调用OpenCV透视变换调整图像视角未得到预期结果，求代码问题排查

可行性说明 #

通过两张图像中共同平面物体的对应坐标点调整整幅图像的透视效果是完全可行的，单应性矩阵（Homography）的作用就是描述两个平面之间的投影映射关系，只要匹配的对应点准确、分布合理，就能得到符合预期的透视变换结果。

你代码存在的问题 #

• 对应点选择不合理：你当前使用的前4个点集中在非常小的一块区域，无法覆盖整幅图像的透视变形范围，额外传入的第5个点还会进一步放大拟合误差，最终生成的单应性矩阵偏差极大。建议你选择白色公告板的四个外顶点作为对应点，四个点要尽可能分散、不共线，且两组点的对应顺序必须完全一致（比如img1的点顺序是左上、右上、左下、右下，img2的点顺序也要是同一物理位置的左上、右上、左下、右下）。
• 图像通道不匹配：OpenCV默认以BGR格式读取图像，matplotlib的imshow方法默认使用RGB通道顺序，直接显示会出现严重偏色，显示前需要转换通道顺序。
• 输出尺寸参数传反：cv2.warpPerspective的第三个参数要求输入格式为(宽度, 高度)，而你传入的img2.shape[:2]是(高度, 宽度)，会导致输出图像尺寸错误。
• 缺少依赖导入：代码中使用了OpenCV的方法，但没有导入cv2库。

修正后的示例代码 #

import cv2
import numpy as np
import matplotlib.pyplot as plt
import matplotlib

# 读取图像
img1 = cv2.imread("rgb per.jpg")
img2 = cv2.imread("IR per.jpg")

# 替换为你重新标注的4组对应点，按相同顺序排列
# 示例标注：白色公告板的左上、右上、左下、右下四个外顶点
img_1_coor = np.float32([[x1,y1], [x2,y2], [x3,y3], [x4,y4]]) 
img_2_coor = np.float32([[a1,b1], [a2,b2], [a3,b3], [a4,b4]]) 

# 计算单应性矩阵，4组点也可以用getPerspectiveTransform
H, _ = cv2.findHomography(img_1_coor, img_2_coor)

# 执行透视变换，注意尺寸参数顺序是（宽，高）
perspective = cv2.warpPerspective(img1, H, (img2.shape[1], img2.shape[0]))

# 转换通道用于正常显示
perspective_rgb = cv2.cvtColor(perspective, cv2.COLOR_BGR2RGB)

matplotlib.rcParams['figure.dpi'] = 300
plt.imshow(perspective_rgb)
plt.show()

# 如果需要把图像2转到图像1的视角，调换坐标顺序即可
# H_reverse, _ = cv2.findHomography(img_2_coor, img_1_coor)
# perspective_reverse = cv2.warpPerspective(img2, H_reverse, (img1.shape[1], img1.shape[0]))

内容的提问来源于stack exchange，提问作者Ajay Meena