如何将经纬度（latitude/longitude）转换为图像对应X/Y像素坐标

前置准备 #

你需要先获取两个基础参数：

• 图像本身的宽高像素值：记为 img_width（X轴像素最大值）、img_height（Y轴像素最大值）
• 四个角点的绑定映射表（推荐按左上、右上、右下、左下的固定顺序存储）
  • 左上角图像像素坐标 (0, 0) → 已知经纬度 (lng_tl, lat_tl)
  • 右上角图像像素坐标 (img_width, 0) → 已知经纬度 (lng_tr, lat_tr)
  • 右下角图像像素坐标 (img_width, img_height) → 已知经纬度 (lng_br, lat_br)
  • 左下角图像像素坐标 (0, img_height) → 已知经纬度 (lng_bl, lat_bl)

注：校园属于极小范围场景，地球曲率带来的经纬度误差可以完全忽略，不需要引入复杂的大地坐标系转换，以下两种方案均能满足精度需求。

方案1：最简线性插值法（无第三方依赖，代码量极小） #

适用场景：图像为正射投影，无倾斜、旋转，校园区域范围小于1平方公里

1. 计算当前校园区域的经纬度边界

lng_min = min(lng_tl, lng_tr, lng_br, lng_bl)
lng_max = max(lng_tl, lng_tr, lng_br, lng_bl)
lat_min = min(lat_tl, lat_tr, lat_br, lat_bl)
lat_max = max(lat_tl, lat_tr, lat_br, lat_bl)

2. 计算经纬度到像素的缩放系数

scale_x = img_width / (lng_max - lng_min)
scale_y = img_height / (lat_max - lat_min)

3. 任意目标经纬度 (lng_target, lat_target) 转像素坐标
   注意：常规图像的Y轴从上到下递增，而纬度值越大越靠北（对应图像上方），所以Y轴需要做翻转处理

pixel_x = (lng_target - lng_min) * scale_x
pixel_y = (lat_max - lat_target) * scale_y

方案2：透视变换法（精度更高，适配倾斜/旋转拍摄场景） #

适用场景：图像为航拍倾斜拍摄、存在旋转/变形的情况，精度不受角度影响
需要提前安装numpy、opencv-python依赖库。

1. 将四个角点的经纬度、像素坐标分别存入数组

import numpy as np
import cv2

# 像素坐标数组
pixel_points = np.array([[0,0], [img_width,0], [img_width,img_height], [0,img_height]], dtype=np.float32)
# 经纬度坐标数组
lnglat_points = np.array([[lng_tl, lat_tl], [lng_tr, lat_tr], [lng_br, lat_br], [lng_bl, lat_bl]], dtype=np.float32)

2. 计算经纬度到像素的透视转换矩阵

transform_matrix = cv2.getPerspectiveTransform(lnglat_points, pixel_points)

3. 任意目标经纬度转像素坐标

target_point = np.array([[lng_target, lat_target]], dtype=np.float32)
pixel_coords = cv2.perspectiveTransform(target_point, transform_matrix)
pixel_x, pixel_y = pixel_coords[0][0]

可选边界校验 #

如果需要避免坐标超出图像范围，可追加校验逻辑：

pixel_x = max(0, min(round(pixel_x), img_width - 1))
pixel_y = max(0, min(round(pixel_y), img_height - 1))

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