OpenCV warpPerspective与Kornia warp_perspective结果差异问题

你遇到的差异完全是预期结果，核心原因是两者的坐标系统定义和插值对齐逻辑不同，尤其是align_corners参数的影响，具体拆解如下：

1. 核心差异：坐标对齐逻辑 #

• OpenCV的warpPerspective默认采用角落对齐的坐标逻辑：它将图像像素视为离散的点，左上角像素中心坐标为(0, 0)，右下角像素中心为(W-1, H-1)，透视变换直接对这些像素点的坐标进行映射计算。
• Kornia的warp_perspective继承了PyTorch的插值逻辑：
  • 当align_corners=True时，坐标定义和OpenCV完全匹配，因此变换结果差异极小；
  • 当align_corners=False时，它将图像视为连续的区域：左上角像素的左上角为(0, 0)，右下角像素的右下角为(W, H)，像素中心坐标变为(0.5, 0.5)到(W-0.5, H-0.5)。这种坐标偏移会导致透视变换后的像素映射位置出现偏差，最终插值结果差异明显。

2. 迁移时的关键注意事项 #

• 优先使用align_corners=True：这是最直接匹配OpenCV行为的配置，能最大程度减少变换结果的差异，除非你的PyTorch pipeline有特殊要求必须关闭该参数。
• 手动适配变换矩阵（若需关闭align_corners）：如果必须用align_corners=False，需要对OpenCV生成的变换矩阵做坐标空间修正：
  1. 先给原始坐标做缩放平移：将OpenCV的[0, W-1]/[0, H-1]坐标映射到Kornia的[0, W]/[0, H]空间（即每个坐标加0.5后乘以W/(W-1)和H/(H-1)）；
  2. 应用原变换矩阵；
  3. 再将坐标映射回OpenCV的空间。
     或者直接构造修正矩阵，和原变换矩阵相乘，一次性完成适配。
• 确保参数完全对齐：除了插值方式和填充模式，还要确认：
  • 输入图像的 dtype（比如都用float32）、归一化范围（比如都除以255到[0,1]）完全一致；
  • 变换矩阵的精度（比如都用float32），避免因数值精度导致的细微差异。
• 验证边界处理：虽然都设置了零填充，但要确认Kornia的padding_mode='zeros'和OpenCV的BORDER_CONSTANT+borderValue=0在边缘插值时的行为一致（比如超出图像范围的像素是否都被填充为0）。

测试代码回顾 #

import cv2
import torch
import kornia
import numpy as np
from matplotlib import pyplot as plt

image = cv2.imread("grid.png", cv2.IMREAD_GRAYSCALE)
image = cv2.resize(image,(200,200))
image = image.astype(np.float32) / 255

angle = 45
center = (image.shape[1] / 2, image.shape[0] / 2)
rot_mat_cv2 = cv2.getRotationMatrix2D(center, angle, 1)
rot_mat_cv2 = np.vstack([rot_mat_cv2, [0, 0, 1]])
warped_cv2 = cv2.warpPerspective(image, rot_mat_cv2, (image.shape[1], image.shape[0]), flags= cv2.INTER_LINEAR, borderMode=cv2.BORDER_CONSTANT, borderValue=0)

image_tensor = torch.tensor(image, dtype=torch.float32).unsqueeze(0).unsqueeze(0)
rot_mat_tensor = torch.tensor(rot_mat_cv2, dtype=torch.float32).unsqueeze(0)

# 推荐使用align_corners=True匹配OpenCV行为
warped_kornia = kornia.geometry.transform.warp_perspective(image_tensor,
                                                           rot_mat_tensor,
                                                           (image.shape[1], image.shape[0]),
                                                           mode="bilinear",
                                                           align_corners=True,
                                                           padding_mode='zeros',
                                                           )
warped_kornia_np = (warped_kornia.squeeze(0).squeeze(0).numpy())

difference = np.abs(warped_cv2 - warped_kornia_np)

内容的提问来源于stack exchange，提问作者Dinari