Python图像处理中利用矩阵变换实现坐标系转换的问题求助

你需要的平面坐标系转换本质是单应性矩阵变换，完全可以通过矩阵运算实现，之前未得到预期结果大概率是坐标对应关系错误、或者混淆了图像坐标系和常规数学坐标系的y轴方向，可按照以下流程实现：

实现步骤 #

• 整理对应坐标点
  采集至少4组不共线的一一对应坐标，每组包含原始图像坐标系下的坐标 (x_src, y_src) 和目标坐标系下的坐标 (x_dst, y_dst)，点的数量越多、分布越均匀，求解出的变换矩阵误差越小。
• 求解单应性变换矩阵
  直接调用OpenCV的内置接口即可完成矩阵求解，无需手动推导计算逻辑。
• 批量转换坐标/图像
  用求解出的矩阵对所有待转换的坐标、或者整张图像做变换即可。

代码示例 #

import cv2
import numpy as np

# 替换为你采集到的红点对应坐标，顺序必须一一对应
# 原始图像上的红点坐标
src_points = np.array([[120, 210], [320, 210], [320, 410], [120, 410]], dtype=np.float32)
# 目标坐标系下对应的坐标
dst_points = np.array([[0, 0], [200, 0], [200, 200], [0, 200]], dtype=np.float32)

# 计算单应性变换矩阵H
h_matrix, _ = cv2.findHomography(src_points, dst_points)

# 转换单个坐标点示例
test_point = np.array([[[180, 280]]], dtype=np.float32)
converted_point = cv2.perspectiveTransform(test_point, h_matrix)
print(f"转换后坐标：{converted_point[0][0]}")

# 转换整幅图像示例
# img = cv2.imread("你的待处理图像路径.png")
# converted_img = cv2.warpPerspective(img, h_matrix, (目标图像宽度, 目标图像高度))

常见问题修复 #

如果转换结果不符合预期，优先排查两个问题：

1. 对应点的顺序是否匹配，第一个原始点必须对应第一个目标点，顺序错乱会直接导致矩阵计算错误
2. 图像坐标系默认原点在左上角、y轴向下，如果需要转换为原点在左下角、y轴向上的常规数学坐标系，转换后对y坐标做翻转即可：final_y = 目标坐标系总高度 - converted_y

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