嘿，这个问题我太熟悉了！首先得明确一个关键细节：cv2.remap 使用的是反向映射——也就是说，变换后图像里的每个像素坐标 (x,y)，对应的是原始图像中的坐标 (map1[y][x], map2[y][x])。所以你要的「原始点→变换后点」的正向映射，没法直接从现有的 Left_Stereo_Map 里查，得用生成映射时的参数重新计算。

下面是具体的实现步骤和代码：

核心思路 #

我们需要把原始图像的像素点，依次经过去畸变和**校正（rectify）**两个步骤，得到它在变换后图像中的坐标：

1. 用 cv2.undistortPoints 把原始图像的像素点转换为去畸变后的相机坐标系点
2. 用校正矩阵 RL 和投影矩阵 PL，把相机坐标系点转换为校正后的图像坐标系点

完整代码实现 #

把你的代码补全后是这样的：

import cv2
import numpy as np

# 假设MLS, dLS, RL, PL, imgShape, PORT, PREDEFINED_X, PREDEFINED_Y都已提前定义
Left_Stereo_Map = cv2.initUndistortRectifyMap(MLS, dLS, RL, PL, imgShape, cv2.CV_16SC2)
leftCap = cv2.VideoCapture(PORT)

while (True):
    ret1, leftFrame = leftCap.read()
    if not ret1:
        break  # 处理读取失败的情况
    
    Left_nice = cv2.remap(leftFrame, Left_Stereo_Map[0], Left_Stereo_Map[1], cv2.INTER_LANCZOS4, cv2.BORDER_CONSTANT, 0)
    
    # 原始点坐标
    original_x = PREDEFINED_X
    original_y = PREDEFINED_Y
    
    # 步骤1：把原始点转换为齐次坐标，格式是[[[x, y]]]
    src_point = np.array([[[original_x, original_y]]], dtype=np.float32)
    
    # 步骤2：去畸变+校正，直接得到变换后的图像坐标系点
    undistorted_point = cv2.undistortPoints(src_point, MLS, dLS, R=RL, P=PL)
    
    # 步骤3：转换为整数像素坐标（像素是离散的整数点）
    x_after = int(round(undistorted_point[0][0][0]))
    y_after = int(round(undistorted_point[0][0][1]))
    
    # 可选：在变换后的图像上标记这个点，验证结果
    cv2.circle(Left_nice, (x_after, y_after), 5, (0, 0, 255), -1)
    cv2.imshow('Rectified Left', Left_nice)
    
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

leftCap.release()
cv2.destroyAllWindows()

关键细节解释 #

• cv2.undistortPoints 的参数里，R=RL 和 P=PL 会直接把去畸变后的点转换到校正后的图像坐标系，一步到位，不需要额外手动计算矩阵乘法。
• 最后用round取整是因为像素坐标必须是整数，比直接截断更贴近真实映射位置。
• 如果要处理多个点，只需要把 src_point 改成包含多个点的数组，比如 [[[x1,y1]], [[x2,y2]], ...]，函数会自动批量处理。

内容的提问来源于stack exchange，提问作者Son Nguyen