多项式变换实现图像水平扭曲：特征错位与空白问题求解

我需要对时间序列光谱峰图像执行扭曲操作，具体方案为：基于与图像关联的各时间步峰「质心」数据生成多项式，再对该多项式进行增强，原始多项式与增强后多项式分别作为源点和目标点，调用skimage.transform.warp()完成图像扭曲。

本次扭曲的目标是生成两张扭曲图像，两张图像间呈正相关；若将其中一张水平翻转，则二者呈负相关。

可参考输出示例图（标注为简单图像对比）。

（注：多项式增强逻辑为：在每个多项式峰/谷位置添加与该点像素幅值成比例的噪声（可加可减），再基于这些增强点生成同阶新多项式，同时添加固定点避免增强后多项式倒置。）

我通过创建GeometricTransform对象，将其作为inverse_map传入warp()实现上述逻辑，代码如下：

from skimage import transform

# 创建变换对象，注意源点和目标点(N,2)数组顺序反转
# 因为没有显式实现逆多项式变换的方法
t = transform.estimate_transform('polynomial', src=destination, dst=source, order=4)  # order = 多项式次数 - 1

# 使用变换对象扭曲原始图像
warped_image = transform.warp(image, t, order=0, mode='constant', cval=float('nan'))

当前扭曲结果存在两个核心问题：

1. 图像扭曲后存在空白区域，我了解可将transform.warp()的mode参数从'constant'改为'reflect'解决，但该操作会重复已有数据，与第二个问题冲突。
2. 假设我的扭曲实现逻辑正确，当前操作将时间步60处的锯齿特征偏移到了约50的位置（红圈标注）。我的扭曲目标仅为对图像做水平扭曲，所有特征需保留在原时间步范围内（允许极小幅度偏移），仅调整其x轴像素位置。因此我也无法使用'reflect'等填充模式，这类模式会人为新增数据，对后续扭曲图像对的相关性比对流程造成干扰。

• 参考相关问答使用RANSAC方法鲁棒估计多项式几何变换，期望缩小空白区域后更换填充模式，但效果与原方案基本一致，未解决任何问题。
• 基于cv2实现分段仿射变换与Delaunay三角剖分，该方案可保留原始图像尺寸、无重复数据，且y轴偏移极小，解决了上述两个问题，但扭曲效果几乎不可察觉，不确定是否可通过增加三角面片数量、拉大源点与目标点间距的方式优化，该方向的问题后续可能单独发帖咨询。

我需要基于多项式变换实现图像水平扭曲的可行方案，也欢迎推荐其他适用的变换方法，核心要求是尽可能保留所有特征在原始时间步范围内。
感谢您的解答。

配套共享目录包含运行示例所需的.py文件与测试数据。

内容的提问来源于stack exchange，提问作者AlexP