二维几何变换原理与Python实现：平移、旋转与缩放

1. 二维几何变换基础概念

在计算机图形学和图像处理领域，二维几何变换是最基础也是最重要的操作之一。简单来说，它就是对二维平面上的点、线、面等几何元素进行位置、形状的改变。最常见的三种基本变换是平移（Translation）、旋转（Rotation）和缩放（Scaling）。

为什么我们需要这些变换？想象一下你在设计一个简单的2D游戏：角色需要移动（平移），敌人需要转向玩家（旋转），场景需要放大缩小（缩放）。这些操作本质上都是对物体坐标进行数学运算的结果。

注意：所有二维变换都可以用矩阵乘法来表示，这是计算机图形学中一个非常重要的特性。使用矩阵表示不仅形式统一，还能方便地进行变换的组合。

2. 平移变换实现

2.1 平移的数学原理

平移是最直观的变换，它让物体在平面上沿着某个方向移动固定距离。数学上，给定一个点P(x,y)，平移后的新坐标P'(x',y')可以表示为：
x' = x + t_x
y' = y + t_y
其中t_x和t_y分别是x轴和y轴方向的平移量。

在实际编程中，我们通常用齐次坐标来表示平移变换矩阵：

code复制[1  0  t_x]
[0  1  t_y]
[0  0   1 ]

2.2 代码实现示例

python复制import numpy as np

def translate(points, tx, ty):
    """二维平移变换
    :param points: 点集，形状为(n,2)的numpy数组
    :param tx: x方向平移量
    :param ty: y方向平移量
    :return: 变换后的点集
    """
    # 构造变换矩阵
    translation_matrix = np.array([
        [1, 0, tx],
        [0, 1, ty],
        [0, 0, 1]
    ])
    
    # 转换为齐次坐标
    homogeneous_points = np.column_stack((points, np.ones(len(points))))
    
    # 应用变换
    transformed = np.dot(homogeneous_points, translation_matrix.T)
    
    return transformed[:, :2]

实操心得：使用齐次坐标虽然增加了计算维度，但可以统一所有变换的矩阵表示形式，这在实现变换组合时特别有用。在实际项目中，我通常会创建一个Transform类来管理各种变换。

3. 旋转变换实现

3.1 旋转的数学原理

旋转是让物体绕某个点（通常是原点）转动一定角度。逆时针旋转θ角度后的新坐标为：
x' = xcosθ - ysinθ
y' = xsinθ + ycosθ

对应的齐次坐标变换矩阵为：

code复制[cosθ  -sinθ  0]
[sinθ   cosθ  0]
[  0      0   1]

3.2 绕任意点旋转的实现

实际应用中，我们经常需要绕物体中心或其他特定点旋转。这需要三个步骤：

1. 将旋转中心平移到原点
2. 执行旋转
3. 平移回原位置

python复制def rotate(points, angle, center=None):
    """二维旋转变