如何将warped图像中Hello的bounding box坐标映射回原始图像？

嘿，这个问题其实很好解决——核心就是利用透视变换的可逆性，把你在warped图上的边界框坐标映射回原始图像就行。我给你一步步讲清楚怎么做：

你在执行四点透视变换时，会得到一个透视变换矩阵M（一般是通过cv2.getPerspectiveTransform计算的），它负责把原始图像的坐标映射到warped图像。那反过来，这个矩阵的逆矩阵M_inv，就能把warped图像上的坐标转换回原始图像的对应位置。

1. 修改四点变换函数，保留变换矩阵M
   你之前的four_point_transform应该只返回了warped图像，现在得让它同时返回变换矩阵M。修改后的函数大概是这样：

   def four_point_transform(image, pts):
       # 原有的计算逻辑（排序四点、计算目标宽高）不变
       (tl, tr, br, bl) = pts
       maxWidth = max(int(np.linalg.norm(tr - tl)), int(np.linalg.norm(br - bl)))
       maxHeight = max(int(np.linalg.norm(bl - tl)), int(np.linalg.norm(br - tr)))
       
       # 定义目标图像的四点坐标
       dst = np.array([
           [0, 0],
           [maxWidth - 1, 0],
           [maxWidth - 1, maxHeight - 1],
           [0, maxHeight - 1]
       ], dtype="float32")
       
       # 计算透视变换矩阵M
       M = cv2.getPerspectiveTransform(pts, dst)
       warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))
       
       # 同时返回warped图像和变换矩阵M
       return warped, M
   

2. 计算逆变换矩阵M_inv
   拿到M之后，用OpenCV的cv2.invert函数计算它的逆矩阵：

   # 假设你已经有原始图像original_image，以及变换用的四个点pts
   warped, M = four_point_transform(original_image, pts)
   # 计算逆矩阵，第二个返回值是逆矩阵的状态（我们这里不用关注）
   M_inv, _ = cv2.invert(M)
   

3. 准备warped图中边界框的四个顶点
   你画的矩形是从(37,20)到(222,97)，对应的四个顶点按顺序（左上、右上、右下、左下）定义出来：

   warped_bbox_pts = np.array([
       [37, 20],   # 左上
       [222, 20],  # 右上
       [222, 97],  # 右下
       [37, 97]    # 左下
   ], dtype=np.float32)
   

4. 把warped坐标映射回原始图像
   用cv2.perspectiveTransform做坐标转换，注意要把点转换成函数要求的形状（(1, N, 2)）：

   # 调整形状以满足透视变换的输入要求
   warped_bbox_pts = warped_bbox_pts.reshape((1, 4, 2))
   # 应用逆变换得到原始图像中的坐标
   original_bbox_pts = cv2.perspectiveTransform(warped_bbox_pts, M_inv)
   # 把浮点坐标转成整数（图像坐标都是整数）
   original_bbox_pts = np.int32(original_bbox_pts)
   

5. 在原始图像上绘制边界框
   因为逆变换后的点可能不再是严格的矩形（透视变换会让形状畸变），所以用cv2.polylines绘制闭合四边形更准确：

   # 在原始图像上画红色的边界框，线宽2
   cv2.polylines(original_image, original_bbox_pts, isClosed=True, color=(0, 0, 255), thickness=2)
   

把这些步骤整合起来，大概是这样的：

import cv2
import numpy as np

def four_point_transform(image, pts):
    (tl, tr, br, bl) = pts
    maxWidth = max(int(np.linalg.norm(tr - tl)), int(np.linalg.norm(br - bl)))
    maxHeight = max(int(np.linalg.norm(bl - tl)), int(np.linalg.norm(br - tr)))

    dst = np.array([
        [0, 0],
        [maxWidth - 1, 0],
        [maxWidth - 1, maxHeight - 1],
        [0, maxHeight - 1]
    ], dtype="float32")

    M = cv2.getPerspectiveTransform(pts, dst)
    warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))

    return warped, M

# 加载原始图像（替换成你的图像路径）
original_image = cv2.imread("your_image_path.jpg")
# 假设你已经有四点变换的四个点pts（比如手动标注或检测得到）
pts = np.array([[x1,y1], [x2,y2], [x3,y3], [x4,y4]], dtype="float32")

# 执行四点变换，得到warped图像和变换矩阵M
warped, M = four_point_transform(original_image, pts)

# 在warped图上绘制原有的蓝色边界框
cv2.rectangle(warped, (37, 20), (222, 97), (255, 0, 0), 2)

# 计算逆变换矩阵
M_inv, _ = cv2.invert(M)

# 定义warped图中边界框的四个顶点
warped_bbox_pts = np.array([
    [37, 20], [222, 20], [222, 97], [37, 97]
], dtype=np.float32)

# 坐标映射转换
warped_bbox_pts = warped_bbox_pts.reshape((1, 4, 2))
original_bbox_pts = cv2.perspectiveTransform(warped_bbox_pts, M_inv)
original_bbox_pts = np.int32(original_bbox_pts)

# 在原始图像上绘制红色边界框
cv2.polylines(original_image, original_bbox_pts, isClosed=True, color=(0, 0, 255), thickness=2)

# 显示结果
cv2.imshow("Warped Image", warped)
cv2.imshow("Original Image with BBox", original_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

内容的提问来源于stack exchange，提问作者Himansingh