如何在OpenCV中利用仿射变换矩阵直接调整多个ROI坐标而非变换整张图像

嘿，这个问题问得特别到位——直接变换ROI坐标而不是整张图，确实能省不少计算资源，尤其是面对大尺寸图像的时候。完全可以做到，而且思路其实挺直接的，核心就是利用仿射变换矩阵的数学特性，对ROI的关键坐标点做批量变换，不用动整张图。

先给你理清楚原理：你通过cv2.estimateAffine2D得到的矩阵M是一个2×3的仿射变换矩阵，形式是[[a, b, c], [d, e, f]]，对应的坐标变换公式是：

x' = a*x + b*y + c
y' = d*x + e*y + f

对于矩形ROI来说，我们只需要把它的四个顶点（左上角、右上角、右下角、左下角）代入这个公式，就能得到变换后的顶点坐标，再根据这些新坐标就能确定变换后的ROI范围了。

下面给你具体的实现步骤，结合你现有的代码来写：

1. 准备ROI坐标格式 #

假设你的ROI是用(x, y, w, h)的格式存储的（x,y是左上角坐标，w是宽度，h是高度），先把每个ROI转换成四个顶点的数组：

# 举个例子，假设你有多个ROI待处理
rois = [(50, 50, 100, 80), (150, 200, 120, 90)]

2. 用OpenCV批量变换顶点坐标 #

OpenCV提供了cv2.transform函数，可以高效地对一组点应用变换矩阵，比自己写循环要快得多。用法如下：

transformed_rois = []
M, mask = cv2.estimateAffine2D(points_dut, points_gold, method=cv2.RANSAC)

for roi in rois:
    x, y, w, h = roi
    # 定义当前ROI的四个顶点
    roi_vertices = np.array([
        [x, y],          # 左上角
        [x + w, y],      # 右上角
        [x + w, y + h],  # 右下角
        [x, y + h]       # 左下角
    ], dtype=np.float32)
    
    # 应用仿射变换到所有顶点
    # 注意要把顶点数组包在一个外层数组里，因为cv2.transform接受(N,1,2)形状的输入
    transformed_vertices = cv2.transform(np.array([roi_vertices]), M)[0]
    
    # 方案1：得到轴对齐的新ROI（把变换后的平行四边形包围成矩形）
    # 计算所有顶点的x、y极值
    min_x = np.min(transformed_vertices[:, 0])
    max_x = np.max(transformed_vertices[:, 0])
    min_y = np.min(transformed_vertices[:, 1])
    max_y = np.max(transformed_vertices[:, 1])
    
    # 转换为整数像素坐标（图像坐标必须是整数）
    new_x = int(np.round(min_x))
    new_y = int(np.round(min_y))
    new_w = int(np.round(max_x - min_x))
    new_h = int(np.round(max_y - min_y))
    
    transformed_rois.append((new_x, new_y, new_w, new_h))
    
    # 方案2：保留变换后的平行四边形顶点（用于不规则裁剪）
    # 如果需要直接用变换后的形状裁剪，可以直接保存transformed_vertices
    # 后续可以用多边形掩码或者cv2.warpAffine针对局部区域处理

几个关键注意点 #

• 坐标系一致性：确保你的ROI坐标是相对于cropped_dut图像的，因为你的变换矩阵M是基于cropped_dut到image_ref的匹配结果计算的，坐标体系必须对应，不然变换结果会出错。
• 整数转换：图像的像素坐标都是整数，所以变换后的浮点坐标一定要做四舍五入或者取整处理，不然裁剪时会出现索引错误。
• 不规则裁剪需求：如果你的仿射变换包含旋转，变换后的ROI会变成平行四边形，这时候如果不需要轴对齐的矩形，你可以用变换后的顶点创建多边形掩码，或者提取局部区域后做小范围的仿射变换。

这样处理之后，你就可以直接用变换后的ROI坐标去原图cropped_dut里裁剪，完全不需要先把整张图做仿射变换，既省内存又省时间。

备注：内容来源于stack exchange，提问作者Igor Dalavechia