cv2.warpaffine易畸变因其以左上角为原点且无自动中心归一化，需手动计算旋转中心、补偿平移并设置合理bordermode；albumentations的affine则内置中心变换、语义化参数与自动mask同步，更稳定。
为什么直接用 cv2.warpAffine 容易出畸变
OpenCV 的 cv2.warpAffine 本身不带坐标归一化逻辑，所有变换都基于原始像素坐标系。当你传入一个旋转角度或缩放因子时，它默认以图像左上角为原点做变换——这会导致旋转中心偏移、裁剪边界错位、缩放后内容被切掉。尤其在批量增广时，如果没手动计算旋转中心并平移矩阵，cv2.getRotationMatrix2D 返回的矩阵会直接让图像“飞走”。
常见错误现象：cv2.warpAffine 后图像明显倾斜、边缘大面积黑边、目标物体被截断，但参数看起来“没错”。根本原因是没把仿射矩阵和图像尺寸对齐，也没处理填充策略。
- 必须显式用
center = (w // 2, h // 2)构造旋转中心，不能依赖默认值 - 缩放时要同步调整
tx,ty补偿位移，否则图像整体偏移 -
borderMode=cv2.BORDER_REFLECT比BORDER_CONSTANT更自然，避免突兀黑边
Albumentations 的 Affine 为什么更稳
Albumentations 把仿射变换封装成语义化参数（rotate, scale, shear），内部自动完成三件事：中心归一化 → 构造齐次矩阵 → 反向映射插值。它默认以图像中心为变换原点，且所有参数范围做了合理约束（比如 rotate=(-30, 30) 是角度区间，不是弧度）。
关键差异在于：它不让你碰底层矩阵，而是通过概率 + 分布控制扰动强度，天然适配训练时的随机性需求。你不用算平移补偿量，也不用担心 cv2.warpAffine 的 dsize 和 flags 组合出错。
-
Affine默认保持输出尺寸不变，不会因旋转导致图像变小（除非显式设fit_output=True） - 支持
mode参数控制插值方式：cv2.INTER_LINEAR（默认）、cv2.INTER_NEAREST（标签图必选） - 与
Compose链式调用时，会自动对 mask 做同参数变换，省去手动同步的麻烦
怎么让 Albumentations 输出无黑边的旋转/缩放
即使用了 Affine，默认设置下大角度旋转或大幅缩放仍可能引入黑边——因为 Albumentations 默认输出尺寸和输入一致，而变换后的图像包络矩形更大。这不是 bug，是设计取舍：保证 batch 内尺寸统一，便于送进模型。
真正防畸变的关键是控制“有效内容区域”，而不是消灭黑边本身。有两条路径：
- 用
fit_output=True让输出尺寸自适应变换后包络，再配合pad_mode=cv2.BORDER_REFLECT填充，但要注意后续需 resize 回原尺寸，否则破坏 batch 一致性 - 更推荐：保持尺寸不变，改用
scale=(0.8, 1.2)+rotate=(-15, 15)这类保守范围，并加translate_percent=0.1微调位置，实测黑边可控且语义不变形 - 若必须大角度，可叠加
PadIfNeeded在Affine前，预留边缘空间，例如PadIfNeeded(min_height=512, min_width=512, border_mode=cv2.BORDER_REFLECT)
混合 OpenCV 和 Albumentations 时的坑
有人想先用 OpenCV 做灰度/直方图拉伸，再丢给 Albumentations 做几何增广——这没问题，但要注意数据类型和通道顺序。Albumentations 默认假设输入是 HWC、uint8、BGR（和 OpenCV 一致），但如果中间用了 cv2.cvtColor 或 numpy 运算，可能悄悄把 dtype 变成 float64 或通道变成 RGB，导致 Affine 插值异常或报错。
典型报错：TypeError: Expected uint8, got float64 或旋转后颜色发紫（BGR/RBG 错位）。
- 务必在送入
Compose前检查：img.dtype == np.uint8且len(img.shape) == 3 - 如果用了
cv2.equalizeHist，它只支持单通道，多通道得拆开处理，否则报error: (-215) src.type() == CV_8UC1 - 不要在 pipeline 中混用
cv2.resize和Resize，后者会重采样两次，增大模糊
最稳妥的做法是：把所有预处理写进 Albumentations 的 Lambda 变换里，由它统一管理生命周期。否则就得在每次 OpenCV 操作后手动 np.clip(img, 0, 255).astype(np.uint8)。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
