Python 在对整个图像应用单应之后，如何将2D点转换回来？

我是opencv和图像相关几何的新手。但现在我正在做一些图像处理任务。 以下是我所做的： 给定pts_src，ptsdst，我使用cv2.findhomography和cv2.warpsperspective扭曲了整个图像

findHomography为我提供了一个3x3单应矩阵。 cv2.warpPerspective为我提供了一个扭曲的图像，我可以从这个扭曲的图像中检测到一些特征点

但是，我需要将特征点坐标映射回原始输入图像。 有人能告诉我如何做到这一点吗

---

谢谢

我认为单应矩阵的逆矩阵将是从pts_dst映射回pts_src的新矩阵

如您在评论中所述，如图所示，第三个分量似乎确实是结果向量的比例系数w：

x、 y→ x′/w，y′/w 其中x′，y′，w′=mat⋅ [x y 1] ... 在2D矢量变换的情况下，省略z分量

因此，您可以通过执行V[0]/V[2]，V[1]/V[2]来重新缩放它，就像您在评论中提到的那样

此外，我认为这个比例因子与矩阵的生成方式有关，因此请检查矩阵的详细信息，正如cv2.findHomography的官员所说：

单应矩阵是按一定比例确定的。因此，对其进行归一化，以使h33=1

---

希望这有帮助

我认为单应矩阵的逆矩阵将是从pts_dst映射回pts_src的新矩阵

如您在评论中所述，如图所示，第三个分量似乎确实是结果向量的比例系数w：

x、 y→ x′/w，y′/w 其中x′，y′，w′=mat⋅ [x y 1] ... 在2D矢量变换的情况下，省略z分量

因此，您可以通过执行V[0]/V[2]，V[1]/V[2]来重新缩放它，就像您在评论中提到的那样

此外，我认为这个比例因子与矩阵的生成方式有关，因此请检查矩阵的详细信息，正如cv2.findHomography的官员所说：

单应矩阵是按一定比例确定的。因此，对其进行归一化，以使h33=1

---

希望这有帮助

也许我错了，但我认为单应矩阵的逆矩阵将是从dst_点映射回src的新矩阵_points@alan.elkin谢谢你的回复。我尝试了numpy.linalg.invH*np.transpossenp.matrix[[x，y，1]]，得到了一个三维向量V。然后我尝试了V[0]，V[1]，它似乎不是正确的位置。我做错什么了吗？@alan.elkin是V的第三个元素，这里的比例因子？我绘制了V[0]/V[2]，V[1]/V[2]可以看出该点似乎位于所需的位置。我不确定是否总是这样。是否@gnodab您的链接指向同一个操作？也许我错了，但我认为单应矩阵的逆矩阵将是从dst_点映射回src的新矩阵_points@alan.elkin谢谢你的回复。我尝试了numpy.linalg.invH*np.transpossenp.matrix[[x，y，1]]，得到了一个三维向量V。然后我尝试了V[0]，V[1]，它似乎不是正确的位置。我做错什么了吗？@alan.elkin是V的第三个元素，这里的比例因子？我绘制了V[0]/V[2]，V[1]/V[2]可以看出该点似乎位于所需的位置。我不确定是否总是这样。你的@gnodab链接指向同一个OP吗