Python OpenCV用translation matrix将小图坐标映射到大图指定位置

核心逻辑 #

你提供的多组<小图像素坐标, 大图像素坐标>点对可以用来计算单应性变换矩阵（Homography Matrix），该矩阵支持平移、旋转、缩放、透视变形等所有平面变换能力，通过矩阵把小图全量像素映射到大图坐标系后，按掩码填充即可完成需求。

完整可运行代码 #

import cv2
import numpy as np

def insert_small_to_big(big_img, small_img, src_pts, dst_pts, pre_h_matrix=None):
    """
    小图按坐标映射插入大图
    :param big_img: 大图对象，cv2.imread读取的numpy数组
    :param small_img: 小图对象，cv2.imread读取的numpy数组
    :param src_pts: 小图上的坐标点列表，格式[[x1,y1],[x2,y2],...]
    :param dst_pts: 大图上的对应坐标点列表，顺序和src_pts一一对应
    :param pre_h_matrix: 可选参数，提前计算好的变换矩阵，传入则跳过点对计算步骤
    :return: 插入完成的大图
    """
    # 优先使用传入的变换矩阵，没有则用点对计算
    if pre_h_matrix is None:
        src = np.array(src_pts, dtype=np.float32)
        dst = np.array(dst_pts, dtype=np.float32)
        h_matrix, _ = cv2.findHomography(src, dst)
    else:
        h_matrix = pre_h_matrix
    
    h_big, w_big = big_img.shape[:2]
    # 把小图变换到大图坐标系
    warped_small = cv2.warpPerspective(small_img, h_matrix, (w_big, h_big))
    # 生成掩码，仅保留小图有效区域
    mask = cv2.warpPerspective(np.ones(small_img.shape[:2], dtype=np.uint8)*255, h_matrix, (w_big, h_big))
    # 替换大图对应区域
    result = big_img.copy()
    result[mask>0] = warped_small[mask>0]
    return result

# 示例调用
if __name__ == "__main__":
    # 读取本地图像
    big = cv2.imread("your_big_image.jpg")
    small = cv2.imread("your_small_image.png")
    
    # 你的示例坐标点对
    src_points = [[75, 120], [30, 90], [56, 102], [110, 98]]
    dst_points = [[210, 320], [190, 305], [250, 474], [330, 520]]
    
    output = insert_small_to_big(big, small, src_points, dst_points)
    # 保存结果
    cv2.imwrite("output.jpg", output)

关键说明 #

• 点对要求：单应性矩阵计算至少需要4组不共线的对应点对，你给出的示例刚好满足要求，点对数量越多变换精度越高
• 变换支持：支持任意平面变换，包括你需要的旋转、平移、缩放、透视变形等
• 无侵入：通过掩码实现区域替换，不会修改大图中小图映射范围外的内容
• 自定义矩阵支持：如果你已经提前准备好了变换矩阵，直接传入pre_h_matrix参数即可，不需要输入点对

内容的提问来源于stack exchange，提问作者mahshid a.j