OpenCV逆透视变换实现方法咨询：能否还原Y轴45°旋转后的图像

OpenCV反向透视变换支持说明 #

OpenCV原生提供了透视变换相关的全套工具，完全支持你需要的反向还原操作，核心依赖两个接口：cv2.getPerspectiveTransform() 用于生成透视变换矩阵，cv2.warpPerspective() 用于执行透视变换操作。只要你掌握原始变换的相关参数，完全可以从旋转后的图像还原出原始图像。

具体实现方法 #

分两种场景对应不同的实现逻辑：

• 场景1：你保留了当初沿Y轴旋转45°时生成的透视变换矩阵
  这种场景操作最简单，直接对原始变换矩阵求逆，即可得到反向变换的矩阵，执行变换即可还原：
  示例代码如下：

  import cv2
  import numpy as np
  
  # 读取旋转后的图像
  img_rotated = cv2.imread("旋转后图像的本地路径")
  # M为当初执行Y轴旋转时用到的3*3透视变换矩阵
  M_inv = np.linalg.inv(M)
  # 填入原始图像的宽度、高度参数即可得到还原后的原图
  img_restored = cv2.warpPerspective(img_rotated, M_inv, (original_width, original_height))
  

• 场景2：你已经丢失了原始的透视变换矩阵
  这种情况需要先获取4组一一对应的关键点坐标，分别来自旋转后图像和原始图像（可选图像四角、前景物体的明显特征点等），通过对应点计算反向变换矩阵后再执行还原：
  示例代码如下：

  import cv2
  import numpy as np
  
  # 读取旋转后的图像
  img_rotated = cv2.imread("旋转后图像的本地路径")
  # 旋转后图像上的4个关键点坐标，按顺序排列
  pts_rotated = np.float32([[p1_x, p1_y], [p2_x, p2_y], [p3_x, p3_y], [p4_x, p4_y]])
  # 原始图像上和上述4个点一一对应的坐标
  pts_original = np.float32([[p1_x_o, p1_y_o], [p2_x_o, p2_y_o], [p3_x_o, p3_y_o], [p4_x_o, p4_y_o]])
  
  # 计算反向变换矩阵
  M_inv = cv2.getPerspectiveTransform(pts_rotated, pts_original)
  # 执行变换得到还原后的原图
  img_restored = cv2.warpPerspective(img_rotated, M_inv, (original_width, original_height))
  

补充说明 #

如果当初执行旋转操作时你开启了边缘填充避免裁剪，还原后的图像边缘会存在填充的无效区域，你可以根据原始图像的尺寸自行裁剪去除。不考虑像素插值模糊的前提下，只要变换矩阵或标注的关键点精度足够，还原后的图像几何结构可以完全匹配原始输入。

内容的提问来源于stack exchange，提问作者Joymaker