使用OpenCV实现图像匹配拼接后获取图像角点坐标的方法

你当前代码的核心问题是错误定义了原图像的角点，使用了负坐标[[0,0],[0,-1],[-1,-1],[-1,0]]，这并非图像的实际顶点，导致无法得到正确的拼接后坐标。以下是修正后的实现：

修正代码 #

matchess = np.asarray(good)
if len(good) > 500: # 筛选足够数量的优质匹配对
    src_pts = np.float32([kp1[m.queryIdx].pt for m in matchess[:,0] ]).reshape(-1,1,2)
    dst_pts = np.float32([kp2[m.trainIdx].pt for m in matchess[:,0] ]).reshape(-1,1,2)
    H, masked = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)

    # 获取img1的四个实际顶点（原图像坐标系）
    h1, w1 = img1.shape[:2]
    img1_corners = np.float32([
        [0, 0],          # 左上角
        [w1 - 1, 0],     # 右上角
        [w1 - 1, h1 - 1],# 右下角
        [0, h1 - 1]      # 左下角
    ]).reshape(-1, 1, 2)

    # 将img1的角点通过单应矩阵转换到拼接后的图像坐标系
    transformed_corners = cv2.perspectiveTransform(img1_corners, H)

    # 执行图像拼接
    stitched_img_size = (img2.shape[1] + img1.shape[1], img2.shape[0])
    warped_img1 = cv2.warpPerspective(img1, H, stitched_img_size)
    warped_img1[0:img2.shape[0], 0:img2.shape[1]] = img2

    # 输出拼接后img1的角点坐标
    print("拼接后img1的角点坐标：")
    for i, corner in enumerate(transformed_corners):
        x, y = corner[0][0], corner[0][1]
        print(f"角点{i+1}: ({round(x, 2)}, {round(y, 2)})")

关键说明 #

1. 正确提取原图像角点：使用img1.shape获取图像的宽高，生成真实的四个顶点坐标，这是坐标转换的基础
2. 单应矩阵的作用：cv2.perspectiveTransform通过单应矩阵H，将img1的角点从自身坐标系映射到拼接后的大图像坐标系中
3. 坐标对应关系：transformed_corners中的每个坐标，直接对应拼接后图像warped_img1中img1区域的四个角点位置

内容的提问来源于stack exchange，提问作者Rodrigo