嘿，我完全懂你现在的痛点——用alpha=1想留住所有原始像素，结果校正后的图像还是原尺寸，边缘的内容被硬生生挤了进来，导致ROI只剩中心一小块，根本没法用裁剪后的图。其实问题出在你给校正流程传的输出尺寸参数上，默认的原尺寸会让OpenCV把所有校正后的像素（包括原本超出原画布的）压缩回原大小，自然就会出现这种挤压情况。

核心思路：让画布跟着校正后的像素范围“长大” #

我们需要先算出，当把原图像的所有像素都校正后，它们会分布在多大的画布上，然后把这个尺寸作为校正流程的输出目标，而不是死守原尺寸。这样就能让校正后的图像自然扩展，所有像素都保留，不会被缩放挤压。

具体实现步骤 #

1. 计算校正后像素的最大分布范围

首先，我们可以取原图像的四个角点，计算它们校正后的坐标，从而确定整个图像校正后需要的最小画布尺寸：

import numpy as np
import cv2

# 你的原始参数
camera_matrix = ...  # 已得到的相机矩阵
dist_coefs = ...     # 已得到的畸变系数
w, h = 200, 200      # 原图像尺寸
img = ...            # 待校正的原始图像

# 原图像四个角点的坐标
src_corners = np.float32([[0, 0], [w-1, 0], [0, h-1], [w-1, h-1]])
# 计算这些点畸变校正后的坐标
dst_corners = cv2.undistortPoints(src_corners, camera_matrix, dist_coefs, None, camera_matrix)
dst_corners = dst_corners.reshape(-1, 2).astype(np.int32)

# 找到校正后所有点的最小/最大x、y值
min_x, min_y = dst_corners.min(axis=0)
max_x, max_y = dst_corners.max(axis=0)

# 计算需要的新画布尺寸（可以加少量余量避免边缘截断）
new_w = max_x - min_x + 20
new_h = max_y - min_y + 20

2. 生成适配新尺寸的相机矩阵和映射表

接下来，用计算出的新尺寸替换原尺寸，生成最优相机矩阵和映射表：

alpha = 1.0  # 坚持保留所有像素
# 生成适配新尺寸的相机矩阵
newcameramtx, roi = cv2.getOptimalNewCameraMatrix(
    camera_matrix, dist_coefs, (w, h), alpha, (new_w, new_h)
)

# 生成校正映射表（注意这里的目标尺寸是new_w和new_h）
mapx, mapy = cv2.initUndistortRectifyMap(
    camera_matrix, dist_coefs, None, newcameramtx, (new_w, new_h), cv2.CV_32FC1
)

# 执行重映射
dst = cv2.remap(img, mapx, mapy, cv2.INTER_CUBIC)

3. 验证结果

这时候输出的dst尺寸就是(new_w, new_h)，比原图像大，所有原始像素都被完整保留——那些原本因为畸变跑到原图像外的内容，现在都显示在扩展后的画布上，而且ROI应该会覆盖整个新图像（不需要再裁剪了）。

为什么之前的方法不行？ #

你之前给getOptimalNewCameraMatrix和initUndistortRectifyMap传的是原尺寸(w,h)，这会让OpenCV把校正后的大图像强制缩放到原尺寸，相当于把边缘的像素“挤”进了原画布，所以视觉上虽然畸变消除了，但内容被压缩，ROI只剩中心。现在我们让画布跟着校正后的像素范围扩展，就从根源上解决了这个问题。

内容的提问来源于stack exchange，提问作者ir0098