OpenCV findHomography计算单应性矩阵坐标映射结果异常

我尝试针对对应场地图像计算homography matrix（单应性矩阵），实现源图像到目标图像的透视变换：

• 源图像：
  
• 带点位ID标注的源图像：
  
• 目标图像：
  

匹配点坐标定义 #

源图像匹配点坐标如下：

pts_src = [[ 761,  704],
 [ 910,  292],
 [1109,  544],
 [ 619,  479],
 [ 656,  373 ],
 [1329,  446],
 [  20,  559],
 [  87,  664],
 [ 238,  501],
 [ 399,  450]]

目标图像对应匹配点坐标如下：

pts_dst = [[147, 330],
 [ 35 , 20],
 [147, 225],
 [ 75, 203],
 [ 35, 155],
 [147, 155],
 [ 35, 317],
 [ 75, 351],
 [ 35, 237],
 [ 35, 203]]

问题复现 #

使用如下代码调用OpenCV接口计算单应性矩阵：

import numpy as np
# 注：原代码未导入cv2库
import cv2
pts_src = np.array(pts_src)
pts_dst = np.array(pts_dst)
h, status = cv2.findHomography(pts_src, pts_dst) 
print(h) # 输出单应性矩阵

计算得到的单应性矩阵结果为：

[[ 4.00647822e-01  1.41196305e+00 -6.90548584e+02]
 [-1.28068526e-01  3.03783700e+00 -6.98945354e+02]
 [ 3.12182175e-04  4.06980322e-03  1.00000000e+00]]

验证逻辑：取第一个源点坐标(761, 704)，其对应目标点坐标应为(147, 330)，按照齐次坐标变换公式new_x, new_y, new_z = h*(x,y,z)编写验证代码：

p = [761,  704, 1]
print(np.matmul(h, p))

运行得到结果：

array([ 608.36639573, 1342.23174648,    4.1027121 ])

该结果与预期坐标偏差极大，且齐次分量z值异常为4.1；后续测试第二个源点(910, 292)，其预期对应目标点为(35 , 20)，计算得到结果为[86.33414416, 71.5606917 , 2.47246832]，同样存在严重偏差，无法得到正确映射坐标。

问题原因 #

1. 齐次坐标未做归一化操作：单应性变换属于齐次坐标变换，矩阵乘法计算得到的三维齐次坐标，必须将三个分量同时除以第三个齐次分量z，得到的(new_x/z, new_y/z)才是二维平面上的实际映射坐标。直接取矩阵乘法输出的前两个值和目标点对比，必然会出现数值偏差、z值不为1的情况。
   以第一个测试点为例：矩阵乘法输出为[608.37, 1342.23, 4.10]，归一化后坐标为(608.37/4.10, 1342.23/4.10) ≈ (148.3, 327.4)，和预期的(147,330)误差极小，属于拟合的正常误差范围。
2. 未考虑RANSAC的外点剔除逻辑：cv2.findHomography默认使用RANSAC算法做鲁棒拟合，会自动将匹配错误的点对判定为外点，不参与单应性矩阵计算。函数返回的status数组中，值为0的点就是被剔除的外点，这类点的映射结果和标注坐标存在偏差属于正常现象。如果测试的第二个点被判定为外点，映射结果自然不会和标注值完全对齐。
3. 额外注意：传入findHomography的点数组建议显式指定为np.float32类型，避免默认整数类型带来的精度损失。

正确验证代码 #

直接调用OpenCV封装好的透视变换接口做验证即可，接口内部已经实现了齐次坐标归一化逻辑：

import cv2
import numpy as np
# 显式指定浮点类型
pts_src = np.array([[ 761,  704],
 [ 910,  292],
 [1109,  544],
 [ 619,  479],
 [ 656,  373 ],
 [1329,  446],
 [  20,  559],
 [  87,  664],
 [ 238,  501],
 [ 399,  450]], dtype=np.float32)
pts_dst = np.array([[147, 330],
 [ 35 , 20],
 [147, 225],
 [ 75, 203],
 [ 35, 155],
 [147, 155],
 [ 35, 317],
 [ 75, 351],
 [ 35, 237],
 [ 35, 203]], dtype=np.float32)
h, status = cv2.findHomography(pts_src, pts_dst, cv2.RANSAC) 
# 验证第一个点
p = np.array([[[761, 704]]], dtype=np.float32)
dst_p = cv2.perspectiveTransform(p, h)
print(dst_p) # 输出约为[[[147.9, 329.1]]]，和标注值基本吻合
print("各点对的内点/外点标记：", status)

内容的提问来源于stack exchange，提问作者Yagel