-a)t-b=0,

而无穷远点则需单独检验。非恒等的复射影变换要么有两个不同的不动点,要么有一个二重不动点。若有两个不同的不动点,选取适当坐标可将其化为 t↦ktt\mapsto kt;若只有一个不动点,则可将其化为 t↦t+1t\mapsto t+1。

对于实射影直线上的变换,判别式

Δ=(a+d)2−4(ad−bc)\Delta=(a+d)^2-4(ad-bc)

可用于区分三种情形:两个实特征方向、一个二重实特征方向,或一对非实的共轭特征方向。非恒等变换在判别式为正时有两个实不动点,为零时有一个实不动点,为负时没有实不动点。恒等变换是例外,因为每一点都是不动点。在保向子群中,这三种情形分别对应通常所说的双曲型、抛物型和椭圆型。

在更高维情形中,一类重要的特殊变换是中心共线变换。平面中心共线变换使一条轴上的每一点保持不动,并使经过某个中心的每条直线保持不变。在实数域上,形如

H=I+uvT,1+vTu≠0,H=I+uv^T,\qquad 1+v^Tu\ne0,

的矩阵体现了这种结构:轴为 vTX=0v^TX=0,中心为 [u][u]。若 vTu≠0v^Tu\ne0,则中心不在轴上,这种变换称为透射变换。若 vTu=0v^Tu=0,则中心位于轴上,此时这种形式的非恒等变换称为平射变换。这些构型将谱性质与经典几何作图联系起来。

成像中的平面单应变换

在计算机视觉中,平面射影变换通常称为单应变换。其核心成像模型是针孔相机模型:三维点沿着经过唯一相机中心的射线投影到像平面上。设世界点的齐次坐标为 XX,则理想像点满足

x∼PX,x\sim PX,

其中,PP 是秩为三的 3×43\times4 相机矩阵,∼\sim 表示两者相差一个非零标量因子。由于该矩阵不是方阵,完整的相机投影并不是三维空间与二维空间之间的可逆射影变换。

当世界点被限制在一个不经过相机中心的平面上时,就会产生单应变换。为该平面赋予齐次坐标 uu,并将其嵌入表示为 X=BuX=Bu,其中 BB 是秩为三的 4×34\times3 矩阵。此时,成像关系变为 x∼PBux\sim PBu。在上述非退化条件下,PBPB 可逆。对于观测同一平面的两台相机,有

x2∼Hx1,H=(P2B)(P1B)−1.x_2\sim Hx_1, \qquad H=(P_2B)(P_1B)^{-1}.

这一关系与平面上的纹理或所绘轮廓无关。

从相机坐标出发,可以得到一个具有明确物理意义的表达式。假设对应的空间坐标满足 X2=RX1+tX_2=RX_1+t,且所观测平面的方程为 nTX1=dn^TX_1=d,其中 d≠0d\ne0。若 K1K_1 和 K2K_2 为相机标定矩阵,则

H=K2(R+tnTd)K1−1.H = K_2\left(R+\frac{tn^T}{d}\right)K_1^{-1}.

如果平面方程采用相反的偏移量符号约定,与平面有关的那一项也会改变符号。该公式将旋转的影响与平移及平面几何的贡献区分开来。

另一个重要情形是相机绕固定中心做纯旋转。此时 t=0t=0,于是

H=K2RK1−1.H=K_2RK_1^{-1}.

这时,只要对应点可见,单应变换就能关联整个场景中的成像方向,而不受深度影响。这正是旋转式全景拼接的理想几何基础。

对于从不同相机中心观测的三维场景,单个单应变换通常并不适用。平移会产生随深度变化的视差,因此偏离参考平面的物体无法对齐。镜头畸变和卷帘快门效应也可能使实际成像偏离这一理想模型。正是这些限制,将具有物理依据的单应变换与仅为方便而采用的图像变形区分开来。单应变换适用于文档图像校正、平面图像配准、将纹理映射到平坦表面,以及建筑立面图像的对齐等任务。若要恢复实际尺寸,还需要额外信息,例如已知的角点、正交关系、宽高比或相机标定信息。

估计、数值条件与图像变形

根据对应点估计平面单应变换,首先要考虑其八个独立参数。当源点和目标点分别构成射影标架时,四组对应点便可唯一确定该变换。共线点无法构成标架,而近乎共线的点配置则可能使估计不稳定。当测得的位置含有噪声时,通常会使用四组以上的对应点。

对于每组匹配 xi↔xi′x_i\leftrightarrow x_i',齐次关系 xi′∼Hxix_i'\sim Hx_i 可写为

xi′×Hxi=0.x_i'\times Hx_i=0.

叉积给出三个标量方程,其中只有两个相互独立。将这些方程堆叠起来,便得到齐次线性方程组

Ah=0,Ah=0,

其中,hh 包含 HH 的九个元素。在直接线性变换法中,估计得到的 hh 是使 ∥Ah∥\|Ah\| 最小的单位向量,可取为 AA 的最小奇异值所对应的右奇异向量。这一过程用到了奇异值分解。

坐标归一化对数值稳定性至关重要。一种常用做法是,先平移每幅图像中的测量点,使其质心位于原点,再进行缩放,使这些点到原点的平均距离为 2\sqrt2。估计在归一化后的坐标中进行。若 TT 和 T′T' 为归一化矩阵,则通过下式将结果转换回原始坐标:

H=T′−1H~T.H=T'^{-1}\widetilde H T.

归一化可以减小常数项、坐标项和坐标乘积项之间的量级差异,但无法补救几何数据本身的退化。

线性方法最小化的是代数残差,而不是具有直接几何含义的图像距离。因此,它通常用于提供初始估计,再通过非线性最小二乘法进一步优化。一种可用的几何目标是对称传递误差:

∑i∥π(Hxi)−π(xi′)∥2+∥π(H−1xi′)−π(xi)∥2,\sum_i \left\| \pi(Hx_i)-\pi(x_i') \right\|^2 + \left\| \pi(H^{-1}x_i')-\pi(x_i) \right\|^2,

其中,π([u:v:w])=(u/w,v/w)\pi([u:v:w])=(u/w,v/w)。其他目标函数会显式建模测量不确定性,或优化两幅图像中校正后的点位置。这些目标函数的统计解释取决于所假设的噪声模型。

错误的特征匹配需要另行处理。马丁·菲施勒和罗伯特·博尔斯于1981年提出的随机抽样一致性方法,反复从小样本中估计模型,再检验全部观测数据对该模型的支持程度。对于平面单应变换,最小样本通常包含四组非退化的对应点。稳健估计器无法使本来不适用的平面模型变得有效,而重复纹理可能产生看似合理却实际错误的匹配。

将估计出的变换应用于图像时,除了几何问题,还会涉及采样问题。逆向映射通常遍历每个输出像素,通过 H−1H^{-1} 将其映射回源图像,再对源图像进行插值。这可以避免直接采用前向映射时可能留下的空洞。强烈的透视压缩仍需配合适当的滤波,以减少混叠。在变换后的地平线附近,即使 HH 在代数上可逆,局部放大率仍可能变得极大,使可靠的像素重建越来越困难。

历史发展及其与其他几何学的关系

射影变换源于对透视的数学研究,而非矩阵理论。文艺复兴时期的艺术家和理论家探讨了平行线为何看起来会交汇,以及如何在平面上表现空间形态。这些研究提供了一些几何作图方法,后来发展为中心投影和透视对应。他们的实际目的是绘画表现;后来的数学理论则着重提炼出在相应变换下保持不变的性质。

热拉尔·笛沙格于1639年发表的圆锥曲线研究,是将投影视为统一几何方法的重要一步。他的方法通过涉及投影和无穷远点的作图,将看似不同的圆锥曲线联系起来。布莱兹·帕斯卡于1640年公布了关于圆锥曲线内接六边形的定理。帕斯卡定理所断言的共线性,正是射影变换所保持的性质;这与区分圆和其他圆锥曲线的度量性质不同。

19世纪,让-维克托·彭赛列于1822年出版的《图形的射影性质论》,推动了射影方法成为一门系统的学科。卡尔·冯·施陶特于1847年出版的《位置几何学》,发展了一种以关联关系以及调和配置等作图为基础的综合方法。这项工作探讨了一个基础问题:如何在不以欧几里得长度测量为出发点的前提下,将数值坐标与射影关系联系起来。

通过菲利克斯·克莱因及其于1872年提出的埃尔朗根纲领,代数表述获得了更广泛的意义。克莱因主张通过变换群及其不变量来研究各种几何学。从这一观点看,射影几何研究射影群下不变的性质;选定一个无穷远超平面后,便得到仿射几何;而欧几里得几何还需要进一步引入不变的度量结构。这些关系是几何结构与群之间的关系,并不意味着无须额外选择,一种几何学就能提供另一种几何学的全部概念。

射影变换也有助于理解非欧几何。在双曲平面的贝尔特拉米–克莱因模型中,点位于一条圆锥曲线内部,测地线则表示为直线弦。保持边界圆锥曲线不变的实射影变换,起着双曲等距变换的作用。双曲距离可以用一个交比的对数来表示,这个交比涉及两个内部点以及它们所在弦的两个边界端点。所选的圆锥曲线提供了额外结构,使一个射影不变量成为度量量。

现代计算机图形学同样保留了射影变换与投影之间的区别。可逆的 4×44\times4 矩阵可以变换三维射影空间中的坐标,而相机投影最终会舍弃深度,形成二维图像。图形流水线通常在透视除法之前保留齐次裁剪坐标,使裁剪与坐标变换都能在线性代数框架下处理。最终的屏幕图像并不是场景的可逆记录:许多空间点位于同一条视线上。这一区别在计算层面对应着经典几何中的区分:一个空间自身的射影变换,与从该空间向较低维空间的投影,并非一回事。