如何用Python库（OpenCV/PIL）实现GIMP的Unified Transform Tool功能？

GIMP的「统一变换工具」核心是支持缩放、旋转、透视/扭曲等自由变换操作，其中针对样机贴图场景最关键的是透视变换——它能让目标图片精准贴合到样机的不规则（带角度）区域。下面分别用OpenCV和PIL/Pillow实现该功能，满足自动化处理需求：

一、用OpenCV实现透视变换（适配样机贴图） #

OpenCV提供了完整的透视变换API，步骤清晰，适合处理批量或复杂图像：

实现步骤 #

1. 确定样机图片中目标区域的四个顶点坐标（顺时针：左上、右上、右下、左下）；
2. 准备待贴图的原始图片的四个顶点；
3. 计算透视变换矩阵；
4. 对目标图片执行透视变换，使其匹配样机区域；
5. 将变换后的图片叠加到样机上，完成合成。

代码示例 #

import cv2
import numpy as np

# 加载图片（替换为你的文件路径）
mockup = cv2.imread("mockup.jpg")
target = cv2.imread("target_image.png")

# 1. 定义样机目标区域的四个顶点（需根据你的样机手动调整）
mockup_points = np.float32([
    [150, 200],   # 左上
    [650, 180],   # 右上
    [660, 580],   # 右下
    [160, 600]    # 左下
])

# 2. 目标图片的原始顶点
target_points = np.float32([
    [0, 0],
    [target.shape[1], 0],
    [target.shape[1], target.shape[0]],
    [0, target.shape[0]]
])

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

# 4. 执行透视变换，输出尺寸与样机一致
warped_target = cv2.warpPerspective(
    target, 
    perspective_matrix, 
    (mockup.shape[1], mockup.shape[0]),
    borderMode=cv2.BORDER_CONSTANT,
    borderValue=(0,0,0)
)

# 5. 叠加变换后的图片到样机
# 创建掩码，隔离样机目标区域
mask = np.zeros_like(mockup)
cv2.fillConvexPoly(mask, np.int32(mockup_points), (255,255,255))
# 抠出样机目标区域，再和变换后的图片合并
masked_mockup = cv2.bitwise_and(mockup, cv2.bitwise_not(mask))
final_result = cv2.bitwise_or(masked_mockup, warped_target)

# 保存结果
cv2.imwrite("final_mockup.jpg", final_result)

二、用PIL/Pillow实现透视变换 #

如果更习惯PIL的简洁API，也可以通过Image.transform实现透视变换，同时支持透明度处理：

代码示例 #

from PIL import Image, ImageDraw
import numpy as np
import cv2  # 仅用于辅助计算透视矩阵，若不想依赖可自行实现矩阵求解

# 加载图片（转为RGBA支持透明度）
mockup = Image.open("mockup.jpg").convert("RGBA")
target = Image.open("target_image.png").convert("RGBA")

# 定义样机目标区域顶点
mockup_points = [(150,200), (650,180), (660,580), (160,600)]
# 目标图片原始顶点
target_points = [(0,0), (target.width,0), (target.width, target.height), (0, target.height)]

# 计算透视变换参数（PIL需要8元组格式）
def get_perspective_params(src_pts, dst_pts):
    src = np.array(src_pts, dtype=np.float32)
    dst = np.array(dst_pts, dtype=np.float32)
    mat, _ = cv2.getPerspectiveTransform(src, dst)
    return (mat[0,0], mat[0,1], mat[0,2], mat[1,0], mat[1,1], mat[1,2], mat[2,0], mat[2,1])

perspective_params = get_perspective_params(target_points, mockup_points)

# 执行透视变换
warped_target = target.transform(
    mockup.size,
    Image.PERSPECTIVE,
    perspective_params,
    Image.Resampling.LANCZOS  # 高质量插值
)

# 创建掩码，用于精准粘贴
mask = Image.new("L", mockup.size, 0)
draw = ImageDraw.Draw(mask)
draw.polygon(mockup_points, fill=255)

# 合成最终图片
final_result = Image.composite(warped_target, mockup, mask)
final_result.convert("RGB").save("final_mockup_pil.jpg")

三、自动化处理优化思路 #

要实现批量/全自动样机贴图，可针对顶点坐标的获取做优化：

• 预存坐标：将不同样机的目标区域顶点存在配置文件（如JSON）中，批量处理时直接读取；
• 自动检测顶点：用边缘检测（cv2.Canny）+ 轮廓提取（cv2.findContours）识别样机中的矩形边框，自动提取四个顶点；
• AI检测：对于复杂样机（如不规则相框），可训练轻量目标检测模型（如YOLO）识别目标区域的角点。

补充：其他变换功能实现 #

如果需要GIMP工具的缩放、旋转等基础功能：

• 缩放：OpenCV用cv2.resize()，PIL用Image.resize()；
• 旋转：OpenCV用cv2.getRotationMatrix2D() + cv2.warpAffine()，PIL用Image.rotate()。

内容的提问来源于stack exchange，提问作者Thee Cherry