图像的几何变换主要包括：平移、旋转、缩放、剪切、仿射、透视等。
图像的几何变换主要分为：刚性变换、相似变换、仿射变换和透视变换（也称为投影变换）。
刚性变换：平移、旋转；
相似变换：缩放、剪切；
仿射变换：从一个二维坐标系变换到另一个二维坐标系的过程，属于线性变换。通过已知3对坐标点便可求取变换矩阵。
透视变换：从二维坐标系变换到三维坐标系，在从三维坐标系投影到二维平面，属于非线性变换。通过已知4对坐标点便可求取变换矩阵。
仿射变换
仿射变换是把一个二维坐标系转换到另一个二维坐标系的过程，在转换过程中坐标点的相对位置和属性不发生变换，属于线性变换。在该变换过程中只发生平移和旋转，因此一个菱形在发生仿射变换后还是一个菱形。
也可以说，仿射变换是指在向量空间中进行一次线性变换（乘以线性矩阵）和一次平移（加上一个向量），变换到另一个向量空间的过程。
仿射变换代表的是两幅图像之间的映射关系，仿射变换矩阵为2X3的矩阵，
总的来说，仿射=平移+旋转。
仿射变换Python例子
效果图
原图
透视变换后的效果图
透视变换
透视变换是将一个图像投影到新的视平面，该过程包括：1.将二维坐标系转换为三维坐标系；2.将三维坐标系投影到新的二维坐标系。该过程属于非线性变换过程，一个菱形在经过非线性变换后得到一个四边形，但是不在平行。
透视变换又可以称为投影变换，仿射变换属于透视变换的特例。透视变换能够保持“直线性”，即原图中的直线，在经透视变换后仍为直线。
透视变换示意图
透视变换矩阵变换公式为：
其中透视变换矩阵为：
要移动的点，即源目标点：
定点，即移动到的目标点：
从二维空间变换到三维空间，因为图像在二维平面，故除以Z，（X‘，Y’，Z‘）表示图像上的点。
另a33=1,展开上面的公式，可得到一个点为：
四个点，即可得到8个方程，便可求解出透视变换矩阵A。
透视变换代码：
变换结果
原图
透视变换后的效果图