仿射變換
一般對圖像的仿射變換分爲
旋轉，縮放，錯切，平移。旋轉要確定旋轉中心，首先要將旋轉中心轉移到原點，然後再進行縮放和旋轉。詳見這裏（這個文章中的變換矩陣推導部分錯誤，順時針的旋轉矩陣表示不正確，opencv的文檔表示無誤） 但是單純的只進行錯切平移時，則要先將圖像的中心轉移到圖像的左上角原點，進行完變換後，再轉移回到中心。
仿射變換的兩種實現形式：1，指定三對點，利用getAffineTransform(src_point, dst_point)函數獲得變換矩陣
2，對於旋轉和縮放的變換，可以利用getRotationMatrix2D(center,
angle, scale)函數獲得變換矩陣。而對於其他的單純的只進行錯切平移時，則要自己寫變換矩陣，而且還要配合縮放，不然原始的圖像大小不能放下變換後的圖像，超出的部分就不會進行顯示。而且必要時還要調整變換後圖片的位置。其實旋轉，不在乎繞着哪個點進行，無非是變換後的圖像的位置不同而已，通過平移可以完全重合。
最後，得到了變換矩陣，然後利用warpAffine(image, warpimage, warp_mat, warpimage.size());得到變換後的圖像。參考這裏
透視變換
就是相機在不同位姿下對同一平面的不同顯示情況。透視變換對應了單應矩陣，這個單應矩陣可以近似的表達相機的旋轉矩陣R(相機只存在微小平移時)？待驗證。
單應矩陣
在slam中的應用：there
這裏說的單應性矩陣主要是指平面單應性矩陣，在三軸座標中XYZ，Z=1這個有點類似於三維的齊次座標。單應性矩陣主要用來解決兩個問題，
一是表述真實世界中一個平面與對應它圖像的透視變換
二是從通過透視變換實現圖像從一種視圖變換到另外一種視圖
透視變換其實是表示的三維與二維點之間的對應投影關係，而單應矩陣爲什麼可以表示兩個圖像二維座標之間的關係呢？這個單應矩陣實際上不等於旋轉矩陣R,也不是一定在沒有平移運動的時候纔可以使用。但是爲什麼要求單應矩陣的點必須是同一平面呢？
以下爲推斷，待驗證：
實際上，單應矩陣類似於本質矩陣F，這個單應矩陣也可以分解出R t；但是，由於需要找到平面，不太好操作，所以不怎麼使用。只有當不存在平移運動，對極幾何不穩定時，才使用單應矩陣H。