如何使用Python实现图像透视变换？

核心思路 #

透视变换需要通过4组对应点计算变换矩阵，将倾斜/扭曲的图像映射为平面矩形。下面给出两种常用库的实现代码，适配你提到的需求。

方案1：使用OpenCV（推荐，矩阵计算更直观） #

import cv2
import numpy as np

# 1. 加载图像
img = cv2.imread('input.jpg')
height, width = img.shape[:2]

# 2. 定义源点与目标点（需替换为你图像的实际坐标）
# 源点：目标倾斜区域的四个角（顺时针/逆时针顺序均可，需与目标点顺序对应）
src_points = np.float32([[100, 50], [400, 60], [410, 380], [90, 370]])
# 目标点：输出图像的四个角落（生成正矩形）
dst_points = np.float32([[0, 0], [width, 0], [width, height], [0, height]])

# 3. 计算透视变换矩阵
perspective_matrix = cv2.getPerspectiveTransform(src_points, dst_points)

# 4. 应用变换
transformed_img = cv2.warpPerspective(img, perspective_matrix, (width, height))

# 保存/查看结果
cv2.imwrite('transformed_opencv.jpg', transformed_img)
cv2.imshow('Original', img)
cv2.imshow('Transformed', transformed_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意事项 #

• 替换src_points的坐标：可以用图像查看工具（如GIMP、Photoshop）获取目标区域的四个角坐标。
• 点的顺序必须对应：比如源点的左上、右上、右下、左下，要和目标点的顺序完全匹配。

方案2：使用PIL（Python Imaging Library） #

from PIL import Image
import numpy as np

# 1. 加载图像
img = Image.open('input.jpg')
width, height = img.size

# 2. 定义对应点（同OpenCV的规则）
src_points = np.float32([[100, 50], [400, 60], [410, 380], [90, 370]])
dst_points = np.float32([[0, 0], [width, 0], [width, height], [0, height]])

# 3. 计算透视变换系数（适配PIL的参数格式）
matrix = np.linalg.lstsq(np.vstack([src_points.T, [1,1,1,1]]).T, np.vstack([dst_points.T, [1,1,1,1]]).T, rcond=None)[0].T
coeffs = matrix.flatten()[:8]

# 4. 应用透视变换（使用BICUBIC插值提升画质）
transformed_img = img.transform((width, height), Image.PERSPECTIVE, coeffs, Image.BICUBIC)

# 保存/查看结果
transformed_img.save('transformed_pil.jpg')
transformed_img.show()

补充说明 #

• 如果不想依赖numpy，也可以手动推导透视变换的系数公式，但用numpy更高效省心。
• Image.BICUBIC插值适合细节较多的图像，比默认线性插值的画质更平滑。

内容的提问来源于stack exchange，提问作者Scrapy