Python中逐像素指定目标坐标实现图像变换的高效工具问询

你需要的自定义逐像素坐标映射功能有成熟的优化实现，可选方案如下：

方案1：OpenCV cv2.remap（优先推荐，性能最高） #

OpenCV的remap是专门针对这类场景设计的接口，底层为C++优化实现，性能比纯Python嵌套循环高2~3个数量级，完全匹配你的使用逻辑：

• 提前准备两个与原图尺寸一致的float32类型数组：
  • map_x：数组中每个位置的值对应原图该位置像素在新图中的x坐标
  • map_y：数组中每个位置的值对应原图该位置像素在新图中的y坐标
• 直接调用remap接口即可得到变换后的图像，支持最近邻、线性、立方等多种插值方式可选。

示例代码：

import cv2
import numpy as np

# 读取原图，支持灰度图、彩色图
src = cv2.imread("input.jpg")
H, W = src.shape[:2]

# 初始化坐标映射数组，此处替换为你的f(x,y)、g(x,y)逻辑
map_x = np.zeros((H, W), dtype=np.float32)
map_y = np.zeros((H, W), dtype=np.float32)
# 坐标映射逻辑也可以用numpy向量化实现，完全避免Python循环
for y in range(H):
    for x in range(W):
        map_x[y, x] = f(x, y)
        map_y[y, x] = g(x, y)

# 执行变换，INTER_LINEAR为线性插值，可按需替换
dst = cv2.remap(src, map_x, map_y, cv2.INTER_LINEAR)

方案2：SciPy scipy.ndimage.map_coordinates #

如果你不想引入OpenCV依赖，可以选择这个接口，性能略低于OpenCV remap，但依然远优于纯Python循环。
该接口采用反向映射逻辑，传入目标图像每个像素对应的原图坐标即可采样得到结果，你只需要对自己的坐标映射逻辑做反向转换即可适配。

性能参考 #

• 纯Python嵌套循环处理1080P图像：耗时通常在秒级到数十秒
• 向量化生成映射数组+OpenCV remap处理1080P图像：耗时通常在10ms级别
• SciPy map_coordinates处理1080P图像：耗时通常在数十ms级别

两类接口都支持任意自定义坐标变换，通用性远高于仿射变换，你提到的cartopy这类库做坐标变换时底层调用的也是同逻辑的优化实现。

内容的提问来源于stack exchange，提问作者stuwilmur