图像缩放后使用warpAffine前是否需调整变换矩阵M的技术咨询

Hey Igor，你的问题戳中了很多人用特征匹配+仿射变换时容易踩的坑——没错，你必须要调整变换矩阵M之后才能用在原图上！

先帮你理清楚问题出在哪：你现在用的mkpts0和mkpts1是从缩放后的小图（1080x720）里提取的匹配点，它们的坐标是基于小图尺度的，但你要做变换的是原始的大图（5k×3k）。直接用小图上算出的M去 warp 原图，相当于把小图的变换尺度直接套在大图上，结果肯定会偏移、变形，自然效果差。

给你具体的解决步骤，直接套到你的代码里就行：

• 第一步：计算原图与缩放后图像的比例
  先算出x、y方向的缩放比例（原图尺寸 ÷ 缩放后小图尺寸）：

  # 计算x、y方向的缩放比例（原图/缩放后图）
  scale_x = img0.shape[1] / image0.shape[1]
  scale_y = img0.shape[0] / image0.shape[0]
  

• 第二步：调整变换矩阵M
  仿射变换矩阵M是2×3的结构，形式为[[a, b, tx], [c, d, ty]]：前两列是旋转、缩放这类线性变换，第三列是平移。我们需要把小图的变换尺度映射回原图尺度：

  # 复制原矩阵避免修改原始数据
  M_adjusted = M.copy()
  # 调整线性变换部分：分别乘以x、y方向的缩放比例
  M_adjusted[0, 0] *= scale_x
  M_adjusted[0, 1] *= scale_x
  M_adjusted[1, 0] *= scale_y
  M_adjusted[1, 1] *= scale_y
  # 调整平移部分：同样乘以对应缩放比例
  M_adjusted[0, 2] *= scale_x
  M_adjusted[1, 2] *= scale_y
  

• 第三步：用调整后的矩阵执行warpAffine
  把原来的M替换成调整后的M_adjusted，再做 warp 操作：

  result = cv2.warpAffine(img0, M_adjusted, (img1.shape[1], img1.shape[0]), cv2.INTER_NEAREST_EXACT)
  

给你个小验证技巧：找一对匹配点，比如小图上的mkpts0[0]，对应原图的坐标是(mkpts0[0][0]*scale_x, mkpts0[0][1]*scale_y)，用调整后的M变换这个原图点，结果应该和mkpts1[0]缩放回原图的坐标基本一致（考虑RANSAC的误差），这样就能确认矩阵调整是否正确。

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