如何基于UV坐标在Python中生成指定分辨率的展开纹理贴图

核心问题说明 #

你当前的痛点是仅掌握稀疏的1220组「纹理坐标-原图像素坐标」对应关系，缺少完整的1024*1024映射表，因此无法直接调用OpenCV的remap函数，需要先通过插值生成完整的映射矩阵。

推荐实现方案 #

使用Scipy的插值工具处理稀疏对应点，再配合OpenCV完成重映射，全程Python可实现，无需额外依赖。

具体实现步骤 #

1. 整理已知对应点
   你已经通过get_x_y_uv函数得到了1220个点在1024*1024纹理上的坐标，加上你已有的每个点对应原图的像素坐标，整理为两个数组：

• tex_coords：形状为(1220, 2)，存储每个点在纹理图上的x/y坐标
• img_coords：形状为(1220, 2)，存储每个点对应原图的x/y坐标

2. 生成完整映射表
   通过scipy.interpolate.griddata将稀疏点插值为覆盖整个1024*1024纹理的映射矩阵：

import numpy as np
import cv2
from scipy.interpolate import griddata

# 定义参数
TEXTURE_SIZE = 1024

# 生成纹理图的全量网格坐标
grid_x, grid_y = np.meshgrid(np.arange(TEXTURE_SIZE), np.arange(TEXTURE_SIZE))
# 插值生成每个纹理坐标对应的原图x坐标
map_x = griddata(tex_coords, img_coords[:, 0], (grid_x, grid_y), method='linear')
# 插值生成每个纹理坐标对应的原图y坐标
map_y = griddata(tex_coords, img_coords[:, 1], (grid_x, grid_y), method='linear')

# 处理插值后无效的空值区域（可选：设置为0或者透明通道标记）
mask = np.isnan(map_x)
map_x[mask] = 0
map_y[mask] = 0

插值方法可选：

• nearest：最近邻插值，无模糊但边缘锯齿明显
• linear：线性插值，过渡平滑，适合大多数场景
• cubic：三次插值，效果最平滑但速度较慢

3. 生成最终纹理贴图
   调用OpenCV的remap函数完成映射：

# 注意map_x和map_x需要转为float32格式
texture = cv2.remap(
    src=original_image,
    map1=map_x.astype(np.float32),
    map2=map_y.astype(np.float32),
    interpolation=cv2.INTER_LINEAR
)

# 可选：给无效区域添加透明通道
texture_rgba = cv2.cvtColor(texture, cv2.COLOR_BGR2BGRA)
texture_rgba[mask, 3] = 0 # 无效区域设为透明

其他可选方案 #

如果你手头的UV坐标是三维网格的顶点UV，也可以使用Open3D库的纹理映射接口，直接传入网格、原图、UV坐标完成纹理生成，适合更复杂的三维模型场景。

注意事项 #

• 输入的UV坐标需确保是归一化到[0,1]范围的有效值，超出范围的坐标可以做截断（clamp）或者重复（wrap）处理
• 如果纹理存在明显的接缝，可以对对应区域做额外的羽化融合处理

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